現(xiàn)在的人工智能到底有多智能？現(xiàn)在的人工智能總的來(lái)說(shuō)，可以算是有智能沒(méi)智慧、有智商沒(méi)情商、會(huì)計(jì)算不會(huì)算計(jì)、有專(zhuān)才而無(wú)通才。我們看待現(xiàn)階段的人工智能，它的強(qiáng)大，絕不體現(xiàn)在以自主意識(shí)為代表的智能上，而主要體

現(xiàn)在的人工智能到底有多智能？

現(xiàn)在的人工智能總的來(lái)說(shuō)，可以算是有智能沒(méi)智慧、有智商沒(méi)情商、會(huì)計(jì)算不會(huì)算計(jì)、有專(zhuān)才而無(wú)通才。

我們看待現(xiàn)階段的人工智能，它的強(qiáng)大，絕不體現(xiàn)在以自主意識(shí)為代表的智能上，而主要體現(xiàn)在以大量數(shù)據(jù)計(jì)算的實(shí)時(shí)性和準(zhǔn)確性為代表的智能上，與人的優(yōu)缺點(diǎn)恰好互補(bǔ)，賦能現(xiàn)有產(chǎn)業(yè)，為生產(chǎn)效率帶來(lái)提升。

現(xiàn)在人工智能的“智能”可以重點(diǎn)關(guān)注一下幾點(diǎn)。

大量歷史經(jīng)驗(yàn)數(shù)據(jù)對(duì)當(dāng)前決策的客觀指導(dǎo)當(dāng)人在面對(duì)一個(gè)選擇時(shí)，經(jīng)常會(huì)依賴(lài)歷史經(jīng)驗(yàn)來(lái)進(jìn)行決策。古人有言，“早霞不出門(mén)，晚霞行千里”，這個(gè)時(shí)候判斷明天天氣好壞的依據(jù)僅有是否出現(xiàn)早霞和晚霞，這個(gè)二維信息進(jìn)行決策。隨著氣象科學(xué)的發(fā)展，我們現(xiàn)在知道，判斷第二天天氣好壞，需要考慮方方面面的信息，例如：空氣濕度、風(fēng)向風(fēng)速、地形位置等。

現(xiàn)在我們?cè)賹⒛抗廪D(zhuǎn)向股市，由于全球市場(chǎng)經(jīng)濟(jì)的高度耦合，帶來(lái)了前所未有的復(fù)雜性。如果抱著“跌買(mǎi)入，漲買(mǎi)進(jìn)”這樣簡(jiǎn)單的理財(cái)理念，已經(jīng)完全無(wú)法應(yīng)付股市的復(fù)雜情況，銀行板塊的漲幅，可能受到政策影響、利率影響、糧食價(jià)格波動(dòng)、黃金價(jià)格波動(dòng)等等影響。這個(gè)時(shí)候?qū)τ谝粋€(gè)單個(gè)的個(gè)體而言，想要處理如此繁雜的信息，首先無(wú)法很快獲取所有信息進(jìn)行輔助決策，此次人腦也無(wú)法客觀的將多維的信息進(jìn)行匯總分析。

而依賴(lài)人工智能的機(jī)器卻更適合處理類(lèi)似問(wèn)題，尤其在金融行業(yè)，數(shù)字化開(kāi)展較早，因此有大量的數(shù)據(jù)輔助決策。人只需要將可能影響到這只股票的信息高速訓(xùn)練模型，基于機(jī)器學(xué)習(xí)的算法模型可以按照歷史信息進(jìn)行“學(xué)習(xí)”，來(lái)判斷當(dāng)前狀況下，這只股票漲跌的可能性分別是多少，甚至可以預(yù)估短時(shí)間內(nèi)可以達(dá)到的漲幅。

當(dāng)前，我需要分析一個(gè)股票是否需要買(mǎi)入賣(mài)出，算法模型會(huì)通過(guò)大量多維的歷史數(shù)據(jù)作為“經(jīng)驗(yàn)數(shù)據(jù)”，將這些經(jīng)驗(yàn)通過(guò)模型擬合成多維曲線，那么，如果想評(píng)估當(dāng)前情況，我只需要將此時(shí)此刻這些影響因素的當(dāng)前狀況為坐標(biāo)，標(biāo)記在這個(gè)多維曲線中，并映射到一個(gè)一維坐標(biāo)下，即“漲”或“跌”。對(duì)于短期進(jìn)行的估計(jì)，人工智能可能會(huì)比人類(lèi)更“靠譜”一些。

