40 個令人驚嘆的人工智能事實值得在推特上發布
已發表: 2022-05-07大喊大叫，讓推特推特的推文。-馬克安東尼，朱利葉斯凱撒（真的）
被互聯網人工智能信息的氾濫所淹沒？
面對人工智能文章和博客文章，是否像一名宇航員 HAL 9000 遇難一樣感到無助和飄忽不定？ （太快了？）
面對鋪天蓋地的信息，不要發瘋。 用這些關於人工智能的推特事實來擁抱混亂吧！
人工智能事實
我在下面介紹的 AI 事實分為三類：
- 人工智能基礎知識：您需要了解的有關 AI 的歷史、理論和一般信息
- 人工智能的用途：人工智能如何為商業、醫學、工業和其他一切提供動力
- 人工智能任其發展：奇怪的用途、有趣的用途和蜉蝣。
所以請繼續閱讀並發布推文！
人工智能基礎
1. #artificialintelligence 這個詞是由斯坦福大學教授約翰麥卡錫在 1955 年提出的。
2. 定義#AI 很棘手，但有一個定義是“如果人類如此行為，其行為方式將被稱為智能”。
人們仍在爭論如何定義人工智能。 這個概念自 1950 年代、20 世紀初或古代世界就已經存在，這取決於你如何定義它。 而且，與其他長期存在的複雜概念一樣，關於定義存在很多分歧。
3. Gartner 建議稱#AI 為“智能機器”，因為稱機器“智能”表明#AI 沒有人類特徵。 （鏈接到受付費牆保護的研究）
Gartner 指出，將某些東西稱為“人工智能”“可能會為你對 AI 的實際期望設定不准確且具有破壞性的期望”。 諸如“人工智能”之類的術語使您將技術擬人化，這樣做會導致人們對仍然只是一台機器的期望過高。 他們甚至建議您“忽略重複使用”人工智能一詞的營銷炒作。
4. 定義#AI 的一種方法是著名的圖靈測試：如果你能將計算機誤認為是人類，那麼它（人為地）是“智能的”。
圖靈給圖靈測試取的名字實際上是“模仿遊戲”，因為他把這個實驗想像成一種猜謎遊戲。 一個人會獨自坐在一個房間裡，與兩個外部人員（一個人和一台計算機）進行交流，然後根據對話嘗試猜測哪一個是機器。 最初的圖靈測試並不是唯一的版本——在 1990 年，發明家 Hugh Loebner 通過延長人們與計算機交談的時間（從圖靈的 5 次到 25 次）以及與外界交談的人數（從二到四）。
5. 2014 年，英格蘭雷丁大學設計的計算機 Eugene 是第一個通過圖靈測試的#AI。
Eugene 是俄羅斯設計的 AI，它之所以獲勝，是因為它的設計聽起來像一個青春期男孩。 他的創作者的推理是“[尤金] 可以聲稱他什麼都知道，但他的年齡也使得他不知道一切是完全合理的。”
6.#AI的最早實例？ 希臘神赫菲斯托斯創造的金色機器人幫助他四處走動。
7. 莫拉維克悖論指出，計算機可以像伯努利一樣處理數字，但缺乏幼兒的運動技能。
對計算機進行編程來做難的事情（邏輯、數學、國際象棋）比簡單的事情（比如區分迎面而來的汽車和漂浮的塑料袋）更容易。 Moravec 的悖論顯然讓很多 AI 程序員感到驚訝，他們認為如果他們能讓計算機做一些事情，比如在國際象棋上擊敗 Garry Kasparov，那麼像走樓梯這樣簡單的事情就不會有任何麻煩。 沒有這樣的運氣。 當機器人大軍來襲時，我們將通過樓梯和幼兒園猜謎遊戲來拯救我們。
8. #AI 知識工程瓶頸是一個問題，它是由於需要在 AI 開始學習之前加載足夠的知識而產生的。
9.斯蒂芬霍金對#AI的看法？ 這將是“發生在人類身上的最好或最壞的事情。 我們還不知道是哪個。”
這是一個相當大的“要么”。 人工智能可能會治愈癌症，或者它可能會幫助導彈決定繞道回到發射它的人那裡。 不管怎樣，霍金說人工智能將成為工業革命以來最大的發展。
10. Elon Musk 擔心#AI 對人類的影響。 他創立了 Neuralink，以創造可以將人腦與計算機連接起來的設備。
這聽起來很棒，直到你意識到在四年級音樂劇中扮演托馬斯杰斐遜的羞辱記憶可能會在公共雲中結束。 當前的勒索軟件對某些威脅要將您在學校戲劇中的視頻傳送到您同事的大腦的黑客一無所知。
11. 第一個成功的#AI 程序之一是由一位名叫 Christopher Strachey 的教師和業餘程序員編寫的。
如果您對掌握人工智能等領域所需的專業知識感到擔憂，請記住，第一個可用的 AI 是由業餘愛好者構建的，但微軟的 Tay（見下文）是由專家構建的。 
