未来智库 > 人工智能论文 > 【你所恐惧的“人工智能”到底是什么】
    我们要的是人一样的机器,你们却发明了更精准的广告投放?
       前一阵子,特斯拉的总裁马斯克、物理学家霍金突然发声,要大家警惕超级人工智能。这件事多少有点奇怪。对人工智能的恐惧感大众并不陌生,已经有一大堆科幻电影靠着这种情绪赚得大笔票房了。可这一次,一个是世界上最知名的企业家(可能没有之一),一个是在世的最知名的科学家,两位都是媒体关注的焦点,他们说要警惕,事情似乎非同小可?
       并没有。尽管大家都喜欢《终结者》之类的电影,可真要让我们在平时关注一下看不见摸不着的东西,反而是件难事。而且,霍金不是不久前还说要大家小心地外生物吗?对于这些事情,我们更多抱以微笑:老爷子醒醒吧。我们尽管看不懂你的那些理论,但还是非常尊敬你的,喊狼来了就不好了。
       但是还有另外一些事情同时发生:就在最近这几年,人工智能和它的交叉学科如机器学习、计算机视觉、自然语言处理等等,出现了不少惊艳的产品,也诞生了许多家估值甚高的创业公司。
       有一些我们已经体验过了:Google的照片应用不仅能根据拍摄信息自动将我们的照片分类,还能分辨出图像中的动物是猫还是狗;无人驾驶汽车已经在美国很多公路上实验性地驰骋;利用深度学习,各家公司正在更精准地投放广告;IBM的沃森登上了美国版“开心辞典”,在智力问答中击败了之前卫冕时间最长的人类冠军;微软的翻译系统已经能做到实时翻译,通话时对方的西班牙语传到你的电脑时已经变成了翻译好的英语。
       我们甚至有点习以为常了,甚至觉得有些技术本应如此。但其实,这里举出的各种技术都是最近十年内从不可用、难用变得可用的。科技和投资领域盯上这块下一个爆点已经很久了。
       然而说来也怪,这些进展和之前提到的超级人工智能好像不是一回事啊?电影里的超级人工智能,不是应该闪烁着一簇邪恶的红色眼睛,不,发光二极管,用奇怪的金属音说话,除了毁灭人类没有其他事情可做吗?或者,那些温柔的机器人不是既能够理解人类,又学会了爱与幽默感?我们要的是人一样的机器,你们却发明了更精准的广告投放?
       翻开《人工智能》的教材我们就会发现,公众对于这个字眼的理解,向来和教科书差距不小。教材中最大篇幅介绍的,往往是让计算机求解一个问题,其次关注的,有让计算机理解自然语言、推理、知识表示等;相关的,也有希望通过计算机制造一个神经系统;还有另外一派,通过统计方法,让计算机完成各种任务。这些充满术语的大部头教材,怎么看都和电影里的人工智能不沾边。然而如果了解一点背景和技术,又会发现很多事情是今天这个样子,实在是顺理成章的。
       这要从上世纪五十年代年说起。1956年,一群年轻教授和工程师收到约翰・麦卡锡等人的邀请,齐聚达特茅斯大学,召开一个会议。他们有着共同的学术兴趣,都在关注计算机能否思考这个话题,然而对于什么是思考、什么是智能,却没有统一意见。本来,大家对当时的学术进展也都很了解,并不指望在会上看到什么重大突破(也确实没有),但这次会议把后来这个领域大牛们第一次聚集在了一起。就是在这次会议上,大家决定,把相关的研究单独列出来称之为“人工智能”。会上,西蒙和纽厄尔展示了逻辑理论家,一个能够自动证明数学定理的程序;马文・明斯基带来了神经网络模拟器;麦卡锡本人则演示了自动下象棋的程序。这次大会不久之后,麦卡锡的团队实现了一种人工智能研究常用的计算机语言Lisp。这十年,是人工智能奠基的十年。
       我们在这里可以一窥人工智能领域后续的发展方向:一是创造像Lisp这样的工具,有了工具并不能让计算机产生智能,但很多工具影响深远,起作用的远超人工智能领域;二是构建神经网络,我们已经知道人脑由神经细胞构成,如果能够构建一个神经网络,就能实现一定的功能,如果能更进一步,兴许能制造出像人脑一样复杂的机器;三是研究计算机的推理运算、问题解决和知识表达。学者们认为,人脑在处理信息时无非也是利用已经具有的知识、通过运算来解决问题,如果计算机能够做到这些,就可以说计算机具有智能。
       整个六七十年代,人工智能的研究主要围绕的是第三点。这种取向有着深厚的背景,在人工智能这个词还不存在的年代,已经有无数学者曾思考思维的本质,他们把思维抽象为运算,而如果能够让机器学会这种运算,我们自然就得到了智能。
