人工智能對于人類的影響究竟有多么的深淵呢?

當(dāng)代寶貝 · 發(fā)表于 2017-11-21 14:11

人工智能，將是互聯(lián)網(wǎng)+之后的熱點。對人工智能有各種不同的看法，我們在5月13日的訂閱號中作過介紹。那么，人工智能到底是什么呢？它是如何產(chǎn)生和運作的呢？請看《經(jīng)濟學(xué)人》5月9日的一篇文章。本文深入淺出、言簡意賅，值得大家細(xì)讀。　　伊隆·馬斯克正在忙于構(gòu)建全人類的未來。他在互聯(lián)網(wǎng)大發(fā)展的初期就賺到了第一桶金(PayPal)，之后參與創(chuàng)立了太陽能發(fā)電企業(yè)“Solar City”，為千家萬戶提供綠色能源;同時，創(chuàng)造出大名鼎鼎的電動汽車“特斯拉”，此外，更是成立了航天企業(yè)“SpaceX”，立志在自己的有生之年，看到人類定居火星!在所有人眼中，這位杰出的技術(shù)專家……理所當(dāng)然對明天充滿著無限憧憬和樂觀。

　　但并非所有的未來技術(shù)都讓他放心開懷。去年10月，在麻省理工學(xué)院演講時，馬斯克將人工智能(AI)斥為“對惡魔的召喚”，他認(rèn)為人工智能是人類智能的競爭對手，將成為人類的最大威脅。科學(xué)界并非他一人持有這種觀點，牛津大學(xué)的哲學(xué)家尼克·博斯特倫，曾幫助開發(fā)過一個“存在風(fēng)險”課題，該課題主要研究對人類產(chǎn)生普遍威脅的事物。博斯特倫認(rèn)為，先進的人工智能，與小行星撞擊地球、全面的核戰(zhàn)爭一樣，是一種潛在的巨大威脅。里斯勛爵，是英國最重要的科學(xué)機構(gòu)“皇家學(xué)會”的當(dāng)家人，也是“存在風(fēng)險”課題的開創(chuàng)者，他也對人工智能憂心忡忡。
　　但在人工智能領(lǐng)域卻恰恰相反，科學(xué)技術(shù)人員們樂觀豁達(dá)，他們正為近年來取得的飛速進展欣喜若狂。一些人工智能的開發(fā)公司，如谷歌、臉書、亞馬遜和百度，已經(jīng)進入了“軍備競賽”階段——他們四處網(wǎng)羅研究人員、建立實驗室和大肆收購初創(chuàng)企業(yè)。總的來說，在人工智能業(yè)內(nèi)，大家并不擔(dān)心自己會被機器超越。他們的工作并不是要創(chuàng)造一種新的思維，而只是把過去由人來完成的一些工作交給機器來做罷了。
　　當(dāng)前，全球互聯(lián)網(wǎng)下的計算機、平板電腦、智能手機，形成了一股數(shù)據(jù)的洪流。同時，機器所擁有的驚人計算能力，可以對這些數(shù)據(jù)進行處理——采用新的算法，機器們越來越能理解人類的語言，識別各種圖像……工商業(yè)各界對此高度重視。同時人們也在擔(dān)憂，技術(shù)將奪去自己的工作崗位?，F(xiàn)在，大量的工作，其核心是對模式的識別、對符號的翻譯，這些都是必須由人類來完成的，如果電腦能提供自動化替代，或提供輔助大大提高人類的工作效率，就將會取代很多人的崗位，將會有更多的白領(lǐng)失業(yè)。
　　人工智能的熱潮無處不在。去年，傳言谷歌斥資4億美元，在臉書鼻子下悄悄收購了倫敦的一家初創(chuàng)企業(yè)“DeepMind”，其擁有自己的人工智能研究實驗室，由紐約大學(xué)的明星研究員Yann LeCun主導(dǎo)。谷歌還曾經(jīng)雇傭過斯坦福大學(xué)的人工智能大腕Andrew Ng。后來百度把Andrew Ng挖走??了，請他去領(lǐng)導(dǎo)自己在硅谷創(chuàng)建的實驗室。還有一些企業(yè)，比如在芝加哥的“Narrative Science”，他們正在開發(fā)人工智能，用來進行寫作。而商業(yè)周刊《福布斯》，已經(jīng)開始用人工智能來撰寫基礎(chǔ)的財經(jīng)報告了。
在馬薩諸塞州的“Kensho”，想用人工智能來自動執(zhí)行金融業(yè)的一部分工作任務(wù)，現(xiàn)在投資者們趨之若鶩。4月13日，IBM宣布了其Watson電腦的一個新使用計劃——來分析人們的醫(yī)療健康檔案，形成醫(yī)生的人工智能。還記得這臺Watson電腦嗎？2011年，它在電視智力競賽節(jié)目中，輕松完勝兩位人類冠軍。

