1704610373
1704610374
“泰勒主义”（Taylorism）是20世纪初工程师弗雷德里克·泰勒（Frederick Taylor）所倡导的一项运动。在泰勒1911年出版的极具影响力的著作《科学管理原理》（The Principles of Scientific Management）中，他提出了自己的信仰，即人类工作与思考的目的应该是提高效率。泰勒实施了各种研究，旨在教育雇员如何测量先前无法测量的工作，以提升他们的工作效率。比如，在他的“铲投科学”实验中，泰勒将一个工人一铲提取的最佳重量精确到21磅[2]。通过这么做，有效的铲投速度可以保持得更加持久。这恰恰就是当前智能设备可以轻易测量并反馈给老板的情况。亚马逊当前在自己的工厂里使用类似的技术，将手持式电脑配发给“成品合作者”（也称产品采集器），以记录他们完成单个订单的速度。泰勒的科学管理设想不只是支持雇主。他坚信，测量工作的能力也将与激励报酬齐头并进，因此生产力不足的低业绩员工不会获得和高业绩员工一样多的收入。尽管所有这些在理论上几近完美，但批评人士仍指出一个事实：科学管理同样降低了自主性，而且人工智能这个概念颇具讽刺意味，它对待人如同对待机器一样。
1704610375
1704610376
另外，如果我们设备的某些方面旨在完全为我们造福，我们可能比较幸运。2014年，《福布斯》杂志的两位作者披露，智能设备制造商Nest已经与电力公司达成交易，会为它们提供显示其用户习惯的数据。尽管这些数据是匿名的，而且只是汇总数据，但电力公司仍然能用这些数据控制我们家里的智能设备。为了减轻电网的荷载，电力公司可以要求Nest在炎热天气里关闭用户的空调。Nest与电力公司分享节约的成本，而用户什么也没有得到。随着时间的流逝，Nest与电力公司交易产生的收益将使其销售恒温器的收入额“相形见绌”。Nest的智能设备依然为其主人服务，但对于我们一直期待的智能设备而言，这只是不同的主人而已。
1704610377
1704610378
由于用户数据由智能设备采集并用于城市规划，因此可能面临诸多相关挑战。根据人工智能的采用方式，智慧城市不是变得越来越紧密，而是变得越来越分散。麻省理工学院计算机科学与人工智能实验室（CSAIL）创立的一项深度学习项目发现，通过查看图像，某一地区的犯罪率是可以预测的。除了整合如旧金山犯罪定位地图（San Francisco CrimeSpotting）等应用上的犯罪数据，深度神经网络还对400万张谷歌街景图片进行了训练。深度神经网络很少专注于具体图像所呈现的内容，而是主要专注于推理。项目创建者之一的阿迪亚·科斯拉（Aditya Khosla）对我说：“我们努力在做的是，使展示出的图片研究不只限于分析看到的景象。如果人工智能的目标是建造可以模仿人类智能的机器，那么拥有抽象思维能力明显就是第二步了。”就像上一章所提到的大多数应用软件一样，计算机科学与人工智能实验室的项目是深度学习运转中一个令人印象深刻的案例。但是人们对它的使用方式有着不同的诠释。比如，城市规划者可以利用神经网络查明城市各个部分的需求详情，如哪里需要投资，哪里需要建立医院或学校但不是现在建立（神经网络的另一个用途）。与此同时，汽车公司可以利用同样的技术自动控制车门来锁定你的汽车，或当你需要时为你提供一条备选路线。
1704610379
1704610380
如果考虑到了这么多，你就不会因为想把一些工作转交给一个你可以信任的数字实体或者智能助手而受到责备。
1704610381
1704610382
幸运的是，人工智能在提高这种能力上也有所帮助。
1704610383
1704610384
[1]1英寸=2.54厘米。——编者注
1704610385
1704610386
[2]1磅= 0.453 592 4公斤。——编者注
1704610387
1704610388
1704610389
1704610390
1704610392
人工智能：改变世界，重建未来 第四章 人工智能助手如何为我们效劳
1704610393
1704610394
不管怎么看，机器人Negobot都像是一个14岁的小姑娘。她说的话时常很无趣，而且她只对流行乐队和服装品牌感兴趣。她写的文字中充满了LOL（大声笑）等网络语言，并时不时夹杂着表情符号（小卡通笑脸，一种在网络上表达感情的图片）。有时她说起话来出奇的老成，而有时则相当幼稚。
1704610395
1704610396
现在，她正竭尽全力来弄清你是不是有恋童癖。
1704610397
1704610398
