|
全球技术地图 创新丨前沿丨科普丨资讯  天才和愚蠢之间的区别就是——天才是有极限的。 1942年，艾萨克·阿西莫夫首次在作品中提出了适用于智能机器人的“机器人三定律”，时至今日它们早已淡出了众人视线。尽管美国国防部在发布于2012年11月的3000.09号指令中规定：所有武器系统的扳机或发射按钮始终应该由人类控制；但人类研发的“密集阵”近程武器系统（Phalanx CIWS）与“宙斯盾”防御系统（尽管二者都是防御性武器）还是违背了这一规定。如今许多资本家与学者声称，“通用人工智能”（Artificial General Intelligence）将于2020年至2040年间带领人类到达“奇点”。届时，机器的智慧将得到指数级增长，远远地将人类甩在身后。最终机器人会消灭全人类，统治整个地球。 机器人三定律 本文将为您揭秘人工智能这个复杂又神秘的话题。 首先，目前的舆论中关于人工智能存在着许多迥然不同的说法，这引起了人们或多或少的误会以及困惑。某些失业的英国文学专业学生也许是这一恼人现象的罪魁祸首——在半导体厂商与软件公司的营销部门，他们为自己的才能找到了用武之地。他们种种夸张的说辞为大众认识人工智能平添了许多困难。因此，我们首先得抛弃那些夸夸其谈，理清蕴含在其中的简单工程原理、定义和实例。 我们将AI看作一个树状图的起点，在此基础上伸展出了许多分支。左侧第一个分支叫做冻结式 AI （Frozen AI），这是上世纪80年代人们对“专家系统”（the expert systems）的另一种说法。冻结式AI是一种软件，其中浓缩了人类专家对于某种工作流程的经验与知识。冻结式AI系统没有学习能力，无论对同一流程重复多少次，它也不会加快执行速度或是提高执行效率。以报税软件为例：将数字输入软件中，软件就会在相应表格的对应位置中显示出运算后的结果。这便是冻结式AI。 树状图右侧的下一个分支是机器学习（ML，machine learning）。其中又有两个子分支：分别是浅人工智能，又被称为弱人工智能（ANI, artificial narrow intelligence)；与深度学习（DL, deeplearning）。 让我们用工业中生产花生酱的例子来说明弱人工智能是如何工作的：假设我们有一台需要进行教育的人工智能机器，我们转动转盘，扳动开关，将一吨花生磨成粉末；随后在大桶中加入一定数量的防腐剂、糖和油。然后进行加热并且搅拌。机器会观察操作员的动作（记录下他的行动），并学会如何去操作。在我们重复几轮操作之后，机器就能完全明白如何生产花生酱。在处理变量较少的简单任务时，弱人工智能只需要对样本进行数次学习就可以完全掌握。 而深度学习的过程则包含了成千上万个，甚至数百万个变量。深度学习AI掌握一项任务也需要同样多的样本数量。让我们把上文中的冻结式 AI 报税软件换成一台深度学习机器。在填写完你的报税表格后，它告诉你在30天之内会遇到现金周转问题。因为你的妻子一直在从她的个人支票账户里给一位离婚律师开支票——她就要把你甩了。深度学习机器可以通过互联网查看你的账户详情，收集有关你完整财务状况的所有数据并进行评估，然后根据你的报税表对未来情况做出准确预测。这便是深度学习 AI。 语言翻译中的语音识别是深度学习的另一个实例。谷歌公司近日发布了新产品 Pixel Buds，能够通过蓝牙功能与谷歌 Pixel 智能手机相连接，使手机可以接入到“谷歌翻译”软件。这套 Pixel 设备可以识别接收到的语言，并实时地翻译成对方的母语。这样即使双方同时在用两种不同的语言进行进行，他们也能够理解对方的意思。语音的识别与翻译中都包含了成千上万个变量，系统需要对成千上万个样本进行学习才能精通其中奥妙。 人工智能的精髓是神经网络 (neural network, NN），也被称为人工神经网络（artificial neural network, ANN)。物理神经网络（physicalneural network，PNN）由许多单元相互连接组成，就像我们大脑中的神经元一样。这些单元不像电脑一样只存在0与1两种状态，还存在着介于0与1之间的“偏置项”（bias）（指某个神经单元向另一个单元产生偏移）。目前，公认的神经网络拓扑结构共有27种，其中包括预测型神经网络、深度前馈网络、快速前馈网络、卷积神经网络、变分神经网络等等。篇幅所限本文无法一一进行列举，建议您前往<https:///using-cnns-to-speed-up-systems/>以查看树状图的详情。但是，当前人工智能的基本平台由运行在多核处理器和图形处理器（GPU）上的软件算法与并行执行路径共同构成。这些算法用0和1组成的数据取代了物理单元，并最终得出运算结果。 AI算法是如何工作的呢？不妨将其想象成电脑中的表格（AI术语称之为“矩阵”），将数据填入表格的第1列中，该列中的每个数据都被赋予了一个称为“权重”的数值，这些权重值位于表格的第2列中。 