引领人工智能革命

世界的下一次工业革命已经开始, FAU最近被命名为佛罗里达州人工智能和大数据分析的官方“区别大学”.

人工智能（AI）, 这项技术在很大程度上促成了下一次革命, 允许人类将越来越多的任务交Giving智能机器，我们认为它们可以做得更好, 更便宜——否则这根本不可能. 人工智能和数据科学的潜在影响有时会被拿来与它们带来的影响进行比较 由于电力和 电脑.

“人工智能无处不在，几乎没有哪个行业不受它的影响，或者不朝着这个方向发展,斯特拉·巴塔拉玛说, Ph.D.他是工程与计算机科学学院教授兼院长. "This is a critical moment for FAU; the university is well positioned 成为人工智能的领导者 相关领域."

FAU已经拥有大量的专业知识. 传感与嵌入式网络系统工程研究所（我感觉）, 例如, 专注于感知环境，并用人工智能解释这些数据——这种技术可以使自动驾驶汽车检测路况并安全行驶. 与此同时, 工程与科学学院和整个大学的研究人员正在以多种方式开发和应用人工智能, 甚至探索其伦理含义.

这项技术已经抓住了学生们的想象力，杰森霍尔斯特罗姆博士说.D.他是学院教授，也是我感觉的负责人. “很多人进来，都想专攻人工智能. 他们还看到了未来大幅提高工资水平的机会."

工程与科学学院正在为这些学生实施新的学位选择, 包括一个人工智能专业的理学硕士学位, the first such degree in the state; a multidisciplinary master's of science in data science 和 analytics; 和 a joint degree that funnels 学生 from 哈里特·L. 威尔克斯荣誉 从大学到数据科学硕士学位. 与人类的大脑相比，最先进的人工智能的能力是无限的. 当自动驾驶机器协同工作时，这项技术的最大潜力就会显现出来——比如自动驾驶汽车优化交通流量, 或者一群无人机在灾难发生后重建无线网络. “一千个 具有沟通和协作能力的机器， 这就变得非常 强大，”霍尔斯特罗姆说.

国际象棋被认为是一种智力测试，它曾是人工智能目标的典范. 按照这个标准，机器在1997年就超越了它们的创造者 IBM的“深蓝”击败了人类世界冠军.

人工智能的概念已经超越了检索信息和使用公式的范畴 解决复杂的问题. “使用模拟相互连接的神经元的算法 在大脑里创造了一个 强大的新形式的机器学习，”邢泉“Hill”Zhu博士说.D.他是工程与计算机科学学院的教授. Giving定数据，学习型人工智能可以检测模式并获得其他方法无法获得的洞察力. 例如, 一个这样的系统, 具备深度学习能力, 最近自学了国际象棋, 而不是被告知怎么做 玩. “深度学习在某些特定的、狭窄的任务中可能比人类的能力更强大，”朱说. 例如，这些算法在图像分类方面表现出色，比如视频中记录的图像. 然而，它们还没有接近人类更广泛的直觉智能. 在他自己的作品中, 朱使用这种人工智能来检查大量相互关联的数据——想想由评论和“赞”链接的社交媒体用户.” 在这些联系上，朱建立了 数据的地图或网络，并利用它进行推断 和预测. 他和同事, 例如, 建立传染病临床试验代表网络, 绘制出数千名研究人员与疾病之间的联系. 他计划用它来预测哪些试验将提前终止. 在另一个项目中, 他开发了人工智能来分析健康记录，以预测哪些病人会再次入院. 他还致力于检测数据的变化，比如温度，这些数据是由传感器连续收集的.

“对智能的理解曾经仅仅是推理，现在它的范围要广泛得多. 人工智能有望拥有能看、能听、能学习、甚至能执行体力任务的传感器。. “很多年前，人工智能就像大脑一样，现在人工智能就像大脑和身体一样."

不是HAL，那台杀死宇航员的电脑 2001：太空漫游. 也不是天网, 《菲律宾十大网堵网站》电影中的军事超级智能, 引发了杰拉尔德·西姆对人工智能的担忧. 相反，是Netflix.

流媒体服务收集了大量观众的数据, 然后人工智能解析这些内容，提供建议，让玩家着迷. 学习这个，Sim博士.D.她是多萝西F大学媒体研究副教授. 施密特艺术与文学学院，开始感兴趣 的伦理含义 这项技术.

Recommendation systems are only one way AI has entered daily life; others include virtual assistants like Alexa, 面部识别和客户服务聊天机器人. “这项技术在我们的生活中无处不在. 这不是你可以轻易选择退出的事情,西姆说, 注意到像Netflix这样的公司, 亚马逊, 谷歌和脸书利用人工智能巧妙地改变用户的行为. 他说，尽管这项技术经常被描述为提供自由，但它限制了人们的选择.

他还有其他担心的理由：人们倾向于听从计算机的决定，因为他们认为这是客观的. Yet societal biases are often baked in; facial recognition software performs best for white men, 例如. 而且通常不可能知道人工智能是如何做出决定的.  他说，这项技术的应用引发了一些微妙的问题. 例如, 自动驾驶汽车将如何平衡保护司机和行人的潜在冲突需求? 在西姆看来，对聪明的幻想， 杀人机器会分散人们对这类道德问题的注意力 由真正的人工智能抚养.

“这不是要回到19世纪，”西姆说. “这实际上是关于建立一个更仔细的培训过程, 开发和盈利, 所以我们可以真正思考如何使用这项技术."