读写给大家的AI极简史笔记04虚拟助手

1.       虚拟助手

1.1.         Alexa

1.1.1.           就是在Echo产品系列背后的亚马逊云储存中的一个包含丰富数据的系统

1.1.1.1.            Echo并不是一个玩具，而是走向智能日常助理的技术突破

1.1.1.2.            Echo的用户只要躺在沙发上发出语音命令，就可以打开暖气，调暗灯光，并要求Alexa在网飞（Netflix）上找一个类似《毒枭》但不那么血腥的电视剧

1.1.2.           积累了大量陈旧的笑话

1.1.3.           Alexa绝对不只是一台销售机器

1.2.         美国和亚洲的数字技术巨头们一直在争夺由语音控制的虚拟助理领域的主导地位

1.3.         一个很明显的趋势就是在未来许多甚至可能大部分数字服务的访问方式都将和“进取号”飞船上的情形一样：人类问出问题，机器回答

1.3.1.           如果这台机器不能提供答案，人类就会寻找另一台机器

1.3.2.           苹果（Siri）

1.3.3.           谷歌（谷歌助手）

1.3.4.           Facebook（M）

1.3.5.           三星（Bixby）

1.4.         用户总是希望机器能够为更复杂的问题提供更精确的答案

1.4.1.           要回答这样简单问题，虚拟助手不需要通过图灵测试，只需要研究和汇总事实，以此为基础做出决策即可

1.5.         把列日常决策清单的任务交给智能机器

1.5.1.           这件事不复杂，但很让人心烦

1.5.2.           虚拟助手可以做到及时帮你订购打印机墨盒，不会忘了账单的付款期限，而且也会比人类更能意识到账单金额太高，从而拒绝付款

1.5.3.           未来智能代理将会承担大部分烦人的日常工作

1.5.3.1.            它们的目标受众是没有个人助理的人

2.       销售机器

2.1.         成立于1996年的亚马逊已经很清楚如何从数据中推断出客户的需求，这是其他公司做不到的

2.1.1.           自1998年引入个性化推荐系统以来，亚马逊利用其客户的信息，已经能很精确地推断出应该在什么时间，以何种价格向特定用户推送哪款特定产品会提高该用户将该产品放入购物车的概率

2.1.2.           通过亚马逊推荐系统的购买建议刺激消费者做出的购买行为占到亚马逊网站所有购买行为的1/3

2.1.2.1.            说明顾客真的把推荐看成是明智的建议，而不是像我们看待在线广告那样，认为它们是在网络上追着我们、硬要把我们不感兴趣或者已经购买了的产品塞给我们的讨厌鬼

2.2.         网络广告糟糕的形象却鼓舞了创业者，让他们致力于把虚拟购物建议变得更智能

2.3.         Stitch Fix

2.3.1.           “策划购物”（curated shopping）

2.3.2.           为了提高成功率，Stitch Fix高薪聘请了80多位数据科学家，他们使用极其复杂的算法和最新的机器学习方法来提高预测的准确度

2.4.         所有这些虚拟购物顾问的问题在于，因为它们是由商品供应商提供的，所以几乎可以确定无疑的是，它们会把供应商的利益放在高于购物者利益的位置上

2.4.1.           大型超市则试图通过使用购物助手的应用程序，将在互联网商务中已经被证实有效的推荐机制应用到实体商店中

2.5.         更高级的人工智能购物助手拥有重视与客户长期关系的设定，就像信誉良好的商人一样

2.5.1.           它们不会误导顾客做出事后会为之懊悔生气的购买决定

3.       机器人律师

3.1.         现在世界上最成功的虚拟法律助手可能是DoNotPay

3.1.1.           DoNotPay只是法律界数以千计的机器人和研发项目中的一个

3.1.2.           服务是免费的

3.1.2.1.            IBM允许布劳德免费使用它的Watson人工智能平台

3.1.3.           在2015年到2017年的两年间，这位机器人律师已经帮助其客户成功免除了大约375000张罚单

3.1.4.           DoNotPay的创始人布劳德在2017年夏天开放了这个由AI驱动的聊天机器人的技术的源码

3.1.5.           自2018年3月以来，DoNotPay甚至迫使航空公司向订购了价格虚高的机票的乘客退款，捍卫乘客重新订票的权利，并利用航空公司的合规法打击价格欺诈

3.2.         法律科技（LegalTech）公司的繁荣有两个简单的原因

3.2.1.           法律专业知识很贵

3.2.2.           在人工智能的帮助下，法学特别适合被自动化，因为它是建立在使用高度形式化的语言所精确制定的规则（法律和法规）之上的，并且有许多以书面、注释和合同形式记录的案例，具有模式识别能力的机器就能对其进行比较

3.3.         大多数智能法律技术仅为专业人士，即律师和公司法律顾问所用，他们用此类技术来检查法律合同中的陷阱，在进行尽职调查时梳理成堆的文件，并计算向哪个法庭提起诉讼成功的概率最大

3.4.         一个免费的法律机器人也不会费心去制定一个尽可能复杂的合同以增加它的计费时间

3.5.         在面对普通法律案件的时候，人工智能已经能经常地打败普通律师——有时是以绝对优势

3.5.1.           2018年2月，在由法律人工智能平台LawGeex组织的“人vs机器”的比赛中，一个经过训练的人工智能系统在审查合同时，比20名经验丰富的人类律师更准确地识别出了保密协议中的法律问题，其准确率高达94%，而人类律师的准确率仅为85%

3.5.2.           而且人工智能完成这项工作的速度非常快，只要短短26秒；相比之下，人类律师就慢得多了，平均要花上92分钟

3.6.         数字规模机制将开始生效。一旦人工智能程序被开发出来，并开始通过反馈效应进行持续学习，那么如果开发者允许，人工智能就能向很多人提供廉价服务

3.6.1.           随着专业知识的民主化，消费者将被赋予更多的权利，普通专家的业务水平也能获得提升

4.       Watson医生

4.1.         未来，廉价传感器将大规模地分布在标准产品中，收集海量数据，从而为人工智能医疗创新奠定基础

4.2.         人们希望人工智能能够挖掘基因数据库、患者档案、科学研究和流行病统计数据，以便将患者的护理、研究、诊断和治疗提高到一个新的水平

4.3.         几乎没有任何领域会像卫生和医药领域那样受到严格的监管

4.3.1.           从医务人员的资质，到药品和医疗器械的审批程序，到对病人隐私的严格管控

4.3.2.           代价是研究实验室里的创意要变成医院和医生办公室里的应用需要走过漫长而崎岖的道路

4.4.         在医疗领域，人工智能创新的最重要的原材料——病人数据，以许多不同格式存储在密封的数据库中，受到法律保护

4.4.1.           人们通常必须花很多力气来进行匿名处理，然后清除痕迹，并做匀质化处理

4.5.         我们是相信基于数据的人工神经网络的判断，还是相信可能从孩提时代就一直在治疗我们的有经验的医生的判断？

4.6.         在许多情况下，如果没有专家的帮助，大多数普通人几乎不可能获得人工智能的建议，或者不知道如何理解人工智能的建议

4.7.         人们还是相信，人类终归比机器更擅长销售，因为他们会与客户建立人际关系

4.8.         指导原则是强化决策（augmented decision making）而不是纯粹的自动化

4.8.1.           事实上这种技术将增强人类的能力

4.8.2.           人工智能将不会取代知识工作者

4.8.3.           精通人工智能技术的销售人员、律师和医生将取代那些不知道如何使用人工智能来帮助他们决策的同事