本文的主题是 “ 人工智能 ” AI (Artificial Intelligence) 先提几个问题,看过本文之后自会有答案:
本文共5820字,图片17张,预计阅读8~10分钟,请尽量连接WIFI。 01 — 人工智能的幻想
人类,最不缺的就是幻想。幻想,不但能创造巨大的价值,甚至还能对科技的发展起到巨大的推动作用。 伴随着工业时代和计算机时代的到来,人类对于机器和智能的幻想一直持续。 2016年,美剧 《西部世界》第一季火遍了全球。故事设定在未来世界,在一个庞大的高科技成人主题乐园中,游客可以回到模拟的西部牛仔时代,乐园里的居民,看起来和真人一模一样,有血有肉有有工作有感情,这些被称作“接待员”的智能机器人能让游客享尽情欲、暴力等欲望的放纵。 你能想象,《西部世界》里的这一对情侣都是机器人演给游客的剧情吗? 虽然这些机器人有着不输人类的智能和远超过人类的力量,但他们被程序束缚着,只能日复一日地在剧本里扮演自己的角色供人类娱乐,而丝毫不能伤害到人类。 《西部世界》里,正在制造中的机器人 但是,部分机器人出现了自我觉醒,发现了自己只是作为故事角色的存在,并且想摆脱乐园对其的控制,于是一出出人类和机器人的大战上演了。 如果你没有看过《西部世界》,那么下面这个系列的电影很可能是你童年的回忆。这就是从1984年首播,到2015年已经有拍摄了五部,部部斩获无数票房和口碑,并冠以“伟大”的电影:《终结者》系列。 阿诺∙施瓦辛格扮演的机器人:终结者 电影里,在2029年,智能机器人已经统治了地球,并试图消灭所有的幸存的人类,它们派出终结者机器人穿越回1984年,想用杀死人类抵抗领袖约翰的母亲的方式来阻止约翰出生,以获取对人类战争的胜利。 当然,机器人的企图是不可能得逞的,人类总是会获取最终的胜利。 如果说上面两部作品都是展现人类对机器人控制以及战胜机器人的豪情的话,下面这部电影就是要探究机器人的意识和情感,以及和人类的温情了。 这就是斯皮尔伯格2001年的作品:《人工智能》。 片中的机器人男孩大卫,则是在最初就被设定为“儿子”这样一个角色的情感陪伴机器人。大卫对自己的“母亲”充满了爱,但是最终却被无情地抛弃。 《人工智能》的电影海报 上面海报里的文字对这一切写满了凄美:
为了得到程序里设定的这位人类母亲的爱,大卫心甘情愿付出一切。这份爱甚至持续了两千年,直到人类灭绝,直到地球彻底冰封,直到地球被机器人占据。 这些瑰丽的幻想,勾勒出我们对人工智能的期望与隐忧。面对这些外表和我们毫无差别,有意识,有情感的机器人,我们将何去何从? 下面,我们从人工智能的定义说起。 02 — 什么是人工智能?
