標籤:

我理解的人工智慧

最近剛好調到一個新的team,做AI有關的工作,之前一直沒對AI有過深入的思考,現剛好借著正在做這個AI項目,寫一寫自己對AI的想法

————————————————————

圖靈測試是計算機科學之父圖靈提出的判斷機器是否具有智能的一種測試手段,即多名測試者與機器對話,超過百分之三十的測試者不能確定他們對話的是人還是機器,那麼該機器便認為是具有智能的。圖靈預測在2000年時,會出現可以在5分鐘的回答中騙過30%的成年人的人工智慧。

從圖靈測試提出至今,人工智慧經過了幾十年的發展,不斷的帶給我們一個又一個震撼和驚喜,1997年,IBM深藍擊敗世界象棋大師,2014年,第一台通過圖靈測試的計算機誕生,2016年,人工智慧AlphaGo擊敗世界圍棋冠軍柯潔,自動駕駛,人臉識別,語音助手等一個個人工智慧產品也開始走進我們的生活。每一個震撼和驚喜之後,人類威脅論便甚囂塵上,失業問題,安全問題,甚至倫理問題,這些能夠衝擊人類的感官字眼,被一篇篇媒體拿來當做吸引眼球,打造「震驚」標題的工具。但人工智慧真的如各大新聞中那般智能甚至充滿了威脅嗎?我覺得世界越是喧囂,我們應越加冷靜,在人工智慧甚是火熱的時候,我們更應該仔細的去思考他的過去,現在,與未來。

講到人工智慧,不得不提獲取知識的方式,而近代哲學就研究人類是如何獲取知識,它分為理性主義和經驗主義兩個體系。理性主義認為知識來源於推理,我們根據公理,便能推理出新的知識,比如根據萬有引力定理,我們發現了在當時尚未被人類觀察到的冥王星。經驗主義認為經驗,是獲取知識的來源,天氣陰了,我們便知道快要下雨了,因為過去的經驗告訴我們是這樣的。理性主義和經驗主義都是我們獲取知識的途徑,一種代表了數學,一種代表了科學。如果我們想要讓機器具有智能,首先得讓機器能夠擁有知識,而機器也是通過這兩種方式來獲取知識的。

現有的機器學習主要分為監督學習和無監督學習,監督學習主要是給機器很多含有標籤的數據,然後讓機器自己去分析數據,獲取知識,這是通過經驗獲取知識的方法,比如通過分析大量包含了是否會下雨這個標籤的天氣的數據,得出在什麼濕度,溫度,氣壓,風力等情況下會下雨,那麼接下來給機器一個天氣數據,他便能告訴你會不會下雨的結論。監督學習主要是回歸和分類演算法,通過大量的數據,機器構造出一個能符合這個數據的函數,或者能夠將這堆數據分類的函數,比如機器通過大量數據,構造出了y=ax+b這個函數,那麼接下來給它一個數據x1,機器通過這個方程式預測答案y1的值,或者給他一個數據(x1,y1),機器便可以通過方程式,判斷這個數據在這個函數的上方,還是下方,告訴你這個數據屬於的類別,線性回歸,決策樹,神經網路等演算法都屬於監督學習。

而無監督學習則給機器很多不含有標籤的數據,比如給了大量的天氣數據,每條數據包含濕度,溫度,氣壓,風力等,但是這些數據並沒有是否會下雨的標籤,機器需要通過分析這些數據值,推理出一些新的知識,例如濕度和溫度成反比的函數關係,溫度,氣壓和風力之間的函數關係等等,這便是通過推理獲取知識的來源。這些數據,是機器原始公理,通過公理便能推論出知識。無監督學習主要是在聚類問題和關聯規則挖掘方面研究和應用。

在數據量越來越大,計算能力越來越強的今天,機器在通過經驗和推理獲取知識的能力上是遠遠超過人類的。所以各種媒體鼓吹人工智慧會取代人類勞動力,造成很多崗位失業是有道理的。在翻譯,疾病診斷,新聞寫作,駕駛,甚至編寫程序等領域,機器正表現的越來越好。想到程序員這個行業在未來都可能被AI取代,不禁的吸了口冷氣。

看待問題,我向來是辯證的角度。當我吸完冷氣,我看到的的是人類工業變革的歷程。當柯潔在於AlphaGo對決前曾放言「為人類而戰」時,我發現歷史總是驚人的相似這句話是有道理的。美國有一個很有名的歷史人物,被稱為鋼鐵之子的約翰.亨利,第一次工業革命時,它與一台新式的蒸汽鑽孔機競賽,看誰能先鑿開隧道,身強體壯的約翰.亨利贏了,但他的工友們正為他高興的歡呼起來時,他卻突然倒地死了,累死的。約翰.亨利的故事成為民謠傳唱後人,即使到現在還在很多地方看得到一個拿著鐵鎚的硬漢的形象。現在在來看這個故事,儼然成了一個滑稽的故事,這個很久遠故事想說明的是機器比人類做的更好,但犧牲了人類的尊嚴。當我們來到2016年,當人工智慧開始引導第四次工業革命時,同樣的故事還在繼續。人類始終沒太想清楚人與機器的關係,被機器打敗便意味著尊嚴的喪失?我不清楚這是因為自大,還是因為愚昧。

當我們了解前幾次工業革命的進程後,再來看人工智慧的發展,便沒有太多威脅論可言了,誠然,科技的進步,會讓許多傳統行業面臨下崗,但卻會更大程度的提高社會生產力,給人類帶來更豐富的物質條件,每一次工業革命之後,隨著而來的是人口激增。我們真正需要擔憂的,或許並不是科技的進步,而是自己止步不前的思想。

在現代醫院中,人的左右腦各司其職,左腦擅長推理和分析,這恰恰是人類獲取知識的方式,而右腦擅長模式識別,領會情緒和非語言表達,右腦所擅長的,用一個詞來描述叫做感性,左腦所擅長的,可以稱之概念。

20世紀已經證明,機器可以代替人力,空有身強體壯的人不再是力量,知識成了力量。而到了21世紀,人工智慧似乎正在證明,知識也並不再是力量。但機器代替了人的體力後,他們正在開始代替人的左腦。但在科學家弄清右腦的運行機制之前,人工智慧,還只能代替人的左腦。

這便是人工智慧沒法取代人類的原因,機器是不具有任何感性的,他們沒有情緒,不懂悲傷與高興,更沒法替代人類,傳遞心靈的慰藉。感性,這也是我們還能自稱為人類說剩下的最後一優勢了。我和朋友聊天,說最近頻繁出現的幼兒園傷害小孩的那些人,已經不能被稱作人了,他們能夠證明自己是人類特有的東西已經沒了。

講到最後,發現自己所講的東西越來越偏了,其實我最主要的還是只想說明:在新的技術面前,不要害怕,不要抗拒,轉換自己的思想,發現屬於自己獨有而擅長的優勢,與巨浪同行,而不要被拍死在沙灘上了。

推薦閱讀:

人工智慧在不同產業的應用
振奮,嗨翻 | AWS re:Invent 2017 第二天回顧
吳恩達首款產品Woebot現已推出,到底用了多難的AI技術?
33歲 AI 新生代「教父」已崛起,或將成就人類歷史上邁向具有類人意識機器的一大步 | 獨家
阿爾法狗再進化 未來會不會統治人類 ?

TAG:人工智慧 |