主页 > N默生活 >AI 懒人包:四大象限图搞懂 2019 AI 擅长与不擅长领

AI 懒人包:四大象限图搞懂 2019 AI 擅长与不擅长领

来源:N默生活 2020-06-06 03:12:59

AI 懒人包:四大象限图搞懂 2019 AI 擅长与不擅长领

人工智慧可以解答所有问题吗?这个问题十分容易回答,当然是不行。真相是,人工智慧只能对符合特定形式的问题提供良好的解答,而且还需要符合特定条件。

人工智慧适合解决什幺问题?我们可以用两个轴度,来为所有可能的决策问题做分类。图的横轴表示是否容易为此问题取得大量资料,也就是样本数的多寡。因为机器学习是基于资料,来学习已知与未知,也可以说是观测与决策之间的关係。因此,历史资料愈充足,愈有机会萃取出,观测与决策在各种条件下的关联性。纵轴表示该问题是否与情境相关。

AI 懒人包:四大象限图搞懂 2019 AI 擅长与不擅长领

辨识人脸、诊断病情 ……人工智慧都能做

左上角的第二象限是同样与情境没有太大关联,但较难蒐集到大量资料的问题,但因与情境相关性低,基本上人工智慧还是多能提供不错的解答,例如医疗诊断、排程预测、预测性维护等。

在医疗诊断应用中,已有太多研究证明,只要给予与病情有相当关联性的生理讯号,机器学习即可精準地诊察眼底视网膜病变、肺结核、心律不整、及多种癌症等。虽然医疗诊断的资料量相对较少,也许每种疾病只能蒐集到几万或几千例,但是因为医疗诊断与情境并不相依,也就是说,生理讯号(例如 X 光片及心电图)本身就足以準确地判断病徵,不会受到其他无法观测的外部因素的干扰;同一张 X 光片,无论是在哪里拍的、受测者身上穿什幺衣服、受测者当时开不开心、受测当天天气如何、受测者收入,结果都应该一致。

基本上,只要是与情境无关的问题,人工智慧通常可以做得不错,甚至超越人类。例如许多电脑游戏及牌类、棋类游戏,人类已无法与人工智慧匹敌。

与情境高度相依的问题人工智慧难发挥

图右下角的第四象限指的是有大量资料,但与情境相依程度较高的问题。基本上此象限的问题,仍可由人工智慧来提供解决方案,但随着情境相依度愈高,要得到好解答的困难度也愈高。

例如信用卡盗刷、个人化行销、程式交易、自驾车、对话机器人等,这些问题要做出好的人工智慧系统相当有挑战性,因为有许多无法观测到的情境变数,可能影响决策判断,很难仅仅凭藉我们能观测到的少部分变数,做出十分準确的预测。

例如,对话机器人也是属于高度与情境相关的问题。主要原因在于,人类的对话相当複杂,有时难以透过表面上的字句得知顾客真正的意图,此时就会出现针对同样问话,对话机器人即使做出同样的反应,每一位顾客感受却会不同的情况。毕竟每个人有不同的立场、知识及个性,同样的话,有些人听完会很满意,有些人可能会生气。

例如假设有位男性顾客姓王,招呼语称呼他为王先生,多数人会觉得很正常,有些政商名流可能会不高兴,觉得应该要称呼他为王市长、王董等。人工智慧在此种情况下,没有办法表现得和人类一样好。

人工智慧能预测成功率,但无法预测未来

图右下角的第三象限,包含的是与情境相依且难以蒐集大量资料的问题,对这些问题来说,人工智慧的发挥十分有限,只能有限度地提供辅助。

像是新创事业是否会成功、该不该跟某位异性告白、该不该进行某项全新商品的发售、该不该进行某个政治操作等问题。以「新创事业是否会成功」为例,这涉及到创办人格局、新创团队能力、产品技术实力与市场变化、竞争对手策略等,都是难以量化的资讯。

因此,即便许多创投业者都期待,能预知新创事业的成功机率,但在此条件下,人工智慧顶多只能根据片面资讯做预测,以仅供参考的方式,辅助降低投资新创事业的风险,并无法做到精準的预测。

总结来说,能够观测完整,也就是无法观测或量化的情境资讯少的问题,基本上都适合以人工智慧来找解答。但若观测十分片面或是无法量化,又没有大量的资料来补助资讯的不足,这时巧妇难为无米之炊,就不用期待人工智慧能像先知一样预知未来。

人工智慧的极限很明确,原则也易于掌握,千万不要忽略对这些原则的掌握,贸然在人工智慧不擅长之处对它抱有太大期待,免得费时耗力又因为失败而对人工智慧失去信心。

AI 懒人包:四大象限图搞懂 2019 AI 擅长与不擅长领

相关热门推荐

申博太阳城_金沙赌船贵宾77777|专业健康生活网|生活小常识网站|网站地图 申博官网备用网址_申博988 申博官网备用网址_申博游戏客户端