继续谈助手和自动化，不能不提人工智能和神经网络。
总的来说，我会把这类助手分为两类：实体和虚拟。实体助手是可以亲手触摸的机器人，能完成体力劳动。虚拟助手则包括各种机器人程序、神经网络以及其他存在于你电脑、手机或互联网中的软件。实体机器人要复杂得多。首先，制造实体助手需要零部件；其次，这些零部件必须作为一个整体机制运转；第三，即使有生产这类机器人的工厂，其分支机构也肯定不是遍布各国（很可能只在一国），因此配送这些机器人也是漫长且昂贵的过程。虚拟助手则简单得多。它们可以轻松、快速地在互联网上传播，不需要物理组装，因为不需要零部件。它们需要的只是软件和硬件。如今有几家公司生产非常出色的实体机器人，其中一家是我最喜欢的 Boston Dynamics。他们制造极其聪明的类狗机器人，被推时能站稳、能起身、跳跃、翻跟头、搬箱子并完成其他简单动作。例如，我最近看到的一个视频是 3 个机器人在装饰圣诞树，其中两个充当第三个的底座和梯子，让它能到达树顶。很神奇吧？想象一下，这类机器人 20 年后能做什么。
当然，能拥有这么聪明的实体机器人的人很少，而且它远非处处有用。但与实体机器人不同，虚拟助手已经被广泛使用。总的来说，2023 年即使不算神经网络助手建设的突破年，至少也是炒作很猛的一年。到处都在谈论人工智能和神经网络。这并不奇怪，因为过去几年发明了数百个既有高度专业化的神经网络，也有通用型神经网络。通用型神经网络就像一部百科全书，几乎知道 Google 和其他搜索引擎里所有热门问题的答案。可以向这类神经网络请教、请它解释你不懂的东西。神经网络能写整篇文章。市面上已经有完全由神经网络撰写的整本书。所以，读一本引人入胜的小说或侦探故事时，如果不看作者栏，将来你可能都不知道真正的作者是人还是人工智能。
我们刚刚了解到，神经网络非常擅长处理文本信息。它们可以分析、基于分析给出答案，甚至从零创造内容。神经网络还能做什么？比如，画图。是的，有几款流行的神经网络仅凭少量输入就能画出非常出色的图像。如果写书或写博客文章，我的大脑可以轻松生成大量想法，但在图形信息方面我就差很多。因此很多图片，尤其是我博客文章的预览图，都是神经网络做的。此外，我们正在考虑在工作中使用神经网络生成图像，以节省设计师在更重要事情上的时间，并节省公司预算。
如你所见，人工智能能做很多事。实体助手目前还不太普及，你可能用不上，但虚拟助手的情况要好得多。你现在就可以开始充分利用神经网络，它们会帮助你在各种尝试中节省时间。
