当AI没有被比作魔法或邪恶实体时，它通常被简化为一个单一的术语：软件。这种简化可能会掩盖构建真正AI系统的复杂性和丰富结构的元素之间的相互作用。尽管我更愿意听到AI被描述为软件，而不是听到关于其意识或自由意志的故事，让我们讨论为什么AI远不止是一段代码。
定义AI
在核心，AI是创造能够模拟人类推理的系统的创造，使机器能够根据编程逻辑和学习到的知识进行分析、推断和决策。1955年约翰·麦卡锡、马文·明斯基、纳撒尼尔·罗切斯特和克劳德·香农在达特茅斯的著名提议提供了这个指导思想：
"...猜想，学习或智能的任何其他特征的所有方面原则上都可以如此精确地描述，以至于机器可以模拟它。……找出如何使机器使用语言、形成抽象和概念、解决目前只保留给人类的问题，以及自我改进。"
什么是“系统”？
当我们讨论AI作为系统时，我们指的是一个超越传统软件功能的结构化网络：
- 系统作为计算框架：一个结构化的组件集合，它们一起工作以模拟推理和决策。
- 系统作为学习实体：AI系统包括数据结构和算法，使它们能够根据新信息进行适应，不断改进其行为。
- 系统作为自动问题解决者：这些系统或多或少自主地执行复杂的解决问题功能，组织信息以做出逻辑决策。
- 系统作为抽象机制：AI系统形成抽象，识别模式，并以类似于认知过程的方式解释数据。
- 系统作为相互作用组件的网络：AI包括相互连接的元素，如神经网络、算法和反馈循环，模拟认知任务，如学习和语言处理。
基于这五个方面，我们可以将AI系统定义为一个适应性强、相互连接的组件网络，能够学习、与现实世界互动，并自主解决复杂问题。
AI系统的组成部分
AI系统由几个关键部分组成。这里有一些例子：
-
算法：使决策和问题解决成为可能的逐步方法。
-
数据结构：存储和组织数据以便于访问和修改的格式。
-
神经网络：软件或硬件中的互联节点层，使模式识别和学习成为可能。
-
记忆能力：存储和管理信息的组件和结构，使AI能够保留和利用过去的经历，以做出更明智和适应性的未来决策。
-
传感器：收集现实世界数据的输入设备，如相机、麦克风、温度或运动测量设备，使AI能够响应其环境。
-
逻辑门：执行条件操作和控制信息流的基本硬件元素。
-
反馈循环：自我评估机制，使系统能够完善其行为。
-
训练数据集：用于机器学习的标记数据集合，用于模式识别。
-
推理引擎：将原始数据转换为可操作见解的逻辑驱动机制，支持复杂的AI问题解决。
-
用户界面（UI） ：用户与AI交互以输入指令和接收输出的界面。
AI系统的组成部分
看吧？当我们谈论AI作为系统时，我们实际上是在描述一个相互连接的组件网络，远远超出了基本软件。将其视为一个结构化框架，将许多不同类型的软件和硬件部分结合起来，它们都在一个共同的共享基础设施中工作和互动。最重要的是，它不仅仅是遵循指令；它学习并适应新信息，自己解决问题，甚至开始形成模式和解释。软件是“简单”的指令和数据的集合，它告诉计算机执行特定任务。虽然软件确实是AI的一部分，但它的范围有限。它通常执行孤立的任务并遵循固定的指令，而没有适应性。看看AI能做什么。它们运行复杂的跨功能挑战远远超出了传统软件的范围，例如解释医学图像以诊断疾病，处理自然语言以理解人类意图，优化大规模供应链，以及在不可预测的环境中自主导航车辆。当我们定义AI为“系统”时，我们指的是一个动态的、相互连接的组件网络，而不是静态的软件。与传统软件不同，AI系统不断适应和学习。它通过反馈和新数据不断进化，以完善和改进其过程。现实世界的互动对这些系统至关重要，这些系统通常包括传感器和接口来处理环境数据，这在大多数软件中是缺失的。AI系统是用自我改进机制构建的，如反馈循环和推理引擎。这些机制使它们能够独立调整和增强其决策能力。
结论
今天，人们似乎对“智能机器”的概念感到着迷。许多人设想AI是一种能够解决人类最大挑战的神奇力量，或者是一种可能具有灾难性后果的迫在眉睫的威胁。这些相反的观点常常模糊了AI系统实际上被设计做什么的现实。然后，将AI简化为一堆软件，以将期望带回现实。如果我必须用一个词来解释或定义“AI系统”是什么，我会选择“中心”。从我的角度来看，“中心”捕捉了AI作为复杂、相互连接的网络的想法，而不仅仅是孤立的“软件”。一个“中心”暗示了一个焦点或枢纽，不同的元素以有意义的方式聚集和互动。在AI的情况下，这包括算法、数据结构和硬件，以及生态系统中不可或缺的人类角色。我们带来了只有人类才具有的品质，如道德判断、伦理推理、常识、同理心和文化意识。从我的角度来看，这些独特的人类特质应该始终指导AI的开发和使用。它们可以确保AI的发展和使用与社会价值观一致，适当响应复杂情况，并尊重人类经验的细微差别（这些概念可能因文化而异）。通过这些贡献，人类处于AI中心的建筑师和守护者的地位。他们负责培养不仅表现良好，而且负责任和道德的系统。
