1701071312
人类2.0：在硅谷探索科技未来 人工智能赶超人类为何是个伪命题
1701071313
1701071314
在中国讲学期间，皮埃罗深深感受到了人工智能带来的“阴影”，听众们问的最多的问题是：“电影《机械姬》（Ex Machina）中的机器控制人类的事情是否真的会发生？”或者“超人类智能是否会威胁生存？”
1701071315
1701071316
“我并不害怕人工智能，我反而害怕人工智能时代不能尽快到来”，皮埃罗每次都这样笑着表示。
1701071317
1701071318
值得一提的是，皮埃罗在人工智能领域有一段很长的履历。1983~1991年，皮埃罗一直担任意大利奥利维蒂公司人工智能中心的创始总监；1984年，皮埃罗先后在哈佛大学和麻省理工学院学习人工智能；1995年和1996年，皮埃罗作为访问学者在斯坦福大学人工智能实验室深造。他还曾在一家名为IntelliCorp的公司工作过，该公司是硅谷最早的一批人工智能创业公司之一。如今，皮埃罗在斯坦福大学讲授人工智能课程，出版过一本《智能的本质》（英文书名为Intelligence is not Artificial：Why the Singularity is not Coming any Time Soon And Other Meditations on the Post-Human Condition and the Future of Intelligence，人民邮电出版社，2017年即将出版）的英文专著。
1701071319
1701071320
人工智能简史
1701071321
1701071322
我为什么不担心人工智能超越人类
1701071323
1701071324
我们先从让这个命题流行起来的奇点理论说起，奇点在硅谷都快成一种新的信仰了。埃隆·马斯克（Elon Musk）、比尔·盖茨，甚至斯蒂芬·霍金（Stephen Hawking）都公开表示了对人工智能的担忧。雷·库兹韦尔预测，机器智能会在不久的将来超越人类，创造出一种人类根本无法理解的超级智能。他预计，2027年，计算机将可以模拟人类大脑；2029年，计算机将能拥有和人类一样的智能；2045年，当机器人的智能超越人脑智能并可以自己繁衍时，奇点就会出现。
1701071325
1701071326
很多人相信奇点很快就会到来，也相信如果人类与他们生产的机器完全融合，如果人的智能能够完全转移到计算机上，奇点就能够让我们实现永生。这种“信仰”是建立在五个“信条”上的。第一，人工智能正在并已经产生卓越成果；第二，技术进步在不断加速；第三，技术正在创造超越人类的智能；第四，人类可以从比我们更聪明的机器中获益；第五，通过图灵测试的机器至少像人类一样聪明。《智能的本质》一书中解释了为什么我不同意这五点。
1701071327
1701071328
第一，对“人工智能正在并已经产生卓越成果”这一事实的验证。人们对人工智能总是过于乐观。1965年，伟大的数学家赫伯特·西蒙（Herbert Simon）曾写下：“20年内，机器将可以胜任人类可以做的任何事情。”这一天迄今为止还没有到来。
1701071329
1701071330
人工智能始于1955年［1950年，阿兰·图灵（Alan Turing）提出了机器能否思考这个命题，编程语言LISP的发明者约翰·麦卡锡（John McCarthy）在1955年提出用“人工智能”定义该领域］。最初，神经网络是最受青睐的技术，但是，我们的大脑有成千上万的神经元，要建造和模拟那样巨大的神经网络几乎是不可能的任务。
1701071331
1701071332
因此，神经网络很快被另一种被称为“基于知识”的技术所取代了。理解这种“基于知识”的人工智能最简单的方法就是弄明白信息和知识的区别。在一个基于信息的系统里，一定有一个包含问题答案的数据库。比如，当有人问：“谁是美国的总统？”或“罗马在哪里？”这个系统会从数据里查找出“奥巴马”和“意大利”。但是，如果有人问：“你认为下一任总统会是谁？”或者“亚特兰蒂斯（传说沉没于大西洋的岛屿）在哪里？”基于信息的系统就无法运转了。此时，就需要基于知识的系统来“思考”，这个系统需要利用所有已有的知识来“猜”出问题的可能答案，就好像我们人类那样。
1701071333
