自从1955年约翰·麦卡锡首次提出人工智能（AI）这个概念，它便在未来俯视着我们。哪怕今天，AI 依然有望引领社会和经济上的巨大变革，其意义之深远、影响之广泛，足以与第一次工业革命比肩。如今 AI 已经进入我们的生活，也扮演着越来越重要的角色，于是我们渐渐听到越来越多关于 AI 的传闻，其中一些将它过度神化，而另一些却是真实存在的。为此我们请教了 ABBYY 研发部门副总监 Tatiana Danielyan 女士，请她帮我们厘清事实与想象，同时打破那些她在工作中遇到的常见的「AI 神话」。
问：你是否认为AI 是一根无所不能的魔法棒？
答：确实有很多人相信 AI 可以把所有科幻情节都搬进现代生活，事实当然不是这样。AI 是算法、公式和数据的组合，魔术和戏法则是电影里捏造出来的。最初制片方为电影虚构和炮制了 AI「魔法」，是为了强调人类与机器的区别，缩短大众在认知上的差距，结果却南辕北辙。由于 AI 与人类的相似之处——它是一种动态的机器思维——电影制片厂正好借此吸引眼球，激发想象力。
人工智能开发时使用的是非常明确的公式，其中包含可以配置的系数。一切都界限分明，并不存在黑盒元素。你可以定义一个 AI 任务，设置具体的、可实现的目标然后专注于手头的工作。如果你想解决一个 AI 问题，还有多种工具可供选择，比如机器学习。
问：这也引出了第二个问题：用通俗的话来说，AI 跟机器学习有什么区别？
答：机器学习（ML）是另一个时下的流行词，经常有人把它跟 AI 混淆起来，但是它们指的不是同一样东西。直接这么说吧，ML 其实是 AI 的一个应用程序，是驱动 AI 发展的载体之一。下面这个例子应该有助于理解它们的区别：如果你的目标是清理地板，那么你的选择可能包括扫帚、吸尘器，乃至拖把。这些都是可以把地板清理干净的工具。ML 的前提是我们向机器开放数据访问权限，让它们可以自己学习。但最终目的还是实现 AI，意即让机器拥有人类智慧的特征，诸如：学习、规划、识别语言、辨认物体和声音，以及解决问题的能力。
问：这里还有一个鸡生蛋还是蛋生鸡的问题：数据和算法，哪个更重要？
答：现在普遍认为，数据是实现重大 AI 突破的瓶颈所在，由此衍生了另外一个误解：算法比数据更重要。这是错误的，算法只是一个方面。它可以只基于简单的分类器，也可以是复杂的神经网络和深度学习，只要一系列步骤下来能够精准地实现你所预期的结果。不过算法终究需要数据才能工作，虽然它允许你随心所欲地处理数据，但是从某种意义上而言，算法的设计必须依循它将要处理的数据结构。
因此，可以说数据其实比算法更重要，而且这里说的还不是随便哪种数据，或是垃圾数据，这里说的是已经为特定的任务做好标记的结构化数据——还不能简单地一刀切，因为每个特定的任务都需要专门的数据集来授权算法的操作。
问：机器可能替代人类吗？
答：有人觉得人类目前从事的所有工作将来有一天都会被机器人取代，这种想法是错误的。在我看来，机器人或者机器将继续处理大量的常规或重复性工作，而人类将继续从事一些对创造性、灵活性有要求和需要解决问题的工作。我觉得人工还会继续发挥作用，因为机器人缺乏一些人类的特质，比如同情心、创造力、判断力和批判性思维。所以在那些人类怜悯不可或缺的领域，基于 AI 的机器人或者解决方案几乎不可能成为可靠的替代品，「人情味」在诸如医疗、教育和老幼关爱等行业里仍是必要的。
