公众号/大数据文摘（ID：BigDataDigest）
大数据文摘出品
来源：Wired
编译：王烨
今天，有许多人工智能与我们互动的例子，使我们的生活的效率更高。
智能体向我们通过电子商务网站向我们推荐产品，通过社交媒体为我们推荐新闻，通过交友应用向我们推荐朋友，实时为商品和服务定价等等。
然而，所有这些的共同点是，每种智能体仅限于通过网站或应用程序的界面影响我们的生活。但是在2021年，人工智能将超越这个范畴。我们将看到人类和AI驱动的机器之间第一个物理接口的出现。
今天的自动化设备主要在受控和封闭的环境中工作，比如工厂和仓库，与人类完全分离。
它们是刚性的、手工编程的机器，传感和智能程度有限。然而，机器学习的进步——如计算机视觉中的监督学习、概率理论和生成建模的新技术，以及基于模型的控制强化学习——已经为创造能够与社会公开互动的智能机器和有限的人类监督创造了机会。
机器学习已经对许多人工智能问题产生了变革性的影响，尤其是在计算机视觉和自然语言处理方面。通过增加对PB级数据集和大规模云计算的访问，促进了从手工设计的算法向端到端机器学习的转变，使他们能够在原始编程之外获得对世界的理解。
机器人领域之所以还没有发生这种变化，是因为硬件比软件更难以安全地扩展规模，这使得这一领域的培训数据更加稀缺。
最近在强化学习的突破，机器人能够在围棋和DOTA等游戏中击败人类世界冠军，依赖于模拟训练，可以生成无限的数据来教机器。
然而，到2021年，我们有了自动驾驶汽车等成熟的平台经过多年开发积累的、数以千兆字节的训练数据。
自动驾驶技术最有趣的后果之一是，社会将在没有明确规定的情况下，将AI与物理机器进行互动，就像我们今天与软件机器的互动一样。
行人不会同意一辆自主机器人在他们身边开过，但这将是一种常态，因为它更可靠、安全和高效。这将需要人类对自动驾驶技术的高度信任，以及自动驾驶技术的高度表现。
由于我们在自动驾驶车辆方面的工作积累了大量的数据，我们正朝着2021年的目标前进。
相关报道：
https://www.wired.co.uk/article/alex-kendall-machine-learning
Return to Top ▲
友情链接