一、人工智能技術的定義
人工智能技術是讓機器取代人從事複雜生産勞動的一類資訊技術。
如果一項技術不是資訊技術，那麼它并不屬于人工智能技術的類别。大工業時代的紡織機、織布機等許多機器同樣可以取代人從事複雜生産勞動，但它們與資訊技術無關，是以不屬于人工智能技術。豐富的資料材料，讓資訊技術在當今的時代扮演着舉足輕重的角色，而其中讓機器可以從海量資料中自學習的技術便屬于人工智能技術。
如果一項資訊技術不能讓機器徹底取代人，依靠機器獨立地創造價值，那麼無論這項技術能帶給我們多麼有效的資訊，它還不能算作人工智能技術。對資料進行加工、處理和分析的資料分析或資料挖掘技術的确可以讓我們有效地掌握資料背後的資訊，但是如果這類技術不能讓機器獨立創造價值，那麼它們還不具備人工智能技術的基礎特質。事實上，資料分析或資料挖掘技術固然重要，但它們往往無法作為獨立的産品形态而存在，并且它們創造價值的範圍往往是受技術使用者的主觀能力局限的。
如果一項資訊技術不能創造社會價值(即對他人創造價值)，那麼無論它表面上如何重要，它都不屬于真正意義上的人工智能技術。人工智能技術是那些可以創造社會價值的資訊技術，至于它們以何種方式創造社會價值，将在以下部分逐一介紹。不僅如此，擁有人工智能技術的機器所取代的往往不是人的簡單生産勞動，而是人的複雜生産勞動。如果說工業革命中的機器取代了人在一定範圍内的體力勞動，那麼人工智能技術讓機器取代了人在一定範圍内的腦力勞動。對人的腦力勞動的模仿、補充和部分取代，正是人工智能技術有别于曆史上其他重要技術的關鍵之處。
二、作為起點的經驗
人工智能技術發展的起點，是人在生産勞動過程中經驗的積累。
在人工智能技術體系中，專家系統和機器學習技術扮演着最重要的角色，是以我們将着重分析人工智能技術的這兩個分支。無論是專家系統還是機器學習，它們的本質都是将人的經驗以不同的形式轉化為讓機器可以獨立決策的計算機算法。
在專家系統中，針對待解決的問題，人将與問題相關的經驗轉化為一系列邏輯規則，由計算機依據這些邏輯規則進行決策。是以，專家系統也叫做規則引擎。專家系統所使用的邏輯規則不僅包括與問題相關的“自變量”，還包括與自變量有關的參數的設定。例如，假設待解決的問題是對變量y進行分類(變量y一般被稱作“目标變量”)，x1和x2為與問題相關的自變量，專家系統的邏輯規則具有如下形式：當x1 > Θ且x1 + x2 < Δ的時候，y ϵ C1。其中，Θ和Δ為與自變量相關的參數。不難看出，專家系統需要人的經驗覆寫解決問題的所有細節，不僅包括選擇合适的自變量(x1和x2的選擇)，還包括與自變量相關的參數的設定(Θ和Δ的設定)。前者屬于定性分析，後者屬于定量分析。
作為人工智能技術的另一個分支，機器學習技術是從曆史資料中建立模型，通過模型讓機器可以自行決策的一項技術。機器學習技術的基礎是統計學，而機器學習技術的核心便是從資料樣本中尋找自變量和目标變量之間的量化關系。和專家系統一樣，機器學習技術也需要由人來設定自變量，但機器學習技術是基于模型來計算與自變量有關的參數。在以上的例子中，機器學習技術可以同樣使用x1和x2對y進行分類決策。但是，機器學習技術并不需要對參數Θ和Δ進行預先設定，而是将參數設定的任務交給模型去完成。同時，這個模型的建立需要一定量的曆史樣本，每一條曆史樣本不僅包括x1和x2的所有數值，還包括目标變量y的曆史結果。
