机器和人类将继续合作的四个理由
ai文化的转变是一个循序渐进的工作，但有四个主要原因，解释了为什么机器和人类将继续合作。
卡内基梅隆大学工程学院材料科学与工程教授，桑迪亚国家实验室计算材料科学家伊丽莎白·霍尔姆说：我们正处于ai（人工智能）文化的转折点。
她还表示，机器并不能取代人类专家。
“尽管机器擅长处理很多事情，比如大量的数据，但机器仍然需要人类专家来分析数据、设置参数并指导它们进行决策。”霍尔姆说。
“工程和科学决策是建立在理解事物如何工作的基础上的。一座桥梁是如何支撑它的负载的？一个发动机是如何将燃料转化为动力的？与人类相比，ai只能将数据转换为决策，而不了解任何基本原则。”霍尔姆说，“想要将ai应用于工程和科学，就需要文化上的转变：我们要么学会信任我们不理解的决定，要么让ai进化得更高级，将它们的决定建立在人类能够解释和控制的原则之上。”
霍尔姆说，目前，人们正在探索如何平衡这些选择。
“驾驶自动驾驶汽车的ai软件是基于数据，而不是预先编程的驾驶原则。”霍尔姆说，“因为我们相信ai能从数据中学习到正确的东西，所以我们同意让自驾车进入我们的道路。不过，当一个行人被自驾车撞死时，我们就不会再允许它们上路，并要求ai解释它自己的行为，我们再根据人类可以控制的规则让ai进行决策。”
霍尔姆说，ai文化的转变是一个循序渐进的工作，但有四个主要原因，解释了为什么机器和人类将继续合作。
壹
智能机器在处理大量数据方面
非常出色
霍尔姆认为，像需要收集大量数据的制造过程，比如3d打印，将受益于计算机视觉这样的ai原理，这些原理可以将所有的数据进行分类。
“ai也是增材制造研究的一个重要领域，”她补充道，“增材制造与大多数生产流程不同，因为它可以实时地收集数据，这为数据科学提供了很大的空间。”
霍尔姆指出，facebook和亚马逊正在使用的ai应用程序，如面部识别和有针对性的广告，已经让我们所有人意识到整合大量社会数据的力量了。
“3d打印在每一步都会生成大量的视频、音频和仪器数据。我们的目标是使用相同的ai概念来优化增材制造工艺中的质量和成本。”霍尔姆说。
贰
机器能够增强人的能力
“当我们使用电脑来寻找缺陷时，就像我们用电脑来读取放射照片、x光和cat扫描一样，”霍尔姆说。“意思是，电脑的确可以首先查找相关的领域，但电脑无法替代那些能看着这个缺陷说：‘不，这没什么可担心的’或者‘是的，机油变黑时就会发生这种情况，这里确实出问题了’的人类专家们。
霍尔姆说，我们已经从所接触到的医学图像中意识到了这一点。
“如今，对于许多像乳房x光检查这样的常规放射检查，第一个检查结果的实体就是计算机。ai软件能够定位出正常和异常的区域，并将结果告诉人体放射科医生来进行进一步检查并提出建议。”霍尔姆说。
叁
机器能以更少的时间完成单调乏味的
任务，从而节省了人们的时间
单调重复的任务可能要成为过去了。
霍尔姆说：“一个研究生最不想做的事大概就是画工程分拆图了，因为画图可能要花费好几个小时，而且这会引起很多的焦虑。他们发誓自己毕业后就再也不会做这样的事了，而这也将接着成为其他研究生的苦恼。但电脑就不会有这种烦恼，因为电脑可能永远不会感到无聊，因为电脑根本不懂什么是无聊。”
“例如，一家公司通过对其产品的每一批样品进行显微扫描来进行质量控制。绝大多数样本都是完全正常和不重要的，只有罕见的异常样本才是重要的，”霍尔姆补充道，“所以这个过程会花费人类专家大量的时间，而且还不会用到他或她的专业知识，但ai系统可以耐心地扫描样本并剔除正常的结果，这样人类专家就可以把更多的时间和注意力集中到相关的和更加具有挑战性的发现上了。”
肆
智能机器都是人类制造的
“卷积神经网络的每一步都是我们本科时在工程学院学过的信号处理过程，”霍尔姆说，“当然，还有一个反馈回路，它是关于如何开发滤波器和信号处理器的结构的学习回路。但它不是魔法，它只是一组所有工程师都已经知道的简单的事情。”
“我认为重要的是不要赋予机器深度学习算法的强大能力，至少不能比人脑更强大。”霍尔姆补充说。
