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 ]