如今，人工智能已經不是一項虛無縹緲的實驗室科技，它已經融入我們生活的方方面面。BBCFuture欄目撰寫了一篇輕松愉快的文章，選出了首字母A到Z的 26個單詞，借助它們介紹機器的思考方式。AI 科技評論編譯如下。

A 人工智能(Artificial Intelligence)

從計算機技術發展的早期開始，科學家們就一直致力于創造在思考、推理和學習能力方面能夠與人類相媲美的機器，即人工智能。

雖然今天的人工智能系統仍未實現這一目標，但他們在某些特定任務中的表現已經做到和人一樣好，甚至比人類更優秀。新技術讓機器能夠運用海量的數據進行學習，使得 AI 已經邁出了長足的一步。

AI 逐漸走出研究實驗室，進入現實世界，對我們的生活產生深遠影響。毫無疑問，我們正在進入人工智能時代。

B 偏見(Bias)

當 AI 在現實中評估貸款申請、宣告法庭判決或醫院初診階段分類患者時，其最根本的缺陷也暴露了出來，那就是偏見。

算法中的代碼寫得是什么水平、用的數據是什么水平，算法給出的結果就是什么水平。每個算法都可能帶著編輯者先入為主的印記：比如說面部識別軟件存在的問題是，它可能會對黑人進行錯誤分類，或是無法識別女性；犯罪特征分析算法則容易將非白人列為高風險人群；而招聘工具對女性的評分普遍會低于男性。

這些技術難點已經給科技巨頭公司們帶來了越來越大的壓力，它們亟需得到解決。

C對話機器人(Chatbots)

這些對話機器人運用人工智能的兩個分支（自然語言處理和自然語言生成）來與人類用戶交流。它們出現在社交媒體信息流、客戶服務頁面和網站上，提供對話、建議和陪伴，它們正在改變我們與社會組織的互動方式，這些組織包括公用事業公司、***、披薩遞送公司、在線商店、銀行甚至政府等。

D 設計(Design)

為汽車或飛機設計新部件是一個緩慢而艱苦的過程，但是人工智能可以在短短幾個小時內設計出數以百萬計的新外形和配件。在上述視頻可以看出，只需一些簡單的指令，算法就可以高效設計出新的無人機模型。像通用汽車（General Motors）和空中客車（Airbus）之類的公司都在使用人工智能（AI）來幫助它們設計新的組件。

E 緊急情況(Emergencies)

如今世界正面臨有史以來最嚴重的人道主義危機：預計有6850萬人因干旱、饑荒或戰爭而流離失所。

但也許人工智能能提供些許幫助。一些正在與聯合國合作的研究人員，正致力于構建一種算法，它能夠利用能源生產、經濟增長、人口規模和糧食生產的數據預測可能發生的移民危機。

其他機構，如英國的艾倫·圖靈研究所（Alan Turing Institute）和美國的政治維穩工作隊（Political instability Task Force），一直致力于研發一款能夠預測沖突發生地的人工智能。它將使用統計數據、軍事報告，并分析新聞報道以尋找緊張局勢上升的跡象，這款機器可以估測出混亂地區暴力升級的可能性。

F 足球(Football)

足球比賽的結果可以取決于一個運動員瞬間的關鍵選擇。例如，如果當思運動員選擇傳球而不是射門，那么會對他們球隊的形勢產生巨大的影響。

研究人員與英超最大的俱樂部之一切爾西足球俱樂部合作，正在使用人工智能來幫助分析這些球員的關鍵決定，以預測如果他們做了不同的事情會發生什么。他們希望這能幫助球隊學習如何在比賽中做出更好的決定，甚至贏得更多的比賽。

G 生成性對抗網絡（Gan）

現實中這樣一些人并不存在。他們可能看起來具有名人的特征，但事實上，這些面孔是被一種叫做「生成式對抗性網絡」的人工智能計算機系統想象出來的。

顧名思義，這個「生成式對抗性網絡」系統是由相互對立的算法組成的。以一個名人照片為例，第一個算法負責訓練數據生成一張自己版本的照片，隨后第二個算法會對第一種算法的成果進行檢測，判斷第一種算法生成的照片與原圖之間的差異；于是，作為回應，第一個算法的網絡就調整了制作照片的方式，試圖騙過第二個算法的網絡——結果是，這次計算生成的圖片比最開始生成的圖片要更加逼真了。

