1701071361
1701071362
再比如，2014年，日本研发出一个骑自行车的机器人primer V2，很快就在媒体上火了起来。各大媒体纷纷对这个机器人能够像人一样灵活地拐弯、双脚着地刹车、举手与人说“嗨”等惊呼不已。其实，这有什么稀奇呢？看起来像人的机器模仿人做的事情，古时候就有这种发明了，尤其是中国的古时候！
1701071363
1701071364
大部分这些进步其实都是围绕“识别”做文章，也大都发生在神经网络领域。神经网络的局限性是，它背后是“模式匹配”的运作原理，真正的含义还是“识别”，这意味着要很好地利用基于神经网络的深度学习技术，你需要把你所有的问题转换成一个“识别”问题，这不是不可能，只是让人感觉有些怪，比如，你需要把谁将是下一任美国总统的问题转换成一个模式识别问题。
1701071365
1701071366
神经网络用的是数据统计方法，只有已经具备了很多案例，然后再“猜”下一个案例时才能良好运行。翻译软件就是个很好的例子，它会自动翻译不是因为它真的掌握了这门语言，而是每当有人给出新的句子，它就从成千上万已经被别人翻译好的数据库里“学习”，根据已有的翻译来“猜”这一句的意思，意思就是“识别”出最有可能的已有翻译。
1701071367
1701071368
统计的方法能产生一个合理的结果，但它永远不知道为什么。这也是为什么机器由此学习到的技巧不能应用到其他领域。当今世界最著名、最具影响力的哲学家之一约翰·塞尔（J.R.Searle）一直坚持认为，不管机器看起来能做什么，那都不是它做的，即机器根本意识不到自己做了某事。塞尔在1980年用“中文书”的例子来说明，如果你给我一本包含几乎所有关于中国问题的答案的书，然后你用中文问我一个问题，我可以从书中找到正确的答案。但是，我仍然不懂中文。也就是说，当我用中文回答你时，我实际并不是用中文回答你。
1701071369
1701071370
人工神经网络的应用也是如此：计算机可能会找到正确的答案，但它不知道为什么。翻译软件可能会正确地将英文翻译成中文，但它仍然不懂英文，也不懂中文。
1701071371
1701071372
也就是说，我们可以教会神经网络识别很多东西，却无法教会它们理解这些东西的含义，更谈不上让机器具有人类敏锐的洞察力。比如，机器可以识别出“有人在商店里拿了一件东西”，但他们什么时候可以识别出“有人从商店里偷了一件东西”？但人类可以通过看同样的照片分辨出小偷在商店拿东西和顾客正常购物的区别，这种能力我们根本无法训练人工神经网络来实现。
1701071373
1701071374
再比如，自动翻译软件可以语调不改地翻译出“这里有炸弹”，而懂外语的翻译者只要看一眼这个句子，就会脸色大变，马上大喊“所有人快出去！”
1701071375
1701071376
神经网络之所以在20世纪60年代被遗弃是因为当时没有足够快的电脑，随着电脑的普及和运算速度的不断提高，如今的神经网络才有能力来执行大规模计算。某种程度上，“深度学习”是被便宜的计算能力成就的。当然，神经网络的算法也有很多进步，杰夫·辛顿和其他研究者不断在开发更加高效的算法，但如果没有成千上万的计算机来完善神经网络，这一切都将无从谈起。
1701071377
1701071378
号称在电视益智节目中打败人类冠军的IBM计算机沃森需要85 000瓦特的能量。谷歌AlphaGo确实战胜了人类围棋冠军，但是鲜有人注意到，AlphaGo需要消耗440 000瓦特的计算能量。即便如此，除了会下围棋，AlphaGo还会做什么呢？相比之下，人类大脑将惊人的计算能量装入一个狭窄的空间，只使用了20瓦特的能量，而且，人类的大脑还能做其他数不清的事情。如果有人能使用20瓦特的能量制造出一个能同时做两件事的机器人，我才真的觉得了不起，才是不可思议的大进步。注意不能作弊，不能把扫地的机器人和做三明治的机器人放在一个大铁盒里，就宣称机器人能做两件事了，我们人类可没有长出一百万个大脑来做一百万件事情。
1701071379
1701071380
靠大量计算能力取得的成果称不上多有创意，有时候我开玩笑说这是“摩尔定律的诅咒”。过去在人工智能领域的科学家不断有很多有趣的、富有创造性的想法涌现，因为当时的电脑运算速度慢、体积大且价格不菲，要想让它变“智能”必须绞尽脑汁地想尽各种方法。
1701071381
1701071382
我对此体会尤其深刻。20世纪80年代我们做人工智能研究时，哪怕非常简单的“推理”都需要庞大且贵重的机器，有时甚至需要一些专业机器，比如LISP机（20世纪70年代进入市场并广泛应用的人工智能机，一种直接以LISP语言的系统函数为机器指令的通用计算机），然而很多实验依然很难开展，尤其是在神经网络领域。但如今的人工智能创业者可以使用计算能力快、价格也便宜的机器，可以将很多机器并联起来测试非常复杂的模型，他们不需要多有创意就可以取得很大的进展。
1701071383
1701071384
如今的超级计算机能用很简单的方法迅速找到问题的答案。实际上，靠搜索引擎基本上就可以找到大部分问题的答案，简单到人们已经不用思考，不需要有多少创意。在某种程度上，这种强大的计算能力正在让人们失去用更有创造性的方法完善智能机器的动力。而且，即便这种“暴力破解”（brute force）的方法，也很快要面临瓶颈了，“摩尔定律”正在面临挑战，电脑计算能力的提升并不会像人们想象的那样继续一路高歌猛进。
