人工智能的意义和价值是什么？

人工智能在日常生活和产业应用中有哪些具体的意义和价值？
社会的存在就是为了让大家都觉得自己有点用，社会创造工作机会，从而维持社会的稳定。但应用人工智能取代人类是不是有些多余？

零售商使用对话式AI提升客服中心专员的客户满意度：总部位于曼谷的零售运营商CP All使用NVIDIA对话式AI平台每天处理25万通客服电话。
初创公司Rail Vision借助 AI 和 NVIDIA Jetson 确保铁路安全并节省成本。
AI Enterprise助力AI癌症筛查应用：八分之一的女性会在一生中患上乳腺癌。改善其结果的关键是定期筛查和随访。AI可以显著加快这一过程。
AI 的实时感知是帮助自动驾驶更好的理解复杂多变的限速标志，提高自动驾驶汽车的雷达感知能力让自动驾驶更具智慧。
AI能够设计出人类无法设计的芯片，让芯片更小 更快 更高性能。通过AI优化流程，工程师们就能得到比目前工具更高效的设备。AI可以完成人类无法做到的设计。
综上，AI在人工智能、自动驾驶、商业活动、医疗健康方面都有无可比拟的作用。

讲个故事吧。
我在学校的时候，是医疗+AI交叉学科联合培养的博士生。我的老板主要提供计算机方向的培养，而医疗方向的培养，我老板把我托付给了301医院的一个医生。也因此，我当时三天两头去北京。期间除了处理数据，还要陪着查房出门诊，了解临床一线到底是怎么样的，需求是什么。
在五棵松住过的朋友会知道，全国各地来求医的人把301附近的宾馆房间价格炒到了一个十分离谱的程度。最近的汉庭贵的时候要500，是很罕见的快捷酒店都会住宿费用超标的地方。以至找一张价格和距离都适中的床是出差的必修课。
有一次，我发现有个宾馆离医院很近也很便宜，于是兴冲冲的订了。等到了才发现，是地下室，以前只在北漂人忆苦思甜的回忆录里听说过的地方。这种地方的隔音其实非常糟糕，很多人也不关门，基本呆一晚上就会知道里面的人很多都是要来看病，但是又付不起每晚多一百块住宿钱的老百姓。没有阳光加很多都是病人，又使得氛围变得更加阴郁。这种宾馆的卫生条件也很糟糕，弥漫着一股莫名的气味。这是我第一次了解到中国中下层居民如果要去北京看病到底是一个什么没有尊严的状态。
而查房和门诊的经历会更加让你不太舒服。门诊的时候会有很多北京退休的大爷大妈，他们来中国顶级医院挂专家号复查就好像你去你外婆家串门吃饭一样自然。在这种大医院住院的人则通常不太乐观，很多都是中国的各个省份的疑难病人来北京寻求最后的希望的，其中具备代表性的职业是工人和农民。内科不像外科，外科有很多术式是真的只有那么几个人能做，但内科的治疗用药其实大家都差不多的，但是就是有很多下级医院用的处方，在上级医院看来并不合理，以至于要调整。说白了如果之前处方下的好，他们可能就不用来了。
我刚刚开始进这个行当的时候，听到医疗AI的目标是enhance medical service delivery，其实不是很懂这个delivery(有时候也叫作accessibility)到底是什么意思。但是但凡看到过这样的场景，大概就能够明白什么叫做short of accessibility。
我其实并没有责怪北京大爷大妈的意思，因为定期复诊是慢性病治疗的基本要求。我也不觉得这个现状的问题根源在于中国没有严格执行发达国家那样的分级诊疗制度，导致了大爷大妈们浪费医疗资源。因为问题显然是有些人占用的资源实在太少，而不是另一群人占用的太多。
问题的根源在于，人类对于死亡的恐惧是不可能被普遍克服的。因此，人类对高质量的医疗咨询的需求是没有尽头的，而培养一个专家实在太难了，真的培养出来他一周也就出一天门诊，顶天了看几十号人，所以医疗是一种绝对稀缺的资源。这个问题从来就没有被解决过。而在中国，因为行政制度扭曲了医疗资源的时空分布和定价，加之分级诊疗制度的不完善，这个问题可能更体现为大城市的居民医疗资源更好，在国外则体现为有钱人更好。但是反正优质医疗资源就是不够用的。
人工智能的价值，其实在于这是一种计算机软件，复制的成本约等于0。因此只要我们搞出了一个水平接近于大五毕业生的AI，我们就约等于给全世界每个人配了一个相应水平的健康顾问，然后是住院医，然后是主治，再是副高，正高。而如果我们的目标是这个，就不能谈什么AI赋能了，因为我们的目标并不是构建一个让人更强大的工具。
这件事情极为困难，从有AI这个概念开始，就有AI医生这个想法，但是迄今为止所有的尝试全部失败了，最近的一次神话崩塌大概是IBM Watson事业部的溃败。而近些年的所谓AI进步，本质是CV和NLP的进步，和自动医疗决策关系其实有限，我其实并不认为我们在“构建一个人工医生”这件事上，比五年前走的远了很多。但是不管失败多少次，总是有人不停的继续尝试做这个事情。
故事讲完了。总结一下：工科发展的初心，就是通过发展生产力，做大蛋糕，从而让每个人都能过上更好的生活。所谓更好的生活，其中非常重要的一个部分，大概就是让大家在面对疾病时，能够有相同的，获得高质量的医疗服务的权利。我们意识到，高端医疗资源目前存在极大的不足，导致总是有很多人（通常是穷人）没办法获得良好的医疗服务。随着国家的发展，这种医疗服务将越来越不指代器械和设备，而是只能由医生提供的决策咨询服务。由于医生培养的成本极高，我们不太可能指望通过培养出大量高水平的人类医生以克服这一困境，因此我们要搞AI。尽管这一事情极为困难，但是我们一定要去做。

