60

在60年代，只有政府和军事等场景需要大量的计算，但如今计算已经开始应用于更多场景。

与此同时“，机器预测”还能用来解决传统意义上并不属于预测范畴的问题，比如我们从来不会想到自动驾驶是一个预测的问题。因为过去，工程师将自动驾驶汽车编程，用于可控制的范围内，比如工厂或者仓库，并清楚地告诉它们在特定环境下应该做什么，比如人经过时要停下来，或者一个货架没货时就要去下一个货架等等。但是我们没法把这样的“自动驾驶”汽车直接放在马路上，因为那里有太多的“特定”环境，无法事先全都告诉它们，比如如果光线太暗，如果下雨，或者如果有车子突然变道等等，这些“如果”不胜枚举。

但今天我们已经可以把自动驾驶归类到“预测”的问题了。伴随着人工智能的出现，自动驾驶汽车只需要回答一个问题：一个好的人类司机是怎么做的？所以教会人工智能开车，我们只需要把一个人类司机放在驾驶位上，让人工智能坐在边上边看边学习。因为人工智能并没有眼睛或者耳朵，所以我们需要给它们加上摄像头、雷达和激光雷达（LIDAR），“眼睛”就是对人工智能的信息输入，以便让它们观察人类司机的做法，并且预测接下来应该做什么。

人工智能最初会犯下很多错误，但是它们会通过这些错误学习，并且在每次做出错误的预测时自动进行信息更新，就和人类一样，这样它们的预测就会越来越准确，甚至达到人类的水平，而不再需要人类告诉它们该怎么做，这样人工智能就拥有独立执行任务的能力。

如果把人工智能想象成收音机的声音旋钮，那么通过调节这个旋钮，就能增加人工智能预测的准确性。数据分析公司SAS首席技术官Oliver Schabenberger告诉第一财经记者“：人工智能在重复行为方面能够比人类系统更快，通过调节不同的参数，从而试出能够达到最佳商业效果的解决方案，这也就意味着，它们确实能够找出更好的规则。”

当然，当“机器预测”逐步能够开始替代人类，人们会质疑人类的预测是否不再那么重要。尽管人类的判断往往带有主观性，但判断是机器所不具有的能力，机器只会把预测的结果告诉人类，让人类来根据这些预测做决定，因此人类判断的价值就会上升。通常判断和预测是人类在做决定时所并用的。

插图/刘飞