顯而易見，專家系統和機器學習技術的目标是一緻的，都是讓機器可以自行決策。并且，無論是專家系統還是機器學習技術，二者都需要人的經驗作為機器可以自行決策的輸入材料。不同的是，專家系統所需要的經驗材料更加具體，機器學習所需要的經驗材料更加抽象。表面上看，專家系統僅需要少量經驗材料，而機器學習需要大量資料材料。事實上，我們需要提供給專家系統的經驗材料是濃縮了的資料，而我們需要提供給機器學習的資料材料是尚未濃縮的經驗。二者都是經驗材料，二者也都是資料材料。前者側重經驗材料質的部分，後者側重經驗材料量的部分。順便提一下，人們常常有一種錯覺，認為機器學習技術應用效果的好壞程度主要依賴于輸入給它的資料的大小——資料越大，機器學習技術的效果越好。實際上，輸入給機器學習技術的資料如果不能有效地捕捉經驗，這些資料不僅沒有作用，甚至會産生副作用。專家系統與機器學習兩種不同的技術，均有它們的适用範圍。如果人對需要解決的問題具有詳細的定性和定量的經驗，那麼專家系統往往更容易有效地解決問題。如果人對問題的經驗并不充足，但可以擷取一定量的曆史樣本，那麼機器學習技術往往更有優勢。
人工智能技術發展的起點是人的經驗積累到了一定程度，而人工智能技術發展的終點是機器在逐漸增大的範圍内取代人進行複雜生産勞動。在經驗積累的初期，人的經驗可以被總結為這樣或那樣的邏輯規則的時候，專家系統讓機器在特定範圍内取代人進行複雜生産勞動。随着經驗積累的增加，人的經驗材料的質的不足，便由經驗材料的量的豐富來替代，機器學習技術讓機器在更大的範圍内取代人進行複雜生産勞動。人工智能技術的發展過程，也是機器可以使用的經驗材料範圍的擴大過程，同時也就是機器在更大範圍内取代人進行複雜生産勞動的過程。
三、經驗的演變
經驗是人工智能技術發展的源頭，人工智能技術也反過來讓經驗在更大的範圍内發揮作用。
在絕大多數行業發展的初級階段，人的生産勞動往往是主觀的。隻有當人的生産勞動的實際活動量積累到一定的程度之後，才具備積累行業經驗的先決條件。經驗材料的積累過程，也就是人的理性從實踐中進行抽象的過程。這種從實踐到理性的過度，是人進行生産勞動的一個重要飛躍，并且這種飛躍的客觀結果就是經驗材料的沉澱。
然而，經驗材料的全面應用，仍舊受作為勞動主體的人的生命力的局限。人工智能技術的出現，讓機器可以取代人進行複雜生産勞動。即便在人工智能技術在一個行業應用中尚未完全成熟的階段，在機器還隻是部分地取代人進行生産勞動的時候，人也在一定程度上獲得了額外的時間。機器為人在生産勞動上所節省的時間，讓人可以耗費更少的時間直接面對勞動對象，而擁有更多時間從經驗中提煉專家系統所需要的邏輯規則和機器學習技術所需要的資料。不僅如此，人還可以從人工智能技術在實際應用中的結果來判斷，在人工智能技術應用過程的哪些步驟，機器最需要經驗的指導。以前，是人有什麼經驗材料，機器便使用什麼經驗材料;現在，是機器需要什麼經驗材料，人便可以主動地創造獲得這些經驗材料的條件。是以，人工智能技術在一個行業生産線的應用，讓機器需要的經驗材料的收集與使用不再是割裂的步驟，而形成了一個統一的整體。而且，人越是有的放矢地為機器提供合适的經驗材料，機器為人帶來的時間節省便越是明顯。人越是從日常的繁瑣勞動中被釋放出來，也就越是有條件積累更豐富的經驗材料。可見，人工智能技術的發展，不僅增加了可以被機器使用的經驗材料的範圍，也給經驗材料的源源不斷的供給帶來了額外的刺激。
