文|贰柒姑娘
对于“出门一定要带手机”的我们来说，Siri和她的朋友们时不时就会被我们调戏到心累，比如“Siri，来段B-Box”之类。
那么，Siri到底是怎么听懂我们说的话的？《人工智能商》这本书会通过7个故事带我们去揭开这类操作的底层逻辑（它们是怎么做到的），以及让我们明白为什么智能机器需要聪明人、聪明人需要智能机器。
这本书的作者是美国的尼克·波尔森（芝加哥大学布斯商学院计量经济学和统计学教授，钻研领域包括人工智能和深度学习）和詹姆斯·斯科特（德州大学奥斯汀分校统计学副教授，后于杜克大学取得统计学博士学位）。
他们告诉我们：工业时代靠IQ、信息时代靠EQ、而人工智能时代则要靠AIQ（人工智能商，AI×IQ）！
“人工智能商”五个字或许会让你望而却步，但是他们告诉你，就算是数学白痴，也能轻松读懂这本书，并且看完之后你会明白，想要做更聪明的人，我们需要怎样的“人工智能商”。
第一个故事：瓦尔德——条件概率与个性化
二战时期，许多战斗机会带着敌方火力造成的损伤返回基地，一些人想到加固战斗机遭受打击最严重的部位，而瓦尔德却指出了这一想法的错误并给出了正确的解决方案：未返回的战斗机是因为发动机被击中了，所以应该加固发动机。
也正是这些“隐藏的信息”，启发了后来一些网站的推荐系统，使他们对用户的潜在特征进行研究，从而给出个性化推荐。
第二个故事：莱维特——机器如何识别模式
莱维特发现了脉动变星（其亮度会随时间规则变化）是具有已知亮度、可以可靠测量距离的物体，也可以说她发现了一个预测规则。而这一规则可以用来拟合数据，使阿里巴巴可以预测到你接下来几天甚至几周想要购买的商品，然后提早将相应商品运送到合适的配送中心。
第三个故事：克雷文——雪、袋鼠、潜水艇对自动驾驶汽车的制造都很重要
1968年，美国“天蝎号”核潜艇在方圆数千公里的开阔水域失踪了。不愿放弃的约翰·克雷文带领他的团队利用“贝叶斯规则”在那片海域找了5个月的时间，终于在距离起初他认为最有可能的水域240米远的地方找到了“天蝎号”。而这一规则也很好地被应用到了自动驾驶汽车的制造上——传感器会测量它与周围物体的距离，从而解决它所在位置的问题。
第四个故事：霍普——机器如何学习我们的语言
聊天机器人、谷歌翻译、机器人说话、倾听和写作的故事都来自于软件女王格蕾丝·霍普。被人们成为“惊人的格蕾丝”的她，在二战期间通过“让计算机为自己编程”开创了人机语言交互模式。直至今天，我们只要向计算机说出请求，别人就能够把世界上的任何商品送到我们家门口。
第五个故事：牛顿——皇家铸币需要怎样的天才
17世纪，解决英国“货币剪裁者”问题的牛顿虽然败给了对他来说小菜一碟的“平方根规则”，但最终仍然通过他掌握的会计系统细节和金属学知识取得了让皇室震惊的成效。
而“平方根规则”也被用在了我们今天的人工智能领域，用来帮助我们生活中各个方面的数据分析，其中就包括了支付宝检测及寻找欺诈异常。
第六个故事：南丁格尔——人工智能对医疗领域的影响
2016年的数据显示：美国医疗保健支出所占GDP的比例是最高的，但美国人并没有因此变得更加健康。2020年开始（或许是2019年）、直到现在还在美国肆虐的新冠疫情可能也说明了这一点，但我们却不能说美国在人工智能领域做得不够好（鉴于人工智能会在医疗保健领域帮助到的人是最多的），只是要想让人工智能技术帮助到真实的病人，我们还需要克服其他方面的问题。
著名的护士南丁格尔，同时也是一位出色的数据科学家，她成功地说服医院通过统计学改进了医疗保健水平。而今天的医疗机构不仅需要像她那样有道德勇气的人，也需要更先进的人工智能技术为医疗保健的各方面提供强大的支持。
第七个故事：棒球——大数据和假设的重要性
最后这个故事很好地解答了我们关于“未来的人工智能/机器人会不会彻底代替人类”这个问题。
首先，人工智能需要依赖我们人类的假设。一个糟糕的假设带来的后果不堪设想，因为一些机器会不断重复错误的决策。
例如，20世纪中叶的美国棒球运动员乔·狄马乔，他在1941年夏天的56场棒球比赛中击出安打——这是历史上最长的安打纪录，其概率“只有”1/250000。
显然，这一不准确数字的得出是因为我们在计算之前预先做了两个并不一定成立的假设：他每场比赛打出安打的概率都恒定；他每场比赛都不会对下一场比赛产生丝毫的影响。
其次，大数据对于某些事件有可能无法作出预测。这就需要人类对人工智能技术进行“防生锈”处理和调整，以使其保持良好的状态来进行假设和大数据预测。
所以，我们完全不用担心人工智能或者机器人会在未来彻底代替我们人类，或者说，根本不用想在未来的某一天，我们只需要躺在床上动动嘴或者手，一天的工作和生活就能被处理的井井有条。
因为，人工智能是为了帮助我们将工作完成得更出色，使我们的生活品质更高，而不是把我们变成废人。
而看完《人工智能商》这本书之后。我们也就能够明白，想要工作更出色、生活品质更高，AIQ=AI×IQ无疑是一个很好的通关方程式。
