人工智能需要〝有經驗的大量數據”才是關鍵_風聞

【本文由“dd h”推薦，來自《華為這一槍打得漂亮》評論區，標題為dd h添加】

涼雲有經驗的駕車人從來不是簡單地根據前車的速度、車道線和行人是否跨入車道來駕駛的，駕駛經驗最大的作用就是判斷前車、行人的意圖，判斷環境對路況的影響，合理選擇最安全、最快捷的路徑。這是再多的攝像頭、毫米波或者激光雷達也無法判讀的。

這個觀點比文章那一大段廢話更貼近關鍵，沒錯，人類一職的最佳分類器就是經驗豐富的人，所有“人工智能”上限離“人”差遠去了，所以那些把生命交給自駕的遠比你親自駕駛危險的多！傳感器也好，控制系統也罷，這些硬件對於如今我國工業體系，其技術含量並不高，真正的難題在於你拿到那麼多不同傳感器數據如何融合？

這是目前為止的世界性難題。人工智能聽起來挺高大上，其實真正搞得話就是首先獲取海量數據人工進行對錯判斷，然後用這些已經分類判斷好的數據訓練算法，訓練過程就是讓電腦從數據中獲取低級參數及取值，然後通過統計計算分析哪些參數對判斷對錯敏感，閾值是多少，進而獲取判斷準則。而為了讓參數有效，需要對覆蓋所有情況的數據錄取，而且針對某一情況要反覆錄取，通過概率判斷這種情況下的對錯。這個數據獲取過程既要做硬件，也要搞場景，非常費錢，所以各個公司數據不會共享，因此缺乏數據是當前“人工智能”發展的最大障礙。

當然，八成有槓精會跳出來指出飛機自動駕駛和電商大數據。其實飛機在空中遇到的問題會比汽車在路上跑的時候複雜嗎？既然問題卡在數據不足上，那麼相對簡單的場景，自然容易獲取足夠的數據去解決問題。至於電商，你買東西的時候有沒有注意到商品分類？對，沒錯，商家在標註商品的過程中就完成了大數據錄入，而買家的購物過程完成了數據判斷，電商是通過白嫖賣家和買家的工作量完成的“大數據奇蹟”。

感興趣的網友可以看看模式識別的教科書，搞清楚裏面各章的緒論，“人工智能”“大數據”啥的噱頭就不容易騙你了。最後，開車時，把你的小命交給自己比交給汽車靠譜。