1704610867
1704610868
除非发生灾难性风险，在就业方面，整体看来，人工智能对人类的影响是积极的。经济将运行得更加平稳，机器人和人工智能将接手许多不受欢迎的工作并且创造新工作，这就将人类解放出来，他们可以去追求更重要的目标。人工智能能够完成我们目前做的大部分工作，但是人类距离退出工作岗位还早得很。
1704610869
1704610870
总而言之，肯·詹宁斯被IBM的人工智能机器人打败多年以后，我们还是不会废寝忘食地观看冷知识节目中两个人工智能的对抗。尽管《危险边缘》展示了人工智能的机智，但是观众真正想看的是人的个性。这才是最重要的戏码。
1704610871
1704610872
[1]犹他州最早的称号是“蜜蜂窝的州”，原因是这里有许多冰蚀地形，看起来像蜜蜂窝。——编者注
1704610873
1704610874
[2]欧盟最早在1995年就在相关数据保护法律中提出了“被遗忘权”概念，任何公民可以在其个人数据不再需要时提出删除要求。谷歌在2014年6月宣布，已经开始根据欧盟最高法院的裁定而在搜索结果中删除特定内容，给予用户“被遗忘权”。——编者注
1704610875
1704610876
1704610877
1704610878
1704610880
人工智能：改变世界，重建未来 第六章 人工智能真的具有创造力吗
1704610881
1704610882
在上一章里，我们明白了为什么在就业竞争中，拥有创造力很可能是一个人类仍然会对机器保持优势的特质。就像风险资本家、软件工程师马克·安德森（Marc Andreessen）所认为的那样，在人工智能不断“蚕食世界”的过程中，那些需要人类创造力的工作很可能禁得起自动化浪潮的冲击。
1704610883
1704610884
然而，这不是说人工智能没有创造力。2015年6月，谷歌公布了Deep Dream项目。这家更关注工程而非美学的公司设立的这一研究项目十分迷人。Deep Dream是一个由人工智能驱动的图片生成程序，工作时它会利用谷歌耗时15年建立索引的图片库。几乎可以肯定地说，谷歌拥有最多归档了的数字化图片，这些图片被史无前例地汇聚在一起。2001年，谷歌已经拥有了2.5亿张建立了索引且可供用户搜索的图片。2005年，这个数字增至10亿，截至2010年，该索引数量再次飞跃，达到了100亿。时至今日，这个数字应该远胜以往。
1704610885
1704610886
在第二章里，我们看到谷歌利用深度学习神经网络，让机器智能地识别各个图片的内容。比如，为了识别什么是椅子，谷歌的程序员向神经网络展示了数百万张椅子的图片。接收了几百万张图片之后，神经网络已经可以确定什么是椅子，什么不是椅子。人们可能会想，看了这么多的椅子，如果它想的话，闭着眼睛都能画出一把椅子。
1704610887
1704610888
而这正是谷歌的计划。
1704610889
1704610890
谷歌通常使用自己的图片识别神经网络将图片归类，而不必由人工完成。比如，谷歌相册允许用户输入如“摩天大楼”或“毕业”等搜索关键词，随后其神经网络会立即开始查找高大的块状建筑或学位帽。利用Deep Dream，谷歌团队设想，通常用于分类和识别图片的流程也可以用于从无到有地生成图片。这个设想是这样的，在从每一个可能的角度查看了几十万把不同的椅子之后，谷歌的神经网络应该不仅能够识别椅子，而且还能再现一张完美的柏拉图式椅子：本·斯蒂勒（Ben Stiller）主演的《德里克·祖兰德》（Derek Zoolander）中的人物可能会将之称为“椅子的本质”。与其说这种再现是基于看到的某把具体椅子，不如说谷歌将其所知道的椅子的一切信息提炼后创造了一把新的椅子。
1704610891
1704610892
至少当时的设想是这样的。在Deep Dream项目中，谷歌工程师们实际上利用了生成图片的神经网络的一个有趣的怪癖。无人协助时，神经网络就会变得困惑：它从谷歌的100多亿张图片中发现了不寻常的关系，因而很难计算出物体的边界。因此，谷歌给柏拉图式物体（完美的椅子的本质）带上了一些不同寻常的附件，如从Deep Dream的理想化哑铃上垂下一条修长丰满的胳膊，看上去就像粉红色的长橡胶管。正如谷歌软件工程师亚历山大·蒙德维特塞夫（Alexander Mordvintsev）和迈克·泰卡（Mike Tyka）在博客里写的那样：“虽然图片上有哑铃，但是似乎没有肌肉发达的举重运动员把它们举起来的话，哑铃图片就显得不完整。在这种情况下，神经网络无法彻底提取哑铃的本质，或许它永远无法展示一个没有被手臂举着的哑铃。”
1704610893
1704610894
