摘要：你是否曾意识到，人工智能（AI）已经悄然成为我们日常生活中不可或缺的一部分？从帮助我们快速回答问题的虚拟助手 Siri 和 Alexa，到智能推荐系统让生活更便利，人工智能正在以惊人的速度改变我们的世界。然而，随着像 ChatGPT 这样生成式人工智能的出现，
字数统计：7142字 预计阅读时间：约 14 钟
你是否曾意识到，人工智能（AI）已经悄然成为我们日常生活中不可或缺的一部分？从帮助我们快速回答问题的虚拟助手 Siri 和 Alexa，到智能推荐系统让生活更便利，人工智能正在以惊人的速度改变我们的世界。然而，随着像 ChatGPT 这样生成式人工智能的出现，关于机器学习和道德的讨论也迅速升温。它们模仿人类思维的能力令人震惊，同时也引发了对隐私、偏见和伦理的深刻担忧。
在这样的背景下，许多人发现自己被一系列晦涩难懂的术语所包围：深度学习、神经网络、自然语言处理 (NLP)……试图理解人工智能的复杂运作似乎令人不知所措。而更具挑战性的是，如何在推动技术进步的同时，确保人工智能的使用符合道德，且对社会负责？
这正是ISO（国际标准化组织）致力解决的问题。ISO通过制定国际标准，为人工智能的开发和使用提供清晰的规则与指导框架。在这篇文章中，我们将带你深入了解ISO组织关于人工智能的基础概念，并详细介绍ISO在推动人工智能发展中的关键角色，包括风险管理、透明度、隐私保护等方面的最新标准。
无论你是希望了解人工智能技术背后的运作原理，还是关心它如何改变你的行业和生活，这篇文章都将为你揭开人工智能及其国际标准的全貌。
01 One什么是人工智能？
人工智能是“一个技术和科学领域，致力于为给定的一组人类定义的目标生成内容、预测、建议或决策等输出的工程系统” [ISO/IEC 22989:2022 ]。虽然从技术角度来看，人工智能的这一定义是准确的，但对于普通人来说，它又该如何理解呢？
事实上，人工智能只是一种实用工具，而不是万能药。它的性能取决于指导其行动的算法和机器学习技术。人工智能可以非常擅长执行特定任务，但这需要大量数据和重复。它只是学会分析大量数据、识别模式，并根据这些数据做出预测或决策，随着时间的推移不断提高其性能。
如今，人工智能的含义已超越单纯的数据处理，包括开发能够学习、推理和解决问题的机器。机器学习已经变得如此“称职”，以至于可以生成从软件代码到图像、文章、视频和音乐的所有内容。这是人工智能的下一个层次，即所谓的生成式人工智能，其能力和应用与传统人工智能不同。虽然传统人工智能系统主要用于分析数据和进行预测，但生成式人工智能更进一步，可以创建与其训练数据类似的新数据。
02Two人工智能如何运作？
本质上，人工智能通过分析数据来提取模式并做出预测。它通过将大型数据集与智能人工智能算法（或规则集）相结合来实现这一点，这些算法或规则允许软件从数据中的模式中学习。系统实现这一点的方式是通过神经网络 ——一组相互连接的节点，它们在各个层之间传递信息，以找到连接并从数据中获取含义。
为了理解其工作原理，我们必须阐明以下概念：
学习：
人工智能的机器学习功能使机器能够从数据中学习，识别模式并做出决策，而无需明确编程。更进一步，深度学习的进步使人工智能软件能够使用数百万个数据点来理解更复杂的模式。
推理：推理能力对人工智能至关重要，因为它使计算机能够模仿人类大脑。人工智能可以根据给出的命令或其他可用信息进行推理，以形成假设或制定解决问题的策略。
解决问题：人工智能的解决问题能力基于通过反复试验技术处理数据。它涉及使用算法探索各种可能的路径，以找到复杂问题的最佳解决方案。
处理语言：人工智能使用自然语言处理（NLP）以对计算机有意义的方式分析人类语言数据。什么是 NLP？它指的是计算机使用文本分析、情感分析和机器翻译来理解、解释和生成人类语言的能力。
感知：人工智能通过温度传感器和摄像头等感知器扫描环境。这一人工智能领域被称为计算机视觉，它使机器能够解释和理解视觉数据，并用于图像识别、面部识别和物体检测。
03Three弱人工智能
