《人工智能基础：非技术导论》前言和序

本篇文章来自于Tom Taulli所写的《Artificial Intelligence Basics: A Non-Technical Introduction》，本书目前我还没有看到它的中文译本，我在一边阅读的时候一边将其翻译出来了，这本书出版于2019年，有些信息相对落后了，但是也并不妨碍我们在阅读后，对于AI领域可以有一个较为基础的认知。另外一点需要强调的是，翻译本书只是我个人学习过程的记录，如果涉及侵权，请及时联系我

序（Zoho CEO，联合创始人 Sridhar Vembu）

Zoho Corporation是一家提供一套在线办公工具和业务应用程序的软件公司。"Zoho"这个名字本身没有特定的含义；该公司成立于1996年，由Sridhar Vembu和Tony Thomas创立。Zoho提供各种基于云的软件和应用，涵盖了客户关系管理（CRM）、电子邮件托管、文档管理、项目管理、会计等多个业务领域。

本书所展示的内容表明，人工智能（AI）的引入将是人类历史上的一个重大转变。与其他同样具有开创性的技术一样，AI的应用方式以及能够接触它的人将塑造未来几代社会。然而，AI与十九和二十世纪的其他革命性技术（例如蒸汽机、电网、基因组学、计算机和互联网）有所不同，因为它并不仅仅依赖于昂贵的实体基础设施来推动应用；毕竟，它的许多好处可以通过我们每个人随身携带的现有硬件来实现。相反，当涉及到大规模采用AI技术时，根本的限制因素是我们共同的智力基础设施：教育、理解和远见。

如果处理得当，人工智能可以成为人类一股强大的力量。它将继续消除我们生活中的过去的苦差事，释放出大量的人力和物力资源。但这个“如果”并不是一个确定的事情。如果人工智能被不负责任地使用，它完全有能力引起许多人担忧的问题，比如缩小劳动力市场、降低中产阶级的购买力，以及使经济没有宽广而稳定的基础，而沦为无休止的债务螺旋，从而破坏大部分的世界经济。

然而，在我们对人工智能感到悲观之前，我们应该回顾一下历史。其中一些类似的问题在经济领域中已经存在并发挥作用几十年甚至几个世纪了。毕竟，人工智能本质上是亨利·福特所创造的自动化思想的延伸。事实上，Zoho公司本身就是自动化与经济平等原则之间紧张关系的产物（译者注：我想作者应该想表达亨利福特所创建的自动化流水线本身产生了阶级，而Zoho公司的CRM系统则是当下信息时代另一种流水线工具，和百年前亨利福特的工业化流水线没有本质区别）。早在21世纪初，我们就形成了对技术观念：普通人或小企业主，应该能够获得与财富500强公司相同的先进商业自动化系统；否则，大多数人将会被排除在主流经济之外

当时，功能强大的数字软件几乎都受到严格合约、高昂费用和复杂的本地部署需求的限制。这些系统的高成本使得大企业还能勉强承担，但小型企业则被排除在外，面临极大的不利情况。我们的目标是打破这种现状，将技术的潜力开放给更广泛的受众。在过去二十年中，我们一直致力于通过利用云技术的扩展性来提升产品价值，而不是提高价格。我们的宗旨是通过降低商务软件的成本并增强工具的功能，赋予社会各阶层的人以力量。成功不应受到资金获取能力的限制；企业的成败应该取决于他们对未来的远见和抱负。

AI 被视为解决这个问题的技术途径。它解放了人们，使人们不再受时间的束缚，让他们可以将繁琐或不愉快的重复性劳动交给机器去完成。AI 帮助人们识别从微观到宏观各个层面上的模式，这些模式是人类自身并不擅长感知的。它能够预测问题，纠正错误，节省金钱和时间，甚至挽救生命。

