人工智能需要终身学习开源模式暂时还不足

人工智能大发展时期来了！人工智能正变得越来越重要。早在第一台计算机问世后不久，就有科学家预言，人工智能的时代必将来临。

近年来，大家都能明显地感觉到，人工智能的理论研究和可感知产品似乎突然井喷式地“爆发”了：可穿戴设备扎堆出现，智能机器人频频亮相，机器的人脸识别准确率超过肉眼。人工智能项目的大爆发，并不是一件巧合，而是在经历了10余年的沉寂后迎来的飞跃式发展。金准数据深度学习研究中心表示，人工智能超越人类智慧能总和的那个奇妙交点，应该在2045年能实现。那么，这一波人工智能的爆发会有多大影响，影响的时间会持续多久，又会在多大程度上改变着人类的生活呢？

经过深度学习的AI

深度学习已成功应用到不同领域，深度学习的成功，归因于许多层人工神经元对输入数据的高表征能力。例如“韦特大脑”他是通过深度学习网络的每一层数据，这可以通过向量或矩阵运算来实现对企业与个人的诚信评价，并且告诉你数据背后的故事和可能将发生的事情。这将大大节省调查成本和时间，进而提高了整个商业生态的运行效率，甚至比你自己还要了解你自己，比你自己还要了解你自己的企业以及你关注的企业。

当前的开源模式不足够

金准数据深度学习研究中心表示，AI不同于其它用开源部件打造的软件。用开源部件打造的软件本质上还是具有确定性的，也就是说所设计和编写的软件每一次执行时的表现都是一样的。尤其是人工智能系统，并不能保证能够表现出确定性的行为。随着对新情境、新环境和新用户的学习和适应，这些系统将会改变它们的行为。本质上，一旦这些AI系统被部署到现实世界，它们的创造者就会失去对AI的控制。当然，创造者们可以在学习框架中加入制衡机制。然而，即便是在AI系统被制约的范围内，仍需要进行大量的解读工作。与此同时，被AI包围的世界面临的更大挑战在于，制定制约条件的人造成的冲突。

AI之间的冲突

考虑到AI使能产品在行为表现上可能存在不确定性，在原来没观察到的交互中可能会有意想不到的表现，在AI使能的产品代表两个或者更多的不同用户相互互动的场景中，这一问题会进一步放大。例如。当两辆由两个独立的AI引擎（由不同的公司用不同的训练数据和功能，以及独立配置的偏好和情境信息打造而成）驱动和运作的汽车遇到停车标志，或者将要发生碰撞时，会发生什么事情呢？这些系统在响应类似的情境时，即便有很细小的差异和变化，都可能会产生意想不到的不良影响。

数据假定和偏好

AI使能的产品设计师需要确保它们理解其所做的。与其它AI使能产品进行交互的产品需要确保它们理解且准备好处理AI引擎行为带来的影响，以及共享以下的标准。

数据收集标准

数据是如何被收集的呢？数据生成器有哪些呢？数据收集的频率、地方、时间、方式和原因呢？数据是如何被收集、分层和传输的呢？

数据选择标准

数据是如何被选来训练的呢？数据不被选择的标准是什么呢？什么数据子集被选择，什么不被选择呢？定义高质量数据的标准是什么呢？可接受但非高质量的数据标准是什么呢？

数据处理标准

数据经过怎样的处理后才被拿来训练？数据经过怎样的转变、浓缩和概述呢？数据处理的频率如何？有什么会导致预订的数据处理推迟或者停止呢？

人工智能时代，正在开启，我们相信前路是光明的。拥抱最有希望的技术，增强人类，为各界创造机会，这是光明的前提。

金准数据、韦特大脑