什么是人工智能？
如果您聽到人工智能(AI)一詞，您可能會想到自動駕駛汽車、機器人、ChatGPT、其他AI聊天機器人以及人工創建的圖像。但了解人工智能輸出的背后并了解該技術的工作原理及其對當代和子孫后代的影響也很重要。

人工智能這個概念自20世紀50年代以來就正式出現，當時它被定義為機器執行以前需要人類智能才能完成的任務的能力。這是一個相當廣泛的定義，經過數十年的研究和技術進步已經被修改。

當您考慮將智能分配給機器（例如計算機）時，首先定義“智能”一詞是有意義的-特別是當您想確定人工系統是否真正值得擁有它時。

人工智能是“一個致力于工程系統的技術和科學領域，該系統為一組給定的人類定義的目標生成內容、預測、建議或決策等輸出”。雖然從技術角度來看，人工智能的定義是準確的，但它對普通人來說又如何呢？

事實上，人工智能只是一個實用工具，而不是萬能藥。它的好壞取決于指導其行為的算法和機器學習技術。人工智能可以非常擅長執行特定任務，但它需要大量數據和重復。它只是學習分析大量數據、識別模式并根據這些數據做出預測或決策，從而隨著時間的推移不斷提高其性能。

機器學習已經變得如此“強大”，可以生成從軟件代碼到圖像、文章、視頻和音樂的一切內容。這是人工智能的下一個層次，即所謂的生成式人工智能，它的功能和應用與傳統人工智能不同。傳統的人工智能系統主要用于分析數據和做出預測，而生成式人工智能則更進一步，創建與其訓練數據相似的新數據。

人工智能是如何運作的？
本質上，人工智能分析數據以提取模式并做出預測。它通過將大型數據集與智能人工智能算法（或規則集）相結合來實現這一點，這些算法允許軟件從數據中的模式中學習。該系統實現這一目標的方式是通過神經網絡?——一系列互連的節點，在各層之間中繼信息以查找連接并從數據中獲取含義。

為了理解它是如何工作的，我們必須解開以下概念：

學習：人工智能的機器學習功能使機器能夠從數據中學習、識別模式并做出決策，而無需顯式編程。更進一步，深度學習的進步使人工智能軟件能夠使用數百萬個數據點來理解更復雜的模式。

推理：推理能力對于人工智能至關重要，因為它允許計算機模仿人腦。人工智能可以根據給出的命令或其他可用信息進行推斷，以形成假設或制定解決問題的策略。

解決問題：人工智能解決問題的能力基于通過試錯技術操縱數據。它涉及使用算法探索各種可能的路徑，以找到復雜問題的最佳解決方案。

處理語言：人工智能使用自然語言處理（NLP）以對計算機有意義的方式分析人類語言數據。什么是自然語言處理？它是指計算機利用文本分析、情感分析和機器翻譯來理解、解釋和生成人類語言的能力。

感知：人工智能通過溫度傳感器和攝像頭等傳感捕捉器掃描環境。這一人工智能領域被稱為計算機視覺，使機器能夠解釋和理解視覺數據，并用于圖像識別、面部識別和物體檢測。

以下是圍繞人工智能的三大擔憂 - 以及如何應對它們
人們此時此刻可能會有這些擔憂，這是可以理解的，我們需要面對它們。只要我們這樣做，我相信我們就不需要對人工智能感到恐慌，社會也會從擁抱它中受益。我建議我們解決這些問題如下：

1.我們應該使人工智能民主化

我們不應該因為人工智能太復雜而讓普通人無法理解而否定人工智能，而應該努力讓社會上的每個人都能使用人工智能。不應該只有科學家和工程師才能理解它；通過充分的教育、溝通和協作，人們將了解人工智能可以為社區創造的潛在價值。

2. 在人工智能領域，沒有人會“落后”

我們應該使人工智能民主化，即技術應該屬于全社會并造福全社會；我們應該對人工智能的發展現狀持現實態度。

我們在人工智能方面取得了很大進展。但如果我們把它想象成一片浩瀚的海洋，我們仍然只是在沙灘上行走。事實上，我們取得的大部分成就都是基于擁有大量（有標簽的）數據，而不是基于人工智能本身的智能能力。以更自然的方式學習，包括無監督學習或遷移學習，仍處于萌芽階段，我們距離達到人工智能霸主地位還有很長的路要走。

從這個角度來看，社會才剛剛開始人工智能的漫長旅程，我們幾乎都從同一頁面開始。為了實現人工智能的下一個突破，我們需要全球社會的參與和開放的合作與對話。

3.我們應該采取敏捷的方式來治理人工智能

在我們研究如何監管該技術的同時，我們可以從人工智能創新中受益。我舉個例子：福特汽車1908年生產了T型汽車，但美國用了60年才頒布正式的安全帶使用法規。這種延誤并沒有阻止人們從這種交通方式中獲益匪淺。然而，與此同時，我們需要法規，以便社會能夠從人工智能等新技術中獲得可持續的利益，并且我們需要作為一個全球社區共同努力來建立和實施這些法規。

通過解決人們對人工智能的上述擔憂，我相信“值得信賴的人工智能”將為社會帶來巨大的好處。國際社會對于“可信人工智能”的六個維度已經達成共識：公平性、問責性、價值一致性、魯棒性、可重復性和可解釋性。公平、責任和價值取向體現了我們的社會責任；魯棒性、可重復性和可解釋性給我們帶來了巨大的技術挑戰。

“值得信賴的人工智能”創新是一場馬拉松，而不是短跑。如果我們堅持到底，以開放、包容、原則、協作的態度擁抱人工智能創新和監管，人工智能創造的價值將遠遠超出我們的預期。我相信下一代智能經濟將在信任的基礎上形成，并通過視角進行區分。