世界正在迅速变化，葡萄酒行业也需要跟上。但是，我们不应该疯狂又匆忙去地做这件事， 我们需要仔细思考现代世界的哪些部分是真正有益的。
冒着日后被指责为技术悲观者的风险，我现在必须谈谈人工智能（AI）。我熟悉计算机，而人工智能的潜在问题对我来说太明显了，却没有受到大家的广泛关注。我觉得这些技术爱好者者有点过于热情，而且思考还不够严谨。葡萄酒行业值得比现阶段技术更好的事物。
人工智能正如其名 - 人工的。人类智慧有时会受到质疑，，而人工智能也应该受到质疑。
什么是人工智能？
人类通过事例学习新事物。在有合适的例子的情况下，我们可以学习做一些令人印象深刻的事情。当我们说人类是聪明的时候，这就是我们的意思 - 我们与例子互动，使用反复试验来弄清楚如何做我们正在尝试做的事情。可悲的是，如果我们遇到了不好的例子，我们也可以学到一些非常糟糕的习惯，但这是可以接受的代价。
另一方面，当我们以前设计机器来帮助我们努力时，我们已经规定了它们以非常具体的方式运作。机器不是通过与世界互动来学习新功能的，而是我们必须自己设计这些新功能，然后重新调试机器。钢笔可以通过墨水留下印记，但无法学习撰写文字;刀可以将食物切块，但无法学会烹饪食物;即使我们往汽车上添加翅膀，汽车也无法学会飞行。
随着人工智能的出现，这种情况正在发生变化。基于人工智能的计算机程序是通过实例而不是通过教学来学习。也就是说，它会看到一组示例，以及一个编程系统，这个系统允许人工智能根据它在这些示例中检测到的任何模式来设计自己的行为。这是所谓的机器学习的一个例子。它是一个概率系统 - 人工智能系统每次遇到新情况时都不会做出同样的决定，而是会产生与几种可能行为相关的概率。这与我们以前的机器不同，普通的机器在相同的情况下应该重复执行相同的操作。
我们几乎无法控制AI系统学到什么 - 我们只能控制实际的例子，而不是AI系统在这些例子中找到的模式。例如，如果一个系统学会了坏习惯，我们所能做的就是不断给它提供越来越好的例子，并希望它最终能够重新学习。就像人一样，对吗？但实际上，就像任何复杂系统一样，纠正的结果可能是不可预测的，也是无法控制的。
AI的一些例子
也许人工智能最著名的早期应用是设计计算机程序来玩象棋或扑克等竞争性游戏。这些过程相对简单，因为程序输入是一系列游戏情境加上他们在特定未来游戏下的结果，AI程序可以在遵循任何给定策略时推断出成功的可能性。国际象棋最新最成功的例子是AlphaZero计划。目前，AI的成功仅限于2人游戏。
其他常用的人工智能示例包括数字“个人助理”应用程序，如Apple的Siri和亚马逊的Alexa，以及Netflix的预测电影选择技术和Pandora的音乐选择技术。在更现代但不太常见的情况下，特斯拉汽车的预测性自动驾驶功能都基于AI。
人工智能的经典用途是在谷歌翻译系统中，它允许我们在各种语言之间翻译在线文本。相信有过使用体验的大家都对谷歌翻译的结果不甚满意，因为它常常会有很多令人哭笑不得的翻译错误，甚至会出现同一个词语在一篇文章中被翻译成多种不同意思的情况。
我在这里强调的问题是我们不能问为什么AI系统会犯这些错误。编程中没有任何内容告诉系统使用任何给定的翻译。系统简单地给出了大量文本（原始文本加上翻译），人工智能通过算法试图找到连接它们的重复模式。从推导出的信息中在每个新的未翻译文本中做出概率性决策。在这种情况下，谷歌翻译已经学习了很多种不同的可能翻译，并决定每次翻译使用哪种翻译。
解决此问题的唯一方法是继续提供越来越多的文本（原始加翻译），直到系统开始正确地做出决定（通过找到正确的模式）。我们无法告诉它该做什么 - 它是“智能的”，因此必须自己解决。这样的解决方案还是有效的。如果您真的希望看到一些奇怪的翻译，请尝试使用Google Translate将一些拉丁文本转换为英语。