西班牙德乌斯托大学的一群研究人员创造了Negobot。她（更准确地说应该是“它”）是一个智能实体，用于在线模仿青少年的言语和行为。如今，年轻人花越来越多的时间在虚拟世界中交流。Negobot将充当秘密数字实体，通过潜入网络聊天室找出可疑人员。
1704610399
1704610400
德乌斯托大学“智能、语义和安全实验室”研究员卡洛斯·劳尔登（Carlos Laorden）说道：“Negobot的任务就是设法抓到那些狡猾的、有恋童癖的人。他们通常会通过长达数月的交谈来迷惑受害人。因此需要花费大量时间对这些聊天室进行监督。而创造Negobot的设想就是使其在一段持续的时间内模拟人类对话，而不是仅模仿几分钟。”
1704610401
1704610402
卡洛斯·劳尔登最初从事的工作是编写过滤垃圾邮件的程序，这是一个传统的机器学习问题。通过利用相关语言，在线找出并隔离恶意行为，他提出了实现这一目标的最先进的现实版本。
1704610403
1704610404
Negobot被设定为根据博弈论的原则来进行操作。博弈论这一概念最早是由数学界先驱约翰·冯·诺依曼提出的，我在第一章中曾简要提到过他的主要工作。博弈论研究的是战略决策，众多参与者都有自身的动机，而结果则取决于不同参与者的行为。并不是每个人都能得到自己想要的。博弈论的目标是预测人们如何采取行动并将其转化为自己的优势。
1704610405
1704610406
在Negobot的案例中，博弈的目标是弄清与Negobot交谈的人是不是有恋童癖。虽然Negobot在交谈中表现得好像只是在被动地回答问题，但是与此同时，它也将提取尽可能多的可以指控对方的证据。与Negobot的对话内容一开始很平常，之后随着对方给出的回答逐步升级。根据场景的不同，人工智能一共可以分为7个不同的行为等级，每一等级都对应着与之对话的人不同的“狡猾程度”。最开始，Negobot谈论自己最喜欢的电影、音乐、个人风格和服饰，以及更具暗示性的话题，例如药品、酒精和家庭问题。根据人类参与者引导问题的方式，Negobot将进一步探讨性和其他禁忌话题，同时假装给出更多“个人”信息。
1704610407
1704610408
不知情的人正在为发现一个与之对话的“14岁女孩”的隐私而暗自窃喜，并自认为成功地操控了整个对话。然而，在这一切发生时，Negobot正在建立一个针对他们的案件卷宗。
1704610409
1704610410
卡洛斯·劳尔登说：“我觉得这是一个非常有用的自动化工具，可以用来确定潜在嫌疑人。如果我们使用像Negobot这样的工具，就能够大幅减少目前忙于抓捕这些罪犯的人类团队的工作量。”
1704610411
1704610412
1704610413
1704610414
1704610416
人工智能：改变世界，重建未来 打败图灵测试
1704610417
1704610418
诱捕法则指的是尽管目前世界各地的警察并没有使用Negobot，但这并不会使该试验失去意义。如果要说有什么影响的话，那就是，它强调了人工智能对话应用范围的广泛性。从根本上来讲，Negobot使著名的人工智能试验“图灵测试”发生了独特的改变。
1704610419
1704610420
我在第一章中讨论过艾伦·图灵所做的工作。图灵测试以艾伦·图灵的一个假设为基础，旨在测试一台机器是否具有显示与人类一样的智能行为的能力。图灵测试定期举行，测试包括一台计算机（A）和一个人（B），他们分别与一个询问人员（C）对话，而询问人员的任务则是指出A和B中哪个是人类，哪个是计算机。按照图灵的说法，如果C无法完成这个任务，那么“获胜”的就是机器。既然我们无法将机器与我们自己的人类智慧区分开来，我们就必须承认机器是智能的。未来，像Negobot这样的工具将向我们表明，我们区分真人与机器人的能力甚至会产生法律纠纷。
1704610421
1704610422
目前在世的专家中，休·勒布纳（Hugh Loebner）对图灵测试的理念最为推崇。留了一头染黑的头发的休·勒布纳是一个有趣的人，自称自我中心主义者。他最初靠出售折叠迪斯科跳舞地板起家，现在已经70多岁了。在中年时，他做出了参加当今世界上最著名的人工智能竞赛的决定。他所命名的“勒布纳奖”能够取得巨大的成功，这一点格外令人惊讶，因为他在计算机科学方面没有任何资质。勒布纳带着他特有的豪情说：“未来可能会有更丰厚的奖品和更知名的比赛，但是伙计们，首届比赛将永远被铭记。”
[
上一页 ]
[ :1.704610373e+09 ]
[
下一页 ]