需要依賴(lài)大量記憶的最佳決策人類(lèi)目前即使面對(duì)最強(qiáng)大的機(jī)器，在自主的創(chuàng)造力上還是保持著“爸爸”等級(jí)的存在，人類(lèi)在創(chuàng)造力上還是屬于絕對(duì)的領(lǐng)先。即使現(xiàn)在已經(jīng)廣泛應(yīng)用的機(jī)器翻譯來(lái)說(shuō)，機(jī)器翻譯確實(shí)已經(jīng)足夠的準(zhǔn)確，但是語(yǔ)言的“信達(dá)雅”上，機(jī)器翻譯還是有很長(zhǎng)的路要走。

但是，毋庸置疑，人類(lèi)的大腦構(gòu)造本身是不適合做存儲(chǔ)和計(jì)算的。

在審問(wèn)時(shí)，當(dāng)警察讓嫌疑人將所有事件按照時(shí)間從近到遠(yuǎn)再重復(fù)一次時(shí)，人往往無(wú)法對(duì)剛剛編出的故事做準(zhǔn)確的描述，因此人“記事”往往是用事情的互相關(guān)系來(lái)進(jìn)行記憶的，而不只是存儲(chǔ)時(shí)間本身，并為這些事件標(biāo)記時(shí)間戳。

計(jì)算就更不用說(shuō)了，現(xiàn)在有多少人，即使在計(jì)算二位數(shù)的加減都要依賴(lài)計(jì)算器來(lái)實(shí)現(xiàn)。

而機(jī)器卻不一樣，前幾年名聲大噪的AlphaGo，打敗圍棋各路高手，可是AlphaGo的成功是因?yàn)樗爸悄堋眴?？其?shí)并不是如此。

圍棋雖然變化多樣，但是規(guī)則還是相對(duì)簡(jiǎn)單。在互相對(duì)弈的過(guò)程中，人類(lèi)可能會(huì)往前演算5-7步，可是這個(gè)時(shí)候AlphaGo早已經(jīng)將所有的后續(xù)發(fā)展可能性演算完成，并按照事先定義好的數(shù)據(jù)結(jié)構(gòu)進(jìn)行存儲(chǔ)。

換句話說(shuō)，當(dāng)人類(lèi)和AlphaGo在對(duì)弈過(guò)程中，機(jī)器的每步均是在當(dāng)前情況下，以“最大勝率”為評(píng)價(jià)分?jǐn)?shù)，將棋子放在了評(píng)價(jià)分?jǐn)?shù)最高的位置上。當(dāng)AlphaGo“學(xué)習(xí)”玩所有的招式后，那么人類(lèi)與AlphaGo下棋，最佳的結(jié)果就是打成平手，因?yàn)锳lphaGo不會(huì)犯錯(cuò)。

總結(jié)總之，目前的人工智能沒(méi)你想象的那么強(qiáng)大，但是可以比你想象的還要專(zhuān)業(yè)。

Bing在未來(lái)會(huì)如何改進(jìn)新內(nèi)容發(fā)現(xiàn)？

微軟Bing近日宣布希望改變搜索引擎發(fā)現(xiàn)新內(nèi)容和更新內(nèi)容的。目前搜索引擎通常使用頁(yè)面抓取來(lái)查找新內(nèi)容或者內(nèi)容更新。當(dāng)搜索引擎機(jī)器人登錄頁(yè)之后，就會(huì)抓取頁(yè)面上的鏈接，然后根據(jù)頁(yè)面上提供的鏈接進(jìn)行后續(xù)深入抓取，這相當(dāng)于創(chuàng)建了一個(gè)強(qiáng)大的網(wǎng)站索引。

但是Bing希望改變傳統(tǒng)收集，至少是做出嘗試。Bing鼓勵(lì)內(nèi)容發(fā)布者將新內(nèi)容或者更新的內(nèi)容提交到URL提交工具上。這項(xiàng)工具會(huì)根據(jù)提交的URL來(lái)抓取該頁(yè)面，而不是依靠其他頁(yè)面查找到這個(gè)頁(yè)面

Bing希望網(wǎng)站管理員，發(fā)布者，SEO和內(nèi)容管理系統(tǒng)（如WordPress），使用Bing的工具或API來(lái)提交新的URL。同時(shí)這也減少了Bing對(duì)抓取的依賴(lài)，從而減少了所需的資源。URL提交工具將使用基于配額的系統(tǒng)來(lái)防止垃圾郵件。在Bing網(wǎng)站管理員工具中擁有經(jīng)過(guò)驗(yàn)證的網(wǎng)站已經(jīng)累積了一些年齡將有助于提高該特定網(wǎng)站的配額。