人工智能的意義和價值是什麽？

2021-11-03數碼

謝 @微調邀

我認為人工智能的意義和價值用兩個字來概括，就是： 賦能。

雖然賦能這兩個字，確實有點被互聯網黑話用爛了，但確實是很好給予人工智能意義總結的詞語。本回答將展開講這兩字，講講人工智能在其中是如何賦能的。

1. 給機器賦能

很好理解，給機器賦能就是讓機器擁有新的能力。最早，我們給機器賦能的方式，就是制造這麽一台機器，例如發電機，就具有發電的能力；紡織機，就有紡織的能力。而隨著可編程電腦的出現，機器的能力變得多樣化，編程成為了我們給機器賦能的新方式。然而，單單編程，賦予的能力也是固定的，你賦予機器的能力，是你的能力，而不是機器自己學來的。

然而人工智能的出現，改變了這種情況。當然，早期的人工智能就是根據專家規則制定的，基本就是if else if 之類的規則，只是由於這是專家根據經驗制定的，所以也能使得機器具有一定的「知識」，這時候，是 人給機器賦能

然而這種知識，無法自動化，為了讓機器具有最新的「智能」，專家需要一直工作，一直更新規則。那麽有沒有辦法，可以讓機器根據看到的或者聽到的內容，自動學習知識？

於是，「統計派」開始上場。統計派主張用統計模型，神經網絡等方法，自動從數據中學習。這時候，機器能自動從數據裏面，得到能力，換句話說， 數據就能給機器賦能 。

然而，在數據進入統計模型前，人需要對數據預處理，還是需要人的參與，那麽，有沒有更好的方法，真正讓 數據自動賦能機器 ？深度模型就能上場。尤其大型模型，其魅力在於突現(Emergence)和均質(Homogenization)。所謂「突現」，就是當數據規模和參數規模大到一定程度時，量變最終能產生質變，完成更高難度的任務；而「均質」指的是，AI有了小樣本和零樣本學習的能力，可以直接用，或者稍微用一點點樣本訓練，就能完成之前沒見過的新任務，讓語言AI具備舉一反三的通識能力。例如GPT-3，作為巨量模型，產生了令人震驚的智能水平， 並給其他套用賦能 。例如另一個人工智能編寫程式碼的套用——Github Copilot，背後就是GPT-3模型。感興趣的可以看看關於這個寫程式碼AI的介紹。

2. 給社會賦能

事實上 ，人工智能給社會賦能 的地方太多了，大大影響了我們社會的發展。這裏舉兩個我自己比較熟悉的例子。

給治安水平賦能

我們都說張學友是「逃犯克星」，每次開演唱會都能讓罪犯落網。當然，張學友的魅力是無人能擋的，但使得罪犯落網的功臣，是人臉辨識技術。

當人進入到某一監控範圍內，智能攝影機可以有效辨識人臉資訊，並進一步辨識出人的性別、大致的年齡區間、衣服特征等資訊；這些資訊會被第一時間監測到並即時回傳至系統大數據平台進行數據的對比、驗證與分析，來判斷是否滿足對應的布控條件從而觸發報警。平台透過對大量影片數據的智能分析，還能進一步得到犯罪嫌疑人的行為軌跡、接觸的社交圈等輔助判案的重要資訊。

例如北大弒母案嫌疑人吳謝宇在重慶江北機場被警察抓獲，離不開AI監控器材。器材4次抓拍到吳謝宇的臉，每次相似度比對都大於或等於98%。

給反洗錢賦能

首先講講什麽是洗錢。簡單來說，就是把非法所得合法化。例如金三角的某個犯罪團伙得到了一筆非法收入，想存到戶頭裏，但銀行肯定會審查資金來源。那他會想，透過一些步驟，讓錢出去「溜」一圈，最後透過各種節點回來，黑錢就「洗」幹凈了。

反洗錢有什麽意義？你應該會說，反洗錢可以抓到犯罪分子，打擊他們的非法行為。對的，沒錯，不過還可以更具體。

黑錢來源，主要是犯罪，例如人口販賣，販毒等。你猜猜每年有多少人口販賣案件發生？根據聯合國的一份報道 ^[1] ，2016年人口販賣案件達25000起。涉毒就更多了。根據聯合國毒品和犯罪問題辦公室的一份報道 ^[2] ，2017 年，上一年使用過毒品的估計有 2.71 億人（占全球 15-64 歲人口的 5.5%）。雖然這一數碼與 2016 年的估計數相似，但長期來看，吸毒人數現在比 2009 年高出 30%，2009 年在上一年使用過毒品的有 2.1 億人。

而洗錢行為，是犯罪的潤滑劑。設想一下，在極端理想的情況下，反洗錢做得100%完美，黑錢永遠無法使用出去，那這是不是對犯罪行為的致命打擊。犯罪分子無非都是為巨額利益而鋌而走險。所以反洗錢，不僅僅是經濟層面問題，也是個社會層面問題。反洗錢做得好，可以大大降低人口販賣，毒品交易發生的頻率。

而 AI技術可以給反洗錢賦能 。AI可以提高可疑案件監測能力，具體來說，AI能從這些方面助力反洗錢：

在客戶盡職調查階段，透過大數據，我們可以掌握一個客戶更全面的資訊。套用聚類演算法，我們可以更精確的分析客戶風險，而不是單個使用者的行為。

在調查可疑活動報告階段（SAR，Suspicious Activity Report），套用聚類演算法，以及圖神經網絡（GNN），我們能夠在犯罪團伙中是辨識出更多的參與方。

在監管部門調查SAR階段，目前，在多數銀行，SAR的誤報率是非常高的，透過AI演算法，我們可以辨識出明顯的誤報，使得監管者能把更多的精力放在調查真正的可疑報告上。