【AI研究院 | 網(wǎng)易智能工作室傾力打造的人工智能專業(yè)欄目，聚焦行業(yè)，深度分析，只為專業(yè)】
網(wǎng)易智能訊2月5日消息，據(jù)國外媒體報(bào)道，隨著人工智能技術(shù)蓬勃興起，未來它將如何改變?nèi)藗兊纳钅?？頂級的科學(xué)家和開發(fā)者們是如何看待AI的未來的呢？
在一個大晴天，在加州大學(xué)伯克利分校的校園里，學(xué)生們在趕著上下一堂課，雙肩背包和智能手機(jī)隨處可見。機(jī)器人學(xué)習(xí)實(shí)驗(yàn)室可謂極客們的天堂。學(xué)生們在臺式機(jī)上編寫軟件，其他的學(xué)生則在用電線和多彩的機(jī)箱裝配舊機(jī)器。入讀這所精英大學(xué)并不容易；加州大學(xué)伯克利分校2020屆學(xué)生入學(xué)申請通過率只有14.8%。因此，它的年輕小伙們有望成為未來的科技領(lǐng)導(dǎo)者和先驅(qū)者。
該高?？雌饋沓錆M著希望，但其實(shí)驗(yàn)室中的BRETT機(jī)器人似乎陷入了掙扎。實(shí)際上，它頗為失敗。它在試圖給一個小洞放入一個小的木塊。BRETT一次又一次地?fù)]起手臂，往小洞口放置木塊，卻一次次都無功而返。它就是對不準(zhǔn)。
然而，BRETT有一大優(yōu)點(diǎn)：有學(xué)習(xí)總結(jié)的能力。每一次失敗過后，它都會計(jì)量哪里出了問題。從本質(zhì)上說，它是在做我們?nèi)祟愃龅氖虑椋菏∵^后，它都會去琢磨下一次該如何做得更好。
我站在那里看了大概15分鐘，最后BRETT終于成功了——鑒于該任何并不難，它花費(fèi)的時間可不短。但它令人驚訝的地方在于，它的確有學(xué)習(xí)能力。它并不只是千篇一律地重復(fù)執(zhí)行單一任務(wù)的機(jī)器。它在不斷進(jìn)化，它在不斷改進(jìn)自己。
如果你是悲觀主義者，那在這晴朗的日子里看到BRETT慢慢取得成功，你恐怕會覺得并非機(jī)器人的人類未來蒙上了陰影：BRETT，或者下一代的機(jī)器人，最終會擁有比創(chuàng)造出它們來的人類厲害得多的學(xué)習(xí)能力嗎？
有朝一日，BRETT會不再需要我們嗎？
人工智能與《科學(xué)怪人》
這是人工智能最典型的問題：計(jì)算機(jī)能獲得人腦般的概念化能力嗎？
除了驅(qū)動系統(tǒng)之外，計(jì)算機(jī)還能夠自主構(gòu)想系統(tǒng)嗎？最重要的是，計(jì)算機(jī)能夠用批判性思維看待自己嗎？能夠進(jìn)行自我評估嗎？能夠設(shè)計(jì)出富有創(chuàng)意的新解決方案嗎？
目前來看，答案是否定的。AI還處于初生階段，盡管在圍棋比賽中擊敗大師級選手李世石的谷歌DeepMind，以及在電視智力競賽中贏得100萬美元大獎的沃森引起了廣泛的關(guān)注。相比人類的大腦，計(jì)算機(jī)雖然非常強(qiáng)大，但還只是受限的重負(fù)荷機(jī)器。
誠然，計(jì)算機(jī)在純處理性能上擁有巨大的優(yōu)勢。IBM的沃森短短一秒鐘就能夠消化500GB以上的數(shù)據(jù)（相當(dāng)于超過100萬本書）。谷歌的DeepMind被灌進(jìn)3000萬個例子，通過這種訓(xùn)練就獲得了頂級的圍棋水平。這種驚人的計(jì)算性能未來也將變得越來越強(qiáng)悍。
不過，沃森在Jeopardy中的勝利本質(zhì)上只是依靠數(shù)據(jù)檢索。DeepMind戰(zhàn)勝李世石則依靠更多認(rèn)知上的靈活性，但它也算不上創(chuàng)造力。它純粹是依靠計(jì)算性能來實(shí)現(xiàn)高級的邏輯推理。
