为什么有很多名人让人们警惕人工智能？
2017.08.30 更新：偶然看到一個評論，想到這個問題，就來更新。其實 18 年前我已經在用 IBM ViaVoice 語音輸入中文寫文章。那時 IBM 的語音識別準確率、速度比現在科大訊飛差不了太多。很多技術應用都是一陣熱潮。潮漲潮跌，花開花落，而技術本身並沒有新的大的突破。人工智能誕生第一階段差不多是 1943 年到 1956 年這段時間。那時開始是 Grey Walter Turtles 和 Johns Hopkins Beast，控制它們的模擬電路。隨後，閔斯基與 Dean Edmonds 建造了第一臺神經網絡機 SNARC。之後，Newell 和 Simon 開發的 Logic Theorist 證明了《數學原理》中前 52 個定理中的 38 個。而這些已經是上個世紀中葉的事情。
經驗有限，不保證所寫正確，僅供參考，轉載請事先征得同意。謝熊貓君的長文翻譯自人工智能愛好者 Tim Urban 的《人工智能革命》，這篇文章有有趣，也有啟發性，遺憾的是有過多事實性錯誤，當然這不是譯者謝熊貓君的問題。文章內容大致可以分成三部分：接近真實的事實、虛構的事實、基於接近真實的事實和虛構的事實進行的推論。特別是一些事實性錯誤，誤導性太強。
一、《人工智能革命》一文的事實性錯誤
先不評價博文的觀點是否合乎邏輯，先簡單說幾個事實性錯誤：
1. 金融市場對於電腦來說太簡單了——錯誤
就我之前在投行對沖做量化交易了解的情況，還沒有哪家機構開發出長期、穩定、可自我調節的賺錢算法或策略。目前所有的算法或策略都要靠人監測和調整。背景知識可參考 在量化交易方面，美国究竟比中国领先多久？ - Leon 的回答
2. 翻譯對於電腦來說太簡單了——錯誤
可以參考 Google Translate 和其它幾家專門做機器翻譯的效果，離信達雅還有很遠距離。
3. 人工智能已經在幾乎所有需要思考的領域超過了人類——錯誤
大部分需要復雜思考的領域，人工智能都遠遠趕不上人類，有的甚至都還沒有入門。
4. 視覺、動態、移動對電腦來說太TM難了——錯誤
電腦這些「部分領域」相對已經做的非常好，超過了人。 關鍵詞是「部分領域」和「相對。在不少方面 computer vision 要達到人的水平還比較難，或者從本質來說還沒有做到。但若只看解決實際問題的效果，在部分應用領域確實強過人類。我參與過一些安保項目，有些是實在能用的技術，而不是刷爆朋友圈的公關宣傳稿或學術造星活動。相對人工智能其它領域，computer vision 是目前發展路徑比較成熟，前景比較明朗的領域。
二、為什麽很多名人讓人們警惕人工智能
1. 人工智能的風險
人工智能使用越來越廣泛，即使沒達到強人工智能程度，也已帶來潛在問題和風險。畢竟工業機器人出現事故造成傷亡也算不上稀奇的新聞了。
2. 影響力
為推動他們期望的立法和或行業規則鋪墊，也是為了獲得這個領域更廣泛的影響力。
三、題外話
作者 Tim 花了三個星期研究人工智能，主要信息來源是非技術類的文章和書籍。在現在大部分學術論文都沒法看的情況下，用非技術類文作為支撐寫科普類文，不太可取。富有情緒張力、腦洞大開的文字很有感染力也極易流傳，這篇是很好的例子。想要獲得更接真相的知識，我的體會是少看觀點結論，主要看事實，根據事實自己思考形成觀點。