人工智能的问题是，机器的旧式方法涉及专业化 - 每台机器只做一件事，做得很好。而人工智能的方法使它成为通才，可以做很多事情，但这样做有可能出现错误。因此，在我的例子中，传统翻译系统一次只涉及一对语言，并且这些语言被正确翻译。谷歌翻译是一个试图完成所有成对语言的系统，但目前并没有特别优异地完成任何一种配对语言翻译。
我们需要做出选择 - 不能幻想鱼和熊掌兼得。
AI的葡萄酒世界
那么，如果我们将AI引入葡萄酒世界，我们会发现什么新用途吗？
也许在葡萄酒行业最受欢迎的AI使用是上面提到的Netflix和潘多拉的预测技术 - 鉴于客户的某些基本信息，计算机辅助应该能够对葡萄酒购买或食品提出合理的建议/葡萄酒搭配。
这个想法基于葡萄酒信息数据库，该数据库通过专家知识与某种消费者“概况”相关联。简而言之，葡萄酒和消费者都是系统中的数据集，两个数据集通过AI系统连接。
这种想法正在（或已经）被许多公司推动，出现了很多移动应用程序或在线网站，如Next Glass，WineFriend，Hello Vino，Wine Ring和WineStein。这些人工智能系统通常会向用户提出一系列问题，然后根据答案向用户推荐新的葡萄酒，也可能根据之前的葡萄酒消费情况来推荐新葡萄酒。
这种人工智能方法也被一些社交网络所使用，这些社交网络最初是记录你喝的东西以及你是否喜欢它，但最近作为大家都记录葡萄酒饮用的葡萄酒网站，比如Vivino现在已经开始使用AI根据消费者已评级或购买的葡萄酒提供新的葡萄酒推荐。而Wine-Searcher主要是将消费者与各种零售商店的葡萄酒价格联系在一起，正在测试推荐名为Casey的聊天机器人。
这个想法可能是人工智能在葡萄酒行业中使用最少的问题，工作情况具体取决于包含葡萄酒相关信息的数据库的质量和数量，以及它与客户信息的连接程度。特别是初学者，如果能够有效使用AI，可以从这种AI的使用中受益匪浅 - 但使用者们不要对不可预测或意外的葡萄酒建议感到惊讶，因为AI系统本身只处理概率。
在简单的预测技术的另一个极端，有人指出，人工智能技术的一个可能后果是目前雇用数百万人的许多任务的自动化（谷歌首席经济学家哈尔瓦里安认为自动化是必不可少的）。唯一真正的问题是什么时候会发生，而不是它是否会发生。关键在于，过去只有重复的工作可以通过机器自动化解决，但是通过AI，现在可以通过新设计的机器学习更多的复杂工作。继飞机上长期使用自动驾驶仪之后，自动驾驶汽车是一个新的使用案例。这里的问题是，驾驶飞机实际上比驾驶汽车更容易实现自动化。
在葡萄酒行业，就自动驾驶汽车而言，我们已经拥有WineRobot，它在葡萄园里来回行驶，收集有关葡萄藤状况的信息（如植物生长，水的状况，产量和葡萄成分），能完成葡萄园经理的任务。我们也有Wall-Ye V.I.N.机器人，执行劳动密集的葡萄园修剪和去除的任务;和TED，一个在葡萄园间剪除杂草的机器人。关于机器人农业的其他想法在悉尼大学的澳大利亚机器人中心的一个短视频中有所介绍 - 农场对于自动驾驶车辆来说比公共道路更安全。
在这两个极端之间，AI系统最明显的用途可能涉及计算机化预测，例如葡萄园的早期葡萄酒预测，或商店的销售和价格预测。在这些情况下，随着越来越多的数据收集，人工智能系统不断自我调整，预计基于数据中新发现的模式，随着时间的推移会有所改善。因此，这些预测具有适应性。
在这里，我对人工智能持怀疑态度。我上面关于谷歌翻译问题的例子在这里似乎太过贴切了。无论如何实施，预测都是有问题的。AI不一定会有所帮助。预测问题远比单纯的“情报”更深刻，事实是未来往往与现在和过去脱节。
翻译自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