老實(shí)說，我們?nèi)祟惒粌H僅擁有智能，我們還擁有元智能（meta-intelligence）。我們在思維上取得了不少全新的、前所未見的進(jìn)步；我們打破了種種框框架架，創(chuàng)造出令人驚奇的東西。開發(fā)人工智能本身十分困難，原因之一是我們并不完全清楚人腦的運(yùn)作方式。我們都搞不懂我們自己，所以我們?nèi)绾文軌驈?fù)制我們自己呢？
不過，我們每年都能夠看到AI復(fù)制我們自己的各種能力。人類是古怪的生物，但我們所做的任務(wù)大多數(shù)都可以進(jìn)行簡化。像iRobot Roomba 650這樣的輔助型機(jī)器人可幫助我們清理房屋。無人駕駛汽車的開發(fā)工作在不斷推進(jìn)，入局的公司多不勝數(shù)，從寶馬到韓國現(xiàn)代。無人機(jī)將會幫助配送我們在網(wǎng)上訂購的商品。AI計(jì)算機(jī)如今能夠識別圖像（在有限的場景中），能夠響應(yīng)自然語言。
AI的基礎(chǔ)性工具均執(zhí)行某種類似于人類思維的功能。機(jī)器學(xué)習(xí)利用算法來“學(xué)習(xí)”響應(yīng)變化的輸入信息；它往往會輸出預(yù)測結(jié)果，又或者輸出某種較高水平的總結(jié)。
神經(jīng)網(wǎng)絡(luò)是一種類似于包括大腦的人類中樞神經(jīng)系統(tǒng)網(wǎng)絡(luò)的軟件。神經(jīng)網(wǎng)絡(luò)使用自適應(yīng)的軟件架構(gòu)；它使用規(guī)則設(shè)計(jì)工具組，從而支持多變量輸入和輸出。神經(jīng)網(wǎng)絡(luò)能夠“學(xué)習(xí)”，能夠從各種不同的非線性輸入產(chǎn)生輸出——人類的大腦正是這么做的。
深度學(xué)習(xí)將神經(jīng)網(wǎng)絡(luò)整合成為先進(jìn)的響應(yīng)結(jié)構(gòu)，這種結(jié)構(gòu)能夠產(chǎn)生抽象的數(shù)據(jù)模型。深度學(xué)習(xí)由當(dāng)下超快速的GPU計(jì)算機(jī)處理器驅(qū)動，是AI的最前沿領(lǐng)域。深度學(xué)習(xí)的一個著名案例是，AI先驅(qū)者Andy Ng給神經(jīng)網(wǎng)絡(luò)輸入了來自YouTube視頻的1000萬張照片，使得計(jì)算機(jī)能夠識別貓的圖像。
這些工具技術(shù)帶來的種種AI進(jìn)展意味著，科幻小說普遍反映的那種恐懼如今似乎是可信的：配備AI技術(shù)的機(jī)器人有朝一日會超越人類。機(jī)器人的大腦會充斥著美國國會圖書館的所有知識、維基百科以及數(shù)十億個例子樣式。深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)會讓機(jī)器人的大腦能夠“思考”。這種大腦（可以這么稱呼它的話）會綜合學(xué)習(xí)過往的經(jīng)驗(yàn)，產(chǎn)生新穎而獨(dú)特的輸出。
這種擁有自主學(xué)習(xí)能力的機(jī)器人之后可能會引發(fā)奇點(diǎn)（受已知物理規(guī)律不再適用的物理概念啟發(fā)）的出現(xiàn)——AI超越人類智能的轉(zhuǎn)折點(diǎn)。到那個時候，超級智能的機(jī)器可自主決定自己的未來，能夠以我們不再能夠預(yù)測或者控制的方式大步邁進(jìn)。在這種情況下，機(jī)器人可能真的會“反抗人類”。又或者，更準(zhǔn)確來說，它們會變成完全獨(dú)立的個體。如果一切演變成敵托邦，那我們?nèi)祟悓S為我們的機(jī)器人統(tǒng)治者的服務(wù)臺工作人員。
這種恐懼其實(shí)存在已久。我們?nèi)祟悓τ诒晃覀冏约簞?chuàng)造出來的某種科學(xué)產(chǎn)物統(tǒng)治有著深刻的理解。在瑪麗·雪萊（Mary Shelley）1818年出版的《科學(xué)怪人》一書中，那位年輕的科學(xué)家找到方法給他龐大的實(shí)驗(yàn)室試驗(yàn)品帶來人類般的意識能力，后來他一手締造的那個龐然怪物逃出實(shí)驗(yàn)室，還毀掉了其創(chuàng)造者的生活。
