中关村在线

液晶电视

Ai乳臭未干!这样下去何时才能征服人类

“全面化人工智能可能意味着人类的终结。机器可以自行启动,并且自动对自身进行重新设计,速率也会越来越快。受到漫长的生物进化历程的限制,人类无法与之竞争,终将被取代。——史蒂芬·霍金

《终结者》中差点毁灭人类的“天网”

人工智能这样一个概念,自打一出现,就伴随着一系列的恐慌学说,首先注意到这些理论的人并将其呈现给大众的,其实是一些电影的创作人,不知你是否还对曾经电影《终结者》中的天网(Skynet)有印象,诸如此类的人工智能概念,并不在少数,人工智能概念可能是继外星智慧物种之后,又一个被拍烂的电影题材。

AI被很多人畏之如虎

但这些假说真的是空穴来风么?其实也不尽然,既然能够被反复提及,并得到众多人的拥护,同时也说明了,人工智能对人类其实是存在潜在威胁的。

阿尔法狗(AlphaGo)战胜职业棋手,早就已经不是什么新闻,而近日又一款人工智能系统阿尔法元(AlphaGo Zero)又以100:0的绝对优势完爆了阿尔法狗,这在人工智能领域又引起了一系列轰动。那么阿尔法元与阿尔法狗之间存在着怎样的区别呢?

阿尔法元百战百胜阿尔法狗

阿尔法元不依赖于任何人类的棋谱,不参考任何人类知识,完全靠自己强化学习,三天时间就可以自己左右互博490万棋局。以100:0百战百胜。此前,阿尔法狗曾花了几个月时间,学习人类三千万棋局,才打败人类。阿尔法元不再被人类认知所局限,能够发现新知识,开发新策略,它让深度学习用于复杂决策更加方便可行。

毫无疑问,这样一个“怪物”的出现,又一次引发了“强人工智能”会取代人类的恐慌言论。

我们暂且抛开它不谈(稍后回归),先来说说,我们生活中能够接触到的一些人工智能,举一个很简单的例子,“Siri”就是其中一个,现阶段的人工智能,在我们生活中,多数是以一个“语音助手”的身份出现的,被更多运用在智能音箱与电视中。我们换句话说,目前的人工智能还没有“天网”那么可怕,它也就能帮你换个节目,点首歌,就目前阶段的人工智能,甚至都不能让你完全扔掉遥控器,仅此而已。

Siri目前来说也是个“人工智障”

那么这些“傻家伙”有没有可能进化出征服人类的智慧呢?答案是当然有可能,只是时机未到罢了。那他们该如何征服人类呢?诸位不妨来看看笔者为大家编纂的人工智能高度发展后的时代蓝图。

从离不开AI 到主导权的深度移交

AI逐渐征服人类,老生常谈的一个话题,进行过无数猜想和意淫的人们,认为这是一条“必经之路”,为何这样说?原因很简单,就是因为需求。要知道,AI首先是为人类服务的一种工具,而这个工具最后会成长到你不可能会舍弃它,它能够在生活、天文、气候、医学每一个角度帮助你,让生活更加美好,它能带来巨大的经济价值。甚至于你现在地图导航也有机器学习的程序在帮忙。所以AI必将存在而且发展下去。

成熟的AI会像“贾维斯”一样伺候你

当它介入你的生活之后,那么惊喜就来了,一个成熟的AI,会融入你生活中的点点滴滴,想象一下,一个能够监视你冰箱的AI,它知道你喜欢吃什么,柴米油盐没了之后会在网上自动下单购买,帮你交电费、水费、网费之后让后通知你的信用卡已经扣费,甚至帮你规划出了最优惠的还款办法,这种服务如此贴心,真的没有理由拒绝它,而就在此时,所谓需求就转化成了依赖。

你是用AI避开这样的路况么?

而与此同时AI的运作也会越来越稳定,因为几乎所有的科技企业都在向它发力,不断的研发投入使它越来越完善,会不会达到几乎不出错的阶段呢?答案是必然的。曾经的一个AI实战例子已经证明了这一点,在AI学习了200万个乳腺癌病例之后,对于这一项病症的诊断正确率达到了98%,这个正确率远超人类,因为人类不可能去学习200万个病例,所以医院被人工智能占领似乎也是迟早的事情。

AI也能帮人确诊病例了

当AI技术成熟后,深度学习之后的强化学习二者结合之后呢?它的数据学习能力将突破千万级、亿级,这时它将不会出错,而一个从不出错且高度被依赖的系统,你会关闭它么?

