你有多少次觉得机器比任何人都更了解你？那么，这样的时刻是让你为我们在人工智能领域所取得的成就感到高兴，还是让你不寒而栗，对我来说，这两者兼而有之。我越是好奇，越是惊讶，想到自己身处一个"她"的世界，在那里，我们有一个与人工智能交谈的操作系统，在情感上吸引着人类，就在那一刻，我觉得自己完全容易受到这种无法控制的未知超人力量的伤害。

举个例子，你有没有注意到谷歌搜索提供个性化的结果或自动完成的建议，并让你想，搜索引擎是如何比你自己更清楚地了解你的需求的。虽然研究结果更具相关性和个性化，但个人隐私的权衡是一个被忽视的问题。

2014年，英国科学家史蒂芬·霍金（Stephen Hawking）对BBC说，"人工智能的真正风险不是恶意而是能力。一个超级智能的人工智能将非常善于实现其目标，如果这些目标与我们的目标不一致，我们就有麻烦了"。最近，物联网模块，一家社交网络服务公司关闭了人工智能引擎，聊天机器人偏离了人类提供的脚本，云服务器怎么用，店铺淘客怎么做，发明了人类无法理解的自己的语言，这进一步印证了这一说法，一家美国跨国科技公司的本地聊天机器人（chatbot）和另一家中国公司开发的聊天机器人（chatbot）在发布不爱国言论后，被中国一款短信应用程序离线。2016年，一个使用人工智能在Twitter上进行交流的聊天机器人在一天之内被打倒，因为它开始发出奇怪和种族主义的回应。

这让我回到了"我，机器人"的场景，一个人工智能平台"VIKI"在它所吸收的三条定律的基础上进化出了一条"零"定律。这项新的法律是为了确保人类的生存，但是通过机器人剥夺个人的自由意志。尽管我们在过去几年里看到了人工智能领域的重大变革，但这个概念、它的好处和影响已经被电影业无休止地展示出来。这些幻想不仅正在变成现实，而且已经在扰乱我们的日常生活。人工智能几乎影响着我们生活的方方面面，从产品到合作伙伴的推荐，我们在由机器而不是我们自己做出决定。

人工智能概念的一个闪光点，用它的创始人约翰·麦卡锡的话来说，就是制造智能机器的科学和工程。机器学习是人工智能的一个子集，在线建站平台，即计算机。机器从经验中学习并改进其性能，无需人工干预。这里的经验指的是提供给机器的现有数据或巨大的信息存储库，根据这些信息机器可以做出类似人类的决策。三大类机器学习算法是：

监督学习-给机器输入带有输出标签的数据。e、 教授机器新语言及其意义无监督学习-给机器输入没有任何输出标记的数据，例如教机器一门没有意义的新语言，机器开始自己识别模式并建立理解强化学习——机器与环境相互作用，观察结果并根据最佳奖励结果行动执行未来行动，例如，一个机器人在用所有可能的动作玩完中国跳棋游戏并根据观察结果行动后赢得了比赛

大多数ML实例都基于使用神经网络的深度学习方法。神经网络的工作原理类似于人脑，由多个相互连接的隐藏层神经元组成，用于分析模式和学习数据。美国跨国科技公司，一家专注于搜索引擎，另一家专注于许可和计算机软件，正在将神经网络用于语言翻译应用，人工智能正在蓬勃发展的其他领域，并带来跨行业的有效数字转换，返利机器人，但不限于，包括：

图像识别，例如Facebook和社交网站上的人脸标记功能，智能手机辅助语音识别，宝马和丰田对无人驾驶汽车的投资，通过使用ML算法提供个性化推荐，避免Netflix取消价值10亿美元的订阅，力拓使用自动拖运卡车和钻机，银行业的机器人顾问提供个性化的投资组合管理服务，保险公司的索赔流程自动化以及交易执行和信贷决策，谷歌YouTube使用ML检测和删除恐怖视频，Paypal使用ML抑制洗钱、垃圾邮件控制和Pinterest的内容发现，生成合成人声作为百度"深度语音"开发的一部分，IBM Watson已经证明比人类肿瘤学家更有效地诊断某些类型的癌症，Salesforce的领先预测和有价值的客户服务，谷歌的人工智能在围棋和拼字游戏、奥赛罗等人类智能游戏中以认知能力和高超的问题解决能力击败了顶尖的人类玩家

尽管在人工智能领域取得了巨大的突破，但我们需要警惕其影响，比如：

无法监控人工智能的自我进化人类无法理解机器所做决定的基线的情况人工智能用人类未知的语言交流无法理解机器做什么和如何做人工智能使用有害方法实现其目标的概率人工智能可能导致的不确定灾难，例如在战争中使用机器人、无人驾驶汽车造成的致命事故或人工智能驱动的医疗系统的错误医疗诊断由于公共数据以及令人不快的人类特征，人工智能存在偏见