所有手機都搭上了AI的車，可為什麼你就不屑呢？

飛象網訊（魏德齡/文）隨便觀看一場手機發佈會， 就能發現AI功能的加入， 不過很多用戶都對此都有些不屑一顧， 心中暗自覺得有蹭熱點的嫌疑。 那麼， 這些宣傳中功能到底是不是所謂的AI呢？

手機的新賣點：AI

從去年下半年開始， 幾乎所有的手機產品在發佈時都搭上了AI的概念， 三星去年先發佈了AI助手Bixby， 隨後又在今年發佈Galaxy S9時也強調了Bixby通過攝像頭可以完成智慧翻譯、匯率轉換等功能。 華為麒麟970晶片也在全球第一次集成了NPU神經網路單元， 隨後的Mate 10、P20產品中都加入了拍照識物的功能， 其中P20系列的AI攝影大師， 可以智慧識別動物、食物、自然、人像等19個類別， 500+個場景， 隨即通過場景檢測+推薦規則+使用者習慣 = 拍照模式的運算過程來為使用者定制拍照模式。 最近發佈的Nubia V18也優化了NeoSmart AI引擎， 表示系統可以更加省電、流暢、好用。

就連相對低調的蘋果， 在A11處理器的名稱中也加入了“仿生”一詞，

同時也將其稱作為一個每秒運算次數高達6000億次的神經網路引擎。 “神經網路”一詞的使用， 也無疑向消費者暗示該晶片同樣具備對於AI能力的支持。

廣義上看一定算AI

“擦， 搞個相冊智慧分類， 也算是AI了。 ”這是一位網友看到某國內手機廠商的發佈會時的評述。 確實， 現在所有的手機廠商都開始與AI概念靠攏， 大到晶片， 小到上述的相冊分類管理， 其實這些功能在以往的手機或電腦上也都似曾相識， 比如語音助手、拍照翻譯、利用LBS+AR+攝像頭的地點指引、手機的能耗管控， 讓很多人以為本身是過往就有的功能卻瞬間包裝成了AI云云。

那麼， 什麼是AI呢？除了字面翻譯過來的人工智慧四個字外， 實際上人們對於AI的定義還存在爭議。

例如， 在有的概念中強調了AI需要具備機器學習與深度學習的能力， 那麼顯然一些手機中， 僅僅是利用現有的資料庫， 然後做出相應判斷的智慧化功能並不符合這一概念。

另外， 在深度學習的概念中， 有的人認為應該強調深度學習， 也就需要具有神經網路， 讓機器來類比人腦進行學習， 自我形成邏輯， 然後獲得超越人腦的能力。 就如同Alpha Go在通過棋譜學習、自我對弈後， 完成了對於人類棋手的飛躍。 顯然， 很多手機中的AI功能也難以做到這點。 不過在這個觀點中， 一個問題在於實際人類目前對於人腦的瞭解也十分有限， 電腦的深度學習99%都是採用電腦自己的方式， 這也與AI中的“人工”兩字有些相去較遠。

不過， AI有一個目前較為公認的廣義概念，

那就是：根據環境的認知， 作出合理的行動， 並且最大化一個被定義的目標函數。

顯然， 目前所有手機廠商推出的AI功能都滿足于這個廣義概念的AI， 這些功能均是根據使用者的環境， 然後自動做出相應的行動。 也可以這麼說， 即便是此前用戶已經十分熟悉的Siri、一些電池管家應用、即時翻譯應用均可稱之為AI。

AI級別與用戶內心期許存在差異

但是， 為什麼還是會出現上述用戶的對於所謂AI概念濫用的吐槽呢？顯然原因就在目前業界對於AI概念細化後的探討， Alpha Go的案例像是給全球一個新的啟示， 那就是原本能力偏弱的AI可以達到超越人腦的高度， 這也給AI貼上一個新的標籤。

而Alpha Go背後超強學習能力，

也成為了AI的新標誌， 機器不僅僅能依靠現有的大資料來做出反應， 還能通過資料庫來自我學習、自我尋找其中邏輯、從而推演出新的解決方案， 這是AI新的發展方向。

但在沒有自主學習能力的AI功能中， 由於其與用戶原來所接觸到的已有功能差別不大， 所以也難讓用戶產生其與當下流行的AI概念（強調神經網路、深度學習）的強關聯， 自然與內心的期許存在差異， 產生吐槽也就難免了。

當然， AI的自我學習能力如果在手機中應用也涉及到了日益被用戶所重視的隱私問題， AI在學習過程中， 所不斷收集來的資料如果存儲在雲端顯然會出現巨大爭議， 例如語音助手、人臉識別在長期學習後， 顯然也能重現用戶的面貌和聲音， 會造成很大風險。所以蘋果、華為也在手機中內置了專門的神經網路單元來存儲這樣的資料，但也會面臨如果用戶更換手機，機器需要重新學習使用者特徵的問題，只有使用者使用一段時間後，機器才能達到原有的學習水準。

會造成很大風險。所以蘋果、華為也在手機中內置了專門的神經網路單元來存儲這樣的資料，但也會面臨如果用戶更換手機，機器需要重新學習使用者特徵的問題，只有使用者使用一段時間後，機器才能達到原有的學習水準。