世界正在迅速變化，葡萄酒行業也需要跟上。但是，我們不應該瘋狂又匆忙去地做這件事， 我們需要仔細思考現代世界的哪些部分是真正有益的。
冒著日後被指責為技術悲觀者的風險，我現在必須談談人工智能（AI）。我熟悉計算機，而人工智能的潛在問題對我來說太明顯了，卻沒有受到大家的廣泛關注。我覺得這些技術愛好者者有點過於熱情，而且思考還不夠嚴謹。葡萄酒行業值得比現階段技術更好的事物。
人工智能正如其名 - 人工的。人類智慧有時會受到質疑，，而人工智能也應該受到質疑。
什麼是人工智能？
人類通過事例學習新事物。在有合適的例子的情況下，我們可以學習做一些令人印象深刻的事情。當我們說人類是聰明的時候，這就是我們的意思 - 我們與例子互動，使用反覆試驗來弄清楚如何做我們正在嘗試做的事情。可悲的是，如果我們遇到了不好的例子，我們也可以學到一些非常糟糕的習慣，但這是可以接受的代價。
另一方面，當我們以前設計機器來幫助我們努力時，我們已經規定了它們以非常具體的方式運作。機器不是通過與世界互動來學習新功能的，而是我們必須自己設計這些新功能，然後重新調試機器。鋼筆可以通過墨水留下印記，但無法學習撰寫文字;刀可以將食物切塊，但無法學會烹飪食物;即使我們往汽車上添加翅膀，汽車也無法學會飛行。
隨著人工智能的出現，這種情況正在發生變化。基於人工智能的計算機程序是通過實例而不是通過教學來學習。也就是說，它會看到一組示例，以及一個編程系統，這個系統允許人工智能根據它在這些示例中檢測到的任何模式來設計自己的行為。這是所謂的機器學習的一個例子。它是一個概率系統 - 人工智能系統每次遇到新情況時都不會做出同樣的決定，而是會產生與幾種可能行為相關的概率。這與我們以前的機器不同，普通的機器在相同的情況下應該重複執行相同的操作。
我們幾乎無法控制AI系統學到什麼 - 我們只能控制實際的例子，而不是AI系統在這些例子中找到的模式。例如，如果一個系統學會了壞習慣，我們所能做的就是不斷給它提供越來越好的例子，並希望它最終能夠重新學習。就像人一樣，對嗎？但實際上，就像任何複雜系統一樣，糾正的結果可能是不可預測的，也是無法控制的。
AI的一些例子
也許人工智能最著名的早期應用是設計計算機程序來玩象棋或撲克等競爭性遊戲。這些過程相對簡單，因為程序輸入是一系列遊戲情境加上他們在特定未來遊戲下的結果，AI程序可以在遵循任何給定策略時推斷出成功的可能性。國際象棋最新最成功的例子是AlphaZero計劃。目前，AI的成功僅限於2人遊戲。
其他常用的人工智能示例包括數字“個人助理”應用程序，如Apple的Siri和亞馬遜的Alexa，以及Netflix的預測電影選擇技術和Pandora的音樂選擇技術。在更現代但不太常見的情況下，特斯拉汽車的預測性自動駕駛功能都基於AI。
人工智能的經典用途是在谷歌翻譯系統中，它允許我們在各種語言之間翻譯在線文本。相信有過使用體驗的大家都對谷歌翻譯的結果不甚滿意，因為它常常會有很多令人哭笑不得的翻譯錯誤，甚至會出現同一個詞語在一篇文章中被翻譯成多種不同意思的情況。
我在這裡強調的問題是我們不能問為什麼AI系統會犯這些錯誤。編程中沒有任何內容告訴系統使用任何給定的翻譯。系統簡單地給出了大量文本（原始文本加上翻譯），人工智能通過算法試圖找到連接它們的重複模式。從推導出的信息中在每個新的未翻譯文本中做出概率性決策。在這種情況下，谷歌翻譯已經學習了很多種不同的可能翻譯，並決定每次翻譯使用哪種翻譯。
解決此問題的唯一方法是繼續提供越來越多的文本（原始加翻譯），直到系統開始正確地做出決定（通過找到正確的模式）。我們無法告訴它該做什麼 - 它是“智能的”，因此必須自己解決。這樣的解決方案還是有效的。如果您真的希望看到一些奇怪的翻譯，請嘗試使用Google Translate將一些拉丁文本轉換為英語。