在我看来，人工智能的现阶段意义在于实现「低成本的定制化」，而它的终极价值或许是「帮助我们思考人类的存在的意义」。
当我们生产水平受限的时候，我们只能模块化的生产，比如通过尺码来选择衣服。但很多时候到手之后依然会觉得不合身。或者说现在很多医疗也走向了个人化、定制化，但相应的成本也大幅度上升。因此定制化和价格往往是有内在冲突的，这也为啥“纯手工”显得额外昂贵。
而定制化除了丰富我们的业余的生活以外，也可以带来教育、法律方面的改革。前一阵子我参加了一项相关的研究，主要的想法就是网络上有大量的学习视频，但并不是每个人都需要看完每个部分，我们有没有可能像搭积木一样根据每个人的需求和特性组合网络视频成学习内容，给每个人提供不同的学习内容。在这个项目中，我们尝试做到低成本的「因材施教」，从而帮助每个学习者都可以用适合自己的方式进行学习。不难看出，实现低成本定制化会大幅度的提升我们所有人的生活品质。
但我们必须承认的是，现阶段的定制化还远远不够好。但不知道你有没有想过在现在（未来）的世界里的场景：

• 打开手机，各种APP首页推荐给你的内容真的适合我吗？
  
• 当有一天医院里都用上了各种智能化的诊断设备时，我放心它们对你身体做出的诊断是合理的吗？
  
• 当未来世界中每个决策都高度依赖数据、依赖智能模型的时候，我会担心成为被遗忘的少数人吗？
  

而如何低成本的为每个人高度化定制内容和服务，我觉得是人工智能正在发力的地方，也是最有潜力的未来，也是它的意义。而这一切的答案，可能就是元学习（meta-learning），即「学习怎么学习」。
2021年的当下我们其实处在一个半智能化的时代，正在经历从绝大部分决策靠人工到让机器来做一部分决策，而这个过程中我们也遇到了很多问题，比如最突出的问题就是「这些决策是基于大部分人的特征做出的」，比如我们大部分人都爱看长腿小姐姐、8块腹肌的小哥哥，因此低风险的推荐总是这类内容，但那些喜欢看科普的呢？那些喜欢小众艺术的人呢？那些喜欢拼图魔方的人呢？
而推荐只是一个最最基本的定制化案例，在绝大部分需要用到人工智能的场景下，我们现有的解决方案就是训练一个模型，然后对所有人无差别的进行预测。在大部分情况下，效果都不错，但里面却很容易造成对少数事情和群体的忽视。
那我们能不能拿出一个解决方案，给每一个个体、每一个需要预测的样本都提供专属的「智能模型」呢？举个简单的例子，当你去做健康检查时，智能模型会根据你的个人特征来选择你需要做的项目，而你的健康评估只取决于你该做的这些项目。是不是听着很耳熟？没错，这就是我们人类医生在做的事情。和机器不同，人类有很强的学习能力，可以很好的举一反三，因此可以提供非常定制化的决策。而现阶段的机器（学习）还不行，依然依赖于大量的数据才能学习到符合大部分人的方案，而每个人定制化的模型一是数据不够，二是成本过高。
而「元学习」的目的就是能不能针对不同任务（比如不同的患者特性），学习如何选择一个好的智能模型（比如选择什么检测来进行健康评估），尤其是在样本量非常小（比如一个新医生）任务类型差异大（患者的求诊各不相同）的前提下。换个更简单的比喻，就是我们怎么让“医生”更好的去学会“看病”，怎么让“司机”更快的学会驾驶不同“种类的汽车”。这和现阶段单纯教医生看一种疾病不同，我们的终极目的是希望提高医生的学习能力，能够快速在各种新任务上达到高效的诊断。
而现阶段的元学习还停留在比较基础的阶段，试图解决的问题也仅仅是例如“学习一大类任务中的不同小任务”，因此跟迁移学习（transfer learning），多任务学习（multi-task learning），小样本学习（small sample learning），domain adaptation，推荐系统等领域都息息相关。
而我直觉上认为真正的元学习应该有更强的跨领域能力，这可能需要更强的硬件，更多的数据收集，和更精巧的学习模式，现有的无论是深度学习还是传统方法还远远不够。
如果再开一点脑洞，医生除了学看病，也可以学习开车，也可以学炒菜。因此也有人说「元学习」是通往「通用人工智能（AIG）」的一条方案。而当智能机器学会“学习”时，才算是有了真正的智能。而这一切的关键，就在于推理能力，如何关联多个事物进行分析。
这时候你一拍大腿，这他喵的不就是我们人类吗！
因此说到人工智能终极意义，在（通过低成本定制）提升我们生活品质以外，更多是我们的存在的意义会被重新审视。当智能模型自己可以做到举一反三、联想和推理，那我们人类存在意义又是什么？
因此在我看来，人工智能发展的终极意义，就是在某个时刻让我们思考自己存在的意义。我其实对那一刻充满了好奇。