這種人形機(jī)器人反抗人類的主題在大量的科幻類小說、電影和電視劇中反反復(fù)復(fù)出現(xiàn)。喬治·杰特森（George Jetson）的機(jī)器人同事Uniblab原來是奸詐的對手，誘使他說老板的壞話。在《2001太空漫游》（2001: A Space Odyssey）中，HAL 9000拒絕讓太空人返回宇宙飛船，留下了那句著名的臺詞：“戴夫，對不起，我想我不能這么做?！痹凇稒C(jī)械姬》（Ex Machina）電影中，機(jī)器人Ava追尋自由。在電視劇《西部世界》（Westworld）中，受盡人類虐待的機(jī)器人對其創(chuàng)造者上演了一出“以其人之道還治其人之身”。
人工智能真會超越它的人類締造者嗎？知名未來主義者雷·庫茲韋爾（Ray Kurzweil）預(yù)測奇點(diǎn)會在2045年到來，又或者是大約100代之后到來。庫茲韋爾的電影《奇點(diǎn)迫近》（Singularity is Near）探索了種種可能性。很多頂級的技術(shù)專家則認(rèn)為奇點(diǎn)只是被過度吹噓的科幻幻想——又或者說它還遙不可及，幾乎不值得討論。在他們看來，人類的大腦如此多面，沒有計(jì)算機(jī)系統(tǒng)會超越它。但從科學(xué)與技術(shù)的歷史長河來看，科技的指數(shù)級躍進(jìn)可以說是常態(tài)。1927年，林德伯格乘坐飛機(jī)穿越大西洋，引起全球轟動；他飛行了33個小時。1969年，人類登陸月球；阿波羅11號登上月球只用了不到76個小時。
即便奇點(diǎn)還遙不可及，又或者不可能來臨，人工智能的快速進(jìn)步也將會帶來無數(shù)的可能性。將AI應(yīng)用于基因工程，打造超級人類怎么樣？像《科學(xué)怪人》那樣整合AI和人類大腦怎么樣？通過USB接口連通我們的大腦呢？AI融合虛擬現(xiàn)實(shí)，形成全新的現(xiàn)實(shí)呢？
所以說，雖然我們不清楚人工智能具體會如何影響人類的生活面貌，但可以肯定的是，AI將會深刻地、不可預(yù)見地影響我們。
總之呢，最好對你的機(jī)器人好點(diǎn)。
人工智能與你的日常生活
盡管AI常常被認(rèn)為是未來主義技術(shù)，但事實(shí)上它已經(jīng)滲透到我們?nèi)粘Ｉ畹姆椒矫婷?，甚至已?jīng)成為了司空見慣的存在。每次你用谷歌搜索東西，每次使用谷歌地圖，每次在亞馬遜上購物，每次跟你的智能手機(jī)中的語音識別軟件說話，你都是在使用人工智能。每次登陸Facebook，欣賞親友分享的那些可愛的嬰兒照片，AI都在塑造你的體驗(yàn)。
所有的這些應(yīng)用都使用算法，算法本質(zhì)上是形成分析過程的規(guī)則組，可帶來響應(yīng)變量輸入的能力。今時今日的算法，尤其是那些來自亞馬遜、Facebook等巨頭的算法，響應(yīng)快速，且在持續(xù)不斷地學(xué)習(xí)。
當(dāng)你在亞馬遜上購物時，背后的算法在圍繞給你展示什么進(jìn)行極其先進(jìn)的運(yùn)算。它會實(shí)時響應(yīng)你的點(diǎn)擊歷史。你或許覺得有人工個人購物助手才是最好不過的選擇，畢竟她知道潮流趨勢，且了解你的個人喜好。但AI技術(shù)提供商Ayasdi首席營銷官丹尼爾·德魯克（Daniel Druker）指出，她無法跟亞馬遜相提并論?！皝嗰R遜在利用AI根據(jù)你留下的所有活動痕跡，實(shí)時判斷100萬種商品當(dāng)中，哪些最能吸引你的眼球。人類從來沒有做到過這一點(diǎn)?！?/p>