　　其實，對人工智能的研究，和對電腦的開發(fā)幾乎是同時起步的。目前的主要研究方向，是人工智能領(lǐng)域的一個分支，叫作“深度學(xué)習(xí)”——這是一種現(xiàn)代化的“機器學(xué)習(xí)”方式——計算機通過對大型數(shù)據(jù)集的運算，完成自學(xué)的任務(wù)。這種新算法，彌合了長期以來困擾人工智能發(fā)展的一項空白：即對人類來說很艱難的任務(wù)，對電腦卻很簡單，反之亦然。比如，當(dāng)涉及到復(fù)雜的數(shù)學(xué)運算時，最簡單的計算機也可以完勝人類;但如果是些對人類來說完全不值一提的小事時，比如認(rèn)人臉，聽人話，識別照片中的物體……對電腦來說，可就各種糾結(jié)、困難壞了。
　　當(dāng)人類在做他們覺得困難的事情時，比如解微分方程，他們不得不寫下一大堆公式。如果把這些公式變成電腦程序，那就非常簡單了。有些事情，人類是覺得很容易，卻并不存在一套類似的、明確的公式或規(guī)則，如果想創(chuàng)建這種規(guī)則又是無比困難。舉個著名的例子吧，成年人會區(qū)分色情和非色情圖片，但要讓他們描述自己是如何做到的……這幾乎不可能。1964年時，??當(dāng)時的美國最高法院大法官波特·斯圖爾特就發(fā)現(xiàn)，想對此進行嚴(yán)密的法律定義根本做不到，他沮喪舉起雙手，嘆道，雖然自己不能抽象地界定色情——“但我一看到它，心里就明白。”
　　機器學(xué)習(xí)，就是讓它自己來生成一套規(guī)則，使自己看到什么，就明白這是什么——而這套規(guī)則，是程序員設(shè)計不了的。那計算機是怎樣來生成規(guī)則的呢？——是通過對海量數(shù)據(jù)進行細(xì)致的統(tǒng)計分析。
　　當(dāng)前的許多機器學(xué)習(xí)系統(tǒng)，使用的仍是傳統(tǒng)的人工智能技術(shù)——神經(jīng)網(wǎng)絡(luò)，來開發(fā)他們所需要的統(tǒng)計模式。神經(jīng)網(wǎng)絡(luò)是1950年代的研究人員們想出來的辦法，雖然他們不知道什么是智力，但他們知道大腦是智力的發(fā)源地，大腦處理信息用的可不是晶體管，而是神經(jīng)元。如果你可以模擬這些神經(jīng)元——在高度關(guān)聯(lián)的細(xì)胞之間傳遞電化學(xué)信號——那么也許會有某種智能行為出現(xiàn)。