我們知道，一個完整的行業生産線包括多個局部的生産環節。在人工智能技術發展的初期，機器所吸納的經驗材料往往是從局部生産環節中積累起來的，而這些局部的經驗材料往往都是孤立的，彼此之間的聯系純粹是偶然的。随着人工智能技術的發展，每個局部生産環節的機器勞動的日益完善，機器如何在不同局部生産環節形成一個統一的機器體系的需要便越發強烈了。馬克思說，“需要是同滿足需要的手段一同發展的，并且是依靠這些手段發展的。”(馬克思《資本論》(第一卷)(第十四章))這在人工智能技術的發展過程中，是尤為如此的。當同一個機器體系作用于行業生産線中不同局部生産環節的時候，每一個生産環節完成任務的時間往往是可以預估的，每一個生産環節所起到的作用和它對其他相關生産環節的影響也是可以規劃的。此時，不同局部生産環節的協作經驗，便逐漸積累起來了。随着人工智能技術在一個行業生産線應用的成熟，機器對經驗材料的需要，逐漸地從局部趨向于整體，從微觀趨向于宏觀，從特殊趨向于一般。是以，人工智能技術從不同的局部生産環節延伸至一個完整的行業生産線的過程，也就是經驗材料在更大範圍内轉化為一個整體的生産體系的過程。
由此可見，随着人工智能技術的發展，經驗已經産生了根本的變化。經驗材料的演變，是伴随着人工智能技術的成熟一起發展的，并且是借助人工智能技術的發展而發展的。以前，經驗是如何讓人更有效地進行生産勞動的經驗;現在，經驗是如何讓機器更有效地進行生産勞動的經驗。以前，經驗是對人的勞動行為的理性總結;現在，經驗是對機器局部勞動和整體勞動的動态規劃。
四、作為終點的機器
人工智能技術發展的終點，是讓機器可以獨立于人，自發地、不間斷地為生産勞動創造價值。
人工智能技術，讓機器具備了從經驗材料中自學習的能力，進而大幅度增加了機器進行生産勞動的廣度和深度。正是這種自學習能力，讓機器成為了許多行業中價值創造過程中的主角。人工智能技術有别于其他資訊技術，并不是由于人工智能技術在其内容上的優越性或特殊性，而是人工智能技術所賦予機器在生産勞動或價值創造過程中的獨立性。
傳統的資訊技術是機器為人提供幫助，由人來完成最終的生産勞動;人工智能技術将這個過程颠倒了過來，是人為機器提供幫助，由機器來完成最終的生産勞動。之前，人是價值創造過程的主要角色，機器是人的工具;現在，機器是價值創造的主要角色，人是機器的工具。人工智能技術絕非僅是一種讓人增加技能和可以從事更複雜生産勞動的特殊工具。恰恰相反，在機器逐漸擴大價值創造範圍的過程中，輔助機器進行生産勞動的人所需要的技能要求越來越低了。
一個完整的行業生産線一般是由多個互相關聯的局部生産環節所組成的。再聰明的機器也無法一下子取代一個行業生産線中所包含的全部生産環節。在一個行業被人工智能技術所改造的過程中，機器往往首先從一個局部的生産環節開始發揮作用，讓機器取代人的勞動首先局限于這一個生産環節。起初，機器對人局部勞動的取代所造成的生産效率的提升往往是不起眼的，人們也最容易在這個最初的環節質疑使用機器的實際意義。然而，隻要機器取代人占領了一個局部生産環節，機器對與這個生産環節相關的其他生産環節的占領便成為了一個不可阻擋的趨勢。
在一個完整的行業生産線中，如果機器和人同時在不同的局部生産環節進行生産勞動，機器與人之間的協作便産生了阻礙。相比人與機器之間的協作，機器與機器之間的協作更具有連續性的特點，其過程是完全由科學規律來支配的。在這種擺脫了人的主觀局限的科學生産過程中，每一個局部生産環節所需要的時間及全部生産環節所需要的時間便可以事先估算出來了。在人工智能技術應用于一個行業生産線的過程中，人的生産勞動的主觀性逐漸消逝于機器生産勞動的客觀性中，人的局部的生産勞動逐漸融合于機器的集中的生産勞動體系。由此可見，人工智能技術發展的結果，不僅展現于機器在一個局部生産環節中可以獨立地創造價值。人工智能技術發展的結果，也展現于機器體系在一個行業生産線中的多個局部生産環節中，以科學的方式進行有機地協作。
本文轉自51CTO，本文一切觀點和機器智能技術圈子無關。
原文連結 線上免費體驗百種AI能力：【點此跳轉】