挑戰(zhàn)是人機交互設計，而不是技術。人工智能（AI）是21世紀最受歡迎的術語之一，但也是最容易被誤解的術語之一。很多時候，在談論AI時，我們希望將其與其他術語（例如機器學習，深度學習和神經(jīng)網(wǎng)絡）自動結合起來。這聽起來好像超過90％的AI是只有博士才能理解的這種統(tǒng)計算法。這就是我們對AI犯錯誤的地方。在作為數(shù)據(jù)科學家和企業(yè)家多年構建數(shù)據(jù)和AI產品之后，我意識到構建AI解決方案的主要挑戰(zhàn)不在于構建有效的系統(tǒng)，而在于以人為中心的設計。盡管自動學習和分類算法對于開發(fā)人工智能系統(tǒng)至關重要，但它們只能充當真正智能的推動者。這些算法對于開發(fā)AI是必需的，5g通信的出現(xiàn)后，這些還不夠。這意味著多年來機器學習算法的改進使機器幾乎可以像人類一樣感知世界。但是，為了使機器像人一樣思考和行動，我們必須在別處尋找答案。
       在數(shù)千年的進化中，人類開發(fā)了獨特的方式來解釋和思考世界。為了使AI對我們的社會產生重大影響，它不僅必須理解如何像人類一樣行事，還必須理解如何像我們一樣思考。不幸的是，在信息革命使我們能夠收集PB級數(shù)據(jù)我們如何  行動  在一定的情況下，沒有多少數(shù)據(jù)被收集我們如何  思考。這使得無法正確訓練AI系統(tǒng)。這就是為什么我們必須將重點從技術轉移到交互設計。我們需要開始開發(fā)大規(guī)模的交互系統(tǒng)，使機器能夠與人類快速溝通和協(xié)作。機器需要開始學習我們如何概念化世界。對于AI研究人員和公司而言，這意味著AI的真正未來在于設計，AI與人類進行交互和向人類學習的能力以及對人類環(huán)境的理解，而不是更強大的CPU和算法。這也意味著，相對于對將要與這些AI系統(tǒng)進行交互的最終用戶的需求和挑戰(zhàn)的深刻理解，技術能力在構建出色的AI中將變得越來越不重要。在本文中，我將深入探討現(xiàn)代AI技術系統(tǒng)，并演示與人工智能相比，當今AI的不足之處。然后，我將討論為什么通過交互學習一直是AI和人類都了解我們世界的最好的方法之一，即使不是唯一的方法。最后，我將提供一些建議，說明如何創(chuàng)建可最終實現(xiàn)真正人工智能的交互系統(tǒng)。
       當前的AI緊密地模仿了人類的思維過程，但在獨自學習方面卻不足市場上的大多數(shù)AI系統(tǒng)都模仿心理學中的人類信息處理模型。因此，至關重要的是開始討論像大腦這樣的智能系統(tǒng)如何處理信息（您可以在此處閱讀有關信息處理的更多信息）。通常，智能系統(tǒng)在三個非常不同的階段處理信息：接收，解釋和學習。

       階段1：接待

       接收  是這樣的過程，其中某些物聯(lián)網(wǎng)傳感器受體（例如，人體的眼睛或耳朵）接收來自環(huán)境的信號，并將這些信號以處理系統(tǒng)可以解釋的格式（即電磁信號）4g dtu發(fā)送到處理劑（即大腦） ）。在人工智能中，這些接收器的示例包括特斯拉自動駕駛汽車上的攝像頭，用于Alexa的Amazon Echo或用于Siri的iPhone。

       階段2：解讀

       接下來是解釋過程，其中處理代理（即大腦）對接收器發(fā)送的數(shù)據(jù)執(zhí)行三個操作：首先，它從數(shù)據(jù)中識別出幾個相關的對象（即，識別出有一個紅色的圓形）。然后，它進入?yún)⒖紟欤慈祟愑洃洠?，搜索有助于其識別對象的參考，然后識別它們（即識別出形狀是蘋果）。

       最后，根據(jù)整個系統(tǒng)的當前狀態(tài)（即您的饑餓程度），處理代理（即大腦）確定其接收的每條信息的重要性，并僅向用戶呈現(xiàn)通過特定信息的信息。閾值（在人類中，這稱為注意力）。因此，當您餓了時，與其他物體相比，您更有可能看到蘋果和食物。在AI中，通常使用復雜的機器學習算法（例如神經(jīng)網(wǎng)絡）在云中的大型信息處理系統(tǒng)中進行解釋。隨著機器學習和游戲算法（特別是在深度神經(jīng)網(wǎng)絡中）的最新發(fā)展，人工智能系統(tǒng)可以非常出色地基于參照物識別物體，從而使無人駕駛汽車等驚人的創(chuàng)新得以發(fā)展。但是，我們不能在這里停下來，因為加工代理使用的參考庫是有限的，尤其是在其生命周期的開始（嬰兒可能甚至不知道蘋果是什么）。

