人工智能和物联网哪个好

我觉得二者相辅相成，但物联网可能更适应社会发展需求。原因如下

人工智能类似软件，需要物联网作为载体，物联网类似个硬件，是需要人工智能来驱动的。人工智能需要落地的应用作为载体，物联网就是一个最重要的载体。

物联网的英文是Internet of things简称IOT，翻译过来就是,,物物相连,万物互联，简单来说,即是物与物相连互联的互联网，但其实,物联网在我们的生活中已经无处不在，从我们在上学期间使用的校园一卡通，到高速上的ETC,再到近些年流行的智能手环可穿戴设备等等，都是物联网运用的例子，另外,随着AI技术的发展，物联网+AI带来了更多的可能性。

传统家居产品的智能化就是一个很好的例子，互联网时代,我们使用手机等设备获取输出信息，d属于人机交互模型，是以人为主体在网络上传输数据和信息，物联网主要分为3个组成部分，网络连接(connectivity)、数据处理，(device)、网络连接，传感器被安装在各种产品中，它们就是万物互联的物，这些传感器或者是芯片，让产品拥有感知能力和数据处理能力。

同时物联网感知设备每天可以收集产生大量的数据，如何利用这些数据并且分析数据，就成为难题，随着人工智能的发展，一些人工智能的分析方法就可以引入进来，人工智能为物联网面临的数据难题提供了最好的解决方案，人工智能通过强大的数据分析能力，在人类的帮助下做出最佳的决策，人工智能与物联网相融合，利用人工智能实时分析数据的物联网设备终端正在走入我们的千家万户。
最简单的设备例子：语音音箱和手机端语音助手，就是建立在自然语音处理的技术之上的物联网终端设备，物联网家庭摄像头也极大的依赖计算机视觉技术实施监控功能。这些物联网设备也只有借助人工智能技术的加持才能真正的发挥其优越性。物联网和人工智能 的关系就是一种相辅相成，携手并进，互相依赖的关系。

但人工智能的周期发展还是很长的，而目前很多大学把人工智能的核心的内容在研究生阶段培养，本科阶段用来测验学生是否有学习的潜力和能力。同时人工智能专业对教学设备和教学师资有过高的要求，而人工智能行业但凡有独特认知和能力的人才基本上在大型企业，没有在学校。人工智能对学历要求比较高。
物联网工程的市场庞大，因此就业前景也非常好。毕业生可从事信息传播时代内容方面的深度、综合、跨学科的信息传播工作,同时也能在新闻传播技术方面从事设计、制作等方面的传播技术类工作或者在政府管理部门、科学研究机构、设计院、咨询公司、建筑工程公司、物业及能源管理、建筑节能设备及产品制造生产企业等单位从事建筑节能的研究、设计、施工、运行、监测与管理工作等等。

作者 | 维克多

编辑 | 琰琰

7月9日，在2021年世界人工智能大会的可信AI论坛上，艾耕 科技 CEO韦啸进行了题为 《可信AI助力内容创作实现智能化》 的报告。他在报告中指出了AI内容生产在“可信”方面遇到的挑战，并给出了三条提高AI内容生产可信性的技术建议：

1知识图谱沉淀行业专家经验提升可控性；

2专家系统与局部模型提升可解释性和可调性；

3强调人+机器协同的工作模式。

此外，在报告结束，AI 科技 评论和韦啸进行了一场关于“AI发展路径”的交流，他认为当前人工智能想要取得突破性进展，必须等待其他领域，例如生物学领域，有突破性的发现。

今天的演讲题目是《可信AI助力内容创作实现智能化》，分享一下AI在内容生产方面遇到的可信挑战。回顾互联网的前世今生，从门户网站到搜索引擎、到社交网络、再到超级APP，互联网发挥的核心作用是：分发内容。而内容生产属于互联网的上游，每年制作物联网流通的内容成本超过千亿。

人工智能（AI）作为技术发展的桥头堡，未来十年的技术热点，其一定会在行业里发挥巨大的作用。

目前，AI已经能够生产各种各样的内容，例如强大的GPT-3模型，其内容生成能力一度让人类惊呼。但实际上，GPT-3生成的大量内容都是胡说八道的，没有办法直接使用。这对应的是AI稳定性问题，即生成算法不可控。

可解释性，可调性，是AI生产内容过程中碰到的另一个问题。举个例子，当我们用AI进行视频生产时，无论是半自动还是全自动的方式，采用同一模板生成的视频，在社交平台上获得的点赞数和流量却不一样。至于为什么？用户希望能够有一个解释，即是算法出了问题还是其他方面的问题？这就是内容生产遇到的AI可解释性挑战。

其实，内容生产和内容生成不同，今天AI技术大多仅支持内容生成，内容生产意味着要为产业赋能。内容生成里的专家主要有主编、编辑和运营。而内容生产需要将AI技术有机整合成一个专家系统，包含上述一系列的角色，对于不同角色进行不同程度的赋能，从而提高内容生产的能力。这也是我们一直打造的品牌“AIZAO, AI造”。

它的逻辑是先依靠电商或者品牌的营销专家，然后基于他们对行业的理解，用知识图谱支撑智能素材库，生产出合适的图、文内容，最后加上运营数据的回流，就可以构成生产力的大幅度提升。

