隨著人工智能變得越來越聰明，關于AI將消滅人類的說法也不斷涌現出來。事實上，很多大人物都在呼吁人們提起警惕。到現在，似乎AI支持者谷歌首席工程師雷·庫茲韋爾對未來的樂觀態度似乎已經不敵比爾·蓋茨、伊隆·馬斯克和史蒂芬·霍金提出的擔憂。

誠然，我們確實有理由表示擔憂，但未來并不一定會是一個黑暗的未來，因為我們可以有利用AI的更好方式，關鍵是認識到人類與機器智能之間的互補關系。說到底，人工智能與人類智能有著天壤之別，所以以后可以停止對二者的比較了。

如今，人們很容易相信人工智能已經變得像人類智慧一樣聰明了——如果不是更聰明的話。比如，前一段時間，谷歌發布了Duplex AI，能夠幫助用戶完成外呼預定美發沙龍和餐館等操作。由于它的聲音幾乎與人類一模一樣，所以在整個過程中可以瞞過其對話伙伴，使之認為自己是人類。

此外，谷歌子公司DeepMind開發了一款人工智能，在最復雜的棋盤游戲中擊敗了世界冠軍。而最近，人工智能又被證明它可以像訓練有素的醫生一樣準確診斷眼疾……還有很多的事件可以表明，在不久的將來，機器人有可能會讓人類身處失業的狀態。

隨著技術的發展與突破，人工智能在以我們肉眼可見的速度解鎖新領域、新任務、新技能，而這些領域之前被認為是人類智能的專屬。但這是否意味著人工智能比人類智能更聰明呢？在小智君（ID：Aiobservation）看來，將人工智能與人類只能進行對比，這本來就是一個錯誤的想法，因為二者是完全不同的東西，即使有時候它們的功能會重疊。

人工智能擅長處理數據，不善于抽象思考

首先，即使是最復雜的人工智能技術，其核心也與其他計算機軟件沒有什么不同：以超快速率運行數據。AI及其分支，如機器學習和深度學習，只要研究員能將其轉換為正確的數據集，就可以解決任何問題。

舉個例子，圖像識別。如果給出深度神經網絡、深度學習算法的基礎結構以及足夠多的標記圖像，人工智能就可以用非常復雜的方式進行數據對比，并找到定義每種類型對象的相關性和模式，進而實現用該信息標記之前從未見過的圖像中的對象。當然，語音識別的過程也是如此：如果有足夠多的人的聲音的數字樣本，神經網絡可以找到人的聲音中的共同模式并確定某段錄音是否屬于那個人。

最近上線公測的阿里AI鑒黃語音反垃圾服務便是基于此理論，除識別***和***文字外，涉黃語音也能通過AI鑒別了。為了讓AI智能機器具備識別多國語言和多地方言的能力，事先需要有一個訓練學習的過程，對此阿里安全部產品專家念夏表示，“可以把它想象成一個小孩，需要不斷喂養、訓練、學習，它才具備這樣的能力?！北热鐚W習廣東話，除了從第三方公司購買訓練素材外，還使用阿里系統內的視頻平臺上的粵語電視劇，來訓練機器人學習。

實際上，我們所了解到的關于AI的應用，無論是進行人臉識別還是診斷癌癥的計算機視覺算法，亦或是能夠驅逐惡意網絡流量的人工智能網絡安全工具，甚至是玩電腦游戲的復雜AI項目，都有這樣一個同樣的規則。只不過，技術不斷在改變和進步。

正如有句老話說的是“人無完人”，所以AI也有自己的缺點，而它欠缺的就是抽象思考、常識的運用以及知識遷移。說回開頭提到的谷歌Duplex AI，它可能非常擅長預訂餐廳或美發沙龍，但這是兩項非常狹窄且非常具體的任務。甚至這個人工智能還可以使用人類的語腔語調完成一次模仿人類對話的自然行為，但一旦談話偏離了軌道，Duplex就會很難以連貫的方式作答。在這種情況下，它要么終止對話，要么在人類的幫助下才能以有意義的方式繼續對話。

迄今為止，已經有很多實例可以證明，一旦AI模型出現在其擅長領域之外的事件中或者接收到與他們訓練過的數據不同的內容，他們就會以一種不合邏輯的方式失敗。范圍越廣，人工智能需要掌握的數據越多，就會出現一些邊緣案例，這些場景還沒有被訓練數據所覆蓋，最終會導致人工智能的失敗。一個例子便是自動駕駛汽車，盡管已經行駛了數千萬公里，但它仍在努力實現完全自主，遠遠超過人類成為專家駕駛員的需要。