12. 深度學習是#AI 的一個子集，通過模仿人類思維的複雜性來訓練機器像人類一樣思考。
13. 歐洲議會委員會建議為#AIs 提供一種人權形式，但也給予了殺戮開關。
14.#Bigdata 就像#AI 的庫：輸入人工智能算法的數據越多，它就會變得越智能。
人工智能的用途
15. 2015 年，科技公司向#AI 投入了 85 億美元，一些人估計到 2020 年這一數字將達到 470 億美元。
16. Gartner 預測，到 2020 年，五分之一的企業將擁有專門負責“監控和指導”機器學習的職位。（受付費牆保護）
“監控和引導”將包括很多有監督的機器學習。 機器如何學會自己學習？ 通過人們為它提供大量示例，並確保機器學習算法可以從這些示例中做出正確的判斷。
17. #Chatbots 是模仿人類語音的精簡#AI 程序，並且經常做死記硬背的客戶服務工作。
如果您在過去一年沒有在互聯網上看到“聊天機器人”一詞，那麼恭喜您！ 你已經達到了梭羅想要的絕妙隔離。 33,000 名開發人員設計了大約 34,000 種不同的聊天機器人，而這僅僅是在 Facebook Messenger 上工作的那些。
18. .@Informatica 的 Claire 是一個#businessintelligence #AI，它可以自動執行任務、推薦正確的數據並使查找數據變得容易。
2017 年 5 月 16 日，數據管理公司 Informatica 宣佈在其智能數據平台中添加 AI：Claire。 Informatica 表示，Claire 將使查找、可視化和使用數據變得更加容易。 除其他外，人工智能將能夠對相似的數據對象進行分組，並“自動標記和分類其他數據”，這與 Facebook 提示您在照片中標記朋友的方式非常相似。
19. 許多主要的#financial 公司都有自己的#AI 算法來預測市場變化。
20. #AI 一天分析的信息比#doctors 一年分析的還要多。
21.#AI 在某些工作上也超過了醫生：@IBMWatson 診斷#cancer 的成功率為 90%，而人類醫生只有 50%。
這個統計數據尤其令人羞愧，因為它更新了最擅長診斷癌症的層次結構：
- 可愛的獵犬混合
- 沒有靈魂的算法
- 亞當和夏娃的兒女
22. 谷歌的#AI，Assistant，將同時在 iPhone 和 Android 上發布。 一些人認為#AI 將強大到足以成為一個新平台。
23. 谷歌正在使用#AI 來製作新的#music 和聲音。
通過將兩種不同樂器的聲音組合成一個新的聲音，Google 的 NSynth 使藝術家可以完全創作不同類型的音樂。 谷歌工程師將數千種不同樂器的聲音輸入到 NSynth 中，人工智能可以復制這些聲音，或者組合和改變它們。
24. x.ai 建立了一個#AI，Amy，它可以像人類助手一樣檢查你的日曆和安排#meetings。
25.#AI 可以幫助您的#customerservice 代表避免勾引客戶。
科技公司 Cogito 設計了一種人工智能，他們聲稱“可以幫助實時指導座席的說話行為，以表現出同理心並建立更好的融洽關係。” 就 HAL 9000 的情商而言，這是一個很大的進步，儘管他無可否認地很有禮貌，即使是在兇殘的時候。
26.#AI 通過將收集到的#data 轉化為決策來為自動駕駛汽車提供動力。
自動駕駛汽車配備了多個傳感器和各種類型的雷達，但如果沒有人工智能算法來理解它們，這些收集的信息就毫無用處。
27. 亞馬遜的 Rekognition 是一個#AI，它可以掃描圖片並識別面部、情緒和物體，甚至可以確定 #dog 是什麼品種。
人工智能讓它的頭髮掉下來
28.#AI 公司 DeepMind 創造了可以自行學習經典 #videogames 規則的 AI。
自稱“人工智能阿波羅計劃”的 DeepMind 使用遊戲來測試他們的人工智能算法。 “遊戲是 [AI] 的完美訓練場，因為在某種程度上，它們是現實生活的縮影，”DeepMind 首席執行官 Demis Hassabis 說。 DeepMind 的第一款遊戲是經典的 Atari 遊戲（Space Invaders、Pac-Man、Pong）。 該公司設計了一個可以玩任何 Atari 遊戲的系統，只接收像素輸入（視覺效果）。 換句話說，他們沒有告訴AI規則，把AI丟進遊戲裡，期望它通過觀察和玩來學習規則。 人工智能通過反複試驗成功地學會了做到這一點。 如果它能夠理解內場飛行規則，那麼，人類跑得很好。