为了让这一AI系统生成的内容更为可信，我们做了如下的尝试：1知识图谱承载专家经验提升可控性；2专家系统与局部模型提升可解释性和可调性；3强调人+机器协同的工作模式。AI一定会犯错，人机协同是提高AI可信性的举措之一。

总结一下，如果想搭建一个更为可信的内容生产平台，需要遵守三条原则，第一，坚守向善价值观，不做恶；第二，建立评估体系，保证系统生产的内容可信；第三，明确算法系统的责任。我们可以感受到，互联网充满了不可信的内容，已经对 社会 产生极大负面的价值，我们希望算法设计出之后，其所承担的责任能有清晰的界定和边界。

AI 科技 评论：请问您如何看待可信AI？

韦啸：可信AI 包括几个方面：稳定性、可解释性、可调性、公平性等等。这意味着可信AI不是一个概念，更多的衡量如何把一个技术更好的赋能各个场景。

关于构建可信AI需要四方面的发力：

1技术和学术上的突破。机器学习模型中的黑盒性是AI可信问题的源头之一，很多AI技术如自动驾驶，AI医疗影像的应用，背后其实有可解释性，可控制性的缺陷，邢波老师的Petuum，就考虑了如何提升黑盒模型的debuggability。杨强老师主推的联邦学习，又在一定程度上能解决数据隐私问题，所以技术的发展，肯定能够带来更多可信的解决方案。

2政策、法律衡量责任。一个算法存在开发者和使用者，但算法出错，如何衡量双方的责任，是需要政策制定者考虑的事情。

3遵守商业道德准则。算法即技术，技术中立，向善的人使用，会产生好的结果，心怀不轨的人使用，会产生恶果。

4明确可信的目标。所有的算法都针对一个目标进行优化，我们在设立这个目标的时候，能否将可信作为一个目标衡量？

AI 科技 评论：相比深度学习，传统AI模型的可解释性比较好，您如何看待两者的关系？

韦啸：我举个例子，美国人工特别昂贵，很多车主自己动手修车。衡量一个修车匠是否能“打”的一个标准是：修车工具箱里工具种类是否丰富。这个工具箱可能有一些17世纪就有的改锥，也可能有新开发的智能电钻。其实，老改锥还是新电钻都存在于工具箱里，使用哪种锯子修车取决于具体的场景。

类比到AI内容生产领域，GPT-3这一模型确定能够提高基底模型表现，在从语料库提取特征方面，非常高效。但是，有些场景要求生成的内容丝毫不能出错，例如宝马X5的排量是24，如果AI生成的是25，显然就不符合要求。因此，这时候如果采用经典的PCFG，效果反而会更好。

因此，深度学习也好，传统模型也好，它们都在工具箱里，如何使用，关键要看具体的场景。所以，我们创业者也要摒弃一个观点：新工具不一定比传统工具产生更大的商业价值，毕竟一些比较老的模型研发成本比较低，新模型（深度学习）研发成本比较高。

AI 科技 评论：AI内容生成领域，遇到哪些可信方面的挑战？

韦啸：正如我演讲中提到的，第一是稳定性，我们在用工具创造标题的时候，有些生成的内容质量高，有些却不通顺；第二是可解释性，同一组算法生成的视频，却获得了不同的流量反馈，人工干预也无法总结优化的路径；第三是AI系统一定会犯错，不管什么模型，只要场景足够复杂系统就一定会犯错。这时候需要人机配合，往往可以大幅提高工具使用的可信度。

AI 科技 评论：在实际 *** 作过程中，AI还无法取代人类？

韦啸：在某些特定领域，AI可以取代人工，但也不能取代人。工具取代人工一直在发生，例如超市售货，很多时候顾客选品扫码支付不需要和售货员互动，即便如此，无人超市也没有普及，这就侧面说明了售货员还有他存在的价值。但也不得不承认，超市管理中，现在所用到的人力成本比原来要少很多。

AI内容生产也是如此，某些情况下，AI剪辑视频的质量和 *** 作精度已经超过人类了，但是仍然需要人类进行审核、把关。

AI 科技 评论：目前人工智能的发展，呈现出“大”的特点，例如大数据集、大模型，您如何看待？

韦啸：技术发展的路径非常复杂，存在很多不同的道路，大模型只是一条 探索 路径，但肯定不是唯一的路径。之前在和学者进行交流的时候，他们表达的一个观点是：其实人工智能领域也在期待其他学科，例如脑科学的突破，例如直到今天，我们清楚的知道人脑对于一些观察和决策的工作机理，例如颜色是如何被探测和判断的，但是高级的认知例如红色这个概念，大脑如何存储和计算，却没有很好解释。而这些解释上的突破，很有可能为算法的设计提供全新的思路，在大模型之外，为AI的应用打开新的场景。

由于微信公众号试行乱序推送，您可能不再能准时收到AI 科技 评论的推送。为了第一时间收到AI 科技 评论的报道， 请将“AI 科技 评论”设为星标账号在看”。

物联网（The Internet of Things，简称IOT）是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术，实时采集任何需要监控、 连接、互动的物体或过程，采集其声、光、热、电、力学、化 学、生物、位置等各种需要的信息。

通过各类可能的网络接入，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理。物联网是一个基于互联网、传统电信网等的信息承载体，它让所有能够被独立寻址的普通物理对象形成互联互通的网络。

---