1704609956
人工智能：改变世界，重建未来 谷歌诞生
1704609957
1704609958
人工智能随后遭遇的寒流比第一次有过之而无不及。资本又一次迅速蒸发，政府补助消失得无影无踪。在1987—1989年，美国国防部高级研究计划局将用于人工智能研究的预算缩减了1/3。专业的人工智能杂志的广告费收入也大幅下降。美国人文与科学院官方期刊《代达罗斯》（Daedalus）在1988年大胆发布了一期人工智能特刊，激怒了哲学家希拉里·普特南（Hilary Putnam）。普特南写道：“现在有什么好大惊小怪的？为什么在《代达罗斯》上发布一期特刊？为什么不等到人工智能真正取得一些进展后再发布特刊？”整个科技界都能感受到人工智能的寒流。美国人工智能协会会员人数大幅减少，1996年骤减至4 000人，达到史上最低点。然而奇迹并没有发生，人工智能的美梦似乎就要破灭。
1704609959
1704609960
那一年，斯坦福大学的两个学生——一个是人工智能研究者的后代，另一个是数学家的后代——想到了一个很聪明的方法，在外部链接数量的基础上对网页进行排序，并通过这一方式创建一个智能网络目录。1997年，24岁的拉里·佩奇和谢尔盖·布林利用他们开发出的算法，在美国加利福尼亚州门罗帕克的一个车库里开了一家公司。为了将其打造成为“全球总部”，他们置办了几张桌子、三把椅子、一条蓝绿色的地毯、一张折叠乒乓球桌，以及一些其他物件。为了保持通风，车库的门必须一直敞开。
1704609961
1704609962
这在当时看起来似乎不足为奇，但在接下来的20年里，拉里·佩奇和谢尔盖·布林的公司取得了人工智能历史上最大的成就。公司涉猎范围广泛，覆盖了机器翻译、模式识别、计算机视觉、自主机器人等领域，而人工智能研究者们为了实现这一点已经苦苦挣扎了半个世纪。
1704609963
1704609964
实际上，公司的这些成就没有一点是通过传统人工智能实现的。
1704609965
1704609966
这家公司就是谷歌。
1704609967
1704609968
[1]1英亩= 4 046.86平方米。——编者注
1704609969
1704609970
[2]1英尺≈ 0.304 8米。——编者注
1704609971
1704609972
[3]1英里= 1.609 344千米。——编者注
1704609973
1704609974
[4]一种可以支持机器语言和虚拟地址的32位小型计算机。——编者注
1704609975
1704609976
1704609977
1704609978
1704609980
人工智能：改变世界，重建未来 第二章 以自主学习的方式创建新的人工智能
1704609981
1704609982
2014年，在谷歌旗下一家名为“DeepMind”的人工智能公司的办公室里，一台计算机通过玩一款名为《打砖块》（Breakout）的老雅达利（Atari）2600电子游戏消磨时间。该款游戏是两个年轻人在20世纪70年代初设计的，他们就是苹果公司的创始人史蒂夫·乔布斯和史蒂夫·沃兹尼亚克。《打砖块》实际上是乒乓球游戏《乒乓》（Pong）的一个变体。不同之处在于，不是在屏幕上将球挥向另一位玩家，而是对着砖墙击球，将砖块击碎。这款游戏的目标是摧毁所有砖块。
1704609983
1704609984
正如我们在上一章中提到的，人工智能玩电子游戏并没有什么稀奇的。艾伦·图灵早在1947年就开发出了首款象棋程序，尽管当时的计算机不能运行这一程序。如今电子游戏的特点是有大量非玩家控制角色，这一编程将简单的规则结合起来产生复杂的行为。这样看来，DeepMind的人工智能玩游戏又有什么特别的呢？
1704609985
1704609986
针对这个问题的回答有两个。一是DeepMind的人工智能会逐渐变得更加成熟。就像见证孩子逐渐长大一样，如果一直盯着计算机看，很难察觉到它的变化。然而，每隔50多次游戏再看一下，效果是十分惊人的。开始的时候，DeepMind的人工智能在《打砖块》游戏中的表现简直糟透了，最简单的击球都做不好，而且它似乎并不清楚状况，就好像是把PS4（索尼第四代游戏主机）手柄交到90岁的老奶奶手里，并希望她立刻知道应该做什么一样。虽然它也会偶尔得分，但即使最乐观的旁观者也只能称之为运气。
