現在的人工智能到底有多智能？

現在的人工智能總的來說，可以算是有智能沒智慧、有智商沒情商、會計算不會算計、有專才而無通才。

我們看待現階段的人工智能，它的強大，絕不體現在以自主意識為代表的智能上，而主要體現在以大量數據計算的實時性和準確性為代表的智能上，與人的優缺點恰好互補，賦能現有產業，為生產效率帶來提升。

現在人工智能的“智能”可以重點關注一下幾點。

大量歷史經驗數據對當前決策的客觀指導當人在面對一個選擇時，經常會依賴歷史經驗來進行決策。古人有言，“早霞不出門，晚霞行千里”，這個時候判斷明天天氣好壞的依據僅有是否出現早霞和晚霞，這個二維信息進行決策。隨著氣象科學的發展，我們現在知道，判斷第二天天氣好壞，需要考慮方方面面的信息，例如：空氣濕度、風向風速、地形位置等。

現在我們再將目光轉向股市，由于全球市場經濟的高度耦合，帶來了前所未有的復雜性。如果抱著“跌買入，漲買進”這樣簡單的理財理念，已經完全無法應付股市的復雜情況，銀行板塊的漲幅，可能受到政策影響、利率影響、糧食價格波動、黃金價格波動等等影響。這個時候對于一個單個的個體而言，想要處理如此繁雜的信息，首先無法很快獲取所有信息進行輔助決策，此次人腦也無法客觀的將多維的信息進行匯總分析。

而依賴人工智能的機器卻更適合處理類似問題，尤其在金融行業，數字化開展較早，因此有大量的數據輔助決策。人只需要將可能影響到這只股票的信息高速訓練模型，基于機器學習的算法模型可以按照歷史信息進行“學習”，來判斷當前狀況下，這只股票漲跌的可能性分別是多少，甚至可以預估短時間內可以達到的漲幅。

當前，我需要分析一個股票是否需要買入賣出，算法模型會通過大量多維的歷史數據作為“經驗數據”，將這些經驗通過模型擬合成多維曲線，那么，如果想評估當前情況，我只需要將此時此刻這些影響因素的當前狀況為坐標，標記在這個多維曲線中，并映射到一個一維坐標下，即“漲”或“跌”。對于短期進行的估計，人工智能可能會比人類更“靠譜”一些。

需要依賴大量記憶的最佳決策人類目前即使面對最強大的機器，在自主的創造力上還是保持著“爸爸”等級的存在，人類在創造力上還是屬于絕對的領先。即使現在已經廣泛應用的機器翻譯來說，機器翻譯確實已經足夠的準確，但是語言的“信達雅”上，機器翻譯還是有很長的路要走。

但是，毋庸置疑，人類的大腦構造本身是不適合做存儲和計算的。

在審問時，當警察讓嫌疑人將所有事件按照時間從近到遠再重復一次時，人往往無法對剛剛編出的故事做準確的描述，因此人“記事”往往是用事情的互相關系來進行記憶的，而不只是存儲時間本身，并為這些事件標記時間戳。

計算就更不用說了，現在有多少人，即使在計算二位數的加減都要依賴計算器來實現。

而機器卻不一樣，前幾年名聲大噪的AlphaGo，打敗圍棋各路高手，可是AlphaGo的成功是因為它“智能”嗎？其實并不是如此。

圍棋雖然變化多樣，但是規則還是相對簡單。在互相對弈的過程中，人類可能會往前演算5-7步，可是這個時候AlphaGo早已經將所有的后續發展可能性演算完成，并按照事先定義好的數據結構進行存儲。

換句話說，當人類和AlphaGo在對弈過程中，機器的每步均是在當前情況下，以“最大勝率”為評價分數，將棋子放在了評價分數最高的位置上。當AlphaGo“學習”玩所有的招式后，那么人類與AlphaGo下棋，最佳的結果就是打成平手，因為AlphaGo不會犯錯。

總結總之，目前的人工智能沒你想象的那么強大，但是可以比你想象的還要專業。

Bing在未來會如何改進新內容發現？

微軟Bing近日宣布希望改變搜索引擎發現新內容和更新內容的。目前搜索引擎通常使用頁面抓取來查找新內容或者內容更新。當搜索引擎機器人登錄頁之后，就會抓取頁面上的鏈接，然后根據頁面上提供的鏈接進行后續深入抓取，這相當于創建了一個強大的網站索引。

但是Bing希望改變傳統收集，至少是做出嘗試。Bing鼓勵內容發布者將新內容或者更新的內容提交到URL提交工具上。這項工具會根據提交的URL來抓取該頁面，而不是依靠其他頁面查找到這個頁面

Bing希望網站管理員，發布者，SEO和內容管理系統（如WordPress），使用Bing的工具或API來提交新的URL。同時這也減少了Bing對抓取的依賴，從而減少了所需的資源。URL提交工具將使用基于配額的系統來防止垃圾郵件。在Bing網站管理員工具中擁有經過驗證的網站已經累積了一些年齡將有助于提高該特定網站的配額。