程序员花14小时查假疫苗，人工智能行不行？

Posted 2020-12-24 aiyprojects

假疫苗的事件引起了很多网友的关注,近日，某程序员从昨天早上9点到晚上11点吐血抓取了各个地方网站的数据整理的数据表，并进行了数据分析和整理，统计出了长春长生的疫苗究竟卖到了哪些地方。

感谢这些默默无闻的程序员，为社会正能量做出的贡献。虽然现在很多人担心，人工智能越来越强大，会编程的人工智能也已经出现，那么程序员会下岗吗？

答案当然很明显：不可能下岗！比如上文中的程序员，我们的社会就需要这样的程序员！这样有爱心有责任感的程序员，怎么可能被社会淘汰呢？！再来分析现在的人工智能发展，以及人工智能与程序员之间的微妙关系，你就明白了。

随着移动互联网的爆发，数据量呈现出指数级的增长，大数据的积累为人工智能提供了基础支撑。2006年，Hinton教授提出“深度学习”神经网络使得人工智能性能获得突破性进展，进而促使人工智能产业又一次进入快速发展阶段。

按产业链结构划分，人工智能可以分为基础技术层、AI技术层和AI应用层。基础技术层主要聚焦于数据资源、计算能力和硬件平台，数据资源主要是各类大数据，硬件资源包括芯片研发、存储设备开发等。AI技术层着重于算法、模型及可应用技术，如计算智能算法、感知智能算法、认知智能算法。AI应用层则主要关注将人工智能与下游各领域结合起来，如无人机、机器人、虚拟客服、语音输入法等。

过去几年，硅谷最大的科技公司正在积极发展新的计算技术，即机器学习。在传统的编程方法中，工程师写下精确的指令让计算机去执行。而对于机器学习技术，程序员编写的并不是让计算机去执行的指令。程序员只是训练计算机。如果你希望让神经网络去识别小猫，那么不需要告诉计算机小猫的长相，例如眼睛、耳朵和皮毛。你只需向计算机展示成千上万的小猫照片，随后计算机自己就能在图片中找出小猫。如果你将狐狸的照片混在了小猫照片中，那么也没有关系，你只需要给予计算机大量正确的训练即可。

这样的方法并不新颖，出现时间已有数十年，但直到近期才变得更强大。这部分是由于深度神经网络的兴起。这样的大规模分布式计算系统模拟了大脑中的多层神经元结构。无论你是否意识到这点，机器学习都已经在我们的在线活动中扮演了重要角色。

Facebook使用机器学习去判断，将哪些内容投放至你的消息流。谷歌照片使用机器学习去识别照片中的人脸。微软的Skype Translator能实时翻译不同语言之间的对话，而基础也是机器学习。无人驾驶汽车利用机器学习去避免交通事故。甚至谷歌搜索引擎也开始依靠深度神经网络。

今年2月，谷歌任命机器学习专家约翰·吉安南德里(John Giannadrea)为搜索业务负责人，并启动新项目给工程师培训这一新技术。吉安南德里表示：“通过开发学习系统，我们不需要再编写这些规则。”

不过问题在于：在机器学习系统中，工程师无法知道，机器如何去完成自己的工作。神经网络的运行很大程度上不透明，令人无法捉摸。换句话说，这是个黑盒。随着这样的黑盒在我们的日常生活中扮演越来越重要的角色，它们不仅将变革人类与技术之间的关系，将改变我们对自己、对世界，以及对我们与世界关系的思考。

如果说在传统观念中，程序员就像是上帝，是计算机系统规则的制定者，那么现在他们更像是家长，像是宠物的训练者。作为家长或者宠物的主人，你与孩子或宠物的关系将会有些说不清、道不明。

在很长一段时间里我们仍需要程序员，不过这样的需求将逐渐下降，而编程将成为一项“元技能”。用艾伦人工智能研究所CEO奥林·艾奇奥尼(Oren Etzioni)的话来说，编程的目的将变成为机器学习的运行“搭脚手架”。量子力学的发展并没有彻底打破牛顿经典力学，而代码仍将带来强大的力量，并且是我们探索世界的工具。然而，在提供特定的功能方面，机器学习将会代替我们去做很多工作。

说到人工智能学习，谷歌就曾经在去年推出了AIY计划，起目的就是让人人都可以DIY自己的AI人工智能产品，真正实现AI平民化，让更多人能学习、探索并体验人工智能。AIY全称是 Artificial Intelligence Yourself，顾名思义就是利用 AI 来进行的 DIY 功能套件。谷歌一共为自己的AIY项目发布了两款AI硬件产品—— AIY Voice Kit 和 AIY Vision Kit。这项计划不仅可以帮助程序员们，也可以帮助初学者一起了解和学习人工智能。