人工智能（Artificial Intelligence, AI）已经在国际象棋与围棋等棋类游戏中大胜人类中的精英高手，这似乎代表着AI已经比人类更聪明，人类已经在这场与机器的竞争中落败。人类与AI相较真的已经失去优势了吗？AI将全面取代人类的思考与判断了吗？本文将为您探讨AI的发展与Nordic在AI相关应用所推出的解决方案。

人类与人工智能的较量

早在1997年，当时的国际象棋世界冠军加里·卡斯珀罗夫（Garry Kasparov）在与名为“深蓝”（Deep Blue）的IBM超级计算机的系列赛中失利，这一结果被许多人视为表明AI借助强大的计算机能力终于超越了人类。

随着25年过去了，这个钟摆更进一步朝着机器的方向摆动，如今的商业国际象棋程序不仅能够轻松击败最强大的人类棋手，而且能够相对轻松地击败前超级计算机“深蓝”。其实这一点也不足为奇，因为据估计国际象棋大师最多可以提前计算30步，而最好的国际象棋引擎可以轻松处理80到100步，这根本不是一场公平的比赛。

在2016年，由Google DeepMind所开发的AlphaGo AI软件还在世界上最古老的围棋游戏中击败了最佳人类棋手。掌握围棋需要更长的时间，因为围棋有无限可能的走法，仅靠蛮力计算无法准确进行判断。因此，在2016年之前，精英人类还能够凭着直觉和评估技能继续胜过机器，但此后AI便凭借着深度学习算法的进步而开始转败为胜。AI模型并没有评估所有可能的解决方案，而是使用深度学习来减少正在考虑的潜在动作，并预测顺序结果和获胜概率。从本质上讲，计算机从头开始重现了人类几个世纪以来的反复试验，看看是否有比我们在过去几千年中设法想出的方法来更好来解决游戏中的问题，如今，它成功了。

虽然看起来这场人类与机器的竞争已经是这个故事的结局，但事实并非完全如此。自从人类失利后，研究表明，通过研究AI模型的结论，并尝试同时像机器和人类一样的“思考”模式，职业围棋选手在与人类之间比赛中的表现变得更好了，虽然人类还是没有扭转优势，但已经大大缩小了人类与机器的差距，并证明当AI比人类更好时，它还可以带领着人类进步。

机器的思考模式与人类大不同

经过长期的进化，人类已经成为精明的决策者。我们利用对过去的了解和对未来的概念化，然后通过反复试验、直觉和模式识别，然后再做出判断。人类在这方面变得异常擅长，虽然表现的很好，但仍然并不完美。

人类决策的缺陷有两个方面。首先，我们精确处理信息的能力较弱。我们用启发式方法（使用思维捷径，如经验法则）进行评估，这经常导致不准确的结论。其次，由于我们是人，会有自己的主观与偏见。因此，我们的决定有时会出现令人费解的不合理判断。我们有时会专注于不相关的信息，将错误的决定合理化，并且也许最令人担忧的是我们会屈服于偏见。例如，在2011年的一项研究发现，在法律诉讼期间，法官的有利裁决在用餐休息前不久几乎会降至为零，而在他们吃完饭后会立即恢复到65%，这点值得引人深思。

另一方面，机器“思考”的方式与人类不同。AI和机器学习（Machine Learning, ML）有时是可互换使用的术语，用于描述机器如何处理信息。但在物联网（IoT）行业中，这些术语的定义更为明确。AI是一种从机器实现类人智能水平的整个领域未来发展，ML则是一种实用的数学领域，我们使用数学来解决数据的实际问题。

已经有越来越多的IoT终端设备配备ML功能，旨在模仿生物智能技术，在原本单调的数据流中寻找偶尔的偏差，然后解释这些模式以帮助决策。机器解决方案缺乏的是人类的本能和直觉特征，但至少它们不会在午餐前做出错误的决定，我们则可以从这种超然的逻辑中学到很多东西。

人脑与硅大脑相结合将更为完美

究竟是人类还是机器更擅长解释数据，这得取决于任务的类型。机器学习、自然语言处理、数据分析和其他AI应用，可以在输入大规模数据之下表现出色，因为其无需进行人工判断，但在处理歧义、含糊和不完整的信息时，以及在需要情商和判断力时，人类的表现通常优于机器。在国际象棋和围棋等游戏中，机器现在很容易获胜，但除了游戏之外，研究表明，通过将人脑与硅大脑相结合，也就是所谓的增强智能，将可以带来最好的结果。

