|
凤凰FM·管理一点通  院士张钹—— 为什么必须是“人工智能” 张钹指出，目前行业内对未来的智能有两种观点。一种观点认为智能化的道路是多条的，不是只有一条路能通向智能。他说，人类通过自然进化产生了自然智能，那为什么机器不能通过进化产生机器智能？这个智能和自然智能不会是一样的，我们通过自然进化获得的智能也不见得是最佳的。其实张钹院士比较赞同这个观点，因为机器智能与人类得自然智能不相同，但可以互补，发挥各自的长处，是有好处的。 另一种观点是必须得走人类智能这条路。这也是从长远来看最符合人类需求的，因为我们最终要发展人机协同，人类和机器和谐共处的世界。而不是说将来什么事都让机器去管去做，人类在一边享受。我们要走人机共生这条路，这样机器的智能就必须和人类一样，不然没法共处。机器做出来的事情，我们不能理解，我们的意图机器也不知道，两者怎么能合作呢？ 也就是说，人工智能必须具有可解释性。就好比乘坐飞机，你不理解人工智能为什么会这么操作，那你敢坐这架飞机吗？所以目前的阶段，车和飞机还是不能完全让机器开的。 最后，张钹院士还称，担忧“机器人统治人类”完全是远虑。目前最需要担忧的是人工智能的安全问题。比如语音合成，利用现有的技术可以做到以假乱真，和真人基本没有差别。但现在看来这种技术不能推广应用，因为一旦推广就全乱套了，只要搞一段用语音合成技术做成的假录音，就可以让任何一位名人身败名裂。这些都是非常危险的技术。 院士张钹—— 当前人工智能难以取得进展 中国科学院院士，清华大学人工智能研究院院长张钹，是中国少有的经历了两个人工智能技术阶段的研究者。张钹在过去几年很少接受采访，其中一个原因在于他对目前的人工智能技术有着不同看法。在时机未到之时，张钹谨慎的认为这些看法并不方便通过大众媒体进行传播，即使传播也很难获得认同。而在最近，张钹院士接受了记者的专访。他认为当前已经到了一个合适的时间点，应该找个机会分享一下自己的看法。 张钹院士首先分享的一个观点就是，深度学习触及天花板，人工智能在语音识别、图像识别、围棋三个领域外，很难再获得发展。 张钹院士解释说，目前，人工智能最受关注的领域是深度学习。但深度学习的缺陷决定了其应用空间被局限在特定领域——大部分都集中在图像识别、语音识别两方面。 首先，“黑盒”学习法成为深度学习的缺陷之一。指的是即使人工智能能给出正确的选择，但是人们却并不知道它根据什么给出这个答案，人们无法像理解彼此一样去理解这个新的智能。 第二就是现在的人工智能非常容易受到欺骗。在张钹看来，现在的深度学习本质是基于概率统计。就是寻找那些重复出现的模式，重复多了就被人工智能认为是规律，也就是说“谁说多了就是谁”。这样产生的一个影响就是：谎言重复一千遍就被认为是真理、规律。这就是为什么大数据有时会做出非常荒唐的结果，因为不管对不对，只要重复多了它就会按照这个规律走。并且，这些缺陷是无法通过改良而彻底解决的。深度学习的本质就是利用没有加工处理过的数据，用概率学习的“黑箱”处理方法来寻找它的规律，这个方法本身通常无法找到“有意义”的规律，它只能找到重复出现的模式。也就是说，现在形成的人工智能系统都非常脆弱容易受攻击或者欺骗，需要大量的数据，而且不可解释，存在非常严重的缺陷，这个缺陷是本质的，由其方法本身引起的。 此外，深度学习只是目前人工智能技术的一部分。人工智能还有更大更宽的领域需要去研究，比如知识表示、不确定性处理、人机交互等等，不能说深度学习就是人工智能，深度学习只是人工智能的一部分。但就目前来看，效果最好的事情还是这两件：图像识别、语音识别。张钹院士做过统计，中国人工智能领域20个独角兽30个准独角兽企业，近80%都跟图像识别或者语音识别有关系。 同时，在张钹看来，目前全世界的企业界和部分学界对于深度学习技术的判断过于乐观，人工智能迫切需要推动到新的阶段，而这注定将会是一个漫长的过程，有赖于与数学、脑科学等结合实现底层理论的突破。 所以，张钹院士认为，“深度学习技术，从应用角度已经接近天花板了，要想再出现奇迹的可能性比较小了”。准确一点说，今后或许会在个别领域取得进展，但是不会像之前预计的那样全面开花。 院士张钹— — 什么情况下你的工作将被AI取代 最近，清华大学人工智能研究院院长张钹院士在接受的专访中提出，人工智能技术只有在“充足的数据、确定性、完全的信息、静态和特定领域”这5个条件下才能发挥真正的作用，而满足了这5个条件的工作，则会被计算机取代。 首先，张钹介绍了人工智能在一定的范围内超过了人类的5件事，前两件是深蓝打败人类国际象棋冠军，IBM在电视知识竞赛中打败了美国的前两个冠军，它们是同一类型。