七夜侍寝妾（原标题：人工智能走入现实生活：从商贸、反恐、教育管理，到野生动物保护）

　　公园管理员小心翼翼地在林间穿行，不时停下仔细聆听，试图找到他正在追踪的偷猎者的迹象。因为皮毛和药用，以及作为运动狩猎的对象，全世界的老虎种群已经下降到大约3200头，濒临灭绝。破坏还在增加，在这场与腐败和金钱所驱动的非法交易的斗争中，人们三管齐下：抓住源头，阻断传播，消灭需求。

　　公园管理员可以在偷猎者行动前抓住他们，切断野生动物的供给。但在数千平方千米的面积上找到每个偷猎者根本不可能。而在那些贫穷的地区，资源更是匮乏，偷猎者畅行无阻。

　　利用简单的GPS设备，研究人员提供的智能软件甚至能够帮助那些资源最为匮乏的公园保护它们的动物，与世界野生动物贸易作斗争。南加州大学工程和计算机科学教授Milind Tambe博士带领小组进行了这项技术的研究，他们称这项技术为野生动物安全助手（Protection Assistant for Wildlife Security，PAWS）。

　　“在对付偷猎者时，人工智能被用来了解和智取对手。看到这项科技的潜能显露出来真是让人兴奋不已。它会带来翻天覆地的变化。”

　　Tambe博士是人工智能应用的先驱，是利用AI来扩展人类智慧的科技专家中的一员。这个队伍愈来愈壮大了，他们将人工智能应用在各种各样的领域，从医疗诊断到教育、反恐、股票交易等等。把奇思妙想结合到技术和机械的硬实力之中，与有问题需要解决的专家合作，他们可以找到高明的解决方案。

　　对付偷猎者的灵感来自于地球另一端一个完全不同的情境。10年前，Tambe和他的团队发展了一种用在洛杉矶LAX国际机场安全检查的独特方法。之前英国的哥拉斯国际机场受到袭击：驾驶装载煤气罐的吉普冲进了航站楼。随后洛杉矶的机场经理们希望加强机场安全，但预算紧张。这个机场的入口非常特别：它有8条路线通向机场，但没有足够的工作人员同时监控所有的道路和航站楼。

　　如何分配有限的安保资源呢？Tambe博士利用博弈论来解决这个调度问题，完全随机分配让敌人永远捉摸不透。Tamble博士强调：核心就是不可预测。

　　我们问自己，应该把检查点的警官分配在哪里？最重要就是要随机分配，这样对手猜不出工作人员可能在哪儿了。但是有些航站楼人数更多，就需要更多的保护。如果一个航站路夜里完全没有人，你就希望相应减少防护。所以目标就是在给予需要更多保护的地方加派人手的同时保持不可预测。这就是软件的工作原理。

　　听到小组成员说像老虎和犀牛这样引人注目的动物也处于极度的困境之中，我震惊了；他们说的可是灭绝，如此重要物种的灭绝足以让我震惊。全世界只剩下3000只野生老虎，我们必须做点什么。我觉得充满了动力：我要看看我们的技术能够如何应用在保护野生动物上。

　　他开始寻找合适的合作者，几年的搜寻后他们和公园管理员一起，开始制定和测试安保资源的分配方法了。

　　人工智能是响应式的：它能够学习并适应不同的情境。和在机场一样，Tambe和博士生Fei Fang及ThanhNguyen找到使用博弈论来根据变化的情形安排野生动物巡护的方法。这种方法主要参考两种信息：过去哪里有情况以及哪个区域需要额外的保护。参考过去的事件帮助软件对未来的袭击地点做出更准确的预测，这样机器就可以决定加强哪里的防护。

　　Fei Fang博士从南加州大学计算机系取得了博士学位，她在那里的工作就是在Milind Tambe教授的研究组里完成的。

　　公园管理员都配有GPS设备，而这个软件为设配配置巡逻路线，且推荐给每个人不同的行动，例如巡护不同的区域。而软件也把巡护获得的数据作为未来的推荐依据。这就是用到人工智能的地方， Tambe博士解释道：

　　软件一直在学习，根据对手和它们的行为不断改进。一方面是了解对手以及它们在过去的行动，这些可以帮你做出预测。但另一方面是在它们改变行动的时候变换自己的行为。如果想要打败它们，你不得不跟上它们的速度。早期的结果很乐观，我们希望AI能让一切变得不同，让我们能在偷猎者捕杀这些雄壮的野生动物前，抓住他们。

　　在机场保安和野生动物保护中的应用证明了AI用途广泛。在Elsevier, AI 的学习算法被应用于从小范围的，到平台级别的海量数据，将适应性学习的相同原理应用到推动科学和医学发展的系统中。例如在护理教育中，AI 利用数据、分析和适应性技术来追踪学生与内容、评估和模拟系统之间的互动。这项技术从用户那里“学习”，然后反馈出个性化的教育体验。

　　Elsevier 的首席技术官员Dan Olley 说：“人工智能，或者说机器学习，不是什么为了未来的努力，是我们已经投入使用的语义知识平台的一部分。”目标是“提供由数据获取的见解，回答世界各地医生和科学家的问题。”

　　在所谓的“人工智能之冬”后，这一技术的复兴正赶上了人工智能的第二个春天。

　　Olley 提到那些定义性的测试，比如想要明确定义机器什么时候从“看起来在思考”转变成了“确实在思考”的图灵测试，他解释道，“AI多年以来都用于描述能够独立思考的机器。”但是Olley 也同时指出有些计算机科学圈在回避这个词，因为这会让人联想起科幻场景。

　　事实上，机器学习式的人工智能已经见证了各种各样生意中的利益新浪潮。机器学习训练计算机解决各种问题，从图片识别到无人驾驶汽车。除了赞叹，Olley 也强调了时机的重要性。就如同他最近在CIO 中的文章中说的那样“如果CIO（信息主管）三年前给机器学习投资，那他们就在浪费钱。但如果他们再等上三年，就再也追赶不及了。”

　　1986年Tambe 来卡耐基梅隆大学读博士时，他与AI 的创始人之一AlanNewell 一起工作。

　　他回忆说“这一领域一度蓬勃发展，有大笔大笔的基金，数以千计的人出现在会议上讲述他们关于AI 的新进展。但1990年初，所有的钱都莫名其妙地消失了。

　　突然间万籁俱静。你在会议上基本上找不到产业展位，人比原来少得多——也不再有免费的食物供应。短短几年所有的资源都枯竭了。别人警告我们说千万别说自己从事AI 业，因为 AI 被视为一个彻底的失败。但我们什么都没做错啊！

　　Tambe 没有离开这份工作，恰好相反，他挨过了 AI 漫长的冬季。在科学上这一领域和以前一样逐日进步。25年后的今天，我们见证了对 AI 关注度的复苏：2016年6月，Tamble 博士参加了白宫科技政策办公室举办的5个关于AI 的研讨会中的第二个，这些研讨会旨在提高公众关注度。他期待在这个秋天迎来一则大新闻——由白宫发表的声明，这将正式标志着 AI 迎来了第二个春天。与此同时，从世界贸易和解决诸如灭绝之类的世界性问题中的实际应用来开，AI 似乎已经腾飞了。