在快速扩展的IoT应用中，这种增强智能具有巨大的发展机会。截至2021年，已经有超过100亿台活跃的IoT设备。如果预测成立，这可能会在不久的将来增加到2500亿台设备。如果没有ML来发现设备的变化，IoT生成的数据将不堪重负。然而，让机器在没有一定程度人类监督的情况下做出所有决定，将是有风险的。企业将面临IoT中AI的多重风险，例如隐私侵犯、机械决策和管理控制的丧失，例如，虽然先进的可穿戴设备现在被广泛用于医疗保健，使提供者能够远程监控患者的心率和呼吸频率以及血压，但我们不希望由这些设备承担诊断责任，由于如果没有医生的监督，将难以在数据中发现一些隐藏的信息，因此，是否可以使用ML来筛选医疗可穿戴设备生成的大量数据，以过滤错误信息以减少误报，从而使医生能够做出更明智的临床决策？当然，目前这个目标还没有实现。

机器学习增强人类的决策能力

使用配备ML功能的IoT来增强人类决策，将是一项艰巨的挑战。据IDC的分析表示，到2025年，IoT设备生成的数据量预计将达到73.1 ZB，将如此大量的数据中继到云端是难以负担的，因为网络无法承载这么多的负荷，设备没有足够的资源，而且承载的成本会高得令人望而却步。

但是，今天的IoT芯片可以支持TinyML，这是ML的精简版本。例如，它可使边缘设备能够持续监控来自工业机械的数据，以预测是否存在故障风险。如今，“学习”交由功能强大的云服务器执行，然后服务器“重新调整”预测算法，并通过无线方式重新编程IoT设备。

AI的最后一步，就是让ML直接增强人类的决策能力，虽然目前尚还有一段距离。深度学习的进步使机器能够在某些任务上取得超人的表现，但这并没有得到实质的回报。然而，我们不应该浪费时间学习机器如何做出决策，而应该专注于直接利用它们的才能。IoT生成的数据将确保机器的预测能力，可以在许多琐碎的情况下替代人类进行预测，但是当涉及到复杂的判断时，机器预测将补充而不是取代人类。机器将为我们提供更多决策依据，但我们永远是做出重大决定的人。

支持开发人员快速使用嵌入式机器学习

通过Nordic与Edge Impulse的合作，Nordic的Thingy:53多传感器IoT原型平台与Nordic的Thingy:91和nRF5340开发套件，都可以一起支持TinyML，这种支持使开发人员能够快速开始使用嵌入式机器学习。

Nordic Thingy:53™是一个易于使用的IoT原型制作平台。它可以在不构建定制硬件的情况下创建原型和概念验证（PoC）。Thingy:53围绕Nordic的旗舰双核无线nRF5340 SoC构建，其双Arm Cortex-M33处理器的处理能力和内存大小，使其能够直接在设备上运行嵌入式ML模型。

Nordic Thingy:91则是一款易于使用的电池供电原型平台，适用于使用LTE-M、NB-IoT和GNSS的蜂窝物联网。它非常适合在您的蜂窝物联网开发阶段创建概念验证、演示和初始原型。Thingy:91围绕nRF9160 SiP构建，并通过了全球范围广泛的LTE频段认证，这意味着Nordic Thingy:91几乎可以在世界任何地方使用。蜂窝通信可以与GNSS定位采集轻易地进行交错，使其非常适合复杂的资产跟踪的产品创意，该套件并预装了复杂的资产跟踪应用程序。

Nordic nRF5340开发套件是一款双核蓝牙5.3 SoC，支持低功耗蓝牙、蓝牙网状网络、NFC、Matter、Thread和Zigbee等通信协议，nRF5340开发套件在一块板上包含开始开发所需的一切，支持使用范围广泛的无线协议进行开发。它支持低功耗蓝牙，具有2 Mbps高吞吐量、广告扩展和远距离等功能。蓝牙网状网络、Thread和Zigbee等网状网络协议，可以与低功耗蓝牙同时运行，使智能手机能够提供、委托、配置和控制网状网络节点，这是Matter应用的先决条件。它还支持NFC、ANT、802.15.4和2.4 GHz专有协议。

结语

在AI快速发展的时代，运用AI技术来辅助人类进行管理与决策工作已经是大势所趋，通过AI进行基础的信息处理与判断，然后将AI归纳的信息交给人类做重要的决策参考，这种增强智能应用，将会是未来重要的发展方向。Nordic提供的机器学习解决方案，将可加快您在开发物联网AI应用时的开发速度，值得您进一步深入了解与采用。