盡管早期它的人臉生成的圖像是低分辨率的混亂圖像，且經常產生一些諸如有多雙眼睛或者具有融化效果的面部圖像，但隨著時間的推移，現在它們終于能生成出高質量的逼真圖像了。

H 幻覺(Hallucinations)

雖然近年來這些 AI 的性能有了質飛躍，但它們仍然會以一些很逗的方式出錯。以 AI 俄羅斯方塊游戲機器人為例，它認為避免輸掉游戲的最佳方法居然是永遠暫停游戲！

有時候這些 AI 的判斷甚至會讓人覺得啼笑皆非又摸不著頭腦。麻省理工學院的科學家最近證明，用于在圖像和照相機鏡頭中識別物體的流行機器視覺算法，可能會將海龜的模型認成步槍；或將棒球認成濃縮咖啡——因為它們是通過微妙地改變物體的紋理來達到識別目的的，因此我們眼中的某樣物品在機器眼中，很有可能就像另外一些風馬牛不相及的物品。

主導這項研究的研究員阿尼什·阿塔利警告說：「人們擔心，如果現實世界的系統——例如自動駕駛汽車的機器視覺——遭到這種'幻覺式'系統攻擊，那還真的是會威脅到人們的生命安全。」

I 想象（Imagination）

隨著機器學習的使用越來越頻繁，有一點可以肯定的是，機器看待世界的方式與我們截然不同。雖然人類從出生起就帶有強大的學習能力，對自然界的運轉規律了然于心，但機器可做不到自學成才，它們需要經過特別的訓練才能掌握這些知識。但除開這些條條框框，它們也產生了一些野性的景象，這些景象有助于激發藝術家、音樂家和電影制作人的靈感。

機器視覺研究員和藝術家海倫娜·薩林把自己的畫導入到一個生成性對抗網絡中（參見G部分），結果生成了如上圖所示的這些奇妙美麗的圖像。

J 擁堵(Jams)

在擁堵的道路和繁忙的城市里，交通流量的起伏總是很難預知的。因為它會隨著各種復雜的因素而產生變化，比如：人為因素、道路狀況、時間流逝、天氣狀況和突發事故等。

但是，通過運用AI快速分析大量的信息，將有望通過控制交通信號、預測事故和潛在擁堵，來促進交通變得更加順暢。

K 編織(Knitting)

通過運用現有模式進行進一步訓練，人工智能可以進一步用于創造新的時裝和紡織品設計。SkyKnit，這個充滿想象力的名字，是人工智能在時裝設計領域中的一個實驗的名稱。該實驗創造了一種奇特的散布著觸角的針織圖案，這種編制針法所具有的獨特魅力在一些愛好者的小圈子中非常受歡迎。

L 語言(Language)

我們作為人類所擁有的最引以為豪的能力，是能用口頭或者書面語言來進行交流。而現在的算法正在以自己理解和再現語言的機器學習能力，威脅著我們交流能力所處的獨一無二的地位。

自然語言生成算法現在可以將大量的體育統計或金融數據轉換成簡潔的新聞故事。它們正在被用來制作營銷拷貝。有些受過訓練的算法甚至可以自己編寫童話故事，還能模仿莎士比亞，甚至作詩。不過在大多數情況下，它們創作出來的文本都是胡說八道，但在其他情況下，這本身已經成為了一種奇怪的藝術形式。

更逗的是，當這種語言生成系統互相對話時的場景——比如，在Facebook上，有兩個協商機器人在聊天，它們居然能用自己自創的奇怪語言聊下去！

M 機器學習(Machine Learning)

雖然存在開發人工智能的其他方法，但機器學習在很大程度上推動了該領域最近的飛躍和跨越。設計者讓它能粗略地模仿人類通過學習收集知識的方式。不過，雖然人類只需要很少的范例就能獲取模式或技能，但機器想要達到同樣的成果卻需要大量的數據。

代碼網絡接收到大量的信息反饋后，這些代碼在網絡的不同部分之間形成連接，從而實現了某種識別模式，并由此獲得了詮釋未來數據的能力。

N 神經網絡(Neural Networks)

為了創造能像人一樣思考的機器，計算機科學家們轉向自然界來解決這個問題，創造了模仿大腦結構的算法，這是可以理解的。為了做到這一點，他們正在創建算法網絡，這些算法被設計為像大腦中的神經元一樣工作。當機器學習時，這些數學神經元之間的連接變形成集群。

O 準則(Oracle)