正如我们让通用商业软件惠及每个人一样，Zoho 也将 AI 融入了我们的应用套件中。过去六年里，我们默默地开发了自己的内部 AI 技术，这一切都是基于我们自己的原则。我们的成果是 Zia，一个智能但“不狡猾”的 AI 助手。是否“狡猾”是一个至关重要的点：一个智能的系统能够提供必要的信息和功能，支持使用者的独特视角和直觉；而一个“狡猾”（或称为复杂）的系统则会隐藏过程的内部机制，使人类仅仅成为一个被动的使用者，只能直接使用机器提供的结果。AI 应该是一个我们手中的工具，而非我们用来看待世界的窗口。要驾驭这样强大的工具，我们需要具备相应的知识，以理解并操作它，同时保持我们人类系统的本质特征。

在当今世界，正因为需要紧跟这项技术，《人工智能非技术基础》这样的书显得尤为重要。它构建了一个知识框架，使普通人也能够接触并利用 AI 的力量。如果普通人没有对AI技术有所了解，AI 的优势将会加剧向那些预算雄厚的大公司倾斜。对大众来说，掌握理解 AI 系统的技能是非常关键的，因为这些系统将越来越多的参与到我们如何与世界互动以及日常生活的各方各面。不久，这本书中的信息将不再只是一个引人关注的兴趣点；而是成为参与现代经济生活的基本要求。

这是每个人都能享受 AI 技术革新带来的红利。未来，我们对于什么是工作、哪些活动具备经济价值的看法将彻底转变。我们得接受一个事实：未来的工作形态可能会像可能就像原始人看待我们现在的工作方式一样变得完全无法想象。但我们必须，也确实应该对人类探索和创造新型工作形态的潜力抱有信心，哪怕这些新型工作与我们所熟知的大相径庭。然而，在一切开始之前，首要的步骤是深入了解这项新颖、激动人心并本质上促进民主的技术。

引言

从用户角度去审视Uber这个软件，这个应用极其简单：通过APP内几次点击在几分钟内叫到车。

然而，在这背后，是一个深度依赖人工智能（AI）的高级技术平台。这里有几个例子：

1. 一个能够理解会话的自然语言处理（NLP）系统，提供了无缝的使用体验

2. 一个计算机视觉软件，用于验证成百上千万的图片和文档，如驾照和餐厅菜单

3. 在密集的城市区域，通过处理传感器数据来提升定位精度的算法，包括能通过检测司机或乘客手机的非预期移动来自动识别车祸

4. 使用复杂的机器学习算法来预测某个区域的车辆供应、乘客需求和路程上的预计到达时间

这些技术不仅让人赞叹，更是Uber扩展其业务至处理超过100亿次行程不可或缺的基石。因此，公司在这项技术上投资数亿美元并聘请了众多AI专家，这一点毫不奇怪。

但是，AI 的应用并不局限于快速成长的初创企业。这项技术同样对传统企业而言是至关重要的。以麦当劳为例。2019年，麦当劳投入3亿美元收购了技术初创企业 Dynamic Yield，这是麦当劳自1999年购买Boston Market以来，其完成的最大一笔交易。

麦当劳一直在进行数字化转型，AI 是这个转型战略的核心。通过引入 Dynamic Yield，麦当劳计划利用这项技术彻底改变其“得来速”的服务质量，这是其主要收入来源。该公司将根据天气、交通流量和一天中的不同时间等数据，动态调整数字菜单，以此增加收入机会。麦当劳还计划运用地理围栏和车牌图像识别技术，进一步提升服务的个性化和精确性。

但这仅仅是开始。麦当劳计划将 AI 应用于店内自助服务终端、标志牌以及供应链管理。

麦当劳深知，未来既有无限可能，也伴随着挑战。若不积极拥抱新技术，企业最终可能会面临失败。回顾柯达对数码相机技术的迟缓适应，或是出租车行业面对 Uber 和 Lyft 的冲击未能及时转型的例子，便足以为证。

另一面，新技术对于企业而言几乎是转机之匙。然而，这需要有坚定的策略、对可能成就的深刻理解和冒险的勇气。因此，在这本书中，我会提供一系列工具，帮助企业实现这些目标。

