你如何教导机器？　　Facebook的人工智能研究总监Yann LeCun：如何为机器制订教学计划。　　人工智能的传统定义是，机器以一般来说我们指出归属于人类的方式，来继续执行任务和解决问题。有一些任务我们实在很非常简单辨识照片中的物体、驾驶员汽车可是这些任务对于AI来说尤其艰难。

机器可以在棋盘上打破人类，可是那些机器的程序从本质上来说是体力活，机器受到程序的容许。一个30美元的设备就能在棋类游戏上打破我们，可是它不了做到也不了学会做到其他所有事情。　　这就是为什么我们必须机器学习。

给机器展出几百张猫的照片，机器就不会训练自己的算法，学会更佳地辨识照片中的猫。机器学习是所有大型互联网公司的基础，让公司可以展开搜寻结果名列，为特定用户自由选择最涉及的内容和建议。

　　深度自学是以人类大脑为基础，要简单得多。与机器学习有所不同的是，深度自学可以教会机器忽视声音或图像中所有不最重要的信息呈现出一种需要体现无限多样性的层级性世界观。正是深度自学为我们带给了无人车、语音辨识、以及有时候比放射学专家更加擅长于辨识肿瘤的医疗分析系统。　　虽然有了这些有一点惊叹的变革，我们距离与人类某种程度智能的机器还较远我们的机器甚至与老鼠的智能比起都差得很近，我们约只亲眼了AI实力的5%。

　　是时候新的思维低收入吗？　　百度首席科学家吴恩达：AI将如何转变未来的低收入。　　如今在美国，驾驶员货车是最少见的职业之一。

几百万人在东西海岸之间运输着货物，以此保持生计。然而，迅速所有这些就业机会都将消失。无人车将替代人类司机在路面行经，并且更加慢、更加安全性、更加高效。

有这么好的事，还有哪家公司不会自由选择更加便宜、更容易受罚的人类司机呢？　　类似于的劳动力变革在历史上也有先例。在工业革命前，90%的美国人在农场工作。蒸汽技术和制造业的蓬勃发展让许多人失业了，但是也建构了很多新的工作机会还建构了很多当时人们无法想象获得的新领域。

这个排山倒海般的巨变是在两个世纪的过程中渐渐进行的，当时，美国有充足时间来适应环境变化。农民们直到卸任都在种田，而他们的下一代去上学，沦为了电工、工厂领班、房地产商和食品化学家。　　而卡车司机们就没这么幸运地了。

他们的职业，还有另外几百万人的职业，迅速就不会过时。在智能机器时代，数量众多的人们将没工作的能力，或者有被出局的风险。

我们可能会亲眼20世纪30年代经济危机以来仅次于的失业大潮。　　1933年，富兰克林罗斯福的新政协助了大量失业人口，并且协助重新启动了美国经济。

更加最重要的是，它协助美国从一个农业社会改变为一个工业社会。罗斯福的公共工程署雇用了失业者来修建桥梁和新的高速公路，提高了美国的交通基础建设。这些提高为当时十分先进设备的新技术应用于奠下了基础：汽车。

　　我们必须有一个针对21世纪的新政，针对人工智能不会带给的新就业机会打造出培训项目。我们必须新的训练卡车司机和办公室助理，来打造出未来的数据分析师、旅行规划师等等其他我们现在还不告诉自己有市场需求的职业。美国南北战争前（19世纪60年代前）的农民，意味著无法想象自己的儿子不会当电工，而现在，我们也很难说AI在未来不会建构什么样的工作机会。不过我们确切的是，必需采行革命性的措施，才能已完成从工业社会到智能机器时代的改变。

本文来源：必一运动·(B-Sports)官方网站-www.fjzuanji.com