人類不善于處理數據，擅長做抽象決策

從數據部分開始。與計算機相反，人類在存儲和處理信息方面非常糟糕。比如，想要記住一首歌的歌詞，必須多次循環聽才能記住它；但對于計算機來說，記住一首歌就像在應用程序中按“保存”或將文件復制到其硬盤中一樣簡單。同樣，對于人類來說，不記憶也是很困難的。即使盡自己所能，一些不是很好的記憶還是會存在自己的腦海里。而對于計算機來說，忘記一些東西就像刪除文件一樣簡單。

說實話，在處理數據方面，人類遠不如人工智能。在上文提到的所有示例中，人類或許能夠執行與計算機相同的任務，只不過在人類識別和標記圖像所花費的時間內，AI算法可以完成對一百萬個圖像的分類。毫不夸張的說，計算機的絕對處理速度使它們能夠在涉及數學計算和數據處理的任何任務中超過人類。

然而需要注意的是，人類可以基于本能、常識在信息稀缺的情況下，做出抽象決定。比如，人類孩子在很小的時候就學會歸納整理物品。但對于AI算法，執行相同任務需要數年的訓練?？萍荚u論家尼古拉斯·卡爾（Nicholas Carr）在被問及智能機器與人類的區別時曾表示，“計算機沒有瘋狂地帶，它們不能矛盾，也無法設計去處理模稜兩可的情形，它們也沒有直覺?！?/p>

舉個例子，當人們第一次接觸視頻游戲時，他們可以快速地將日常生活中的知識轉移到游戲環境里，像遠離坑，壁架，火和尖尖的東西（或跳過它們）。他們知道必須要躲避子彈、避免被車輛撞到才能生存。但對于AI來說，每個視頻游戲都是一個新的未知的世界，它必須從頭學習。人類可以發明新事物，包括已經引領人工智能時代的所有技術，而AI只能獲取數據，進行比較，提出新的組合和演示，并根據之前的序列預測趨勢。

人類可以感受、想象、夢想，可以無私或貪婪，可以愛恨交加，可以撒謊，甚至有時候會混淆事實。所有這些情緒都可以以理性或非理性的方式改變他們的決定。人是一種由肉體制成的不完美的有缺陷的生物，每一個人都以自己的方式獨特生存；而人工智能，從核心上講，是由數十一個無生命的電路運行的微小的電流。

人工智能與人類智能截然不同，請停止比較

總的來說，所有這些都不意味著人工智能優于人類智能，反之亦然。因為本質上，二者就是完全不同的東西。AI擅長重復性任務，這些任務具有明確定義的邊界，可以用數據表示，而且對于需要完成基于不完整信息，憑直覺做出決策的任務來說，往往表現的很糟糕。相比之下，人類智能適用于需要常識和抽象決策的環境，而對于需要進行大量實時計算和數據處理的任務則表現不佳。

從不同的角度看，我們應該將AI視為增強智能。人工智能與人類智能相輔相成，彌補了彼此的不足。因此，他們可以一起完成任何自己無法單獨完成的任務。比如，AI善于利用大量的網絡流量找出異常情況，但在決定哪些是需要調查的真正威脅時會犯錯誤。而另一方面，人工分析師不善于監控通過公司網絡傳輸的千兆字節數據，但他們擅長將異常與不同事件聯系起來，并確定哪些是真正的威脅。所以，AI和人工分析師可以填補彼此的空白。

誠然，現在人工智能可以做越來越多的事情，它們的邏輯也變得更為復雜，所以它們有能力去應對更復雜的情況，以及處理更多的變量參數。但是人工智能和人類各自的強項都體現在不同的領域，這意味著我們需要探索的是共生關系，而不是競爭關系。

很多人都持有一種觀點，即機器會取代人類的工作機會。在小智君（Aiobservation）看來，其中不乏夸張的宣傳，事實證明，人工智能的擴張創造了更多的就業機會而不是摧毀。但是，正如過去每項技術突破所做的那樣，在許多任務中，它確實可以消除對人類的需求。但這可能是因為那些工作從來都不是針對人類的。現在我們在這些工作上花費了大量寶貴的人力資源和勞動力，或許就是因為我們尚未開發出能使其自動化的技術。

隨著人工智能變得善于執行更多的任務，作為人類，我們將有更多的時間把我們的智慧用于具有創造性、社交性、藝術性、體育、文學、詩歌以及其他有價值的應用中。到那個時候，我們就使用我們的增強智能工具來增加這些工作的創造力了。

最后，我們不是機器，機器也不是人類，未來將是人工智能和人類智能共同構建的！