人工智能 (AI) 涵盖了多种能力，大致可分为两类：弱人工智能和强人工智能。弱人工智能通常被称为人工智能 (ANI)或狭义人工智能，是指经过精心设计，能够在明确定义的参数范围内出色完成特定任务的系统。这些系统在有限的专业范围内运作，缺乏通用智能的能力。可以将它们视为经过培训，能够高效执行特定功能的专家。
尽管名字叫弱人工智能，但其实它一点也不弱；它是我们每天接触的许多人工智能应用背后的强大力量。我们身边随处可见弱人工智能的例子。从 Siri 和 Alexa 的闪电般快速响应到 IBM Watson 的数据处理能力和自动驾驶汽车的无缝导航，ANI 推动了塑造我们世界的卓越创新。
以下是其他一些狭义人工智能应用的例子，其特点是针对特定任务设计专门的算法：
智能助手：数字语音助手通常被称为弱人工智能的最佳例子，它使用自然语言处理来执行一系列特定任务，例如设置闹钟、回答问题和控制智能家居设备。
聊天机器人：如果您曾经与您最喜欢的电子商店聊天，那么您很有可能正在与人工智能交流。许多客户服务平台使用 ANI 算法来回答常见问题，让人类可以自由地执行更高级的任务。
推荐引擎：有没有想过 Netflix 似乎总是知道你想看什么电影，或者亚马逊如何预测你的下一次购买？这些平台使用 ANI 分析你的观看或购买习惯以及类似用户的观看或购买习惯，以提供个性化建议。
导航应用：如何从 A 点到达 B 点而不迷路？导航应用（例如 Google 地图）是一种使用 ANI 的软件应用程序，旨在为用户从一个位置导航到另一个位置时提供实时路线。
电子邮件垃圾邮件过滤器：计算机使用人工智能来了解哪些邮件可能是垃圾邮件，然后将其从收件箱重定向到垃圾邮件文件夹。
自动更正功能：当您的 iPhone 在您书写时纠正您的拼写错误时，您就会在日常生活中体验到弱人工智能的强大作用。通过利用算法和用户数据，这些预测文本功能可确保跨设备更顺畅、更高效地编写文本。
这些应用都展示了 ANI 通过分析大型数据集和遵循专门算法执行明确任务的强大能力。因此，下次你惊叹于人工智能的能力时，请记住，正是弱人工智能推动了这些非凡的创新，以我们曾经认为无法想象的方式塑造了我们的世界。
04Four强人工智能
也称为通用人工智能 (AGI)，设计以适应、学习和应用各个领域的知识。相比之下，强人工智能（也称为通用人工智能）的概念旨在开发能够处理各种任务的系统，其熟练程度可达到人类的标准。与狭义人工智能不同，强人工智能系统旨在拥有一种通用智能，使它们能够适应、学习和应用各个领域的知识。本质上，目标是创建具有与人类相似认知能力的人工实体，能够从事跨不同领域的智力活动。
虽然强人工智能目前还处于纯粹的推测阶段，没有实际应用案例，但这并不意味着人工智能研究人员没有忙于探索其潜在发展。值得注意的是，强人工智能正在被应用于通用人工智能 (AGI)研究领域以及智能机器和社交媒体算法的开发。
从理论上讲，AGI 可以执行任何人类工作，从清洁到编码。因此，尽管目前 AGI 还没有实际应用，但这一概念有望在多个领域产生变革性影响。其中包括：
语言：写文章、诗歌和参与对话。
医疗保健：医学成像、药物研究和外科手术。
交通运输：全自动汽车、火车和飞机。
艺术和娱乐：创作音乐、视觉艺术和电影。
家用机器人：烹饪、清洁和照顾孩子。
制造业：供应链管理、盘点和消费者服务。
工程：编程、建筑和建筑。
安全：检测欺诈、防止安全漏洞并提高公共安全。
尽管研究人员和开发人员不断努力突破人工智能通用智能能力的界限，但实现与人类认知相当的真正通用智能仍面临巨大挑战，而且仍然是一个难以实现的目标。话虽如此，随着人工智能技术和机器学习的重大进步，我们似乎应该问的问题不是是否，而是何时。
05Five人工智能有哪四种类型？
人工智能 (AI) 涵盖了广泛的功能，每种功能和用途都各不相同。了解四种类型的人工智能有助于了解机器智能的不断发展：
反应式机器：
这些人工智能系统在预定义的规则内运行，但缺乏从新数据或经验中学习的能力。例如，用于与在线客户互动的聊天机器人通常依靠反应式机器智能根据编程算法生成响应。虽然它们在指定功能内表现良好，但它们无法适应或超越其初始编程。