1701071385
1701071386
深度学习如今变得如此流行，AlphaGo的辉煌战绩也是深度学习成就的。但是，如果认真分析深度学习的这些成功案例，你会意识到，它们的成功除了依赖大量的高速计算机处理器，还依赖海量的大数据，即人类提供的学习样本。成功识别猫的故事是在ImageNet这个图片大数据库之后才成为可能的，AlphaGo的成功也是基于收集整理了人类围棋大师们积累下来的成千上万的着数。
1701071387
1701071388
总的来说，“深度学习”本身没有问题，我只是不确定放弃基于知识的方法是对的，就好像过去我一直反对放弃神经网络。比如，使用“深度学习”的方法来猜谁是下一任美国总统时，根据之前的美国总统的名单并不能猜出答案。人们的常用方法是分析所有正在竞选美国总统的政治家的情况，然后花上好几个小时乃至好几天来争论谁会是下一任，我们此时的推理是就基于知识的。
1701071389
1701071390
然而还有常识问题，我们日常做的大部分事情都是不经过思考的，天热了就少穿点衣服，下雨了就拿起雨伞，在别人伤心的时候说安慰的话，在别人开心的时候微笑等，很多认知和行为都已潜移默化为常识的一部分。而很多动物行为能把人逗笑恰恰是因为它们缺乏常识，比如小猫对着镜子里的自己又抓又咬等。但是，要将这种我们人类看来是小孩子都知道的事情教给机器是难之又难的。
1701071391
1701071392
显然，和人类的大脑相比，我们离制造出真正智能的机器还差十万八千里。我们制造出的充其量是越来越好的电器产品而已，洗衣机、电冰箱、微波炉、下象棋的深蓝、下围棋的AlphaGo……它们都只能做一件事情，只不过比人类做得更好更快而已。
1701071393
1701071394
技术到底进步了多少
1701071395
1701071396
技术进步在不断加速。这是奇点理论很关键的一个支撑点。当今的各种技术进步如此之快，且还在不断加速，机器会越来越智能和强大。果真如此吗？
1701071397
1701071398
我们过去就已经有比今天更令人震惊的技术进步了。1880~1915年，汽车、飞机、电话、收音机、录音机以及电影逐一被发明出来。突然之间，人们就可以“飞”了，就可以跟千里之外的朋友或家人说话了，人们可以用录音机欣赏已经逝世的歌手的音乐了……这些对当时的人们来说，肯定像魔法一样神奇，其实这些发明都是在短短30多年里出现的。而同一时期，量子力学和相对论也相继问世。
1701071399
1701071400
当然，技术一直在进步，但你真的确定今天的技术相比过去进步了很多吗？1886年，德国人卡尔·本茨（Karl Benz）造出了世界上第一辆汽车，47年后（1933年），美国已拥有2 500万辆车，整个世界已大概拥有4 000万辆车。1903年，怀特兄弟发明了第一架飞机，在第一次世界大战（1915~1918年）的短短三年里，人类已建造了超过20万架飞机。47年后（1950年），全世界已有3 100万的人乘坐飞机。
1701071401
1701071402
1969年，人类首次成功登陆月球，47年后的今天，有几个人成功被送到其他星球了呢？1969年，超音速飞机协和号被发明出来，不幸的是，它甚至都没能继续运行到今天（协和号飞机1969年研发成功，1976年投入商业运行，2000年7月25日，协和号客机班机AF4590发生爆炸后，所有协和号飞机受此影响，于2003年退役）。再来看下人工智能，1969年，斯坦福国际研究所（Stanford Research Institute，SRI）研制了移动式机器人沙基（Shakey），47年后的今天，又有多少人拥有一台机器人呢？
1701071403
1701071404
我甚至不确定今天的大部分技术进步相比之前有什么特别。当然，我们的生活因为技术发生了很多改变，但改变不等于进步。有时候一些看似重大的改变只是市场需求创造出的一些新时尚，或只是商业模式的改变而已，这些改变也许是“进步”，然而，它们主要只让少数几个大公司受益。到底是谁的进步？真的是人类社会的技术进步吗？
1701071405
1701071406
比如，谷歌是目前人工智能领域最大的一家公司，它研发的无人驾驶汽车真的是很了不起的进步吗？确实能让人类的交通更安全吗？
1701071407
1701071408
相反，它恰恰说明了高科技公司跟现实世界的距离有多远。
1701071409
1701071410
首先，如今很多机器的“智能行为”其实是由于人类已经将机器周边的环境改造得近乎完美，即使白痴也能在那样的环境中工作。2014年12月，谷歌宣布第一部具备完整功能的无人驾驶原型汽车已经制造完毕，并于2015年夏天在加州的公路上完成了测试。当我们为无人驾驶的高科技和人工智能的进步欢呼时，鲜有人关注到的是，无人驾驶汽车只能在高度优化的道路上运行，加州极其优良的道路条件、GPS、雷达、监控装置等组合在一起，只要是正常人都能轻松地驾驶。
[
上一页 ]
[ :1.701071361e+09 ]
[
下一页 ]