心灵之镜评析第二部分：基础篇

在《心灵的镜像》第二部分中，作者回顾了为所有这些新型AI应用奠定基础的基本原理。

鲁斯从区分人工智能和机器学习开始，指出人工智能过程旨在模仿人类的认知行为，而机器学习则更多是一种基于算法和概率的程序性目标。

她还将“弱”或“强”，或者“窄”或“通用”的人工智能进行比较：

“虽然人工智能具有广泛的范围，涵盖了任何能够使技术模仿人类智能的系统，但机器学习则专注于开发可以从数据中学习并基于数据进行预测的算法。”

然后就是这些技术形成预测的能力的解释。

她说，这些预测从一个无偏见的数据集和一个架构设计开始，然后是一个第二测试数据集。

工程师在这些系统中提到的“参数”是指与大脑的100万亿突触相对应的权重和偏置，尽管Rus指出数字神经元与其生物等效物之间存在功能差异。她还谈论了反向传播、生成式AI的本质以及作为“自注意机制”的变压器。

注意到生成式和判别式人工智能的结合使用，Rus还将生成过程——写一本书——与传统的人类做法进行了比较。

“一个模型可能能够生成看起来像，甚至有时读起来也像一本书的内容，因为它已经吸收并研究了网上许多类似或松散相关段落中的词语、句子和段落之间的模式——然而这并不代表我对这项技术和其未来发展的想法或观点。”

本书这一部分的另一个亮点是解释了生成式AI背后的稳定扩散模型，该模型颠覆了传统系统中使用的监督学习方法。

基本上，她写道，稳定扩散通过对图像添加噪声，然后仔细去除噪声，从而收敛到一个新的图像。这个新图像会与其它图像有相似之处，但本身是新颖和原创的。

进入决策部分时，Rus又一次区分了人工智能和机器学习，同时承认两者之间有一些交集。

强调AI代理作为决策者的性质，她阐述了人工智能在许多方面超越了传统机器学习系统的简单范式。

提到使用传统的AI（简称GOFAI），她涵盖了诸如强化学习等许多新兴的分类工具和方法，这些工具和方法驱动了越来越优雅的机器——如随机森林算法、决策树或贝叶斯网络。

最终，她坚持认为，人工智能产品更有可能作为建议发挥作用，而不是作为其自身实际决策的仲裁者。在企业界，通常将这些解决方案称为“决策支持”软件。

“最终判决应当由人来做出，而不是算法。”她写道。

本书这一部分的最后是一本商务指南，旨在引导高管或企业领导者正确完成转型过程——确定哪些工作负载和流程将受到AI的最大影响，并决定在何处以及何时应用不同类型的AI解决方案。

首先，AI使用的三个层级之间存在区别——辅助、增强和自动化过程。

在“辅助”一栏中，人工智能程序主要是帮助人类更快地收集更多信息。

在增强的情境下，AI和人类可能会一起合作。

在自动化系统中，人工智能已经接管了大部分流程。

下一节将讨论由麻省理工学院和其他利益相关者汇编的“行动蓝图”，以展示企业如何规划未来。

企业将希望定义目标和目标，确定是构建还是购买AI模型以进行部署。他们需要确定投资回报率，并弄清楚利益相关者是谁。他们还需要定义价值主张并找出如何衡量AI解决方案的成功。然后还有确定支持度、定义项目风险的工作，以组建好团队、规划部署以及了解该项目本身所需的内容。

此外，Rus 还谈到了流程的步骤：收集数据、选择 AI 模型、评估该模型以及部署它，并且还要记得后期监控和维护系统。更多的步骤则涉及流程后的护理工作，包括提高意识，以及防范偏见和其他问题。

最后，Rus通过一个在医疗行业中实现价值的案例结束。

“这不仅将展示人工智能的有效实际应用，也会对所有参与其中的人产生积极影响，”她写道，“从批准该项目的经理或高管领导到使用该工具来改善患者护理的医疗专业人员。”

这是一本关于人工智能的非常有用的卷册的第二部分。我们将在下一帖子中介绍第三部分。

一个模型可能能够生成看起来像书的内容，因为它已经消化并研究了网上许多相似或松散相关段落中的单词、句子和段落之间的模式——但它并不代表我对这项技术当前和未来状态的想法或观点。我使用文字作为与读者之间知识和意见交流的工具。我需要谨慎选择这些词语使它有效。但我对写作有一定的了解。写作是一项在学术界必不可少的技能。

从理论上的好处过渡到实际实施，需要系统性的规划、适当调配资源以及对人工智能的目标和限制有清晰的理解。