本文來源：物聯(lián)網(wǎng)智庫

今年9月，百度宣布與人民日報社合作共建人工智能媒體實驗室，具體來講就是利用人工智能技術(shù)對新聞素材進行自動解讀、加工與糾錯，確定需要展示的關(guān)鍵信息。在此之前，微軟就已經(jīng)開始將新聞業(yè)務(wù)轉(zhuǎn)向AI，并鼓勵新聞工作者使用AI幫助其掃描、處理、過濾信息以及圖片，并終止了與媒體公司PA Media的合作。

“AI編輯部”的報道一出，各位媒體圈的打工人也是心里一顫，我們每天編輯著“人工智能如何取代人工”的新聞，難道也要發(fā)生在自己身上了？

近年，人工智能對人類最明目張膽的“挑釁”當(dāng)屬AlphaGo先后擊敗圍棋世界冠軍、職業(yè)九段棋手李世石與世界圍棋冠軍柯潔。一戰(zhàn)成名后，AI便昂首闊步地進入了大眾視野。

目前，AI在toB產(chǎn)業(yè)端與toC消費端兩面開花，取得了不俗的成績，但“機器大腦”終究還是受制于數(shù)據(jù)、編程，無法自主思考，導(dǎo)致其在復(fù)雜多變的實際生產(chǎn)、生活場景中并不具備隨機應(yīng)變的能力，也引發(fā)了不少令人啼笑皆的“事故”。

“真”智能 VS “假”聰明

早在AlphaGo之前，人們就已經(jīng)開始在各行各業(yè)中探索人工智能技術(shù)的產(chǎn)業(yè)應(yīng)用了，通信技術(shù)、物聯(lián)網(wǎng)等技術(shù)的發(fā)展更是滋潤了AI的落地土壤，使其在商業(yè)化落地的淬煉中不斷迭代升級，發(fā)揮其超強的數(shù)據(jù)學(xué)習(xí)能力與分析能力，為產(chǎn)業(yè)智能化轉(zhuǎn)型提供了堅實的技術(shù)保障。

近日，“騰訊AI找到禿頭元兇”的消息頻頻出現(xiàn)在各大科技媒體的頭條——騰訊 AI Lab 采用“從頭折疊”的蛋白質(zhì)結(jié)構(gòu)預(yù)測方法幫助解析了II型5a還原酶（SRD5A2）晶體結(jié)構(gòu)，并通過自研AI工具“ tFold”有效提升了蛋白質(zhì)結(jié)構(gòu)預(yù)測精度，揭示了治療脫發(fā)和前列腺增生的藥物分子“非那雄胺”對于該酶的抑制機制。

非醫(yī)學(xué)專業(yè)的禿頭黨可能是一頭霧水。首先，我們要搞明白為什么會脫發(fā)。脫發(fā)起因復(fù)雜，主要有感染、內(nèi)分泌障礙、神經(jīng)精神因素、皮膚病等，其中雄激素性脫發(fā)主要與人體內(nèi)的二氫睪酮有關(guān)，它由SRD5A2催化合成。因此，當(dāng)患者因為二氫睪酮水平過高而出現(xiàn)脫發(fā)問題時，可以通過抑制 SRD5A2 來降低患者二氫睪酮水平。

但是，SRD5A2的高分辨率結(jié)構(gòu)信息卻十分缺乏，導(dǎo)致SRD5A2催化二氫睪酮合成的機理以及非那雄胺抑制SRD5A2 酶活的機制并不清晰?！澳０褰！笔钱?dāng)前最普遍的蛋白結(jié)構(gòu)預(yù)測手段，但前提是在人類已知的蛋白結(jié)構(gòu)數(shù)據(jù)庫當(dāng)中，必須存在和預(yù)測的蛋白相似的結(jié)構(gòu)，否則就無法使用。而“從頭折疊”法則可以不依賴于模板來預(yù)測蛋白結(jié)構(gòu)，但精度不高。騰訊 AI Lab 自研的 AI工具“tFold” 正是破解這一難題的關(guān)鍵，它通過多數(shù)據(jù)來源融合、深度交叉注意力殘差網(wǎng)絡(luò)、模板輔助自由建模三項創(chuàng)新技術(shù)實現(xiàn)了蛋白結(jié)構(gòu)預(yù)測精度的大幅提升。

此外，AI在工業(yè)制造、安防、教育等領(lǐng)域也有不俗的表現(xiàn)——“AI 工業(yè)大腦”實現(xiàn)工廠內(nèi)的人機協(xié)同、柔性生產(chǎn)；AI監(jiān)控攝像頭通過捕捉徘徊、長時間逗留等可疑行為預(yù)警事故；AI+云平臺實現(xiàn)教育資源共享、AI+大數(shù)據(jù)分析為學(xué)生提供個性化教學(xué)、AI+MR為學(xué)生提供身臨其境的教學(xué)環(huán)境……

面向消費端，AI實時翻譯在今年的雙11直播中大放異彩，目前支持從中文到英語、俄語、西班牙語的實時翻譯；微博原創(chuàng)視頻博主@大谷Spitzer利用AI技術(shù)將1920年的影像資料重新上色、修復(fù)幀率、擴大分辨率，還原了100年前北京晚清的街景……