　　神經(jīng)元非常復(fù)雜，即使到今天，科學(xué)家們對神經(jīng)元的模擬，也只是非常粗略大概的。但是，早期的研究結(jié)果表明，即使是最原始的模擬神經(jīng)網(wǎng)絡(luò)，也能很好地完全某些任務(wù)。微軟的人工智能研究員Chris Bishop指出，自1960年以來，電話公司們就一直在使用神經(jīng)網(wǎng)絡(luò)發(fā)現(xiàn)的回聲消除算法。但是，模擬神經(jīng)網(wǎng)絡(luò)在人工智能領(lǐng)域的早期成功，很快就失去了吸引力——因為那時的計算機運算能力有限，限制了模擬網(wǎng)絡(luò)的規(guī)模，最終也就限制住了這項技術(shù)的進一步發(fā)展。
　　在過去的幾年中，因為繪制視頻游戲的市場需要，芯片的數(shù)字運算能力得到了長足提高。早期的神經(jīng)網(wǎng)絡(luò)只能有數(shù)十或數(shù)百個神經(jīng)元，通常被組織為單一層面;而最新的神經(jīng)網(wǎng)絡(luò)，比如谷歌用的那種，可以模擬出數(shù)十億個神經(jīng)元——這樣一來，研究人員就可以進一步模仿人腦——對這些神經(jīng)元進行分級分層(如下圖)。正在這種層與層之間的聯(lián)系溝通，機器終于可以“深入學(xué)習(xí)”了。
　　模擬神經(jīng)網(wǎng)絡(luò)的每一層，都被賦予一個不同的抽象級別。比如，要處理一張圖片，我們先把原始圖片導(dǎo)給最底層。最底層分析出每個像素的亮度和顏色，以及這些像素在圖像中分布。然后，上述信息導(dǎo)入上一層，這層處理形成更抽象的信息類別，比如劃分邊緣，區(qū)分陰影等，然后再向上一層導(dǎo)入。此層依次分析邊緣和陰影，尋找特定物體的特征組合，如眼睛、嘴唇、耳朵……至此，這些信息的組合就可以確定——這是或不是一張人臉的圖像，甚至可以判斷，這是不是我過去見過的某張臉。
　　為了使這樣的神經(jīng)網(wǎng)絡(luò)真正有用，必須先對它進行培訓(xùn)。一臺計算機，如果它想自己編寫程序，從事面部識別工作，人類得給它準(zhǔn)備一套含有數(shù)千幅圖像的“訓(xùn)練集”，其中有的圖中有人臉，有的則沒有，人類先為每幅圖像打上標(biāo)簽(有臉或無臉)。圖像作為“輸入”，被導(dǎo)入到計算機系統(tǒng)內(nèi)，而標(biāo)簽(“有臉”或“無臉”)則作為“輸出”，供計算機進行比照驗證。計算機系統(tǒng)的任務(wù)，是形成一套正確的輸出、輸入相匹配的統(tǒng)計規(guī)律。要做到這一點，計算機系統(tǒng)自己會在每個抽象層中尋找——所有符合人臉圖片的特征。一旦這些相關(guān)性被匹配統(tǒng)計出來，機器就能可靠地分辨出“訓(xùn)練集”中的所有圖像。下一步是給它一套新的圖像，看它自己提取出的面部識別規(guī)則，是否符合現(xiàn)實世界的客觀規(guī)律。
　　通過這種自下而上的工作方式，機器算法學(xué)會了識別特征、概念和類別——這正是人類自己能理解，但表達(dá)不出來的內(nèi)容。不過，這種算法的運用，在很長一段時間內(nèi)都局限在很狹窄的專業(yè)領(lǐng)域。電腦程序通常需要從其設(shè)計師那兒得到提示，這種提示都是設(shè)計師們手工輸入的，用于指明特定的任務(wù)——這是要你看看的圖像呢，還是要你聽聽的語音……
　　而且，早期的模擬神經(jīng)網(wǎng)絡(luò)，數(shù)據(jù)處理能力有限。一旦超過某個數(shù)據(jù)量，你喂給它再多的信息也沒用。而現(xiàn)代系統(tǒng)就不需要那么多的手工輸入和調(diào)整了，你有多少數(shù)據(jù)盡可以丟給它，它都能利用得很好?，F(xiàn)在因為互聯(lián)網(wǎng)的普及，數(shù)據(jù)的來源和產(chǎn)生都大大豐富了。
　　互聯(lián)網(wǎng)大鱷們，比如百度、谷歌、臉書，坐擁其用戶產(chǎn)生的海量數(shù)據(jù)——有電子郵件、搜索和購買紀(jì)錄、無所不包的各種照片……所有這一切都靜靜地儲存在他們的服務(wù)器里?；ヂ?lián)網(wǎng)公司們知道，這些數(shù)據(jù)中確實包含著有用的信息和規(guī)律，但其數(shù)據(jù)量卻龐大得令人生畏、無從下手。不過，對計算機來說，這是小菜一碟——過量的信息資源，反而搖身一變，成為可供計算機學(xué)習(xí)并探索出規(guī)律的寶藏——特別可喜的是，這些信息在人們創(chuàng)建它時，都是手工加注了標(biāo)簽的(不論是照片還是音頻)，這對計算機日后的學(xué)習(xí)特別有用。配上正確的算法，計算機使用這些加過注的數(shù)據(jù)來進行自學(xué)，最后在其中挖掘出有用的模式、規(guī)則或類別。
　　結(jié)果令人震驚啊!2014年，臉書推出了一款名為“DeepFace”的產(chǎn)品，對給定的人臉識別準(zhǔn)確率高達(dá)97%，即使在面孔顯示不全，或光線暗淡情況下也能做到。微軟的物體識別軟件，甚至能告訴你兩種威爾士柯基犬的差別，這是兩組看起來幾乎完全相同的品種(見下圖)!一些國家，已經(jīng)在邊防機構(gòu)使用面部識別技術(shù)。還有一套系統(tǒng)，能從錄像視頻中對個體進行識別提取，警察和安全系統(tǒng)對此極感興趣。5月5日的一份報告稱，美國的安全系統(tǒng)用語音識別軟件，能直接把通話語音打印成文本。

以上就是《人工智能對于人類的影響究竟有多么的深淵呢?》的全部內(nèi)容，智能電視用戶可以安裝第三方軟件當(dāng)貝市場（www.dangbei.com）搜索更多應(yīng)用軟件安裝使用哦~

村上春樹的 · 發(fā)表于 2017-11-21 14:37

感謝樓主分享

› 綜合交流 / 資源分享區(qū) › 綜合交流大區(qū)

人工智能對于人類的影響究竟有多么的深淵呢? ...

人工智能對于人類的影響究竟有多么的深淵呢?

相關(guān)帖子