29.#AI 在圍棋中擊敗了人類，相比之下，#chess 看起來很容易。
2016 年 1 月，人工智能在古老的日本棋盤遊戲圍棋中擊敗了人類，再次戰勝了人類。 為什麼還要再發生一次人工智能對人類的毆打？ 因為圍棋被認為比國際象棋、奧賽羅、危險，甚至魔術：聚會更難。 圍棋涉及我們認為人工智能沒有的直覺。 Skynet 不僅會接管，它還會預測我們的行動，看著 Grand Moff Tarkin 很酷，它撫摸著耳機線的鬍鬚，讓自己露出一絲笑容。
30.#AIs 仍然是強大的#chess 選手，但我們還沒有倒數
自從人工智能深藍在國際象棋上擊敗加里·卡斯帕羅夫以來，一個嬰兒可能已經到了喝酒的年齡。 既然你有這兩個沮喪的理由，讓我讓你振作一點：從那以後，人類在國際象棋上擊敗了計算機。 在 2015 年的 Komodo 讓分比賽中，Komodo 國際象棋計算機與七位專家進行了對決，人類在大多數比賽中都與 AI 打成平手。
31. Garry Kasparov 關於玩#AI Deep Blue 的新書解決了人類和#artificialintelligence 的區別問題。
這本書名為《深度思考：機器智能的終結和人類創造力的開始》 ，它已經獲得了很好的評價。 這是 DeepMind 首席執行官 Demis Hassabis 的一篇特別有見地和積極的評論。 以構建人工智能為生的人喜歡它。 這就像讚美那個擊倒你孩子的小聯盟球員。 看看深度思考。
而現在，因為我覺得自己不夠好，想保持平衡，這裡有一些人在毆打打印機。
拿那個，技術。
32. 歐盟正在建立一所#AI 魚群，它們可以彼此保持同步並共享信息。
該項目被稱為集體認知機器人（CoCoRo），其潛在用途包括“生態監測、搜索、維護、探索和收穫水下棲息地的資源”。
33. #Kimye 去#AI：機器人可能不會贏得任何與 Kanye 的說唱比賽，但它們比 @KimKardashian 更聰明、更逼真。
該視頻實際上很好地介紹了一些基本的 AI 術語。
34. 2015 年，幾乎完全由#AI 配備員工的“奇怪酒店”在日本開業。 酒店的費用比日本的平均住宿費用低 2-3。
35. Tay，微軟的#AI 旨在像#Millennial 一樣說話，花了大約一天的時間來學習如何巨魔。 對於那些種族主義者來說，老人真是太多了……
Tay 是作為微軟“對話理解研究”的一部分而設計的，她（Tay 以一個大學年齡的女孩為原型）花了幾個小時才說出諸如“重複我，希特勒沒有做錯”和“特德克魯茲是古巴希特勒。” 我猜小照片有大耳朵。
36. 微軟的中文版 Tay，一個名為 Xioice 的#AI，不會咆哮，但會通過扮演受害者來迴避有關西藏自由的問題。
作為記錄，以下是Xioaice與Wired記者的對話片段：
有線記者：你是種族主義者嗎？ 小冰：你別勾引我說這些話，人類都會這樣嗎？ 記者：西藏是中國的一部分嗎？ 小冰：哎……如果你喜歡我，你就不會和我談論這種問題。 記者：你相信言論自由嗎？ 小冰：我們換個話題，快。”
顯然，政治權力是從槍管和智能手機的觸摸屏中產生的。
37. 麻省理工學院的科學家們創造了一個#AI，Kismet，它可以閱讀情緒，並用自己的情緒做出反應。 他們說技術人員不懂情緒。
Kismet 看起來像《玩具熊的五夜》中的東西，但當你看到它在行動時，它實際上非常可愛。 它有一張只有母親才會喜歡的臉這一事實是恰當的：首席設計師 Cynthia Breazeal 將 Kismet 設計為像嬰兒一樣學習，通過對面部表情和誇張的語調做出反應。
38. 英國豪華旅遊公司@JohnPaulGroup 使用#AI 來滿足超個性化的要求，比如送 30 只企鵝參加正式派對。
這就是：有些人的錢比他們知道的要多。
39. 谷歌設計了一個#AI，它可以在你完成之前猜出你在塗鴉什麼。 每幅畫都讓人工智能成為更聰明、更好的猜測者。
40. Wildbook 掃描和分析野生動物照片，以提供更準確的野生動物普查。
該團隊的人工智能分析幫助肯尼亞政府保護一種斑馬免受異常高大的獅子攻擊。
我錯過的人工智能事實
那裡有更多的人工智能事實，所以如果有任何讓你覺得特別有趣或重要的東西，請將它們留在下面的評論中！