本文原標題：《人工智能之下，人類的保留地在哪？》

科學家們其實并沒搞清楚究竟什么是意識，所以霍金、埃隆馬斯克等對人工智能會產生意識的擔心和人類最初的神靈崇拜其實同根同源。按照這種思路我們同樣可以相信地球深處也存在某種意志，所以至少眼下這種擔心并沒有太大價值，但人工智能對人類的沖擊卻是真實存在的并且也更值得關注。

技術視角下人工智能的真實水平

截止2016年3月人工智能在語音和圖像上已經取得了階段性成果，但語義上暫時還看不到能徹底解決的跡象：

1.語音識別 -- 形象來講是這是一個最近幾年已經被深度學習攻克的領域，只要花足夠的錢，那識別精確度可以達到99%。在語音識別這種領域，最后幾個點精度的提升很可能比前面達成90%精度還要費勁，但最后這幾個點的精度往往正是跨越能用和不能用的關鍵。沒有深度學習之前，人們已經嘗試攻克語音識別很多年，一般來講1952年貝爾實驗室研究的第一個能識別10個英文數(shù)字發(fā)音的語音識別系統(tǒng)被認為是語音識別的起點，這樣算起來人類已經在這事上努力了60多年。在上個世紀70年代搞定了小詞匯量的語音識別，在80年代搞定了大詞匯量的語音識別，然后精度就卡在那里了，大概在85%左右徘徊，一卡就接近30年。微軟、IBM當年都曾經嘗試把這技術應用起來，但顯然沒什么后果，好多人甚至不記得他們干過著件事情。深度學習導入語音識別后，使事情有了根本性的變化，現(xiàn)在只要有足夠的數(shù)據進行訓練，大多的公司自己都可以訓練出足夠精確的語音識別模型。這技術基本上要貨品化了，越來越可以認為這是一種不要特別多的投入就可以搞定的技術。

2.圖像識別 -- 圖像識別比語音識別要麻煩一些，因為語音識別的對象總是各種有限的語言。但圖像里人臉和貓的識別落到具體實現(xiàn)上還不能用一個模型來處理。當前的狀態(tài)是如果選定一個點比如人臉識別，砸入幾十個PhD，幾百塊GPU，那花個一到兩年，如果還能找到落地點不斷獲得數(shù)據，那就可以做到非常高的精度(99%以上)，但這種精度眼下還沒辦法一下子就覆蓋到其它領域，只能一個點一個點來搞定。像人臉這種領域因為有切實的落地場景(銀行等)，所以一下子就發(fā)展起來了，其它的領域要想都達到同樣的水平，那還需要一點時間。

3.語義理解-- 和語音識別與圖像識別不一樣，語義理解處在一種基本沒搞定的狀態(tài)。很多時候我們看演示的時候能看到一個機器人或智能型產品與人進行流暢的交流。達成這狀況有兩種可能，一種是作弊，后面放了個人，屬于人工的人工智能；一種是對話被限定在特定的場景下，比如汽車里打電話，讓地圖導航等。語義理解的難度與所要處理的概念數(shù)有關，當要處理的概念數(shù)在幾千個以下的時候，那針對特定場景按照基于規(guī)則的方式還是可能搞定，做的比較流暢的。但一旦這個范圍擴大到整個社會生活，那最多也就是Google Now和Siri那個樣子。與這點密切相關的應用一個是各種智能語音助手在對話時的智能程度，一個則是翻譯。(責任編輯：方向)