关于 AI 将如何改变世界，我们考虑过的最坏情况之一是机器与人类的战争，就像 40 年前阿诺德施瓦辛格主演的科幻电影《终结者》中那样。然而，如果你了解今天人工智能技术的运作方式，你会发现这些情况还很遥远。让我告诉你人工智能是如何工作的。

在我们深入探讨 AI 今天的工作原理之前，让我向您介绍一下 AI 是什么。

AI，即人工智能，是研究如何复制人、老鼠、狗等生物的决策思维的研究领域。这个研究领域从 1950 年代就存在了，相信我，可用的 AI 理论就是数学！

最简单或最不复杂的 AI 模型是您在初中学习的线性方程。因为人工智能用于自动决策，所以在某些情况下，可以使用线性方程来告诉机器下一步要做什么。

例如，带有检测环境亮度的传感器的自动灯在完全没有光时会给出 0.0 的值，而在室外非常明亮时会给出 1.0 的值。作为一名工程师，我很容易根据我的实验设置 0.0 到 1.0 之间的某个值来确定灯应该何时打开和关闭。但是如果我给灯加一个时钟，我该如何调整开启和关闭的条件呢？有时，中午下雨，落下很多阳光。应该什么时候开灯？手动调整有时很难确定，但有了人工智能，我可以做一些更简单的事情，比如输入这种情况的条件，比如时间和环境亮度，并训练我的人工智能建议何时开灯或关灯。

如果应用程序更复杂、更重要，比如自动浇水系统，我会清楚使用 AI 而不是严格条件的重要性。在这种情况下，我们应该转向更复杂的人工智能用例。

电子邮件过滤器是我们日常用来将普通电子邮件与垃圾邮件分开的工具，但我们不知道它们是如何工作的。但请相信我，这是人工智能！电子邮件过滤器使用朴素贝叶斯分类器将电子邮件正文转换为向量并预测电子邮件是否为垃圾邮件。所以如果你读到这行，你应该熟悉人工智能的核心词“训练”和“预测”。

由于“训练”，人工智能可以像生物一样做出决定。数据科学家需要从生物（几乎总是人类）创建训练数据集，以训练人工智能“预测”与训练数据集类似的事物。这意味着 AI 会做一些它在训练数据集中看到的事情。这就是为什么每个人工智能都不能靠自己统治世界的原因。人工智能无法创造出人类以前从未做过的新事物（使用当前技术）。现在是时候转向科技公司正在研究和宣布的最复杂的 AI 模型，例如 Dall-E、Chat GPT 或 Tesla Self-Drive。

自 2019 年以来，OpenAI 实验室发布了 OpenAI 的 DotA AI，被称为 OpenAI Five，它使用深度强化学习来掌握 DotA 的复杂游戏。人工智能通过与自己竞争并从错误中学习来学习游戏，最终变得足够熟练以击败一些世界上最好的人类玩家。这一成就展示了人工智能解决复杂问题并为广泛行业做出重大贡献的潜力。 2022 年，腾讯的一个研究团队宣布了他们的 Arena of Valor AI，它结合了深度学习和强化学习来实现高水平的游戏玩法。人工智能技术的这些进步表明，人工智能的潜力是巨大的，可以应用于游戏以外的各种行业。相信我，我看过他们的论文，发现 AI 在一个项目中玩游戏的成本超过 3000 万美元。

这背后的技术是人工神经网络。 NN 的主要思想是将数据输入到具有权重和偏差的神经元节点，并将这些值传递到下一层中的另一个神经元节点，直到它到达输出层，就像生物中的真实神经元网络一样。其实，NN 理论最初是在 20 世纪 80 年代提出的，但当时的计算机没有足够的计算能力和内存来实现它。但是目前，资源已经足够了，但是相信我，神经元节点的数量已经增加到了难以想象的地步。

总之，AI 需要用训练数据集进行训练，以预测 AI 在训练数据集中看到的结果。人工智能无法做我们从未展示过的新事物。我们在前沿研究中使用的新技术是人工神经网络。而把事情做得更好的人工智能就是强化学习，比如玩游戏或者开车。