卡内基梅隆大学自20世纪50年代以来一直是人工智能的先驱。赫伯特·西蒙和艾伦·纽威尔在1955年创立了“逻辑理论家”这门课程，这被认为是他们在大学任教期间的第一个人工智能课程。西蒙在1978年获得诺贝尔经济学奖，他还和纽维尔在1975年共同获得了图灵奖。
2018年5月，该大学的计算机科学学院(scs)在2018年秋季增加了人工智能本科学位，这也被看作是全美国所有大学中的第一个这种学位。
卡内基梅隆大学scs机器人学和计算机科学的研究教授里德·西蒙斯说，像这样的课程将对未来科技的发展产生影响。
西蒙斯说：“随着社会中数据的激增，我们越来越有必要寻找方法来分析所有的这些数据，并对其进行解释，这也是ai能够为我们提供帮助的地方。无论是通过更好地了解金融市场，还是通过提高运输的安全性和效率，亦或是通过使我们的生活更有效率和乐趣…”
西蒙斯补充道：“毕业于ai专业的学生不仅会懂得如何使用ai来改善社会，他们还会拥有专业的技能和敏锐的洞察力来帮助开发下一代更强大的ai工具。”
第二十三讲 异步计数器
全新汽车原理动图
美国大幅放缓对半导体公司聘用中国籍员工担任高级工程职位的审批
基于E820-DTU(2I2-433L)和E90-DTU(433C30)的水位监测应用
可穿戴设备如何脱颖而出？
机器和人类将继续合作的四个理由
预测全球电动汽车电池市场年增长率将超19％
Redis的LRU实现和应用
dfrobotVeyron25A直流有刷电机驱动器简介
语言进步推动人工智能发展
英伟达推出针对电影制作人等专业人士的中线芯片
什么是优先数和电阻电容的值
AWG510任意波形发生器参数AWG510
谁是iPhone8的最强对手？小米6：配置残暴+颜值逆天！
数据挖掘的四类方法
树莓派基金会正式发布了一个全新的版本树莓派4
智能电子屏的应用将给智能家居带来全新的体验
工业机器人之码垛机器人的应用优势
CrowdSupply项目：便携式、开源RISC-V SoC开发套件Precursor
国芯思辰｜拍字节新型3D铁电存储器(VFRAM)PB85RS128C用于医用额温枪，写入周期达100万次
卡内基梅隆大学工程学院材料科学与工程教授，桑迪亚国家实验室计算材料科学家伊丽莎白·霍尔姆说：我们正处于ai（人工智能）文化的转折点。
她还表示，机器并不能取代人类专家。
“尽管机器擅长处理很多事情，比如大量的数据，但机器仍然需要人类专家来分析数据、设置参数并指导它们进行决策。”霍尔姆说。
“工程和科学决策是建立在理解事物如何工作的基础上的。一座桥梁是如何支撑它的负载的？一个发动机是如何将燃料转化为动力的？与人类相比，ai只能将数据转换为决策，而不了解任何基本原则。”霍尔姆说，“想要将ai应用于工程和科学，就需要文化上的转变：我们要么学会信任我们不理解的决定，要么让ai进化得更高级，将它们的决定建立在人类能够解释和控制的原则之上。”
霍尔姆说，目前，人们正在探索如何平衡这些选择。
“驾驶自动驾驶汽车的ai软件是基于数据，而不是预先编程的驾驶原则。”霍尔姆说，“因为我们相信ai能从数据中学习到正确的东西，所以我们同意让自驾车进入我们的道路。不过，当一个行人被自驾车撞死时，我们就不会再允许它们上路，并要求ai解释它自己的行为，我们再根据人类可以控制的规则让ai进行决策。”
霍尔姆说，ai文化的转变是一个循序渐进的工作，但有四个主要原因，解释了为什么机器和人类将继续合作。
壹
智能机器在处理大量数据方面
非常出色
霍尔姆认为，像需要收集大量数据的制造过程，比如3d打印，将受益于计算机视觉这样的ai原理，这些原理可以将所有的数据进行分类。
“ai也是增材制造研究的一个重要领域，”她补充道，“增材制造与大多数生产流程不同，因为它可以实时地收集数据，这为数据科学提供了很大的空间。”
霍尔姆指出，facebook和亚马逊正在使用的ai应用程序，如面部识别和有针对性的广告，已经让我们所有人意识到整合大量社会数据的力量了。
“3d打印在每一步都会生成大量的视频、音频和仪器数据。我们的目标是使用相同的ai概念来优化增材制造工艺中的质量和成本。”霍尔姆说。