       第三階段：學習
       這就是為什么。需要進行學習以不斷擴展此參考資料庫，以使系統(tǒng)發(fā)揮最大潛力的原因。對于現(xiàn)代AI系統(tǒng)，這是真正的挑戰(zhàn)所在。按照當前的技術水平，人工智能確實擅長將情況分類，并根據(jù)提供的參數(shù)進行優(yōu)化。但是，沒有人工開發(fā)人員的幫助，它無法從頭開始創(chuàng)建這些類別或參數(shù)。這是因為AI“將”世界視為多個純粹的數(shù)學矩陣，并且除非我們有教義，否則就沒有內在的能力去理解人類的經(jīng)驗。此外，在訓練這些分類模型的過程中，僅給AI提供每種特定情況的結果，而不是導致該特定結果的整個思維過程和原理，這使得無法理解。例如，一個AI系統(tǒng)可能能夠編程識別嬰兒的圖像，但是它無法理解為什么首先需要識別嬰兒的圖像，因為創(chuàng)建該信息的工程師從未將該信息提供給AI。它。從某種意義上講，人工智能就像是一個超級聰明的新生嬰兒，盡管您可以向世界展示所有知識，但除非人工智能真正進入世界學習經(jīng)驗，否則它無法理解世界的真實運轉情況。因為AI缺乏創(chuàng)建自己的上下文的能力，所以我們要求Siri和Alexa的大多數(shù)命令實際上都是由Apple和Amazon的工程師手動編程的。這也是為什么亞馬遜投入大量精力在Alexa周圍創(chuàng)建開放的生態(tài)系統(tǒng)，以鼓勵公司在其Alexa平臺上進行技能編程的原因。由于它們是如此依賴人類，因此當前的AI系統(tǒng)（例如Alexa）無法真正開發(fā)出新的環(huán)境并像人類一樣學習。因此，稱它們?yōu)椤叭斯ぶ悄堋贝_實是不準確的。
我們如何創(chuàng)建交互式AI？
       為了使AI具有像顧問一樣的方式提出智能問題的能力，我們必須減少對創(chuàng)建最強大的機器學習算法的重視。相反，我們應該專注于設計系統(tǒng)，以實現(xiàn)AI和人類用戶之間的最大交互，同時完成AI的設計任務。實際上，這意味著AI產品經(jīng)理應該減少對聘用擅長算法設計的工程師的關注，而應更多地關注于以人為本的設計師的招聘，他們可以與AI的最終用戶進行交流，并促進用戶與AI之間的交互。這些設計師的任務是確定AI 與  用戶合作的最佳方法，  以改善AI自身的智能以及人類用戶的生活。本質上，創(chuàng)建交互式AI要求AI產品經(jīng)理（像我一樣）構建AI的目的是理解和  服務于  人們，而不是  代替  人們。同時，人工智能的發(fā)展也必須比現(xiàn)在更加透明。在收集我們的數(shù)據(jù)的公司的信息：別忘了我們的信息 ”中指出的那樣，當今的企業(yè)如果想與客戶建立信任，就必須進行透明性和用戶控制的設計。目前，許多AI公司拒絕為用戶揭開幕后的神秘面紗，這并不是因為他們擔心競爭對手會竊取其技術秘密（老實說，沒有太多東西可以竊?。Ｏ喾?，他們經(jīng)常擔心，如果他們的用戶知道AI的操作方式，用戶將失去對公司的信任。盡管這種擔心是正確的，但要實現(xiàn)AI技術可能的最高智能水平，用戶必須深入?yún)⑴c設計迭代過程。因此，盡管透明度可能會在短期內損害AI產品的早期采用，但對整個AI系統(tǒng)提高透明度的長期利益是無限的。

       事實很簡單：人工智能革命是不可避免的。不管您喜不喜歡，人工智能在未來幾十年中將在我們的員工隊伍中扮演重要角色。但是，要使AI真正對我們的社會有用，他們不僅需要了解我們人類所做的事情，還需要了解我們這樣做的原因，而這種學習要求AI跳出黑匣子并與用戶互動。這意味著在未來的幾年中，人工智能將不再是技術和編碼問題。人工智能將更多地是一個設計問題，在這個問題中，以人為本的設計人員會對最終用戶產生同情心。最終，我可以看到一個AI與人類和諧相處的未來世界，每一方在人類社會中都扮演著獨特的角色。只有這樣，人工智能革命才能為人類帶來繁榮。

上一文章：環(huán)境監(jiān)測改善人們生活質量，讓智慧城市成為現(xiàn)實

下一文章：物聯(lián)網(wǎng)時代5G應用讓人捉摸不定