那么，AI 最终会有多大的影响呢？普华永道（PWC）的研究预计，到 2030 年，AI 将令全球 GDP 增长高达 15.7 万亿美元，这一数字甚至超过了中国和印度的总产值（译者注：这个应该是2019年左右的数据）。报告作者强调：“AI 几乎影响了我们生活的方方面面，而这只是开始。”

诚然，在预测未来趋势时，往往伴随着过度炒作的声音。但AI 的情况可能会有所不同，它被视为具有成为广泛应用技术的巨大潜力。这有点类似于十九世纪电力的诞生，电力的出现对全球产生了深远的变革性影响。

AI 的战略重要性可见一斑，科技巨头如谷歌、微软、亚马逊、苹果和 Facebook 已在这一领域投入巨资。以谷歌为例，它宣称自己是一家以AI为核心的公司，已经投入数十亿美元收购相关企业，并聘请了数千名数据科学家。

这意味着，未来越来越多的职位会要求掌握AI相关知识。虽然这并不强求每个人都学习编程语言或精通高级统计学，但掌握AI的基本知识变得非常关键。

本书的宗旨是提供实用的建议，这些建议能够在你的组织和职业发展中带来显著变化。你不会在这里找到复杂的技术说明、代码示例或方程。相反，《人工智能基础》旨在解答管理层最关心的问题：AI 应用在哪些领域最有价值？存在哪些可能的陷阱？如何对这项技术进行评估？如何启动一个 AI 试点项目？

这本书同样基于对技术的实际应用视角。作为 Forbes.com 的作者和科技领域的顾问，我有幸与众多 AI 领域的杰出人士交流，这不仅拓宽了我的视野，也使我能够洞察行业的核心要素。通过这些交流，我收集了大量成功案例和实践经验。

《人工智能基础》将提供以下有关AI的相关主题，读者无需按章节顺序阅读。本书旨在作为一本实用手册，帮助读者深入了解人工智能领域。

以下是各章节的简介：

1. 第1章—AI基础：本章回顾了从1950年代起的AI发展史。你将认识到艾伦·图灵、约翰·麦卡锡、马文·明斯基和杰弗里·辛顿等计算机科学界的杰出人物，以及诸如图灵测试这样衡量机器是否达到真正AI的关键概念。
2. 第2章—数据：数据是AI的核心。算法通过数据发现模式和关联，从而提供洞见。但是，处理数据时也会遇到诸如质量和偏差等问题。本章为AI项目中的数据处理提供了一套框架。
3. 第3章—机器学习：作为AI的一个分支，包含了回归等传统统计技术。本章进一步介绍了k-最近邻（k-NN）和朴素贝叶斯分类器等高级算法，以及如何构建机器学习模型的方法。
4. 第4章—深度学习：作为AI的另一分支，深度学习在过去十年中经历了巨大的创新。它利用神经网络发现类似大脑的模式。本章将介绍递归神经网络（RNNs）、卷积神经网络（CNNs）和生成对抗网络（GANs）等主要算法，并解释反向传播等核心概念。
5. 第5章—机器人流程自动化（RPA） ：通过自动执行如数据录入到客户关系管理（CRM）系统等重复性工作，RPA 在近年来因其高投资回报而迅速增长。它也成为企业初步尝试AI技术的一个方式。
6. 第6章—自然语言处理（NLP） ：作为一种能理解人类对话的AI形式，NLP通过 Siri、Cortana 和 Alexa 的普及而为人所知。聊天机器人等NLP应用在商业环境中变得极其重要。本章将介绍如何有效利用NLP技术，并规避可能遇到的问题。
7. 第7章—物理机器人：AI正开始在机器人产业中发挥显著影响。深度学习使得机器人更好地理解周围环境。本章将探讨消费级和工业级机器人的各种应用。
8. 第8章—实施AI：本章将详细介绍从构思到部署AI项目的步骤，并讨论如Python、TensorFlow和PyTorch等工具。
9. 第9章—AI的未来：探索AI未来的大趋势，包括自动驾驶、AI的军事应用、技术性失业、新药发明及其监管问题。