每个数值的权重会与它周围其它四至五个数据的权重进行比较（其中涉及大量数学运算），综合得出的权重值位于表格的第3列。综合过后的权重值又会与周围的权重值进行比较，得出的结果位于表格的第4列，以此类推。最终得出的结果位于表格第10列的中间位置。整个过程完成后会呈现为一副收敛的树状图（多对一）形状。 在军事领域，AI最为迫切的使用需求是什么呢？我们先从图像处理和面部识别说起。我们通过无人机（UAV）、侦察机和人造卫星等途径获取了时长超过数千小时的监控视频和静态图像。但是我们却没有足够多的图像分析人员来检视处理这些数据。Movidius 于2017年4月推出了一款名为神经计算棒（Neural Compute Stick）的产品。该产品能够通过USB接口连接电脑，具有图像处理与人脸识别功能。2017年8月，英特尔推出了新款视觉处理单元（Vision Processing Unit，VPU）芯片，可应用于无人机与地面车辆的电路中。它能在每秒进行四万亿次运算的基础上保持极低的功耗。我们可以通过这些芯片在极短的时间内进行图像处理工作，而不再需要人为操作。如今，类似芯片与算法在市面上日新月异，层出不穷。 语音识别和语言翻译是人工智能在军事领域中的另一个重要应用。从敌人那里我们截获了数千个小时的通话数据，但我们却没有足够多的语言学家来处理这些数据。我们可以将Pixel Buds、Pixel智能手机和谷歌翻译服务与某种搜索算法相结合，检索对话中出现的诸如坦克、炸弹、简易爆炸装置（IED）、高速公路等关键词。这样，我们可以在极短的时间内过滤掉所有的闲聊，只留下最重要的情报数据，在这中间并不需要语言学家的参与。 雷达空时自适应处理（space-time adaptive processing，STAP） 与认知电子战（cognitiveelectronic warfare， CEW）是人工智能的又一应用范例。如今我们的敌人非常擅长在战场上干扰雷达信号。基于人工智能的STAP技术可以抵御其干扰，帮助我们找到目标。基于人工智能的CEW也是同样道理：它能帮助我们更好地干扰或欺骗敌方雷达。 除此之外，人工智能还渗透到许多其他军事领域中，包括自主武器，网络战，更好的无人驾驶车辆，多领域作战，跨领域作战，导弹防御等等。这些作战平台会为所有人工智能机器的母系统——“战争主算法”提供数据。美国国防部副部长鲍勃·沃克（Bob Work）在2017年4月的备忘录中提到，将着手建立一个“算法战跨职能小组”。战斗中所有来自于作战平台与士兵的数据都将被输入“战争算法”（the War Algorithm）机器。接着这部机器会告诉将军，击败敌军应该做何行动。这便是计划的详情。 现在，让我们谈谈所谓的“人工智障”（artificial stupidity，AS）。日常的应用程序以及云端服务会使用到数以亿计的AI芯片与算法。举例来说，假设你拥有一个苹果或谷歌或亚马逊公司的个人数字助理（Digital Assistant，包括Siri，Google Assistant，Alexa等等）。临近退休，你想知道如何才能保持身体的健康与活跃。于是你向数字助理提问。数字助理连接到云端，查询来源于全世界的上万亿条数据，并且通过AI机器进行处理。数字助理最后回答你：不要打高尔夫球！为什么呢？因为数字助理发现死亡和高尔夫球之间有很高的相关性，有相当多的高尔夫球手在60至70岁时去世。然而实际上二者之间并没有因果关系，是年龄的增长，而不是高尔夫球本身导致了球手的死亡。读一读查尔斯·惠伦（Charles Wheelan）的《赤裸裸的统计学》（Naked Statistics）可以更深入地了解此类人工智能隐患。爱因斯坦曾经说过：“天才和愚蠢之间的区别就是——天才是有极限的。”（当然这句话的主人也有可能是大仲马或阿尔伯特·哈伯德。） 因此我们该明白，我们正处于人工智能发展的初期阶段，接下来的一段时间内我们还将遇到更多“人工智障”的情况。有相反的观点认为，数据越多越有利于人工智能进行学习。人工智能机器可以在几秒钟内浏览数十亿条数据（或其它内容），根据统计学，这意味着人工智能机器将来会变得又好又快。然而，人工智能的发展最终取决于使用者对AI如何要求，以及在该领域中拥有多少有效的数据。 现在，你已对人工智能有所了解，对于人工智能的军事用途及其发展现状也略知一二。而你真正需要考虑的是AI在杀伤链（kill chain）中的运用（杀伤链由发现、锁定、开火、终结、反馈等阶段组成）。图像分析与语言翻译适用于发现与锁定阶段。一旦软硬件的稳定性与可靠性得到提高，人工智能将在开火，终结与反馈阶段得到运用。事实上，所有的作战平台，测试、研发、分析、审查工作，武器、预算、作战计划和战略都在杀伤链中占有一席之地。一旦从杀伤链的角度阅读所有军事新闻与军事声明，你定会感到豁然开朗。 作者丨Ray Alderman 编译丨王燕处 |
|
|