后面三件事属于另外一个类型，微软研究团队使用的神经网络在计算机视觉识别挑战大赛中获胜，它的误识率略低于人类；百度和讯飞宣布在单句的中文语音识别上，计算机的误识率也略低于人类；还有就是 AlphaGo 打败了李世石。 对于这几件事，人们常常会从大数据、计算能力提高、人工智能算法这三个因素进行讨论。张钹认为，大家忽略了另一个因素，就是以上所有的成果必须建立在一个合适的应用场景下，必须满足“充足的数据、确定性、完全的信息、静态和特定领域”这5个条件。 张钹以下象棋为例，做了解释。下象棋就是一个完全信息博弈，它的信息完全且确定，而且会遵循完全确定的游戏规则做演化，张钹把这种情况称为静态。 从上面5件事都可以看出，人工智能在有限的领域内，做单个任务时会超过人类的表现。张钹说，IBM的沃森机器人也是这样，它会选择知识竞赛，是因为知识竞赛提出的问题都是明确的，答案总是唯一的，这样的问答对机器人来讲是非常容易的。围棋也完全符合上面 5个条件。 对于“什么样的工作会被机器所替代”，张钹认为，满足以上5个条件的工作，即那些照章办事，不需要任何灵活性的工作，总有一天会被计算机取代，比如说出纳员、收银员等等。但老师、企业家等的工作不可能被计算机完全代替。因为这些工作富有灵活性和创造性，计算机绝对不可能完全代替，当然部分代替是可能的，因为其中肯定也有一些简单和重复性的内容。如果认识到这一条就会认识到人工智能仍处于发展阶段的初期。不是像有些人估计的那样“人工智能技术已经完全成熟，而进入发展应用的阶段”。 院士张钹—— 第三代人工智能 在前面的音频中，张钹院士提到：目前基于深度学习的人工智能在技术上已经到达顶点，变的难以发展了。但在张钹院士看来，我们完全可以在它的基础上，向新的方向发展，走出一条新的发展道路。 因此，张钹院士提出了一个新的概念：第三代人工智能。张钹院士解释说，人工智能实际上经历过两代，第一代就是符号推理，第二代就是目前的概率学习或深度学习。而目前，我们正向着第三代人工智能迈进。原因很明显，第一代、第二代人工智能都有很大的局限性。按照目前的设想，第三代人工智能要解决的是目前存在的不可理解性，容易受到欺骗等缺陷。 那具体该如何实施呢？张钹院士认为有两条路可选：一个是计算机科学与数学和脑科学的结合与突破。“如果没有新的数学工具，没有来自于脑科学启发下的新思路，哪来的新理论？”但张钹院士也表示这是非常困难的。 另一条路就是把数据驱动和知识驱动结合起来。简单的说就是把第一代人工智能和第二代人工智能相结合。利用各自的优势。但这条路也面临着一个问题，那就是前两代人工智能 在不同空间中操作，一个是向量空间，一个是符号空间，也需要有新的数学工具的加入。 最后，张钹院士也表示，要想进入第三代人工智能，需要更长的时间。因为有许多苦难需要克服。有人或许会问：“会不会再过10年、20年，人工智能在学界或者公众心中，又变成一个“隐学”，大众又不会再经常提起来这个词？”但在张钹看来：低潮会发生，但不会像过去那样。因为有大数据、互联网和强大的计算资源，这些都会支撑人工智能继续走下去。 什么样的创新能促进经济繁荣 哈佛商学院教授、“颠覆性创新”理论的提出者克莱顿·克里斯坦森出版了一本新书，名叫《繁荣悖论》。在接受沃顿知识在线采访时，克里斯坦森介绍了这本书里提到的创新的三种类型，以及什么样的创新能促进繁荣。公众号“沃顿知识在线”翻译了访谈内容。 克里斯坦森把创新分成三类。第一类是效率创新。这种创新能帮公司生产更便宜、更优质的产品。但效率创新不会带来经济增长，克里斯坦森举例说，壳牌、海湾和英国石油公司等企业，到非洲开采石油，然后运往西方国家。每当他们开采石油时，就会发生效率创新，这样他们就可以雇更少的人。所以，这些公司不会创造经济增长或者就业机会，因为这不是他们的目的，他们的目的是消除成本，消除就业机会。 第二类是持续性创新。在这种创新中，人们尝试不断改进产品。不过，克里斯坦森说，这种创新也不会给企业或者经济创造净增长。假设有一家汽车公司，它把最新款的车推销给你，你就不会买旧款的车。所以，克里斯坦森认为，持续创新能让我们生产出更优质的产品，但并没有创造新的增长。 第三类创新，克里斯坦森称之为“市场创造”。过去有一些比较贵的产品只有富人才能消费得起，通过“市场创造”这样的创新，让这些产品的价格变得更合理而且更容易获取，让更多人可以购买和使用。克里斯坦森举了福特汽车的例子，亨利·福特制造的汽车，一开始只给富人使用，因为只有富人买得起，但他让汽车价格变得实惠而且易于获取之后，普通人也可以拥有汽车，这就相当于创造了一个新市场。汽车制造还需要一条完整的产业链，福特需要找人提供钢材，建立经销商体系和服务体系。所以，这里存在一个因果机制。首先，你要让产品或者服务有一个合理的价格，并且易于获取，然后建立一个系统来服务新顾客。 |
|
|