雖然發現人類眼睛可能無法看到的模式是機器擅長的領域，但人工智能中一些最令人興奮的領域也在于它們預測未來的能力。

全世界的醫生都在越來越多的使用AI軟件來檢測癌癥或眼部疾病的早期癥狀，但是最新研究成果表明，人工智能還能在一個人出現任何病兆之前的好幾年，就預測到他是否會患上像阿爾茨海默病這樣的疾病。

P 警力(Policing)

世界各地的警察正在測試人工智能系統，以幫助他們更快地抓獲更多的罪犯。例如，在英國，一支部隊正在試驗一種面部識別系統，該系統僅需要嫌疑人面部的一部分（如耳朵），就能識別出嫌疑人。另一個在西班牙開發的系統，則是通過搜索犯罪現場的照片，尋找可以鏈接犯罪的證據。

人工智能系統還被用于幫助警察和法院作出決定，通過預測犯罪嫌疑人犯其他罪行的風險，決定是否應將嫌疑人拘留或保釋。

Q 地震(Quakes)

像其他自然災害一樣，地震是很難預測的。但是，使用深度學習（一種機器學習的形式）的計算機可以預測經常導致死亡和破壞的災難性余震的位置。

R 說唱(Rap)

Deep-flow居住在硅谷，它是一個滿嘴臟話、滿口俚語的人工智能歌詞作者。它創作的歌詞如此流利順暢，以至于人們會很難相信作者的真實身份。

S 智能家居(Smarter Homes)

人工智能已經以語音助手和手機的形式悄悄地進入我們的家庭，但它的潛力遠遠超出了回答一些簡單的問題。隨著越來越多的電器和設備連接到家庭網絡，人們可以使用人工智能來管理它們。有了人工智能技術加持的智能恒溫器，將會徹底改變你的生活方式。它通過傳感器分析家庭電表中的數據，為每一個用電設備建立一個獨特的“指紋”，從而智能識別設備的使用狀態，在設備空閑時自動將其關閉以節電。

T 圖靈測試(Turing Test)

圖靈測試被認為是人工智能的關鍵測量方法之一，它由計算先驅艾倫·圖靈開發。圖靈提出，測試機器的「智能」的一種方法是，它是否能蒙混過關的讓人誤以為它也是一個真「人」。在某些領域的聊天機器人就已經能做到這一點了，它不僅能毫無違和的與真人聊天對話，還能寫出看起來逼真的在線評論。但一些批評者指出，圖靈測試并不代表被測試的機器有了真正的智力，它只是在模仿這種能力。

U 無監督學習(Unsupervised Learning)

早期的機器學習會使用數據來幫助算法，識別它們包含的對象——例如經過精心標記的圖像。但如今的研究人員已然在使用另一種方法：無監督學習允許算法得出自己的推斷，通過查找數據中的模式。

V 葡萄園(Vineyards)

機器視覺算法允許計算機在圖像或視頻片段中識別從臉到貓和星系的一切。但是在美國和歐洲，研究人員正在把機器視覺和其他人工智能系統結合起來，幫助農民更好地管理他們的作物。

這些項目正在使用機器人在葡萄園中穿梭，以監測葡萄，并識別需要修剪或摘除果實的植物，以確保生產葡萄酒的最佳質量葡萄。

W 野生動物(Wildlife)

由于東非覆蓋著大片的茂密植被作為掩護，偷獵者常常能在殺死獵物后全身而退。然而，使用無人機在空中巡邏的環保人士，則可以利用機器視覺系統在紅外線鏡頭中發現偷獵者。其他系統利用人工智能在蚊子的幫助下監控瀕危物種，或在社交媒體上追蹤象牙和犀牛角等非法野生動物產品。

X X級(X-rated)

忘掉那些長相奇怪的性愛機器人、智能情趣玩具以及誘人上當的聊天機器人吧，人工智能已經被用來對付情趣市場中的那些非法行為。調查者們通過使用人工智能尋找非法的網絡性交易，并追蹤那些落入人口販子手中并最終淪為性奴隸的受害者。

Y 嘔吐(Yum)

從創造不同尋常（有時令人作嘔）的新食譜，到在爐子前進行實操，電子廚師已經在悄然改變著廚事了。

Z 動物園(Zoo)

Nyala antelope原產于非洲南部炎熱干燥的熱帶稀樹草原。所以當冬天來到英格蘭溫徹斯特附近的馬韋爾動物園時，它們會感覺寒冷。因而作為彌補，動物園安裝了一個實驗加熱系統，該系統使用紅外線傳感器和機器學習來保持動物在室內的舒適度。