内存有限：
与反应式机器不同，内存有限的人工智能系统能够从历史数据和过去的经验中学习。通过处理来自先前交互的信息，这些类型的人工智能系统可以做出明智的决策，并根据训练进行一定程度的调整。例如，配备传感器和机器学习算法的自动驾驶汽车，使它们能够安全地在动态环境中行驶。自然语言处理应用程序还使用历史数据来增强语言理解和解释能力。
心智理论：
这种类型的人工智能仍是一个白日梦，但它描述了一种能够感知和理解人类情感的人工智能系统，然后利用这些信息预测未来的行动并自行做出决策。开发具有心智理论的人工智能可以彻底改变包括人机交互和社交机器人在内的广泛领域，使机器行为更具同理心和直觉性。
自我意识人工智能：
这指的是具有自我意识或自我感觉的人工智能系统的假设场景。自我意识人工智能拥有类似人类的意识，了解自己在世界上的存在，以及他人的情绪状态。到目前为止，这些类型的人工智能只存在于科幻小说的奇幻世界中，由《银翼杀手》等标志性电影普及。
这四种类型的人工智能展示了人工系统中丰富的智能多样性。随着人工智能的不断发展，探索每种类型的能力和局限性将有助于我们理解机器智能及其对社会的影响。
06Six人工智能技术示例
那么人工智能能做什么呢？大多数人通过智能扬声器和智能手机助手（如 Siri 和 Alexa）熟悉人工智能，但新的人工智能技术不断以许多其他方式使我们的生活在变得更轻松、更高效。
以下是一些人工智能技术和应用的例子：
医疗保健人工智能可以处理和分析大量患者数据，以提供准确的预测并推荐个性化治疗以获得更好的结果。
从欺诈检测、风险评估和市场趋势分析到生产线上的人工智能机器人，商业和制造业都受益于各个领域的自动化。人工智能系统还可以在设备故障发生之前进行预测，并检测网络流量模式中的异常，从而识别网络安全威胁。在零售业，人工智能提供库存管理、个性化购物体验、聊天机器人来协助客户和分析客户偏好，通过更有针对性的广告来增加销售额。
教育人工智能包括智能辅导系统，该系统能够适应学生的需求，提供定制的反馈和指导。人工智能还提供自动评分、内容创建和虚拟现实模拟。
交通运输领域的人工智能可以优化交通流量、预测维护需求并改善航运公司的物流，而在农业领域，它可以优化农作物产量并减少资源浪费。无人机技术可以监测土壤状况、识别农作物疾病并评估灌溉需求，而人工智能系统可以推荐有效的农药使用和农作物管理。
娱乐：通过分析用户偏好，AI 可以推荐电影、音乐或书籍。虚拟现实和增强现实创造了身临其境的娱乐环境。逼真的 CGI 和“特效”AI 增强了电影和游戏的视觉体验。
生成式人工智能的发展和影响
这些人工智能的例子，最终以 Chat GPT 等大规模语言模型的兴起而告终，标志着一段非凡旅程的开始。这就是生成式人工智能的出现——人工智能领域一个令人兴奋的新前沿，它专注于创造新内容，而不仅仅是分析现有数据。与主要用于分类或预测任务的传统人工智能系统不同，生成模型旨在开发模仿人类创造力和想象力的新颖输出。这将使机器能够自主制作各种类型的内容，包括图像、文本、音乐甚至整个虚拟世界。
然而，生成式人工智能尚未完全完善。生成式模型虽然功能强大，但也存在一些缺点，包括可能制造令人信服的虚假信息（或深度造假）、延续偏见并引发对版权和失业的担忧。它们还带来安全威胁、质量控制挑战，并需要大量计算资源，从而导致高成本和环境影响。
事实上，生成式人工智能仍处于学习阶段，某些软件的初始挫折不应掩盖人工智能技术的非凡潜力。人们正在努力通过检测技术的进步以及训练数据和算法的改进来应对与生成模型相关的挑战。这些努力还包括加强安全措施、加强教育和意识，以及更有效地利用计算资源。这种多管齐下的方法应能确保在指导方针和法规的支持下更负责任、更有益地使用生成性人工智能。
07Seven人工智能治理与监管
随着各行各业的融合程度不断提高，确保人工智能软件的质量和可靠性的重要性再怎么强调也不为过。尽管存在风险，但人工智能仍然缺乏监管。国际标准可以在这方面提供帮助。
