如果说前几代AI的发展只是冰山一角，未来“人工直觉”标志着AI将成为真正“智能”的关键的一步。
第四代AI：模仿人类直觉
AI发展至今正在历经四次演变。第一代AI属于“描述性分析”；第二代AI是“诊断性分析”；第三代也是最近的这一代AI是“预测性分析”，主要是基于已经发生的事情进行预测将来。
尽管AI的“预测性分析”非常有用，但是缺点仍在于必须基于历史数据预测，面对新的未知场景，AI就变得无计可施。
人们需要能够自行“思考”的机器，以面对陌生的情况。因此，能够模仿人类直觉(Artificial Intuition)的第四代AI应运而生。
拥有“人工直觉”的AI，能够在无需告知的前提下自动识别威胁和机会，就像人类的直觉能够让我们在无需特别指示下做出决策。
这有点类似于经验丰富的侦探进入犯罪现场，便能立即知道某些事情似乎不对劲，或者是经验丰富的投资人可以比其他人先发现行业趋势。
那么，AI真的可以具有“直觉”吗？毕竟计算机没有人的感觉，它只是二进制的机器，如何在决策时利用“直觉”呢？正因如此，人工直觉的概念在早年间还被认为不可能发生。
但是现在，谷歌、亚马逊、IBM等公司正在努力开发解决方案，并且有一些公司已经让其运行。
图灵奖获得者赫伯特·西蒙（Herbert Simon）曾在演讲中指出，一个小孩在学习过程中，会指着一个小动物说“这是一只狗”，但他并不知道为什么。
同样，一个先进的深度神经网络能够在不知道为什么的情况下，看到东西并说“狗狗”。
换句话说，识别的任务，特别是在计算机视觉中，已经通过具有人工直觉的深度学习方法得以解决。
AlphaGO的演进：
人工直觉的进化
尽管人与机器在许多方面的行为方式都不同，但人工智能的发展不仅带来了更多的智能，而且似乎还发展出了一种直觉。我们不妨从AlphaGo的进化，来看看人工智能是如何具备“直觉”的。
众所周知，AlphaGo是一款围棋人工智能程序，它击败了世界上最好的人类职业围棋选手，是第一款战胜围棋世界冠军的AI机器人。
- 2016年3月，AlphaGo与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜；
- 2016年末至2017年初，AlphaGo以“大师”（Master）为注册账号，与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩；
- 2017年5月，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。围棋界公认AlphaGo的棋力，已经超过人类职业围棋顶尖水平。
据AlphaGo的开发公司DeepMind的论文介绍，AlphaGo的发展分为四个阶段，也就是四个版本：
- 第一个版本是在2015年战胜围棋欧洲冠军樊麾时的人工智能，当时还处于内测保密阶段；
- 第二个版本是2016年战胜李世石的AlphaGo；
- 第三个是在围棋平台对弈的“大师”（Master）版本；
- 第四个即最新版的AlphaGoZero，在开始学习围棋3天后，便以100:0横扫了第二版本的AlphaGo。在学习40天后，又战胜了在人类高手看来不可企及的第三个版本“大师”。
在这个进化过程中，到底发生了什么变化才引起了AlphaGo能力质的飞跃？要回答这个问题，我们首先要了解AlphaGo的主要工作原理——“深度学习”。
深度学习是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。
多层神经网络就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理。
AlphaGo此前的版本，即是结合了数百万人类围棋专家的棋谱，以深度学习中的强化学习方法进行了自我训练。而AlphaGoZero则使用了新的强化学习方法，让自己变成了老师，从而让自己的能力有了质的提升。
据AlphaGo团队负责人大卫·席尔瓦（Dave Sliver）介绍，AlphaGoZero系统一开始甚至并不知道什么是围棋，也没有接触过人类棋谱。
研发团队只是让它自由随意地在棋盘上下棋，从单一神经网络开始，通过神经网络强大的搜索算法，进行了自我对弈。随着自我博弈的增加，神经网络逐渐调整，提升预测下一步的能力，最终赢得比赛。
更为厉害的是，随着训练的深入，AlphaGoZero还独立发现了游戏规则，并走出了新策略，为围棋这项古老游戏带来了新的见解。
AlphaGo Zero首席程序员David Silver博士说：“通过不使用人类数据，即通过不以任何方式使用人类专业知识，我们实际上消除了人类知识的限制。
因此，它能够根据第一原理来创造知识。从空白状态开始，这使它比以前的版本功能强大得多。”
可以看到，AlphaGoZero与之前版本最大的区别在于，它不再需要人类数据，似乎它已经根据“直觉”制定了自己的策略。
虽然之前人们认为，直觉是只有人类才能拥有的东西，而不是计算机。
人工直觉的应用
随着人工直觉的发展，AI的这一能力几乎可以应用于任何行业，目前在金融服务领域已取得了长足的进步。
大型银行越来越多地使用它来检测复杂的新型金融网络犯罪计划，包括洗钱、欺诈和APT黑客攻击。
可疑的金融活动通常隐藏在成千上万个交易中，而AI人工直觉可以使用极其复杂的数学算法，快速发现看似无关交易之间的隐藏关系，并向银行发出未知威胁并发出警报。
不仅如此，人工直觉而且还可以采用可追溯和记录的方式解释数据，从而使银行分析师能够为金融犯罪执法犯罪准备可执行的可疑活动报告。
在自动驾驶领域，人工直觉可以预测道路上可能发生的事情，并瞬间做出决定，来提高公共安全性。
例如，在下雨天，自动驾驶汽车被编程为减速并通过其传感器打开雨刮器。通过人工直觉，可以训练自动驾驶汽车通过做一些人类驾驶员有时会做的事情，来预料和反应即将发生的危险，如果下雨的话就开到路边或走安全路线等。
当然，人工直觉并不意味着AI突然会拥有自己的思想。
取而代之的是，这些深度学习技术可以做系统训练，随着系统变得更加先进，这些技术会向其提供更多信息，并以此为基础建立见解，从而能预见将要发生的事情，并像人类做出重要决定一样，无意识地对其采取行动。
但值得注意的是，人工直觉并不是在替代人类的本能。它只是一个附加工具，可以帮助人们更有效地完成工作。人工直觉并不能自行做出任何最终决定，它只是向人类提供有价值的信息，最终做决策的仍旧是人类。
