绿色商业101:让人工智能更聪明

人工智能是高科技领域最具争议的问题之一。只要问问特斯拉(Tesla)首席执行官埃隆•马斯克(Elon Musk)就知道了。他非常担心人工智能技术的伦理影响，以至于最近与人联合成立了一个10亿美元支持的非营利组织OpenAI，致力于负责任的人工智能研发。

麝香和他的同事们没有试图阻碍进步。毕竟，AI是在如那些特斯拉正在许多“智能”技术，显示自主车行动，以及城市的城市景观，商业建筑，供应链和世界各地的农业经营中心。他们只想人工智能研究人员和企业家，以确保潜在的人类影响最重要的考虑，而不是事后的想法。

把所有的数据放在屏幕上不一定会给你带来深刻的见解。但是，你能想象某种学习线束存在的应用，试图在这些数据集弄清楚模式。

“今天的人工智能系统有令人印象深刻但狭窄的能力，”OpenAI在十二月中旬宣布在其推出。"It seems that we’ll keep whittling away at their constraints, and in the extreme case they will reach human performance on virtually every intellectual task. It’s hard to fathom how much human-level AI could benefit society, and it’s equally hard to imagine how much it could damage society if built or used incorrectly."

预计将向OpenAI投资超过10亿美元的科技巨头包括亚马逊网络服务公司(Amazon Web Services)、风险投资家彼得•泰尔(PayPal和大数据分析巨头Palantir的联合创始人)和计算机科学家艾伦•凯(世界知名软件程序员)。

我们已经走过了漫长的道路，宝贝

该组织的非常创作标记的临界点为AI，频繁的头条整个2015年的主题。

大多数人一定年龄与关联HAL，在SCI-FIC经典恶毒的计算机短语“2001：太空漫游”即抓住飞船的控制。一般而言，然而，AI是指使用算法以控制计算机或其他机器如何输入做出响应的过程。可替换短语是机器学习。无论哪种方式，系统被人类训练和想法是教一些设备来模仿人类的行为。其中最有名的现实世界的例子是IBM的深蓝超级计算机，它学会了如何下棋这么好，它最终击败当时的世界冠军卡斯帕罗夫。

眼下，AI市场是微不足道的：关于收入202.5 $万元，去年为商业应用和安装。这些数据是基于来自调查公司Tractica的市场预测。该公司预计，到2019年，事情将变得非常有趣，到2024年，与人工智能应用相关的收入将达到111亿美元。

“尽管人工智能已经刚刚超越地平线了几十年，一个新的时代正在到来，” Tractica分析师Bruce戴利说。“仿照人类的大脑，如深度学习系统的变化，作为医疗诊断系统，信用评分，程序化交易，欺诈检测，产品推荐，图像分类，语音识别，语言翻译和自驾车车辆正被应用于执行的任务。结果开始为自己说话“。

基于神经网络的不断深入

其中最活跃的AI类是“深度学习” - 更多的风险资金一直致力于为创业公司专注于本学科比其他任何AI类别，根据数据从VentureScan。英特尔资本是最杰出、最慷慨的投资者之一。

深度学习与神经网络软件密切相关，神经网络软件利用连接的计算机模拟生物神经系统和大脑的行为，来解释和“学习”信息。这个想法已经存在了几十年，但是随着处理速度的提高——价格也更加合理——引发了大量的实验。其中最突出和最大的一个项目是谷歌脑，1000多台计算机的网络，互联网公司使用面部识别应用。

深度学习是分阶段进行的，这意味着随着时间的推移，他们会吸收更多的信息，变得更聪明、更复杂。以谷歌大脑为例，系统首先检测构成图像的明暗像素之间的强烈对比。然而，随着时间的推移，该系统变得能够“看到”物体甚至人脸之间的差异。

深度学习的作用更熟悉的例子就是Siri的，苹果iPhone手机中发现的私人助理，和近亲属，如微软柯塔娜和谷歌现在。所有这三个声控应用的使用深度学习在随着时间的推移识别语音变得更好，就像一个孩子在认识到区分话语的细微差别变得更好。

传奇风险投资家史蒂夫Jurvetson公司相信深学习会推应用，如停车诱导系统，智能照明和楼宇控制和自动驾驶汽车的关键超出试验阶段。一个重要的原因是:要使它们真正发挥作用，需要输入的传感器和其他数据的数量是惊人的。然而，通过编程这些应用程序来调整它们在满足某些条件时的行为，它们就变得更加实用了。

去年秋天，尤尔韦特松告诉GreenBiz:“你拥有复杂的数据集，比如来自卫星和地面传感器的遥感数据，或者来自物联网的数据，以及遍布全球的各种设备中的传感器。”“想想所有有温度传感器的手机和有传感器的汽车。我们并没有把这些数据用于任何事情，但我们可以。把所有的数据放在屏幕上不一定会给你带来深刻的见解。但你可以想象某种学习工具被应用来试图找出这些数据集的模式。”

这个想法在行动的一个比较简单的例子是“Lightswarm”一种新形式的人工智能外观旧金山设计公司未来的城市实验室设计。系统响应听觉提示，而不是运动，对转弯灯和关闭，走的人通过在城市的人行道。它可以在一个人，通过测量他或她的脚步声或语音的接近实时告诉。每个模块由3D-的印刷组件，并与算法引导基于外部听觉和照明条件他们的行为编程。

当涉及到可持续的商业应用时，人工智能将成为下一代建筑自动化系统的核心，这些系统从各种来源收集数据——从天气预报到当地交通状况，再到企业库存系统——然后做出优化操作的决策。场景可能包括选择制造设备运行的最佳时间、开关灯、根据太阳能或风能条件选择最佳能源，甚至在安排了很多会议时主动调节会议室温度。

人工智能还可以在供应链中发挥作用。例如，图像传感器可以通过检查木材的独特特征来“训练”识别可能来自濒危森林的木材。可能性相对来说是无穷无尽的。

为什么现在？又到了秋后算账

我们听到了很多关于人工智能和深度学习的主要原因是因为有几个最有影响力的高科技公司，在世界 - 包括苹果，Facebook，谷歌，IBM和微软 - 都竞相建立领导岗位。

许多人抢购初创企业更快地提高自己的专业知识的AI。正如显著，一些（Facebook，谷歌和微软）共享的背后他们的一些最成功的项目的代码，以加快市场接受的希望。谷歌，例如，已经超过了张量流技术，它使用了语音识别，照片搜索和Gmail中的新的自动回复功能处理。

“我们希望这将让机器学习社区——从学术研究者到工程师再到爱好者——通过工作代码而不仅仅是研究论文更快地交换想法，”谷歌的研究团队写道。

这是一个完全没有争议的想法，它必将在未来几个月加速人工智能的普及。