       不仅因为这种研究的观念和我们对思维的看法最接近,也因此它是最容易上手的。五十年代的时候就已经有了自动证明数学定理的工具,之后又诞生了各种有一定运算能力的程序或者机器。最后还有一点,那就是冷战背景下,政府和军方的巨额投资。当时,他们认为,人工智能可能产生重大的科技突破。想想看,如果有永不疲倦的雷达员检测敌人,如果有不需眼睛和手的翻译官将俄文资料翻译成英文……这真是诱人的前景。当然,研究神经网络的学者也没有止步不前,他们实现了一些更复杂的模型。只不过,他们选择了一条窄门,突破更难取得。
       事情很快起了大反转。到七十年代末的时候,已经苦等十余年的投资人开始抱怨,为什么那些神奇的机器还是没有发明出来?为什么所谓的智能只会推理数学,而一些小孩就能做出的判断计算机却怎么也做不出来?不多久,政府大幅缩减了人工智能研究的预算。
       人工智能迎来了一次低潮。而另一种方法却正在暗中生长。我们现在称呼这种方法为机器学习,尽管它和我们平时用的“学习”这个字眼并不那么接近。机器学习的方法看起来彻底放弃了让计算机去表达知识之类的想法。既然计算机最强的能力莫过于高速计算,那么索性让它在自己的长项上发挥吧。机器学习的专家不那么在乎计算机表现的是不是智能,他们设计、实验各种精妙的算法,让计算机可以解决特定的任务。到了八十年代,很多领域都迎来了突破。我们有了最初的自动驾驶,能够用计算机给图片做分类,能够让计算机和人类世界冠军下棋。实现这些的办法,和过去我们渴望的人工智能并不完全一致,然而却在效果上大获成功。
       几乎同时,研究运算与知识的方法效果不佳,但神经网络的研究却兴盛了起来。一些学者自称联接主义者。他们的思想来自六十年代。可现在有了更好的计算机、更好的实现方法,也对神经有了更多了解。他们索性就不去考虑意识啊、思维啊是什么这些大问题,而是把精力放在构建神经网路的模拟上。很多人不同意他们的思考方式,但是大家对于建造一个模拟的大脑还是很有兴趣的。 最近几年,一个叫做“蓝脑计划”的项目被很多媒体报道。这个计划已经利用超级计算机模拟了一个大脑,复杂度大概相当于猫的大脑。我们仅通过这个计划,大概也能判断这种方法前景巨大――想想看,如果能模拟一个人类大脑的话会怎么样?当然,你也能猜到这有多难。历经数年时间、投入大量金钱之后,目前我们只得到了一个猫脑。
       最终胜利的似乎是机器学习的方法,这种我们对智能理解差异最大的方法。如今,流行的机器翻译、语音识别、自动驾驶、图像识别、打击网络犯罪乃至反恐……机器学习已经全面开花,与其相关的词还成了行业甚至全民热词,比如数据挖掘、数据科学家、大数据等。一些持传统观点的人工智能研究者实在没法同意,计算机表现的这些能力是一种智能。然而机器学习解决问题的效果实在是好。
       那么,这就是超级人工智能的雏形了?自八十年代以来,计算机的能力提升了那么多,很多实验性的研究已经成了我们每天使用的工具。然而如今,我们还是造不出能两腿行走的机器人,计算机很难分辨扭曲的字母或面孔,对于人类的常识也很难理解,能够做出判断的专家系统一般只局限于少数专业领域。总之,许多一个人类小孩就能胜任的工作,依然是计算机所不擅长的。计算机的能力如此强大,但似乎又和我们想象的智能不是一回事。于是问题来了,超级人工智能的威胁在哪里?
       答案也许要分两部分。第一部分是我们的心理因素。毕竟,人类是我们已知的唯一智能生物,我们对智能的所有了解其实都来自我们自身。我们对地外生命和人工智能总有着强烈的好奇与恐惧,是因为我们从来不知道和我们不尽相同的智能生命是什么样的,它们又会有什么样的情绪和态度。
       在人工智能作为一个学科诞生之前,数学家图灵就坚信机器可以有智能。他设计了一个判断机器是否有智能的图灵测试:一个人向屋子里的机器提问,如果后者回答一系列问题后人类仍然无法判断它是人还是机器,那么这个机器就具有了智能。这是一个简单粗暴又无比高明的方法,避开了什么是智能的种种争论。然而,这种测试得到的不仅是一台有智能的机器,还是像人一样的机器。我们对这种机器如此的好奇又恐惧,这种情绪,将伴随未来所有研究。
       另一部分答案在于我们如今的成果。尽管我们都承认现在计算机能做到的种种事情和人的智能还不一样。但是“不一样”和“有差距”是两个概念。许多领域,计算机都表现出了比人更好的能力。想想看,尽管“他们”没法做到一些对于我们来说很简单的任务,但“他们”可不是只有劣势。我们还不知道这条路通向何方。
       不过先压压惊,至少目前,人类将大量聪明的头脑投入到了机器学习领域,最重要的事情就是帮助我们投放更精准的广告。嗯,人类好样的。
转载请注明来源。原文地址:https://www.7428.cn/vipzj14087/