時下流行的人工智能概念，是要么它取代你的工作，要么成為你新的電子助理。假設人工智能就是關于你和我。

  AI帶來的哪些影響最明顯，對此我們有不同的看法。我們認為，最終人工智能將不可避免地主要與其他人工智能互動。

  以美國的911市政系統為例。人們很難想象911呼叫是由NLP訓練的聊天機器人應答的。如果接受這種做法，那是因為人們期望一個更客觀、更一致、更高效的系統。如果不接受，那是因為人們不相信軟件是可信的，特別是在生死攸關的情況下。

  但是，在高度緊張和不可預測的人類情境中，使用一種算法來解讀人類語音，這對于機器學習來說是一個重要的延伸。我們距離能夠把機器人放在人類911接線員的前端還有很長一段路要走，更不要說完全取代人類了。

  另一方面，有一種方法可以將人工智能納入911，我們發現這種方法可能最終價值更高：

  你在遇到緊急情況下撥打911，AI會監聽你與運營商之間的對話。通過監聽少數接線員數小時的對話，AI就能理解呼叫內容的性質和緊迫性。AI掌握了與整個應急管理生態系統其他要素相關的術語，它與生態系統其他部分的AI相連接，以提醒他們應對這一緊急情況并協同響應。

  救護車派遣型AI的任務是確定最合適的專業團隊。交通控制型AI主要是協調停車燈周期為救護車提速。ER型AI是為了確保合適的人員、藥品和設備準備就緒。救護車上的AI為EMS人員提供診斷可能性和治療選擇方面的指導。

  你可能會說，這不可能。這種部門之間的協調和整合是無法實現的，政治和體制障礙太多了。

  如果是由人類來決定未來911系統的發展，那么你可能是對的。但事實是，我們相信人工智能會讓這些在未來變成現實。

  那你可能會問了，怎么實現？因為基于機器學習的系統將不可避免地演變為精細的自我糾正和自我訓練的實體。數據科學團隊推出了算法的早期版本（這個版本最終將成為他們的第一個指令），以便更加自信地應對更多邊緣情況，而這第一條指令將推動算法發現這其中的差距，并自己主動填補這些差距。

  當人類遇見其他人類的時候，具有本能的AIP會管理人類之前的互動。

  人類決定彼此的身份：你是誰？

  他們建立了可信度：我怎么知道你說的是真的？

  他們評估彼此的價值：我是否優先考慮你提供給我的東西？

  AI需要類似的API。與人類一樣，尋求自我完善的人工智能將需要詢問其他“監管者”并與之進行協商。

  身份：這位監管者是誰？它有什么經驗？

  信任：我為什么要相信它們？我對它們給出的意見有多信任？

  價值：我有多么需要這些數據？根據我的預算，最大限度的影響力有多大？

  這種新型API——在這種機制下，軟件能夠通過查詢和協商——來自何處？

  這些已經被作為機器學習發展演進的一個組成部分。Alegion自己訓練的數據平臺使用這種早期的API來激勵主動學習，我們肯定并不孤單。

  但算法本身將變革這種新的API，以滿足他們對自我改進和更大信心永不滿足的需求。

  正是這種可以詢問和協商的AI將實現未來的911系統。