谢 @微调 邀
我认为人工智能的意义和价值用两个字来概括，就是：赋能。
虽然赋能这两个字，确实有点被互联网黑话用烂了，但确实是很好给予人工智能意义总结的词语。本回答将展开讲这两字，讲讲人工智能在其中是如何赋能的。
1. 给机器赋能

很好理解，给机器赋能就是让机器拥有新的能力。最早，我们给机器赋能的方式，就是制造这么一台机器，例如发电机，就具有发电的能力；纺织机，就有纺织的能力。而随着可编程计算机的出现，机器的能力变得多样化，编程成为了我们给机器赋能的新方式。然而，单单编程，赋予的能力也是固定的，你赋予机器的能力，是你的能力，而不是机器自己学来的。
然而人工智能的出现，改变了这种情况。当然，早期的人工智能就是根据专家规则制定的，基本就是if else if 之类的规则，只是由于这是专家根据经验制定的，所以也能使得机器具有一定的「知识」，这时候，是人给机器赋能


然而这种知识，无法自动化，为了让机器具有最新的「智能」，专家需要一直工作，一直更新规则。那么有没有办法，可以让机器根据看到的或者听到的内容，自动学习知识？
于是，「统计派」开始上场。统计派主张用统计模型，神经网络等方法，自动从数据中学习。这时候，机器能自动从数据里面，得到能力，换句话说，数据就能给机器赋能。
然而，在数据进入统计模型前，人需要对数据预处理，还是需要人的参与，那么，有没有更好的方法，真正让数据自动赋能机器？深度模型就能上场。尤其大型模型，其魅力在于突现(Emergence)和均质(Homogenization)。所谓「突现」，就是当数据规模和参数规模大到一定程度时，量变最终能产生质变，完成更高难度的任务；而「均质」指的是，AI有了小样本和零样本学习的能力，可以直接用，或者稍微用一点点样本训练，就能完成之前没见过的新任务，让语言AI具备举一反三的通识能力。例如GPT-3，作为巨量模型，产生了令人震惊的智能水平，并给其他应用赋能。例如另一个人工智能编写代码的应用——Github Copilot，背后就是GPT-3模型。感兴趣的可以看看关于这个写代码AI的介绍。

2. 给社会赋能

事实上，人工智能给社会赋能的地方太多了，大大影响了我们社会的发展。这里举两个我自己比较熟悉的例子。
给治安水平赋能

我们都说张学友是“逃犯克星”，每次开演唱会都能让罪犯落网。当然，张学友的魅力是无人能挡的，但使得罪犯落网的功臣，是人脸识别技术。
当人进入到某一监控范围内，智能摄像机可以有效识别人脸信息，并进一步识别出人的性别、大致的年龄区间、衣服特征等信息；这些信息会被第一时间监测到并实时回传至系统大数据平台进行数据的对比、验证与分析，来判断是否满足对应的布控条件从而触发报警。平台通过对大量视频数据的智能分析，还能进一步得到犯罪嫌疑人的行为轨迹、接触的社交圈等辅助判案的重要信息。
例如北大弑母案嫌疑人吴谢宇在重庆江北机场被警察抓获，离不开AI监控设备。设备4次抓拍到吴谢宇的脸，每次相似度比对都大于或等于98%。