1701071334
这种基于知识的人工智能一直流行到20世纪90年代。实际结果却一直不尽如人意，因为给人类的庞大知识体系编码是一件无比困难的事。因此，人工智能在那段时间备受冷落，被认为只不过是不切实际的理论研究而已，人工智能进入了“冬天”。
1701071335
1701071336
我认为人们重新开始相信“人工智能”是从2011年开始的，这一年，IBM的超级计算机“沃森”（Watson）击败了哥伦比亚广播公司著名智力竞赛节目《危险边缘》（Jeopardy）的人类冠军，人工智能一时名声大噪。
1701071337
1701071338
2012年，吴恩达（Andrew Ng，现为百度首席科学家）领导的“谷歌大脑”项目，让机器系统能够以非常低的错误率在海量图像中识别猫，2012年也因此被我们看成人工智能领域真正的里程碑。
1701071339
1701071340
这是如何实现的呢？图片网站ImageNet（http://www.image-net.org/）是一个被人们贴好标签的海量图片数据库，每年，来自全世界的人工智能团队都会进行图像识别竞赛，并根据错误率打分。2012年，一种新的技术“深度学习” ［通常来说，大家认为深度学习的观点是杰夫·辛顿（Geoffrey Hinton）在2006年提出的，他在神经网络领域进行了长达30年的研究］使得图像识别的错误率迅速下降到一个很低的数值，并在之后不断下降，甚至接近人类的水平。
1701071341
1701071342
2014年，斯坦福大学以人工智能实验室主任李飞飞（Feifei Li）为主导的科学家团队开发了一个机器视觉算法，该算法能够通过对图像进行分析，然后用语言对图像中的信息进行描述。在此之前，其实已经有可以识别人脸的软件算法，但是斯坦福大学的系统（同时期的项目还有雅虎的Flickr）可以识别出图像中的场景，比如两个人在公园里玩飞盘等。
1701071343
1701071344
可以说，杰夫·辛顿等人在基于神经网络的基础上提出深度学习后，人工智能才再次流行，因为它确实能够识别人脸、声音乃至场景了！
1701071345
1701071346
人工智能近年来引人关注的还有“图灵测试”的突破。1950年，阿兰·图灵在一篇论文中提出了机器能够骗过人类，让人类误以为机器是人类的想法，这是“图灵测试”的本体。图灵认为，如果30%的被测试人都不能区分放在黑箱子里的机器到底是人还是机器时，这台机器就通过了图灵测试。
1701071347
1701071348
2014年6月7日，聊天程序“尤金·古斯特曼”（Eugene Goostman）在英国皇家学会举行的“2014图灵测试大会”上冒充一个13岁乌克兰男孩骗过了33%的评委，通过了图灵测试。这并不是计算机软件第一次成功骗过了很多人，但这是人类第一次可以在测试中随意提问任何问题。
1701071349
1701071350
2016年，谷歌的AlphaGo（阿尔法围棋）战胜人类围棋冠军带给世人一阵惊呼。
1701071351
1701071352
人工智能目前的局限
1701071353
1701071354
这些“成就”真的非常了不起吗
1701071355
1701071356
和早期电脑能够做的事情相比，机器今天确实可以识别语音、人脸、图像乃至场景，识别一只猫确实让人印象深刻。但总的来说，我对人工智能这些年取得的成就的看法与那些新闻头条正相反。
1701071357
1701071358
在说AlphaGo之前，先从人工智能可以识别图片上的猫这个“大新闻”说起，谷歌的团队需要将16 000个计算机处理器连接起来，构建一个超大规模的神经网络，还需要让它事先看过海量的猫的图片，结果是，它对猫的判断准确率实际上比小孩还低。再对比一下，一只老鼠要花多长时间去识别一只猫呢？
1701071359
1701071360
美国国家航空航天局的火星探测器“好奇号”（Curiosity Rover）是目前最高端、最昂贵的机器人之一，自2012年8月降落火星开始探测任务以来引来大量媒体关注。但是，2013年，美国国家航空航天局的一个行星科学家克里斯·麦凯私下里跟我感慨，“‘好奇号’要花200天做的事情，人类研究者一个下午就能轻松搞定”。
[
上一页 ]
[ :1.701071311e+09 ]
[
下一页 ]