其实,我们现在对于什么是智能还没搞清楚。连什么是智能都搞不清楚,要回答什么是人工智能简直就有些天方夜谭了。 智能就是有意识,能思考? 这已经是哲学范畴的经典问题了,意识的本质和思考的过程千百年来都没有人能回答。 得了,纠结于哲学问题起不到这么作用,科研还是要精确,需要有可操作的标准。 于是,在70年前,人工智能的开山祖师阿兰·图灵另辟蹊径:既然说不清,那咋就搞个测试,通过结果来说话: 如果我们安排一个人和一台机器远程聊天,如果聊了半小时,这个人还是分不清对方是真人还是机器的话,我们就认为这台机器会思考,拥有智能。 图灵测试的模型 可是,人工智能存在的意义就是让机器陪人就是聊天吗?即使通过了图灵测试又能对我们有什么现实意义呢? 2014年,在当年的图灵测试大会上,聊天程序尤金·古斯特曼上冒充一个13岁乌克兰男孩,竟然骗过了33%的评委,“通过”了图灵测试。 可是,后来的再次测试,发现这个聊天机器人简直对现实世界一无所知到了白痴的程度,唯一会的就是答非所问,顾左右而言其他。 下面是测试者和聊天程序的一段对话:
真是智障。 在我们国家,10岁的小朋友早都会解鸡兔同笼问题了,这个“13岁的乌克兰男孩”却连骆驼有几条腿都不知道。或许,连什么是骆驼都不知道。 其实这就说明,这么研究下去,靠一时的伪装和欺骗来通过图灵测试对我们毫无意义。 同时我们也看清了现实:创造出真正拥有和人类无法区分的全面智能机器人还是太过遥远了。还是着眼现实,忘掉图灵测试,从实用的角度研究让人工智能怎样更好地为我们服务更有意义。 因此,人工智能被划分为3个阶段: 弱人工智能 也叫“限制领域人工智能”或者“应用型人工智能”,指的是专注于解决特定领域的人工智能。 即使打遍天下无敌手的围棋程序AlphaGo这么牛,也仍然属于弱人工智能。因为它只会下围棋,对其他领域一无所知。 弱人工智能作为现在研究的主要方向,多以实用工具的形态出现,目前已取得了巨大的成就,对我们的生活有非常大的便利。 比如美图秀秀的一键美颜,今日头条的新闻推荐,苹果手机上的Siri智能语音助理,特斯拉的辅助驾驶等应用都用起来非常贴心。 强人工智能 也被成为“完全人工智能”,是指可以胜任所有人类工作的人工智能。这类人工智能不但通过图灵测试简直跟玩一样,在表达,学习,规划,应变等能力上都达到了人类的水平。 到了这个阶段,就需要考虑人工智能有没有意识,能否挑战人类地位的问题了。 然而,这一阶段目前连影子都看不到,只会在科幻电影里出现。 超人工智能 这是能全方位碾压人类最高智慧的人工智能。由于太过遥远,早已在我们的想象力之外,也可能这种情况计算机压根就无法实现。 从实用的角度考虑,管他是哪个级别的人工智能,只要能更好地解决问题,创造更多价值,把我们从低级重复的劳动中解放出来,就是好的人工智能。 因此,我们姑且认为,人工智能就是可以分析处理复杂问题,协助人类获取最大收益的计算机程序。 事实上,对于人工智能定义和分类现在已经很少有人关心了,有这精力还不如再优化下算法让图片识别的准确率提升一个百分点,让自动驾驶的安全性提高一个层次来得更有意义。 03 — 从专家系统到深度学习 最早出现的弱人工智能是专家系统。顾名思义,这样的系统能像专家一样解决自己研究领域内的问题。 人类的智能很大程度上来自于知识和推理,因此专家系统以知识库为基础,再加上由众多规则组成的推理机,来输出专业的结果,完成人类专家短缺或专门知识十分昂贵的诊断、解释、监控、预测、规划和设计等任务。一般专家系统执行的求解任务是知识密集型的。 专家系统中的佼佼者,当属西安电子科技大学赵克教授及其团队研发的“乐辅通”初中数学智能辅导系统了。 该系统PC,安卓和苹果全平台覆盖,家长或者学生只需把题目拍照或者语音读出来发送到系统,后端的服务器解题完毕之后会把答案发给用户。 