1704609987
1704609988
200次游戏后，一切变得大为不同。现在游戏中的球拍能够在屏幕上左右移动：即使不是持续得分，也可谓能够轻松得分。再经过数百次游戏，游戏中的人工智简直如同《星球大战4：新希望》结束时的天行者卢克（Luke Skywalker）或《黑客帝国》中的尼奥（Neo）一样，懒散地击球，毫不费力。所有无关的动作都消失了，而且它产生了清晰的策略。
1704609989
1704609990
令DeepMind的人工智能具有重要意义的另一个原因是，它不需要进行大规模训练。传统人工智能的核心原则是必须将规则预先载入系统，这就像是老师在学生参加考试前会依次教他们问题的答案一样。DeepMind的人工智能与众不同之处在于，它能够自主学习，甚至无须告诉它应该怎样做。它所需要接入的就是构成《打砖块》游戏每一帧的30 000个像素点和屏幕上的选手得分。其他需要做的事，就是给它输入得分最大化的指令。之后，人工智能就可以随着游戏的进展获得游戏“规则”，然后逐渐形成能够改善其表现的策略。
1704609991
1704609992
DeepMind的人工智能可以玩的游戏并不只有《打砖块》。它最早玩的游戏是《太空入侵者》（Space Invaders），在掌握极少信息的情况下还学会了其他48个游戏，包括拳击模拟器、武术游戏甚至是3D（三维）赛车游戏。然而，要想突破电子游戏的“微型世界”还有很长的路要走。但这仍是一项惊人的成就，为人工智能的下一步发展指明了方向。下一步发展是什么？按照DeepMind的宗旨，下一步就是“解决人工智能”。
1704609993
1704609994
1704609995
1704609996
1704609998
人工智能：改变世界，重建未来 自主学习的重要性
1704609999
1704610000
人类的与众不同之处就在于能够学习，这也一直是传统人工智能一直努力要实现的。第一章中描述的系统只有在能够遵从规则时进行学习，这些知识是从“知识工程师”的知识中提炼并编入系统架构的。它是对知识自上而下的一种想象，并暗示一个假设，即机器不能自动学习知识。相反，必须将知识进行编程，而且一次编一条。这一点在很多情况下都能够很好地实现，进而在可接受的水平上完成有限的任务。随着解决方案的增多，问题也开始显现。像官僚机构一样，它们开始变得庞大、笨拙、缓慢而且昂贵。
1704610001
1704610002
这提出了一个显而易见的问题。华盛顿大学计算机科学教授普德罗·多明戈斯（Pedro Domingos）指出：“如果机器人掌握了人类除学习以外的所有能力，人类很快就会抛弃它。”但是从一开始就存在一种与人工智能的发展并行的观点，这一观点现在正触发该领域的诸多进展。该人工智能学派不是将思维概念化，而是源于在电脑内部建立大脑模型。该学派不相信逻辑推理是获取真理的最佳（可能是唯一的）途径，而是采用基于观察和实验的实证研究法。这类人工智能并非知识工程师的作品，而是属于名为“机器学习者”的计算机科学家领域。
1704610003
1704610004
这一流派的人工智能由统计学家、神经科学家和理论物理学家开创的概率模型主导，大部分基于所谓的“神经网络”（或者计算术语中所说的“神经网”）来运行，该网络的功能与人脑近似。信息在人脑中以神经元电子放电模式存在。人脑中约有1 000亿个神经元，大约和银河系中的星星一样多。记忆是通过加强不同神经元共同放电而形成的：这一过程被称作“长时程增强”。尽管我们尚须建立一个与人脑一样复杂的神经网络（下一章将详细介绍），但人工神经网络为创造记忆和学习借用了人脑的机制。人脑与神经网络最基本的不同在于，人脑中的长时程增强是一个生物化学过程，而在神经网络中，学习是通过修改其自身代码，以在复杂或不明朗的情况下，找到输入和输出之间或者原因和结果之间的联系而发生的。
[
上一页 ]
[ :1.704609955e+09 ]
[
下一页 ]