人工智慧究竟是什麼？三種方法讓你看懂AI

02-04

本文系《AI研究院》欄目出品，專註人工智慧行業熱點與深度分析。欄目由網易智能工作室（公眾號 smartman163）發起、網易杭州研究院等機構共同參與打造，每天更新。

【網易智能訊 5月29日消息】人工智慧正變得越來越普遍，幾乎每天都有關於人工智慧新進展或新應用的報道。人類對它的想法有多少了解？我們又該如何努力去研究它？

我們對人工智慧的了解

我們今天所了解的人工智慧中，大部分都遵循深度學習的規則，即向機器輸入一組數據以及想要的輸出結果，機器據此產生演算法來解決問題。然後系統會重複這一過程，不斷學習。這被稱為神經網路。使用這種方法來建立人工智慧是非常必要的，因為計算機的編碼速度比人類要快。如果換作人類，可能需要用一輩子的時間來手工編碼。

麻省理工學院電子工程和計算機科學教授Tommi Jaakkola說：「如果你擁有一個小型神經網路，你可能很容易就理解它。但是，一旦這個神經網路擴大，直到擁有數千層，而每層可達到數千個單位，那麼就不那麼容易理解了。」

我們正處在人類與這些系統正面交鋒的時代。在人類信任機器之前，我們必須解決一個問題，即讓這些機器進行自我解讀。那麼，我們用什麼辦法來做到這一點呢？

1.逆轉演算法。在圖像識別中，當計算機識別它所學習過的模式時，需要對機器進行編程運算，以生成或修改圖片。以《創世紀》一圖為例，它運用了谷歌Deep Dream技術進行圖片修改，人工智慧參與其中，調整了圖像中一隻狗的位置。由此，我們可以了解到對於人工智慧來說，狗的形象是什麼樣的。首先，它主要識別頭部（這是狗的主要特徵）；其次，電腦的識別方式是將其定位到亞當（圖像左側）和上帝（圖像右側）的中間。總結一下就是，Deep Dream技術被運用於一幅描繪亞當誕生的圖像，人工智慧被要求尋找狗並修改它的位置。

2.識別它所使用的數據。如此一來，人工智慧接收指令，記錄學習摘要，並根據提示重點「複習」它此前使用過的文本。麻省理工學院台達電子教授Regina Barzilay首先研發出這種理解方法，人類可以藉此研究那些擅長在數據中尋找模式、並作出相應預測的人工智慧系統。Carlos Guestrin是華盛頓大學的機器學習教授，他開發了一種類似的系統，該系統能夠選取數據並對自己的選擇作出簡單解釋。

3.監控單個神經元。Uber人工智慧研究室的機器學習研究員Jason Yosinski發明了這種方法，使用探測器來檢測哪一幅圖像可以刺激神經元。這讓我們可以通過推理髮現人工智慧最需要的是什麼。然而，這些方法在很大程度上是無效的。正如Guestrin所說：「我們的終極夢想是讓人工智慧與人類對話，並向人類解釋它的行為，而這一夢想尚未完全實現。想要擁有真正的可解讀式的人工智慧，還有很長的路要走。」

為什麼人類需要更加了解人工智慧？

了解這些系統的工作方式是很重要的，因為它們已經被應用於醫藥、汽車、金融和招聘等行業，而這些領域對我們的生活產生了根本性的影響。如果把這麼艱巨的任務交給我們不了解的東西，那就太愚蠢了。當然前提是，人工智慧是誠實的，也不會因為人類的行為或疏忽而受到影響。

試圖理解機人工智慧的核心問題，其實是一件頗具緊張感的事情。如果我們能夠完美地預測人工智慧行為，那麼就可能會剝奪它們特有的自主智慧。我們必須記住一點，人類有時連自己作出的決定都無法理解，更不用說人工智慧了。意識問題始終是一個謎，也正因為有這一謎題的存在，世界才更加有趣。

不過，Daniel Dennet也警告說，面對人工智慧的「侵入」，我們需要自問：「人類對人工智慧的要求是什麼？對自己的要求又是什麼？」那麼，這些可能將很快掌控世界卻又不完全為人類所理解的機器，我們應該如何設計和研發它們呢？換句話說，人類要如何為這些改變世界的「神」編程？讓我們拭目以待。

【英文來源：Futurism編譯：網易見外智能編譯平台審校：小ka】