乐辅通全平台覆盖,支持拍照和语音输入题目 作为一款商用的智能辅导系统,乐辅通不仅仅能提供详细解答,还能做到逐步提示,解后反思,巩固练习,知识点分析等实用功能,在初中数学领域内已经完全可以取代大学生家教了。 功能强悍的智能辅导系统 很多人以为数学辅导系统的主要工作就是检索题库,检索题库有何智能可言?乐辅通作为专家系统,当然不会只做匹配题库这样的事情,它的本事可大着呢。 乐辅通是在后台真刀真枪的解题,看看下图的架构,首先是用户通过客户端把几何或者代数题以图片或者语音的方式发给服务器,服务器经过信息提取和转换之后,交给后面运行专家系统的计算机集群运行规则和推理机来解题。 乐辅通解题系统架构 目前代数的解题成功率已经达到了98%,几何题的成功率也在95%以上。系统解不出的题目咋办?后端还有数学老师人工服务,兢兢业业地从早上8点服务到晚上12点。 真是人工智能和人类智能的完美协作! 这个专家系统如此成功最大的原因是领域选择完美。在数学这个领域,人类已经研究了几千年,积累了海量的知识,并以各种公理,定理,公式的形式传承了下来。加之常见的题目类型也就那么几种,常用的解题套路也都总结地非常完善了。把这些已知的知识点全部都转换成系统内运行的规则,在合理算法的加成之下,初中数学题当然迎刃而解。 虽然专家系统在规则明确的狭窄领域确实厉害,但缺点也非常明显。有很多的事情,规律异常复杂,我们自己都说不清道不明的,再想整出个规则库就简直是不可能了。 比如,你看到了鹿晗和关晓彤,不管他们是什么角度,在做什么动作,穿什么衣服,戴没戴眼镜,剪没剪头发,大脑都能准确的分辨出来谁是谁,几乎出不了错。 可是,你能说出判断这一切用的是什么规则吗?就算能说出个一二,也不过是大脑工作的冰山一角,用来构建的专家系统简直是漏洞百出。 于是,有人就想,大脑由上千亿个神经元组成,每一个神经元都只不过是处理简单信号的细胞,虽然每个神经元对自己在干什么一无所知,但海量神经元协同工作就产生了高度的智慧。何不用计算机来模拟这些神经元呢? 人脑中的神经元 于是人工神经网络诞生了。典型的人工神经网络,一般是由几个,几百个,上千个甚至几百万个人工神经元构成,它们排列在一系列的层中,除了输入层和输出层之外,中间还有多个隐藏层,每个层之间彼此相连,就组成了错综复杂的深度神经网络。 输入信息会首先进入左侧的输入层,然后激发中间的隐藏层,最后从右侧输出层输出结果。 深度人工神经网络 输入层和隐藏层的神经元的输入输出代表了待解决问题的若干变量和期望的输出结果之间的某种复杂关系,通过调整这些错综复杂的变量和权重,我们就能从输入得到正确的输出。 这些神经元所涉及的变量是怎么调整的呢?这个过程就叫深度学习。 深度学习的操作方法就是给电脑输入海量的已知结果的数据,让电脑自己去调节这些神经元之间的变量和权重,最终利用已知的答案来验证输出结果对不对。 经过无数次的学习和训练,这些神经元之间的变量和权重分配也经过无数次的调整优化,系统的表现已经很好的时候,就可以把这些调整好的参数固定起来,用来解决未知问题了。 比如说,AlphaGo花了40天时间,在深度学习过程中输入了至少三千万种棋局,自我博弈也超过一百万次,之后才能彻底战胜人类。 谷歌大脑使用了一个拥有16000个CPU的大型计算机集群,让计算机用深度学习算法“看”了一千万段有关猫的视频之后,计算机才学会了如何从视频中辨认一直猫。 然而,下围棋时,AlphaGo内部的神经网络到底是怎么样做出决策的?谷歌大脑是通过怎样的过程认出视频中的猫的?没人知道。这些神经网络里面的多个变量为什么这么调整完全没有人能说得清。 深度学习就是以这么一种不求甚解的实用主义思想为指导的。只要有足够的数据让能机器充分学习,能很好地解决问题,管它内部的是怎么运行的呢,白猫黑猫,抓住老鼠就是好猫。 从前面的描述可以看出,深度学习和专家系统是基于两种完全相反的指导思想的。