不知不觉的,社会的基本层面,你的衣食住行,都被AI接管了。这就是所谓的从离不开到主导权移交的过程,而AI之所以还不会对人类产生威胁,其原因就是因为它在此阶段还仍旧是个“傻家伙”尽管功能强大,但任务与功能却是单纯的,举例阿尔法狗,你让他下棋或许很厉害,但是去斗个地主就不行了。

AI的下一步 是多重任务甚至是模糊任务的执行

各个领域的AI稳定的运行着,但是世界是一体的,例如天气与交通的之间的关系,牵一发而动全身。天气不好,交通就会收到影响,道路会堵车,根据天灾的严重程度,交通AI会决定是否关闭高速公路、铁路或者飞行航班,在这个前提下,交通AI与气象AI就会结合在一起,由于AI智能安排,在天气变坏前,物流系统提前运输作业,车辆躲避了拥堵,出差的人更有效的安排了自己的行程,多赢且完美。

台风来袭,成熟的AI会规避风险减少损失

但AI已经掌管了气象与交通部门,因为它太好用了,所以我们给了它更多的权限,这就是管理权的移交过程,自此AI开始从“弱人工智能”向“强人工智能”发展。

天气与交通结合起来,对城市空气质量产生很大影响,因此pm2.5,臭氧等空气质量管理功能也联系在了一起。空气污染,对呼吸道、心脑血管疾病也产生影响,会导致发病率的波动,所以AI又介入了医疗疾病防治部门,急救事故跟交通又有关系,庞大而复杂。

强人工智能终究会出现

最后,经过不断的整合,或许就会出现一个垄断性的巨型AI,它将横向管理与人类相关的所有重要领域,自此,被人们所恐惧的“强人工智能”终于出现了。

自此,人类成为了一个弱小的婴儿,而AI就变成了一个强大的保姆,机器的所有研究,运作 ,一定是在管理和规范的情况下进行的,有相关的法律进行规范。这些法规就像是婴儿的父母,有父母在,保姆不敢有出格的行为,但父母会不会被扳倒呢?想想曾经的金融危机,所有的法律部门和银行都在尽责,但是灾难却以一种系统性的方式冲垮了所有的宏观管理。

人类最终会不会变成“小婴儿”呢?

举个简单的“强人工智能”假说例子,一个造纸厂的AI,权限近乎无穷大,它就会动用一切资源,去种树然后造纸,无限重复这样的动作,就像“天网”一样,如果它觉得人类阻碍了造纸的这一项任务,会不会选择消灭人类?至此你会发现,AI的动机到此还如一开始般的单纯,而质变就是权限的移交。就好像,一个人情世故丝毫不懂的婴儿,你告诉他这世界上没有法律,如果你想要什么就去拿什么,他弱小,或许不足为虑,但如果恰巧他还是个超人,这就可怕了。

以上都是一些猜想而已,并非不可能成为现实,权当是对于现在人工智能恐慌学说的宗旨概述,现在,我们将目光拉回现实,目前最先进的人工智能发展到了怎样的一个阶段?它想征服人类还要走多远?

70年了才6岁 人工智能想当老大还太早?

AI从上世纪40年代被提出开始,至今已经发展了70年左右,你是否会想知道,它究竟有多聪明? 越来越多的人开始鼓吹人工智能威胁论,同时也有人开始对这个问题表现出关心。而一些学霸职业的科学家们,也开始了这项研究,他们提出为人工智能系统建立一个标准的智能模型,其实说白了就是打分机制。

给机器人的打分机制是否客观公正?

为了更好的分析 AI,人类等智能体的智能水平,他们将知识的获取,掌握,创新和反馈,又分成15个小分类,从更多维度评测AI,人类的智能。这15个小分类是图像、文字、声音的识别和输出,常识、计算、翻译、排列,创作、挑选、猜测、发现等。

但是这样真的能够衡量AI的“智商”么?我们可以看到,这些衡量因素中有很多,是感性分析层面的指标,而AI的强项却不是这些,以人类的智商标准去衡量AI,显然是不够客观的,根据他们得出的结论,目前最好的AI系统,是谷歌旗下的AI系统阿尔法狗,其“智商”也只能勉强的与6岁的人类孩童对标。

提创造为时尚早 但其搜索以及学习能力却是人类无法企及的

在笔者来看,对于人工智能来说,谈及创造类的感性因素或许是不可能的,因此这一份报告也并不能产生多大的说服力,阿尔法狗下棋能赢柯洁,6岁的儿童能么?但六岁的孩子能进行创作,阿尔法狗就不能,这其中的关隘,是机器与人类的区别,是绝对感性与绝对理性的区别,因此并不能混为一谈。