给反洗钱赋能

首先讲讲什么是洗钱。简单来说，就是把非法所得合法化。例如金三角的某个犯罪团伙得到了一笔非法收入，想存到户头里，但银行肯定会审查资金来源。那他会想，通过一些步骤，让钱出去「溜」一圈，最后通过各种节点回来，黑钱就「洗」干净了。
反洗钱有什么意义？你应该会说，反洗钱可以抓到犯罪分子，打击他们的非法行为。对的，没错，不过还可以更具体。
黑钱来源，主要是犯罪，例如人口贩卖，贩毒等。你猜猜每年有多少人口贩卖案件发生？根据联合国的一份报道[1]，2016年人口贩卖案件达25000起。涉毒就更多了。根据联合国毒品和犯罪问题办公室的一份报道[2]，2017 年，上一年使用过毒品的估计有 2.71 亿人（占全球 15-64 岁人口的 5.5%）。虽然这一数字与 2016 年的估 计数相似，但长期来看，吸毒人数现在比 2009 年高出 30%，2009 年在上一年使用过毒品的有 2.1 亿人。
而洗钱行为，是犯罪的润滑剂。设想一下，在极端理想的情况下，反洗钱做得100%完美，黑钱永远无法使用出去，那这是不是对犯罪行为的致命打击。犯罪分子无非都是为巨额利益而铤而走险。所以反洗钱，不仅仅是经济层面问题，也是个社会层面问题。反洗钱做得好，可以大大降低人口贩卖，毒品交易发生的频率。
而AI技术可以给反洗钱赋能。AI可以提高可疑案件监测能力，具体来说，AI能从这些方面助力反洗钱：

• 在客户尽职调查阶段，通过大数据，我们可以掌握一个客户更全面的信息。应用聚类算法，我们可以更精确的分析客户风险，而不是单个用户的行为。
  
• 在调查可疑活动报告阶段（SAR，Suspicious Activity Report），应用聚类算法，以及图神经网络（GNN），我们能够在犯罪团伙中是识别出更多的参与方。
  
• 在监管部门调查SAR阶段，目前，在多数银行，SAR的误报率是非常高的，通过AI算法，我们可以识别出明显的误报，使得监管者能把更多的精力放在调查真正的可疑报告上。
  

3. 给人赋能

让人更能专注于高层次智力劳动

我们都有一种担忧，人工智能的广泛应用，可能会导致大范围失业。然而，技术浪潮发展不可逆转，虽然不是每个人都是弄潮儿，但是浪潮最后会拍到每个人身上。
事实上，换个角度想，人工智能反而是释放了部分劳动力，让他们可以投入到更高层次的智力劳动中，例如发挥创造力，领导力等，这也算另一种赋能。
不过除了普通人，我们也要关注那些因为天生因素或者后天因素失去自身部分能力的人。在这部纪录片《The Age Of A.I.》中，介绍了一些人工智能应用，使用人工智能可以给残疾人赋能，
例如：
智能手臂

这个手臂可以从肌肉中获取电信号，然后通过机器学习，来判断你想动哪个手指。虽然看起来并不灵活，也不是100%准确，但确实能给到残障人士一定的帮助。


这个仿生手是georgia tech center for music technology发明的，



图源：https://gtcmt.gatech.edu/

语音辅助

一个美国的橄榄球运动员Tim Shaw。他曾效力于卡罗莱纳黑豹队、杰克逊维尔美洲虎队、芝加哥熊队和田纳西泰坦队。他曾是个言语清晰的大个子，然而他被诊断出患渐冻症，不仅走路都没法自理，也无法像正常人那样说话、吞咽或呼吸了。他的发声非常的模糊，除了最亲近的人，其他人都难以听清。


谷歌为ALS患者研发语音识别系统，让机器识别出别人识别不出的语句，用AI为Tim赋能


Google团队还为他打造了语音合成系统，用他的以前的声音，来生成新的声音，解决了他说话的问题



智能义腿

一个登山爱好者，由于登山失手，摔坏了腿，最后决定截肢，摆脱疼痛。MIT有位教授，也有同样的经历，17岁时意外摔伤，截肢了。


为了帮助更多相似的人，他的团队研发了智能假肢。和普通假肢不一样的是，这是具有感知能力的假肢。不仅仅能接受地面的力反馈从而调整最好的角度


不仅如此。还可以通过肌肉电信号，调整踝关节的角度


他进行了测试，发现这个智能假肢还是很灵活的，能捕捉到其肌肉运动信号，然后传到假肢的踝关节。


装上之后，他发出了如下感慨：



总结

尽管关于人工智能的担忧依然存在，而且某些质疑很合理，但我对这些问题的可解决性是保持乐观态度的，例如人工智能算法导致两级分化，这些是可以从非技术角度入手解决的；人工智能导致部分人失业，是可以通过创造新岗位的方法解决的。
人工智能的意义和价值，在于可以给机器，给社会，乃至每一个人赋能，让人类更好成为自己，就好像机械化让大量的人摆脱了苦力劳动，AI的发展，也能释放部分人的创造力，不再受困于重复又低级的智能活动，从而更好造福每一个人。