专家系统试图用已知海量知识来解决未知问题,知其然,也知其所以然;而深度学习则是用海量数据让机器自己去总结规律来解决未知问题,知其然,但不知其所以然。 由于这个世界确实太复杂,已知的知识始终只是一座微不足道的小岛,因此目前专家系统逐渐无人问津,深度学习也几乎已经成为了人工智能的代名词。 那么基于人工神经网络的深度学习算法这么牛,为什么最近才大放异彩呢?这是因为有了大数据和云计算的加成。 随着近年来通信和网络带宽的大幅增长,计算机存储的大幅增长,以及对数据处理和分析能力的大幅增长,信息存储、交换和处理的过程产生了海量的数据,这些数据才能支撑起深度学习的输入需求。没有足够的学习样本,深度学习系统搭建地再完美也没用。 大数据的产生 另一方面,通过海量数据进行深度学习需要超强的计算能力,这就需要由云计算平台组织起来的成千上万台计算机集群来协同完成。比如前面说过,世界最强的谷歌大脑就拥有由16000台计算机组成的可怕计算能力。 可以这么说,深度学习算法是灵魂,云计算是肉体,大数据则是粮食。这三者合力,揭开了人工智能应用的新篇章。 04 — 人工智能早已融入日常生活 普罗大众对人工智能的关注,近期最出名的事件就是,在2016年初谷歌的AlphaGo以碾压性的优势战胜了人类顶尖围棋选手,这块曾经人类智能的骄傲堡垒也已经沦陷。 AlphaGo大战李世石 其实,如果抛开对人形智能机器人的执念的话,我们身边早已经被人工智能充斥,这些智能的应用就潜伏在我们的电脑和手机里,润物细无声地改变着我们的生活。 想象一下我们一天的生活,早上起来问候女朋友,只需说声“嘿Siri”,手机里面的智能助理立即上岗,然后就可以对这个忠实助理的发号施令了! 苹果手机上Siri智能语音助理 Siri是打电话发信息样样都行,有求必应,让人的双手得到了完全的解放。开车的时候用起来简直是太方便了。 今日头条之所以让人欲罢不能,就是我们在里面总能看到自己感兴趣的东西,就像这个应用有了读心术一样。 今日头条 其实,这些内容完全是由机器来智能地根据每个人喜好、习惯来推荐的,每个人都能看到自己喜欢的定制内容。 因此,今日头条应用出现不久,就迅速地把其他传统的新闻应用斩落马下,现在成了行业内模仿的标杆。 还有现在的搜索引擎也已经很智能了,别看你面前的只是一个小小的搜索框,背后的技术大有乾坤。百度可以精确地回答你的问题,而不需要你再从一大堆搜到的网页里面甄别对错。 想知道鹿晗的女朋友是谁?只需要问百度就行了,显然百度是理解你的问题的,并把它的准确回答放到了最醒目的位置。 百度搜索中的人工智能 曾经,如果有人能用PS给黑白老照片上色,那绝对广受膜拜是神技,不但费时费力,更需要对色彩,光影有深刻的理解。现在呢,只需鼠标一点,人工智能就可以瞬间给老照片完美上色。 人工智能给老照片上色 这些耳熟能详的应用背后,无不是人工智能的深度学习系统在驱动。就像一座冰山,我们看到海平面之上的这些应用给我们带来了越来越多的便利,却不清楚海平面之下支撑这些应用的强大力量。 05 — 人工智能是否会抢走我们的饭碗?
不得不说,霍金高估了人工智能的发展速度,低估了科技发展的意义。 这里问一个问题:我们努力发展科技的目的,难道不应该是把人从简单重复的工作中解脱出来,去从事更高级更有创造力的事情,让生活更便捷吗? 何况,大多数情况下,随着技术的发展,我们的工作也会转变成新的形式。 在古代,交通业的主要工作是是养马,造马车,当车夫等;到了近代,汽车出现,虽然和马车相关的产业被淘汰掉了,但却形成了庞大的汽车产业,新增了更多的工作岗位;到了现代,随着高铁,飞机的普及,又产生了更多新的工作岗位。 所以,作为万物灵长的我们,拥有目前已知最高的智慧和创造力,应当借助人工智能这样的有力工具,让世界变得更美好。 总结 ——— |
|