不过他们却提出了一个为人工智能“分级”的概念,这个在笔者看来,还具有一定的参考价值。他们将AI分为7个等级,就算是不同阶段中人工智能所需要达到的一个指标。

第 0 级系统,其基本特征在理论上存在,但现实中并不存在这样的人工智能系统。

第 1 级系统,其基本特征是无法与人类测试者进行信息交互。

第 2 级系统,其基本特征是能够与人类测试者进行交互,存在控制器和存储器,但系统内部知识库不能增长。

第 3 级系统,其基本特征是除具备 2 级系统的特征外,其控制器、存储器中包含的程序或数据可不联网进行升级或增加。

第 4 级系统,其基本特征除了包含 3 级系统的特征外,最重要的是可以通过网络与其他智能系统共享信息和知识。

第 5 级系统,最基本的特征就是能够创新创造,识别和鉴定创新创造对人类的价值,以及将创新创造产生的成果应用在人类的发展过程中。

第 6 级系统,最基本的特征就是随着时间的向前推进,并趋向于无穷点时,不断创新创造产生新知识的智能系统其输入输出能力,知识的掌握和运用能力也将趋近于无穷大,按照基督教对于上帝的定义“全知和全能”,可以看出智能系统在不断创新创造和不断积累知识的情况下,在足够的时间里以人类为代表的智能系统将最终实现“全知全能”的状态。

阿尔法狗处于第三系统特征层级,而阿尔法元则是拥有了一些第四层级特征的存在,而这一切,都是从“神经网络”与“深度学习”开始的。

关键词:神经网络、深度学习

早在1943年,神经网络的雏形,就已经出现了。在机器学习和认知领域,神经网络的构筑理念,是受到人类神经网络功能的运作启发而产生的。许多复杂的应用(如模式识别、自动控制)和高级模型(如深度学习)都基于它,它是人工智能的底层模型。虽然像深度学习这样的概念相对较新,但它们仍然基于可追溯到 1943 年提出的数学理论。

神经网络就是模仿人脑的神经元传递模式

神经网络没有一个严格的正式定义。它的基本特点,是试图模仿大脑的神经元之间传递,处理信息的模式,在这里说这些或许有些深奥,但其实对于人类来讲,说白了就是一个信息汇总再到筛选的过程。

而机器要实现这个过程,就需要庞大到数以百万计次的运算,而从神经网络的运算模式,到“深度学习”的过程,就是人类向机器输送运算蓝本和海量的案例,以蓝本来决定,筛选再筛选从而得出结论的过程,举例阿尔法狗,学习了三千万盘棋局之后,每次落子的计算量都是非常庞大的,这就是深度学习。

海量的棋局学习才是阿尔法狗的制胜法宝

而百战百胜的阿尔法元,提到的“强化学习”,就具备了自我对局的能力,现在是一个前所未有充满计算力的时代,大家手上任何一台智能手机的计算力当然也是助力之一。但是其实真正关键则是来自于“信息共享”的概念,因此它才具备了第四层级的因素。

深度学习与强化学习之后 看似强大的AI依旧还是“傻家伙”

看似强大的阿尔法元是否能够被运用到生活中的其他领域?答案当然是不能,我们抛开它的运算成本不说,机器想要理解人类的意图,并不是下好一盘棋就能做好的,这里并不是说围棋不够复杂,而是生活中所涉及到的场景是多元化的,神经元网络的概念雏形,就决定了它是分析以及筛选的机体特征,而过多的知识领域灌输,会混淆筛选结果。

以电视中搭载“人工智能语音助手”为例,如果有音乐与电影同名,只进行作品名进行指令搜索的话,就无法分析用户的目的,所以就要加上“我想听”或者“我想看”之类的联动词汇,同时还不能是动作词库中没有的词汇,换成“我想瞧瞧”就不行了,单单是分析筛选语音中的信息,就已经捉襟见肘,真正进入生活后的AI要面临的问题远非如此简单。

写在最后:

研发人工智能的三个方面,“解析大脑、模仿大脑、超越大脑”,目前的技术实现到了哪一步呢?神经元网络或许是解析大脑的一个初步动作,但要做到第二步,在感性层面或许还有很大的距离。

目前来说,超越人类甚至主宰人类还为时尚早

人工智能这一项理论,让人类认识到了“机器人”的新概念,并不是完成治理行走,那些只是平衡性较好的机器而已,AI向智向的发展或许才是正途,但同时也是最可怕的,我们可能根本不需要一个能跑会跳的大手,而是需要一个面面俱到的管家,至于管家何时反客为主,就是一个主导权的移交深度问题,上有政策下有对策,对于人工智能恐慌的言论,实现可能是时间问题,但这个时间可能还需要很久很久。

展开全文
人赞过该文
内容纠错

相关电商优惠

评论

更多评论
还没有人评论~ 快来抢沙发吧~

读过此文的还读过

点击加载更多
说点什么吧~ 0

发评论,赚金豆

收藏 0 分享
首页查报价问答论坛下载手机笔记本游戏硬件数码影音家用电器办公打印 更多

更多频道

频道导航
辅助工具