本文作者将通过结合人的所看、所听、所想，用最通俗易懂的方式来讲讲人工智能和AI思维。

颠覆互联网思维的应该是AI思维。

​AI思维是百度创始人李彦宏在“2017百度联盟峰会”上首次提出的概念。

“什么是AI思维？”笔者将结合技术的发展以及社会科学、自然科学给出自己的理解。

智能时代，人人都需要有AI思维。就像互联网时代，人人都要有互联网思维一样。笔者将通过结合人的所看、所听、所想，用最通俗易懂的方式来讲讲人工智能和AI思维。

背景

AI是以智能决策为核心的系统，它能够将像5G这样的新技术很好的串联起来，这些技术的应用将会大大提高生产效率，从而引发新的变革，颠覆已有的形态。

目前主流的AI技术都是通过机器学习实现的。简单来说，机器学习是在不断地学习和训练中寻找规律的过程，因而更像是自然科学。自然科学是研究有规律可循的事物。

自然科学主要研究“无意识的行为”，一个或一些事件导致行为的发生，比如膝跳反应。自然科学包括物理学、化学、生物学、天文学和气象学，而社会科学是研究“有意识的行为”，比如心理学、社会学、人类学等问题。

这里提到了自然科学和社会科学，是为了相对广泛的涵盖AI可能会涉及的问题和领域。

有意识的行为会破坏客观规律，从而影响机器学习。人工智能是一个建立在概率论上的系统，我们要尽可能提高人工智能决策的准确率，比如到99.9%，100%是不可能的，那是自动化解决的问题。而打破规律的事物是降低人工智能准确率的脏数据，而在自然科学中基本没有有意识的行为。

比如，自然科学里植物的生长，是根据环境的温度、湿度、光照等因素共同决定的，是一个相对确定的、有规律的事物。而人不一样，人可以因为自己不想出门而决定不出门（“自己不想”就是有意识的行为），植物不会因为自己不想生长而停止生长。

因此，“有主观意识的行为”参与越少，人工智能所做的决策越准确。但有意思的是，我们希望机器通过在“无意识的行为”中学习后，做出符合人类“有主观意识”标准的决策。文章后面会通过很多案例来帮助你理解这件事。

01 看见

就像人具备看到东西的能力一样，人工智能也可以看见。

也就是机器视觉，展开来说，包括图像识别、视频识别、文字识别，具体是怎么实现识别的呢？

我们拿图像识别说明一下，图像识别是将一张图片分割为很多的小块（像素点），然后与机器已知的事物对比，来判断物品是什么。比如机器已经知道猫的眼耳口鼻子分成小块后长什么样，当给了机器一张新的照片时，它发现新照片分块后和之前定义的猫的各个部分分长得一样，那么机器就会输出这是一只猫。从而完成图像识别。

常见的机器识别应用领域是智能安防。比如我们在北京火车站检票进站，最早是由工作人员人工核实乘客的身份证、火车票等信息是否一致，现在通过摄像头智能识别解决。这大大缩短了进站的时间。

同样的方式也适用于警方破案。传统的方式中，他们需要人力查看监控录像，找到可疑的嫌疑人。现在通过视频识别，系统可以根据警方提供的照片快速找到有嫌疑犯的视频。

目前，摄像头的采集方式都是按照人眼的方式进行的，当摄像头可以按照机器的方式采集，那将带来更大的效率提升。

02 理解

人是如何理解彼此的呢？是建立在我们有共同的认知之上。

比如我们都知道人饿了要吃饭，于是你说饿了的时候，你的妈妈会给你做饭。人工智能也一样，它要先理解人类，才能帮助人类做决策。这就涉及到了自然语言处理，我们以声音和文字的形式向机器传达信息，它通过自然语言处理之后，就可以理解我们要表达的意思了。

人工智能如何能够理解我们说的话呢，这就需要我们预先对事物进行归类和定义。比如你和机器说：“帮我订一张明天早上去美国的机票。”

那人工智能根据已有的信息储备，将这句话转化为：

我=我的主人，他的名字是张三

明天早上=12号 6：00到12：00，已知今天是11号

美国=目的地是美国

机票=票的类别是机票，不是火车票也不是汽车票。

这里面“姓名”是张三，“早上”代表6点到12点，“美国”是一个国家（国家可以是到达的目的地），“机票”是一张出行的所需的票务（它和火车票、汽车票是一类的）。这些信息是需要让机器提前学习的。

