AI现在的应用越来越广泛和深入，尤其是在自动驾驶汽车方面，而用AI编写代码和设计谷歌的芯片平面图也能看出人们对人工智能的信任程度。鉴于围绕AI的一些炒作往往只是炒作，很容易忘记许多企业已经通过AI取得了真正的成功。这还不是说特斯拉继续用人工智能营销“全自动驾驶”。正如行业分析师本尼迪克特埃文斯指出的那样，“自动驾驶并不是真正的完全自动驾驶。”最近的一项调查表明，要使人工智能发挥作用，公司需要资金充足和良好的数据。假设这些因素到位，就有可能了解人工智能在改善人们生活方面取得进展的一些领域，以及应用超越营销和宣传的行业领域。最近通过机器智能提高人类生产力的最明显的实验是GitHub的Copilot。类似于人们的智能手机（或Gmail之类的东西）在键入时建议单词或短语的方式，Copilot通过推荐要使用的代码行或功能来帮助开发人员。Copilot在GitHub上接受了数十亿行代码的培训，承诺通过允许他们编写更少但更好的代码来提高开发人员的生产力。现在说Copilot是否会起作用还为时过早，但这并不是说它会起作用。但许多开发人员争先恐后地试用它，称赞它的潜力。然而，业内对此存在一些担忧：不应期望Copilot生成的代码是正确的。一方面，这种类型的应用程序仍处于早期阶段，除了初始数据集之外几乎没有训练。随着越来越多的人使用Copilot，并从他们如何使用它的建议进行强化学习中学习，它的建议应该会有所改进。但是，仍然需要决定使用哪些代码片段以及如何使用它们。出于安全原因，您还需要小心使用Copilot生成的代码。此外，还有对版权和开源的担忧。有些人认为这在理论上听起来不错，但随着开发人员重新开始编写代码，这些担忧就会消失。关键是开发人员是否发现Copilot的代码建议在现实世界的编程场景中有用，而不是它是否真的有用。人工智能只会增强人类的创造力，而不会取代它。真正的自动驾驶当然，目前自动驾驶汽车的现实情况是，它们并不是真正的自动驾驶，而是可以通过承担更多的工作来帮助驾驶员。自动驾驶汽车可能会因依赖GPS而受到一定程度的阻碍，而GPS可能会失败。但正如《科学机器人》杂志所述，加州理工学院的科学家们已经开发出一种季节性不变的深度变换技术，用于视觉地形相关导航。这意味着诸如汽车之类的自主系统可以从周围的地形中获取线索来确定它们的位置，无论该地形是否被大雪、落叶或草覆盖。当前的方法要求地图/地形数据几乎完全匹配车辆“看到”的地形，但大雪和其他因素会破坏这一点。加州理工学院的科学家们采用了一种不同的方法，称为自我监督学习。虽然大多数计算机视觉策略都依赖于整理大型数据集的人类注释者来教算法如何识别它所看到的内容，但这种策略让算法可以自行学习。人工智能通过梳理出人类可能会错过的细节和特征来寻找图像中的模式。通过使用这种深度学习方法，科学家们创造了一种高度准确的方法来提高机器对周围世界的感知和反应。但汽车周围的物体更有可能是汽车，因此加州理工学院的方法可能无济于事，但佛罗里达大西洋大学工程与计算机科学学院的一位科学家进行的新研究旨在从人类驾驶员的情绪中学习并做出相应的反应。改变你的驾驶方式。目前还没有人使用过这种获得专利的新方法，但它提出了一种新的方法来确保自动驾驶的安全性和信任度。信任问题这一切仍然有些猜测，但谷歌在芯片设计方面取得了一些成功。正如《自然》杂志所描述的那样，谷歌工程师采用了一种新的芯片布局规划方法，即使用人工智能来设计计算机芯片的物理布局。几十年来，工程师们一直在尝试使这项工作自动化，但没有成功。但是使用机器学习，谷歌的芯片设计师花了几个月的时间进行开发，他们将芯片布局规划作为一个强化学习问题来处理，并开发了一种基于边缘的图卷积神经网络架构，能够学习丰富且可迁移的芯片表示。为此，谷歌工程师使用一组10,000个芯片的平面图对AI代理进行了预训练。然后使用强化学习技术，正如工程师所指出的那样，人工智能代理从过去的成功中“学习”以规定下一个要设置的块。在平面图的任何给定步骤中，训练有素的代理评估芯片的“状态”发展，包括到目前为止它已经建立的部分平面图，然后使用它学到的策略来确定最好的行动——也就是说，在哪里放置下一个宏块。这是一个令人印象深刻的举动，但更令人印象深刻的是，它现在被用于谷歌的生产中，这意味着该公司相信其人工智能技术可以帮助开发芯片布局。IBM公司也开发了一个类似的项目，它的名字是UQ360。人工智能面临的挑战之一是人们不愿相信其结果。数据驱动是一回事，但如果人们不完全信任该数据或机器将如何处理它，就不可能信任人工智能。UQ360是一个带有Python包的开源工具包，它为数据科学从业者和开发人员提供访问高级算法的途径，以简化机器学习模型中估计、评估、改进和交流不确定性的过程，作为AI的通用实践透明度。换句话说，它使用AI来估计企业对AI想要做的事情的信任程度。这是向前迈出的一大步，因为它为越来越多的AI应用程序创造了更多信任。尽管多年来一直被告知机器人正在接管人类的工作，但人工智能在将用户兴趣与购买机会相匹配方面仍然表现不佳。而人工智能的一些应用正在成为现实，因此无需炒作。
