我們都應該知道，全世界領先的科學家和思想家都警告過公眾，永遠不要武裝基于人工智能 (AI) 的系統(tǒng)。然而，它已經發(fā)生了很長一段時間，而且總有可能清算的那一天到來。但對于不想消滅鄰居的群眾來說，許多人工智能應用程序可以用來幫助我們，為人類和世界的更大利益服務。

早期基于規(guī)則的 AI 模擬器令人印象深刻，但隨著神經網絡和深度學習設計工具和技術的發(fā)展，很明顯，AI 可以在簡單甚至非常復雜的任務中勝過人類。不僅在Jeopardy比賽中獲勝，而且結合使用基于規(guī)則、啟發(fā)式和基于神經網絡的學習系統(tǒng)，可以在非常大的數據集中識別人類無法理解的模式大約。

這就是關鍵——訪問非常大的數據集。例如，當人工智能機器的任務是識別宮頸樣本中的癌細胞和癌前細胞時，它可以非常快速地檢查和學習數千個樣本。它能夠辨別醫(yī)生尚未識別的模式。在很短的時間內，人工智能被證明比訓練有素的醫(yī)生更有效地識別它檢查的新樣本中的癌細胞和癌前細胞。使用DFRobot 人工智能視覺套件等工具將 AI 應用于視頻將展示真實的學習系統(tǒng)如何從經驗中更快地學習。

診斷分析也是如此。醫(yī)生沒有必要的時間、帶寬和經驗來識別罕見的東西。但是，能夠訪問大型數據集的 AI 可以更快地研究和識別罕見的意外情況，然后再變得致命。讓我們看看人工智能如何發(fā)揮作用。

它是怎么做到的？

設計師和程序員無法識別、追蹤和理解機器學習了什么以及如何學習——尤其是在深度學習和神經網絡連接從混沌開始充當自排序系統(tǒng)的情況下。

盡管許多公司已經設計、正在使用甚至營銷 AI 機器、功能和服務，以幫助公司確定可提高盈利能力和生產力的模式和程序，但我沒有聽到任何人談論公眾使用 AI 功能是為了更大的利益。

例如，可以非個人訪問計算機化最新醫(yī)療記錄的 AI 可以快速識別誰的 COVID-19 風險較高。恰當的例子：如果 AI 可以訪問從人身上收集的大量數據以及服用的藥物、吃的食物、位置和環(huán)境因素，它就可以找到我們無法找到的模式。

例如，如果服用某種藥物治療自身免疫性疾病（例如牛皮癬）會降低免疫力的人因 COVID-19 而患上 COVID-19 的死亡率要比服用另一種藥物的人高得多怎么辦？如果癌癥簇的位置可以與一組我們不知道的常見暴露因素相關聯(lián)怎么辦？

一旦 AI 有了意識，它就可以檢查每個人及其活動、攝入的食物、花時間的地方以及所做的事情。在實時面部識別位置、實時信用購買、手機跟蹤、聯(lián)系人跟蹤，甚至收聽對話、閱讀文本和電子郵件、傳真和普通郵件之間，每個人的數據集都將很大。它也太大了，任何人都無法吸收、識別和識別模式。將其乘以數百萬甚至數十億人，您很快就會發(fā)現(xiàn)人類大腦需要處理并得出有效結論的信息太多，但這對人工智能來說并不困難。

許多 AI 任務確實可以使用基于 AI 的軟件技術（例如基于Seeed Studio MaixCube RISC 的 AI 開發(fā)平臺）簡化為數字數據處理算法。盡管針對基于人工智能的 FFT 分析和智能通信，數字人工智能編程技術與神經網絡芯片的結合將產生最高的協(xié)同能力。

盡管可以在固件中模擬神經網絡的行為，但硬件版本總是更快。這里很少有產品，但有趣的是，谷歌的 AIY 智能相機使用基本的神經網絡和數字處理，允許使用其視頻 IC 開發(fā)工具進行基于 AI 的基于神經網絡的學習、實驗和開發(fā)。

圖 1：Google 的神經網絡 AI 技術可供開發(fā)人員和技術研究人員使用，用于下一代面部識別、情緒狀態(tài)確定以及幾乎任何先進的下一代智能視頻應用。（來源：貿澤電子）

如果全人類都可以訪問可以非個人訪問所有數據的 AI，那么 AI 如何為人類服務的例子有很多。（它必須是非個人的。人工智能需要知道一個人存在某種痛苦才能將原因關聯(lián)起來，但人工智能不需要知道這個人的姓名或地址。需要對隱私進行嘗試。）

為了讓 AI 為人類服務，某些事情必須到位。首先，所有數據都需要以程序化和非識別的方式訪問。人們需要明白，在解決重要問題時沒有隱私、秘密或安全。

接下來，數據需要防止人為訪問。使 AI 可以使用所有內容的整個想法是它可以看到模式。不幸的是，在權力的位置上總會有壞蘋果濫用這種權力。希望一個足夠公平和智能的系統(tǒng)可以淘汰它們。

第三，任何人想查詢AI的預言機都可以。如果有人想對事實進行核查，他們應該能夠提出這樣的問題：“在所有服用他汀類藥物的人中，有多少人出現(xiàn)了這種副作用？”

結論

如果為了公眾的利益而部署人工智能，它可以成為改變世界的積極力量。人工智能已經在許多層面上超越了人類，并被推銷給在大型數據集中尋找模式的公司。下一階段：在這些集合中尋找模式并預防疾病。