第32章 裁员（三）(1 / 9)

    对于AI来说, 让结果从“不准”到“准”, 不是十分容易，与传统的“找bug修bug”模式全然不同。

    目前在对AI的争论当中，一个常常被提起的问题就是“算法黑箱”。也就是说，人类不能解释它的工作原理。

    人工智能的核心是“神经网络”。科学家们模仿人类神经系统，让机器进行学习。“神经元”们一层一层分布下来，每个单元都能接收部分数据，再将结果向上传给其他单元。

    还是用“猫”来打比方，第一层可以将图片切割、降维, 得到许多小图, 第二层在每个维度利用色差寻找边缘, 三四五层根据勾勒出的边缘确定各个器官形状，六七八层通过各个部分颜色判断毛色、花纹，瞳色……最后顶层得出答案：这是猫、狗、兔子、其他。

    2006年多层神经网络出现以前，机器学习都只处于初级阶段, 需要人工提取特征。而2006年后, 它进入到“深度学习”的大时代。人类不监督、半监督, 机器自己分析特征、独立思考。给一万张猫的图片, 说“这都是猫”, 它就懂了，再给一张它没见过的，问“是不是猫”, 它会说是。人们给它正确答案的数据集, 它便可以进行学习, “看”的越多会的越多，不断优化自身能力。因此，“人工智能”定义十分清晰，区别是真·人工智能还是噱头只需要看它有没有模仿人脑。

    然而，对每一层都在提取什么特征，以及机器为何要做这些事情、为什么能得出结论，人类无法解释。根据输出，有些提取简单易懂，比如勾勒边缘、模糊图片、突出重点、锐化图片……可是，在很多时候，人类完全get不到！看着某层下来以后图片所变成的样子，只能叫一声“什么鬼！”有时人类只能提出几个特征，AI分出好几百层！

    它给了人空前的可能，也给了人无尽的困惑。

    就像人类无法摸清大脑的工作原理一样，他们同样无法摸清AI的工作原理。

    训练AI这种方式为何能行？它是如何学的？信息存在哪里？为何下此判断？不知道。

    它好像在玄幻境界。码工时常觉得自己正在养蛊，贼刺激，给蛊虫喂个这个、喂个那个，一掀盖子，嚯，出来一个超厉害的东东！

    有人说，让AI向人解释一个东西，相当于让人向狗解释一个东西，听着so sad。

    人类历史充分表明，只有一个决策可以解释、分析，人才可以了解它的
    本章未完，点击下一页继续阅读