人工智能，现在真的没有大家想象的那么智能

人工智能的发展分为两个阶段，通过以人为本的横向发展和纵向发展，帮助人类做出客观的数据分析，并将结果呈现给人们，最终人脑对这些结果集合在一起，做出一个对应的决策。

大家好，今天小鱼跟大家分享一下“增强智能”的话题，增强智能让人工智能和机器学习辅助、增强人们的决策过程。

首先，小鱼给大家透个老底，本人对人工智能持保留态度。为什么呢？因为人工智能还远没有大家想象的那么智能。

人工智能分两大阶段：现在还处在第一个阶段，就是初级的智能方法，包括深度学习、机器学习、贝叶斯神经网络等以机器为主的、提取出客观现象的低级人工智能；

第二个阶段就是super AI这类人工智能，就像有些科幻电影中那样的，是自动有思考能力的超级人工智能。现在的人工智能还远远达不到这个层级。

不过，人工智能的发展会改变人和机器之间的相对关系。虽然说Super AI 还完全没有到来，但是人们早就在研究怎么在计算机里面，把人的五官能力完全整合一起，包括机器视觉、机器语音、文字处理、神经网络、机器嗅觉等等，并且在这些方面都已取得了不错的进展。

人工智能的横纵向发展

人工智能的发展取得了不少成果，人工智能的研究方向和学习方法还是以人为根基的。它的发展主要体现在两个方面：

第一，纵向发展；

这个方向在视觉、原子级别的嗅觉等，都有突破。

第二，横向发展。

到目前为止，还没有一个把这些领域横向集中在一起判断的功能和产品，还没有一个核心大脑做出相对应的学习过程。

了解了人工智能的现状后，我们来聊聊“增强智能”。

什么是“增强智能”呢？

“增强智能”最重要的大脑还是在人。在大数据时代，机器把自然人的知识面做出客观的数据分析结果，呈现给人。最终，还是要有人的大脑对结果做出对应的决策。人工智能的根基还在大数据。

其实，大数据已经不仅仅是数据量的大，而是通过相应的方法提出对人的决策。

大数据现在非常火，一个创业公司的老板动不动就跟别人说我是做大数据的。其实大家对大数据分析的理解就像小孩对sex（性）的理解，很多人都在说，却不知道它到底是怎么回事。于是很多人就对大数据造成了误解，有人认为引导出大数据使用价值的是在数据上面，也有些人说真正大数据的应用实际是分析。这两种说法都是比较片面的。

什么是真正的大数据应用呢？

大数据的应用不仅止于数据。因为数据有三个缺陷所在：

① 数据有复杂的结构；

像流媒体数据、地理位置、销售记录、性别记录，这些数据都是结构化数据。当然也有一些非结构化数据：像文字、图像、视频这些。还有非结构化和结构化的数据结合在一起，就成了半结构化数据。这就造成了数据的结构非常复杂。

②数据本身有缺陷，不够完整；

例如，不同数据源的存储不一样，不同人的理解也不一样。

③ 最后，数据的广泛应用。

这里面夹杂了物理性，还有一些社会性。

当然，大数据的应用也不止于数据分析。

因为数据分析的80%时间浪费在了清理数据和融合数据。另外，我们在做数据分析的时候，往往不是问题导向，而是分析模型导向，结果生拉硬拽。通常我们会因为已知的先验模型，局限于到问题的方面，不知道未知的模型。

大数据分析更是横向平台化的解决方案，把各种分析结果结合在一个图像里面，来有机增强人的决策能力。

对于人工智能，大家印象最深的就是人与人工智能的挑战：Alphago与韩国围棋大师的较量。我们知道，最后是人输给了人工智能，围棋大师说我只是看眼前的这一步，人工智能通过计算能考虑到这之后的几百步，它赢在快速的计算能力上的。

其实有人做过这样的较量：人工智能与增强智能的PK，就是人在电脑程序的辅助下与纯机器进行比赛。结果呢？还是人在程序的辅助下胜过了纯机器智能。

也还有过类似的例子：一个业余选手在3个程序的辅助下，险胜有一个程序辅助的大师。这是不是有点像三个臭皮匠顶个诸葛亮？这些较量说明：经验缺失可用通过更多计算能力辅助，从而在一定程度得到提高。

如何做增强智能？

因此，增强智能，最终还是要回到“以人为本”，把各个层面的数据转化成可执行的分析结果，而不一定要趋于一个方向。

不过，这个过程要有人与机器的互动过程。HCI人机互动、用图像可视化的平台来增强展现数据决策的过程，让人与数据分析的过程进行一体化的互动，让人与机器互补，完成未知问题的探索。

我们在做增强智能的时候，主要是从四大模块去入手：

第一，模块化的平台数据分析管理；

我们可以根据需要，把小的、简快的、灵敏的模块随意组合，来达成既定的效果。

第二，数据分析在需要时随时进行；

让增强智能可以把纵横关联，进行筛选，不必先清理数据后，才去分析。

第三，以人为本的分析；

在分析过程中有互动，能发现未知问题和相关问题。

最后，要有隐形计算能力，帮助系统分析环境。

舆情案例

这里给大家分享三张图，第一张就是Day1，然后是Day2、Day3。这是我们跟美国疾病预防中心一起做的一个社交网络信息的疫情监测。这种监测通过机器（包括机器学习、人工智能、神经网络）在后台计算。然后，在前端告诉疾病预防中心，在一个即时状态下，哪个地方可能出现相应的疫情。

在Day1（第一天）的时候，在图像上可以看到很多人在抱怨说有头疼的的症状，没法挪动身子或者其它非常差的生理反应。

在Day2（第二天），看到人们晚上回家了，东边的人开始汇报同样的身体不适的症状，并且这种症状开始加重了，这些关键词也通过机器自动学习，而不需要模型来做这件事。

到了Day3（第三天），人们经过移动，你会发现大块的区块没有了，已经分散到不同的小框里来。你也可以看到大家说的词越来越严重了：“我觉得我已经要死了。”这种关键词也被自动替换。在地图上可以看到，每个红点都是不同的疾病防御中心、诊所、医院，发现人们已经受不了，开始寻求医治的过程。

再看这张图，是我们通过增强智能的图像分析来全方位地理解基础设施，像桥梁的裂缝、道路的受损情况等等。这些分析都是从大的、多维度的系统整合平台将数据展现出来，然后用新颖的互动方法来加深加强进行操作。

我们也有把客户的全网数据，包括销售数据、支持数据、客户管理数据，通过文本分析平台进行模块化的分析。通过图像的数据展示、人机互动，增强了管控，减少了运维费用，加强了他们推进企业的销售能力。

最后总结一下“增强智能“：首先，一定要把人的智能分析放进决策环境中来，增强智能是”以人为本的、机器的辅助工程；然后，通过人与机器一起来达到和谐的推广过程；最后实现大数据分析的工业化，让每个人从中收益。