这一部分的技术常常应用到翻译、智能客服等领域。但智能客服并不是自然语言一项技术就能解决的，它还涉及到信息的搜集、查找、做出决策等。

02 分析

人是具备分析事物的能力的，我们会分析“这个人喜欢什么？”，“这个人有没有骗我？”，对应到人工智能就是智能推荐系统和反欺诈系统。

我们是如何分析一个人喜欢什么呢？一种是通过观察他的行为；另一种是将人分类，把新朋友分类到我们已知的类别，根据已知类别的喜好推断出这个新朋友可能的喜好。

对应到人工智能是一个道理。在第一种方式里，机器会给用户打标签，例如用户的标签是娱乐八卦、科技、互联网，那机器就可以根据标签信息推荐对应类别的内容给用户；在第二种方式里，机器通过建立用户画像给人分类，如果用户是属于20-30岁的一线城市的职场女性这个画像，机器就可以根据这个画像的喜好进行推荐。

应用场景就是我们经常接触到的内容推荐，以及广告精准营销等。

但推荐系统也会存在问题。它在探索人的喜好的同时，也会影响人的选择。当用户看了一种东西系统就会推荐同类的东西，用户看这种东西越来越多，最终造成数据失衡。如果用户最初的行为只是误操作或非本人的操作，那系统就帮助用户做了决策，并培养了用户的兴趣。

03 预测

我们这里要讨论的预测是根据以往历史信息而做出的预测，纯粹凭借第六感的预测是机器目前无法实现的。

我们熟知的天气预报，就是由以往大气层状态的变化总结出规律，从而实现天气预测。现在，人工智能可以将这种预测扩展到“自然灾害预测”等更广阔的范围。

机票价格预测也是根据历史的价格变动预测出未来的价格，这种预测在制造业也很有价值，例如根据工业设备的性能指标做设备故障预测。但这样的预测在股市还不够准确。

为什么股价的走势无法准确预测？

这就涉及到我们开篇提到的“有意识的行为”。影响股市变动的因素涉及到了人的情绪、资本持有者的有意识行为，这些都是没有规律的，因而很难准确预测。

04 决策

决策能力是AI的核心能，但AI无法做出100%准确的决策。它是根据历史数据总结规律，再通过有零和博弈能力的对抗生成结构实现决策。（对抗生成结构是一种人工智能的研究方向）

通常，人类无法做出最优决策的领域更适合通过AI来解决。这里评估决策的优劣时，会考虑决策所消耗的时间成本和人力成本的多少。

除了在第二部分我们提到的智能客服，工业制造、医疗等行业也需要优秀的决策能力。

我们以医疗行业举个例子。我们提到了“人类无法做出最优决策的领域更适合通过AI来解决”，这是因为人类能解决的问题会放大AI的错误率。例如AI看肿瘤患者的片子这件事儿，如果医生本身可以看得很好，那用AI的意义就不大，反而AI的错误率会被放大。但在手术室里，对病人是否渗血以及如何处理，AI就会更加高效。因为在刚开始渗血时，医生可能没办法及时发现和处理。

在制造业也一样，它一方面需要快速和相对准确的决策减少损失；另一方面也要解决劳动力成本增加所带来的经济问题。这也是为什么当国家提出新基建，制造业会成为主要受益者之一的原因。

对于是否要大规模应用AI的争议多发生在AI决策这一部分。

在无人驾驶领域AI无法拥有人的价值观一度是争论的热点，一个常见的案例是当无人驾驶的汽车前突然出现了一个小孩，这个时候人工智能可能陷入到是应该以车主的性命为优先还是以路人的性命为优先的两难决策中。

有专家提出可以根据他人的态度反馈来训练机器的价值观。是否能有效解决问题就拭目以待了。

05 再创造

这里的创造要加一个“再”字，是因为人工智能是根据已知信息做出行为的。艺术家的创作行为目前机器是无法完成的。我们接触到的机器人写作、阿里鲁班制作海报就是一种再创造。

机器的“再创造”本质是一个解构和重组的过程，机器人写作和做海报都是利用已有的拆分的素材按我们的语言和审美标准拼接出新的内容。

这种再创造在制药和新材料中也得到了很好的应用。人工智能通过将原有元素重新组合，再进行实验迭代研制新药。效率远远高于人类。

总结

到这里我们已经对普适性的AI概念和应用有所了解，总结来说AI思维就是通过人工智能技术的应用，提高效率并改善人类生活的一种思考方式，而这种思维应用到哪个行业就可能颠覆哪个行业。

本文中很多阐述是作者个人的观点，如果有问题，欢迎指正。

结尾提出一个思考，在投资市场里，有人赚钱，有人亏钱是一个正常的市场。如果AI很好的解决了金融投资的问题，理论上所有人都能赚到钱，那赚到的钱是哪里来？会不会对经济造成不好的影响？

作者：牛奶，公众号：产品经理的小红书

本文由@牛奶 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议