贰
机器能够增强人的能力
“当我们使用电脑来寻找缺陷时，就像我们用电脑来读取放射照片、x光和cat扫描一样，”霍尔姆说。“意思是，电脑的确可以首先查找相关的领域，但电脑无法替代那些能看着这个缺陷说：‘不，这没什么可担心的’或者‘是的，机油变黑时就会发生这种情况，这里确实出问题了’的人类专家们。
霍尔姆说，我们已经从所接触到的医学图像中意识到了这一点。
“如今，对于许多像乳房x光检查这样的常规放射检查，第一个检查结果的实体就是计算机。ai软件能够定位出正常和异常的区域，并将结果告诉人体放射科医生来进行进一步检查并提出建议。”霍尔姆说。
叁
机器能以更少的时间完成单调乏味的
任务，从而节省了人们的时间
单调重复的任务可能要成为过去了。
霍尔姆说：“一个研究生最不想做的事大概就是画工程分拆图了，因为画图可能要花费好几个小时，而且这会引起很多的焦虑。他们发誓自己毕业后就再也不会做这样的事了，而这也将接着成为其他研究生的苦恼。但电脑就不会有这种烦恼，因为电脑可能永远不会感到无聊，因为电脑根本不懂什么是无聊。”
“例如，一家公司通过对其产品的每一批样品进行显微扫描来进行质量控制。绝大多数样本都是完全正常和不重要的，只有罕见的异常样本才是重要的，”霍尔姆补充道，“所以这个过程会花费人类专家大量的时间，而且还不会用到他或她的专业知识，但ai系统可以耐心地扫描样本并剔除正常的结果，这样人类专家就可以把更多的时间和注意力集中到相关的和更加具有挑战性的发现上了。”
肆
智能机器都是人类制造的
“卷积神经网络的每一步都是我们本科时在工程学院学过的信号处理过程，”霍尔姆说，“当然，还有一个反馈回路，它是关于如何开发滤波器和信号处理器的结构的学习回路。但它不是魔法，它只是一组所有工程师都已经知道的简单的事情。”
“我认为重要的是不要赋予机器深度学习算法的强大能力，至少不能比人脑更强大。”霍尔姆补充说。
卡内基梅隆大学自20世纪50年代以来一直是人工智能的先驱。赫伯特·西蒙和艾伦·纽威尔在1955年创立了“逻辑理论家”这门课程，这被认为是他们在大学任教期间的第一个人工智能课程。西蒙在1978年获得诺贝尔经济学奖，他还和纽维尔在1975年共同获得了图灵奖。
2018年5月，该大学的计算机科学学院(scs)在2018年秋季增加了人工智能本科学位，这也被看作是全美国所有大学中的第一个这种学位。
卡内基梅隆大学scs机器人学和计算机科学的研究教授里德·西蒙斯说，像这样的课程将对未来科技的发展产生影响。
西蒙斯说：“随着社会中数据的激增，我们越来越有必要寻找方法来分析所有的这些数据，并对其进行解释，这也是ai能够为我们提供帮助的地方。无论是通过更好地了解金融市场，还是通过提高运输的安全性和效率，亦或是通过使我们的生活更有效率和乐趣…”
西蒙斯补充道：“毕业于ai专业的学生不仅会懂得如何使用ai来改善社会，他们还会拥有专业的技能和敏锐的洞察力来帮助开发下一代更强大的ai工具。”
第二十三讲 异步计数器
全新汽车原理动图
美国大幅放缓对半导体公司聘用中国籍员工担任高级工程职位的审批
基于E820-DTU(2I2-433L)和E90-DTU(433C30)的水位监测应用
可穿戴设备如何脱颖而出？
机器和人类将继续合作的四个理由
预测全球电动汽车电池市场年增长率将超19％
Redis的LRU实现和应用
dfrobotVeyron25A直流有刷电机驱动器简介
语言进步推动人工智能发展
英伟达推出针对电影制作人等专业人士的中线芯片
什么是优先数和电阻电容的值
AWG510任意波形发生器参数AWG510
谁是iPhone8的最强对手？小米6：配置残暴+颜值逆天！
数据挖掘的四类方法
树莓派基金会正式发布了一个全新的版本树莓派4
智能电子屏的应用将给智能家居带来全新的体验
工业机器人之码垛机器人的应用优势
CrowdSupply项目：便携式、开源RISC-V SoC开发套件Precursor
国芯思辰｜拍字节新型3D铁电存储器(VFRAM)PB85RS128C用于医用额温枪，写入周期达100万次