ISO/IEC JTC 1/SC 42 制定的人工智能标准等标准在解决负责任地开发和使用人工智能技术方面发挥着关键作用。它们有助于弥补监管方面的空白，为决策者和政策制定者提供工具来建立一致且可审计的数据和流程。
这些标准可以为企业带来长期价值，特别是在环境报告等领域。标准通过与现有法规和治理工具保持一致，为利益相关者树立信誉，确保人工智能带来的好处大于相关风险。
人工智能的历史：谁发明了人工智能？
人工智能突飞猛进，改变了我们世界的方方面面。但要真正了解其当前的能力，了解其起源和发展至关重要。那么，谁创造了人工智能？为了找到答案，让我们一起回顾人工智能的迷人历史。
当今的人工智能大致源于 19世纪查尔斯·巴贝奇发明的“差分机”——世界上第一台成功的自动计算器。英国密码破译员艾伦·图灵是二战期间盟军情报部门的关键人物，他功绩卓著，也可视为当今人工智能的鼻祖。1950 年，他提出了图灵测试，旨在评估机器表现出与人类无异的智能行为的能力。
从那时起，人工智能技术的发展开始呈指数级增长，由约翰·麦卡锡、马文·明斯基、赫伯特·西蒙、杰弗里·辛顿、约书亚·本吉奥、扬·勒昆等众多有影响力的人物引领。但一切并非一帆风顺。虽然人工智能在早期蓬勃发展，因为计算机能够存储更多信息，但它很快就遇到了障碍：计算机根本无法存储足够的信息或处理速度不够快。直到 20 世纪 80 年代，人工智能才经历了复兴，这得益于算法工具包的扩展和资金的增加。
长话短说，以下是人工智能历史上的一些关键事件和里程碑：
1950 年：阿兰·图灵发表了论文《计算机器与智能》，并在文中提出了图灵测试作为评估计算机是否具有智能的方法。
1956年：一小群科学家聚集在一起参加达特茅斯人工智能夏季研究项目，这被视为该研究领域的诞生。
1966-1974：这一时期通常被称为“第一个人工智能寒冬”，由于未能达到早期的炒作和预期，人工智能研究的资金和进展减少。
1997 年：IBM 国际象棋计算机“深蓝”在一场备受瞩目的国际象棋比赛中击败了世界冠军加里·卡斯帕罗夫，展示了人工智能系统的巨大潜力。同年，Dragon Systems 开发的语音识别软件在 Windows 上实现。
2011 年：在电视转播的《危险边缘！》（Jeopardy!）竞赛中，IBM 的 Watson Deep QA 计算机击败了两位智力竞赛节目的冠军，展示了人工智能系统理解自然语言的能力。
2012 年：受人类大脑启发的“深度学习”方法彻底改变了许多人工智能应用，引发了当前的人工智能热潮。
2016 年：谷歌子公司开发的计算机程序 AlphaGo 击败传奇围棋选手李世石后引起了全世界的关注。古老的棋盘游戏“围棋”是有史以来最复杂的游戏之一。
2017 年至今：深度学习的进步和计算能力的提升推动了计算机视觉、自然语言处理、机器人和自主系统的快速发展。
2023 年·GPT-3 及其后继者等大型语言模型的兴起，展示了人工智能系统生成类似人类的文本、回答问题和协助完成各种任务的潜力。
2024 年：多模态人工智能的新突破使系统能够处理和集成各种类型的数据（文本、图像、音频和视频），从而提供更全面、更智能的解决方案。人工智能数字助理现在能够进行自然的情境对话，并协助完成各种任务。
计算能力和互联网的迅猛发展带来了机器学习的概念和现实，即通过处理大量数据集，开发无需编程即可学习的人工智能算法。这就是所谓的“深度学习”，它使计算机能够通过经验进行学习。在过去十年中，人工智能已成为日常生活中不可或缺的一部分，影响着我们的工作、交流和与技术互动的方式。
人工智能将如何改变我们的世界？
随着人工智能变得越来越复杂，我们可以期待它改变我们的工作和生活方式。除了上面概述的众多应用之外，人工智能还将在应对全球挑战和加速寻找解决方案方面发挥关键作用。
但人工智能的潜在影响是深远而深远的。随着人工智能变得越来越强大和普及，我们必须确保它得到负责任的开发和使用，解决偏见、隐私和透明度问题。为了实现这一点，我们必须随时了解情况，积极主动地塑造人工智能的发展，为所有人创造一个既有益又赋权的未来。
注：本文TPP整理，内容来源于ISO网站。
来源：TPP管理咨询