通常，谷歌会修正“这类训练事故”。但是对于Deep Dream，谷歌决定从相反的方向开始。其结果是带来了超现实的图景，而这似乎更应该感谢萨尔瓦多·达利（Salvador Dal）和H. P. 洛夫克拉芙特（H. P. Lovecraft），而不是谷歌的联合创始人拉里·佩奇和谢尔盖·布林。谷歌团队让神经网络重点关注其发现的所有异常现象。由于接到的指令是极度重视在每张图片中发现的元素，Deep Dream创造出了奇妙的梦幻之旅。神经网络收到图片，并按要求对其分类，随后再加入细节，就会陷入了一个陌生但迷人的反馈回路。Deep Dream让云与鸟相伴，并力图使图片更像“真正的鸟”。一张晴空的照片会很快被谷歌理想化的鸟儿所占据，仿佛世界上最强大的搜索引擎一夜之间决定成为一名涂鸦艺术家。同样的事会发生在你展示的所有图片上，仿佛谷歌的神经网络从虚无中创造了整个梦幻世界：大树变成了华丽的建筑，树叶变成了昆虫，而克罗地亚空阔的海洋变成了外星球的城市风光。
1704610895
1704610896
Deep Dream可能不会收到今年的特纳奖（Turner Prize）提名，但完全可以肯定的是：这就是创造力，谷歌风格！
1704610897
1704610898
1704610899
1704610900
1704610902
人工智能：改变世界，重建未来 机器人的创造力
1704610903
1704610904
在2004年的电影《机械公敌》（I, Robot）中有一个绝妙的场景，威尔·史密斯（Will Smith）扮演的主角有一段关于计算机的创造力的对白：“机器人能创作交响乐吗？”他问道：“机器人能在画布上绘出美丽的杰作吗？”与之对话的机器人反诘道：“你能吗？”
1704610905
1704610906
乍一看，“机器是否具有创造力”这一问题并不是特别重要。与本书提到的其他问题（比如未来的就业情况或人工智能医疗）相比，很容易把它当成一个小问题。这个问题是谷歌两位软件工程师在周五下午喝啤酒聊天时无意谈到的。
1704610907
1704610908
事实上，人工创造力是人工智能面临的最重要的问题之一。谷歌的Deep Dream项目是否算是艺术领域或许不能引起所有人的兴趣，但创造力的其他含义却影响重大。1949年，享有盛誉的英国神经外科医生杰弗里·杰弗逊爵士（Sir Geoffrey Jefferson）曾如此争辩：“只有机器由于创作乐符的想法和情绪偶然降临而创作出一首交响乐或协奏曲时，我们才会认同机器等同人脑。”如果机器能够做到，我们是否应该认为它有智能？
1704610909
1704610910
没有什么话题比机器可能有创造力的想法更引人惊愕。批评者的典型论据是艺术是由情绪而非智慧创造的。在人们眼里，艺术家是感性的，而计算机则是超级理性的象征。《时代周刊》的列夫·格罗斯曼（Lev Grossman）认为：“创作一件艺术品是我们为人类而且仅为人类保留的活动之一。这是一种自我表达行为，如果没有自我，你就不会创作。”
1704610911
1704610912
想一想在科幻作品中经常出现的人工智能形象，那些人工智能获得了人类的情绪，但最终却变得像机器一样毫无用处（甚至非常危险）。人工智能的研究史表明，注重重新塑造机器内在情感的研究相对较少，这种情况一直持续到最近。不加抑制的情感往往导致冲动和非理性，而人工智能的目标是打造理性、符合逻辑的机器。在第四章，我们看到计算机越来越擅长识别用户情感，但机器距离自身具有情感仍然相去甚远。或许这样对我们来说更好。
1704610913
1704610914
但这同样适用于创造力吗？这依然是遥不可及的任务，还是比我们想象的更接近成功？甚至是现在就已经出现了吗？看着谷歌Deep Dream项目生成的这些图片，我发现自己一直疑惑不已：如果我在参观伦敦泰特艺术馆时看到它们，我会有什么反应？我会立即对它们置之不理，或者，令人尴尬地，我会努力将它们与赢得当年特纳奖的其他艺术品区分开？如果我们知道它是由谷歌神经网络创作的由数据驱动的作品，我们的反应会不会与我们认为这是一名人类艺术家的作品时有所不同？如果碰巧创作出两幅相同的图片：一幅由人类创作，另一幅由人工智能创作，又将如何？我们的判断会有所不同吗？
1704610915
1704610916
Deep Dream能够回答威尔·史密斯关于人工智能能否将空白画布变成“美丽杰作”的问题了，只不过具体答案根据你是否欣赏其图片而有所不同。至于机器人能否创作交响乐的问题，2012年7月，伦敦交响乐管弦乐队登台演奏一部由算法生成的名为“通向深渊”（Transits-Into an Abyss）的作品。这首作品由西班牙马拉加大学研究人员开发，一位评论家称其“颇具艺术性且令人愉悦”。
[
上一页 ]
[ :1.704610867e+09 ]
[
下一页 ]