博主@大谷Spitzer利用AI修復(fù)視頻

得益于AI遠強于人類的數(shù)據(jù)學(xué)習(xí)能力與分析能力，解決了工業(yè)制造、教育、醫(yī)療等領(lǐng)域的諸多痛點，然而，成也蕭何敗蕭何，在工業(yè)制造、安防等領(lǐng)域表現(xiàn)優(yōu)異的AI卻在足球場上鬧了笑話。

近日，在一場蘇格蘭足球冠軍聯(lián)賽中，主場球隊在賽事直播中沒有雇傭攝像團隊，而是選用了一套名為Pixellot的AI攝像系統(tǒng)，該系統(tǒng)使用內(nèi)置 AI 追蹤技術(shù)的攝像頭來制作實時高清視頻內(nèi)容。

據(jù)稱，開發(fā)團隊收集了數(shù)十萬小時的體育賽事視頻，用于對AI算法進行訓(xùn)練，但他們卻忘了教AI辨別光頭與足球，導(dǎo)致只要是邊裁出現(xiàn)在鏡頭內(nèi)，AI 就會把邊裁的光頭誤認為是足球，并且“忠心追隨”。

隨后，Pixellot公司表示，在設(shè)計階段沒考慮到光頭的影響，現(xiàn)在收集一些足球和光頭的數(shù)據(jù)對算法進行微調(diào)就可以解決這一問題。但是，AI雖然學(xué)習(xí)了“禿頭”數(shù)據(jù)，又如何保證下次不會被場邊別的“球形物”影響呢？

圖源：機器之心

機器學(xué)習(xí) VS?人工學(xué)習(xí)

據(jù)外媒報道，大型零售企業(yè)沃爾瑪將停止運用機器人揀貨、查價，原因是“人工處理的效果不亞于機器人”，尤其是疫情影響下，線上訂單激增，機器人從接單到分揀、再到包裝、出貨的時間毫無優(yōu)勢可言。

我們所講的人工智能其實是一個很寬泛的概念，其核心是機器學(xué)習(xí)與深度學(xué)習(xí)，但數(shù)據(jù)提供的參考有限，導(dǎo)致其在面對程序外的干擾項或突發(fā)情況時無法自主糾偏、靈活處理。如開篇所講，人們既期待AI所帶來的智能化應(yīng)用，卻又忌憚于被替代，但事實證明，AI目前還沒那么智能。

首先是學(xué)習(xí)效率。AI“上崗”前需要學(xué)習(xí)大量的數(shù)據(jù)從而訓(xùn)練算法，雖然其學(xué)習(xí)速度遠超于人類，但是需要超大規(guī)模的學(xué)習(xí)樣本反復(fù)進行強化訓(xùn)練、不斷優(yōu)化認知，綜合來看，AI的學(xué)習(xí)效率與人類相比并無太大的優(yōu)勢。

其次是處理速度。對標(biāo)準(zhǔn)模型而言，AI的強大算力擁有碾壓式的速度優(yōu)勢，尤其是在工業(yè)制造、自動駕駛等低時延場景下，這也是工業(yè)AI可以實現(xiàn)工廠無人化運營的主要原因。反之，在復(fù)雜多變的應(yīng)用場景中，AI的處理速度及精準(zhǔn)度都會大打折扣。

最后是靈活性。AI運行離不開數(shù)據(jù)、算法、算力三大要素，它們?yōu)锳I規(guī)劃出了一套清晰、準(zhǔn)確的運行路線，依據(jù)交互反饋來執(zhí)行預(yù)先設(shè)定的命令。但是在實際生產(chǎn)、生活中仍然存在大量不可控的突發(fā)事件，尤其是toC端，以客服機器人與智能音箱為例，用戶反饋的命令“千奇百怪”，AI終端就只能回答“對不起，這個問題我還沒有學(xué)會”。

誠然，人工處理問題時的靈活思維與應(yīng)變能力是AI難以逾越的短板。同時，AI在遇到復(fù)雜環(huán)境時的檢測精度也仍然無法達到無人化的標(biāo)準(zhǔn)，其精度只能隨數(shù)據(jù)規(guī)模逐步提升。但是，AI可以輔助人工完成部分基礎(chǔ)性工作，但想達到“AI換人”恐怕還需要很長一段時間。

寫在最后

事無絕對，我們也應(yīng)該秉承著辯證的思維看待包括AI在內(nèi)的一眾新興科技，它們應(yīng)該是輔助人類的智能化工具，而不是一味的模仿人類。我們應(yīng)該合理利用其學(xué)習(xí)能力、分析能力賦能產(chǎn)業(yè)，但現(xiàn)階段還是不能免除人工監(jiān)督、干預(yù)環(huán)節(jié)，未來應(yīng)聚焦提升AI應(yīng)用的靈活性，豐富前期數(shù)據(jù)學(xué)習(xí)階段的應(yīng)用場景，綜合考慮可能遇到的各類情況，將“人工智障”逐步訓(xùn)練為真正的人工智能。

參考資料：

1.《尷尬，AI轉(zhuǎn)播球賽把裁判的光頭當(dāng)成了足球》，機器之心

2.《沃爾瑪停止機器人跟蹤貨物計劃》，OFweek物聯(lián)網(wǎng)

3.《騰訊 AI 醫(yī)學(xué)進展破解“禿頭”難題，登 Nature 子刊！》，CSDN

~END~