作者：Sabine Hossenfelder
编译：Mika
CDA数据分析师出品
导读：人工智能和人类智能究竟有何不同之处呢？在本文中Sabine Hossenfelder 就从十个方面分析了这两者间的不同。
今天我想讲讲人工智能有何智能之处。
当然显而易见的是，人的大脑是有温度且不确定的，而计算机不是。但是更重要的是，人类智能和人工智能之间存在结构性差异。这我将在之后讲到。
在我们开始之前，我要简单的讲讲"人工智能"指的是什么。
中英字幕视频如下：
以下是文字版本：
如今所谓的"人工智能"其实是通过神经网络实现的。
神经网络是一种计算机算法，用来模拟人脑的特定功能。当中包含虚拟的"神经元" 这些神经元排列在"层"中，并且互相连接。神经元传递信息从而进行计算。就像人脑中的神经元传递信息，并进行计算一样。
在神经网络中，神经元只是代码中的数字，通常它们的值在0到1之间。神经元之间的连接也有与之相关的数字，它们被称为"权重"。这些权重告诉你，来自其中一层的信息对下一层有多大的影响。神经元的值以及连接的权重本质上是网络中的自由参数。
通过训练神经网络，你想找到那些使某个函数最小化的参数值，这称为"损失函数"。这是神经网络要解决的优化问题。
在优化中，神经网络的魔力是通过所谓的反向传播实现的。反向传播是指，如果神经网络给出的结果不是特别好，你可以回溯并改变神经元的权重和连接。神经网络就是这样从错误中"学习"。
说到这里，下面让我们进入人工智能和人类智能之间的关键区别。
01:
形式和功能
神经网络是运行在计算机上的软件，人工智能的"神经元"没有物理实体。它们以位数和字符串的形式编码在硬盘或硅芯片上，它们的物理结构和真正的神经元一点也不像。相反，在人脑中形式和功能是同时存在的。
02:
大小
人类大脑大约有1000亿个神经元，目前的神经网络通常有几百个左右。
03:
连接
在神经网络中，每一层通常与上一层和下一层完全连接。但人脑并没有所谓的层，相反，它依赖于许多预定义的结构。并不是人类大脑的所有区域都是同样连接的，区域是专门用于特定目的的。
04:
能量消耗
人脑在能量消耗方面，比现存的任何人工智能都更为节能。人脑大约耗费20瓦能量，这与现在标准笔记本电脑耗费的差不多。但有了这些能量，大脑处理的神经元数量多一百万倍。
05:
体系
在神经网络中，这些层是整齐有序的一个接一个地处理。而另一方面，人脑会进行很多并行处理，没有任何特定的顺序。
06:
激活状态
在人脑中，神经元要么是激活状态，要么非激活状态。在神经网络中，激活是由连续值模拟的。因此人造神经元可以平稳地从上到下运行，这是人脑做不到的。
07:
速度
人类的大脑比任何人工智能系统都要慢得多。一台标准计算机每秒执行大约100亿次操作。另一方面，人的神经元激活频率为每秒最多一千次。
08:
学习方式
神经网络通过输出来学习。如果根据损失函数，这个输出是低性能的。然后，网络通过改变神经元的权重和它们之间的连接做出反应。没有人知道人类学习的细节，但肯定不是这样的。
09:
结构
神经网络每次都是从零开始的。而人脑呢? 很多结构已经连接到它的连接处，而且利用的模型，这在进化过程中被证明是有用的。
10:
精度
人脑的干扰因素更多，而且不如计算机上运行的神经网络精确。这意味着大脑基本上不能运行与神经网络相同的学习机制，它可能使用完全不同的机制。
这些差异的结果是，如今的人工智能需要大量的训练，需要大量精心准备的数据。这与人脑的运行方式是很不一样的。
局限性
神经网络不会建立世界中模型，相反它们会学习对模式进行分类。这种模式识别只需要很小的变化就会失败。
一个著名的例子是，你给图片添加少量影响因素，这些因素小到肉眼无法识别。但人工智能系统可能会被骗，错认为物品A认为是物品B。
目前，神经网络也不善于从它们所学习的情况推广到另一种情况。
它们的成功很大程度上取决于定义正确的"损失函数"。如果你没有谨慎思考损失函数，你最终会优化你不想要的东西。比如本被训练以恒定的高速行驶的自动驾驶汽车，很可能变成只会原地旋转。
但是神经网络擅长于一些内容。比如对图像进行分类，或者推断出没有明显趋势的数据。
结语
也许人工智能的意义就在于不让它与人类智能太相似。
毕竟，我们拥有的最有用的机器，比如汽车或飞机，它们之所以有用正是因为没有模仿人类。相反，我们需要创造专门处理人类不擅长任务的机器。
