从历史上看，“
人工智能”一词是在20世纪50年代末创造的，指的是在软件和硬件上实现具有人类智能水平的实体这样一个令人兴奋的愿望。我将用“模仿人类的AI”(human-imitative AI)来指代这一愿望，强调人工智能实体似乎应该成为我们人类的一员，即使不是在身体上成为，那么至少在精神上要这样(无论这可能意味着什么)。
这在很大程度上是一项学术事业。虽然相关的学术领域，如运筹学、统计学、模式识别、信息论和控制理论已经存在，并且经常从人类或动物的行为中获得灵感，但这些领域可以说是专注于低水平的信号和决策。
比如，松鼠能够感知它所居住的森林的三维结构，并能在树枝间跳跃，这种能力对这些领域具有启发意义。AI旨在关注一些不同的东西：人类进行推理和思考的高级或认知能力。然而，60年后，高层次的推理和思想仍然难以捉摸。现在被称为AI的发展主要出现在与低水平模式识别和运动控制相关的工程领域，以及统计学领域，该学科的重点是在数据中发现模式，并做出有充分根据的预测、测试假设，以及决策。
事实上，现在被认为是所谓“AI革命”核心的著名的反向传播算法，是David Rumelhart在20世纪80年代初重新发现的，而它早在20世纪60年代和60年代的控制理论领域就已出现。其早期应用之一是优化阿波罗飞船飞向月球时的推力。
自上世纪60年代以来，AI已经取得了很大的进步，但可以说，这种进步并非源于对模仿人类的AI的追求。相反，就像阿波罗飞船的例子一样，这些想法往往隐藏在幕后，研究人员的工作专注于特定的工程挑战。虽然普通大众看不到，但在文档检索、文本分类、欺诈检测、推荐系统、个性化搜索、社会网络分析、规划、诊断和A / B测试等领域的研究和系统构建取得了重大进展，这些进步推动了谷歌、Netflix、 Facebook和亚马逊等公司的成功。
人们可以简单地把这一切称为AI，事实上，这似乎已经发生。对于那些发现自己突然被称为AI研究人员的优化或统计学研究人员来说，这样的标签可能会让他们感到意外。但撇开标签不谈，更大的问题是，使用这个单一的、定义不清的首字母缩略词，阻碍了他们对正在发挥作用的智能和商业问题范围的清晰理解。
在过去的20年里，工业和学术领域都取得了重大进展——作为模仿人类的AI的补充，通常被称为“智能增强”(Intelligence Augmentation, IA)。在这里，计算和数据被用来创建增强人类智力和创造力的服务。搜索引擎可以被视为IA的一个例子，因为它可以增强人类的记忆和事实知识；自然语言翻译也是IA的一个例子，它可以增强人类的沟通能力。基于计算机的声音和图像生成为艺术家提供了增强调色和创造的能力。虽然这类服务将来可能包含高层次的推理和思考，但目前还没有；它们主要执行各种字符串匹配和数值操作，以捕获人类可以使用的模式。
让我们广泛构思一个“智能基础设施”的学科，构建基于计算，数据和物理实体的网络，使人类环境更加有趣和安全。目前这种基础设施已经开始在运输，医药，商业和
金融等领域出现，对个人和社会的影响正越来越深。
可以想象，我们生活在一个覆盖全社会的医疗系统中，这个系统能够建立人与医生、医疗设备之间的数据流和分析，帮助医生做出更准确地诊断，并提供护理服务。系统可以整合来自体细胞、DNA、血液测试，环境，群体遗传学以及关于药物和治疗的大量科学文献的信息。它不仅关注单个患者和医生，而且关注所有人类之间的关系，有助于维持关于医疗信息的相关性、来源和可靠性的概念，就像今天的银行系统关注金融和支付领域的挑战一样。尽管人们可以预见这样的系统中会出现许多问题，比如隐私问题、责任问题，安全问题等等。但我们应该将这些问题视作勇于面对的挑战，而不是前进的阻碍。
版权申明：本内容来自于互联网，属第三方汇集推荐平台。本文的版权归原作者所有，文章言论不代表链门户的观点，链门户不承担任何法律责任。如有侵权请联系QQ：3341927519进行反馈。