人工智能的問題是，機器的舊式方法涉及專業化 - 每臺機器只做一件事，做得很好。而人工智能的方法使它成為通才，可以做很多事情，但這樣做有可能出現錯誤。因此，在我的例子中，傳統翻譯系統一次只涉及一對語言，並且這些語言被正確翻譯。谷歌翻譯是一個試圖完成所有成對語言的系統，但目前並沒有特別優異地完成任何一種配對語言翻譯。
我們需要做出選擇 - 不能幻想魚和熊掌兼得。
AI的葡萄酒世界
那麼，如果我們將AI引入葡萄酒世界，我們會發現什麼新用途嗎？
也許在葡萄酒行業最受歡迎的AI使用是上面提到的Netflix和潘多拉的預測技術 - 鑑於客戶的某些基本信息，計算機輔助應該能夠對葡萄酒購買或食品提出合理的建議/葡萄酒搭配。
這個想法基於葡萄酒信息數據庫，該數據庫通過專家知識與某種消費者“概況”相關聯。簡而言之，葡萄酒和消費者都是系統中的數據集，兩個數據集通過AI系統連接。
這種想法正在（或已經）被許多公司推動，出現了很多移動應用程序或在線網站，如Next Glass，WineFriend，Hello Vino，Wine Ring和WineStein。這些人工智能系統通常會向用戶提出一系列問題，然後根據答案向用戶推薦新的葡萄酒，也可能根據之前的葡萄酒消費情況來推薦新葡萄酒。
這種人工智能方法也被一些社交網絡所使用，這些社交網絡最初是記錄你喝的東西以及你是否喜歡它，但最近作為大家都記錄葡萄酒飲用的葡萄酒網站，比如Vivino現在已經開始使用AI根據消費者已評級或購買的葡萄酒提供新的葡萄酒推薦。而Wine-Searcher主要是將消費者與各種零售商店的葡萄酒價格聯繫在一起，正在測試推薦名為Casey的聊天機器人。
這個想法可能是人工智能在葡萄酒行業中使用最少的問題，工作情況具體取決於包含葡萄酒相關信息的數據庫的質量和數量，以及它與客戶信息的連接程度。特別是初學者，如果能夠有效使用AI，可以從這種AI的使用中受益匪淺 - 但使用者們不要對不可預測或意外的葡萄酒建議感到驚訝，因為AI系統本身只處理概率。
在簡單的預測技術的另一個極端，有人指出，人工智能技術的一個可能後果是目前僱用數百萬人的許多任務的自動化（谷歌首席經濟學家哈爾瓦里安認為自動化是必不可少的）。唯一真正的問題是什麼時候會發生，而不是它是否會發生。關鍵在於，過去只有重複的工作可以通過機器自動化解決，但是通過AI，現在可以通過新設計的機器學習更多的複雜工作。繼飛機上長期使用自動駕駛儀之後，自動駕駛汽車是一個新的使用案例。這裡的問題是，駕駛飛機實際上比駕駛汽車更容易實現自動化。
在葡萄酒行業，就自動駕駛汽車而言，我們已經擁有WineRobot，它在葡萄園裡來回行駛，收集有關葡萄藤狀況的信息（如植物生長，水的狀況，產量和葡萄成分），能完成葡萄園經理的任務。我們也有Wall-Ye V.I.N.機器人，執行勞動密集的葡萄園修剪和去除的任務;和TED，一個在葡萄園間剪除雜草的機器人。關於機器人農業的其他想法在悉尼大學的澳大利亞機器人中心的一個短視頻中有所介紹 - 農場對於自動駕駛車輛來說比公共道路更安全。
在這兩個極端之間，AI系統最明顯的用途可能涉及計算機化預測，例如葡萄園的早期葡萄酒預測，或商店的銷售和價格預測。在這些情況下，隨著越來越多的數據收集，人工智能系統不斷自我調整，預計基於數據中新發現的模式，隨著時間的推移會有所改善。因此，這些預測具有適應性。
在這裡，我對人工智能持懷疑態度。我上面關於谷歌翻譯問題的例子在這裡似乎太過貼切了。無論如何實施，預測都是有問題的。AI不一定會有所幫助。預測問題遠比單純的“情報”更深刻，事實是未來往往與現在和過去脫節。
翻譯自http://winegourd.blogspot.com/2018/04/artificial-intelligence-in-wine.html?m=1
閱讀更多 中美納帕谷美酒生態圈 的文章