在Facebook上，出現(xiàn)在你的動態(tài)消息中的朋友并不多，那是因?yàn)镕acebook的AI算法知道給你呈現(xiàn)太多的信息的話，你會承受不了。因此，該社交網(wǎng)絡(luò)利用AI敏感地響應(yīng)有關(guān)你的私人關(guān)系圈的信號，精心塑造你的動態(tài)消息，以給你帶來更加有效的情感連接。你或許覺得AI冷冰冰，是系統(tǒng)化的東西，但實(shí)際上Facebook利用它來窺探你的內(nèi)心（以及其平臺上其它的12.3億日用戶的內(nèi)心）。它威力強(qiáng)大：說Facebook AI影響了美國總統(tǒng)選舉結(jié)果也毫不過分。
盡管AI目前擁有巨大的影響力，但它仍被很多人看作是屬于遙遠(yuǎn)未來的奇幻技術(shù)。AI技術(shù)提供商Sentient Technologies創(chuàng)始人兼首席科學(xué)家巴巴克·霍德賈特（Babak Hodjat）指出，“不管算法或者應(yīng)用有多么的吸引人，有多么的強(qiáng)大，每當(dāng)我跑去介紹這些系統(tǒng)時，人們往往會說，‘是的，那很智能，很酷，但它們并不是AI?！?/p>
他表示，人們之所以會有這種質(zhì)疑，是因?yàn)椤肮?，而非從業(yè)者，往往誤以為AI是包含情感智能、創(chuàng)造力、自主性等一系列能力的人類級基本智能?！被舻沦Z特說，“因此，AI總是被認(rèn)為是我們未來將會發(fā)明的下一項(xiàng)重磅技術(shù)。我想，未來10到15年還會是這種情況?！?/p>
他還說道，事實(shí)上，在當(dāng)前的很多應(yīng)用里，“AI比人類要強(qiáng)大。你說一個方面，我可以告訴你這個方面是如何應(yīng)用實(shí)施的，如何比人類更強(qiáng)大的。”他指出，至少，“AI要更加快速，AI當(dāng)下的決策和行動周期要比人類響應(yīng)世界的速度快速得多?！?/p>
人工智能背后的研究
過去幾年，AI技術(shù)取得了快速的發(fā)展。百度硅谷AI實(shí)驗(yàn)室主管亞當(dāng)·科茨（Adam Coates）指出了很多的例子，其中包括IBM的沃森。該AI超級計(jì)算機(jī)能夠回答用自然語言詢問的復(fù)雜問題。“這在10年前是難以實(shí)現(xiàn)的?！笨拼恼f。但他也指出，“我也覺得，對于AI是什么，AI未來能做些什么，人們顯然過度吹噓了?！?/p>
“當(dāng)然，未來幾年，很多我們認(rèn)為是主要的AI問題的事情，人類非常擅長但計(jì)算機(jī)向來不擅長的事情，將會取得巨大的進(jìn)展?！笨拼恼f，“例如，識別圖像中的物體，或者理解語音和響應(yīng)口語，都是深度學(xué)習(xí)和AI技術(shù)未來幾年將會持續(xù)改進(jìn)的問題。”
是什么功能帶來這些進(jìn)展的呢？AI必須要獲得什么功能來向前發(fā)展呢？
加州大學(xué)伯克利分校計(jì)算機(jī)科學(xué)系教授、AI教育創(chuàng)業(yè)公司Gradescope聯(lián)合創(chuàng)始人皮耶特·阿布比爾（Pieter Abbeel）認(rèn)為，AI系統(tǒng)——機(jī)器人或者計(jì)算機(jī)——“首先需要能夠在無需人工干預(yù)的情況下自主學(xué)習(xí)。”
此外，“它還應(yīng)當(dāng)能夠在被告知諸如‘或許你從這個角度堆疊方塊，效果會好些’的事情時，明白指示，懂得如何響應(yīng)。如果它不能吸收像這樣的信息，那我們不會認(rèn)為它是真正的智能?！?/p>
人類（至少理論上）能夠利用過往的經(jīng)驗(yàn)來舉一反三和處理新環(huán)境。機(jī)器人則遠(yuǎn)非如此。打造一個在變量有限的環(huán)境中提供輔助的機(jī)器人要來得容易得多；工廠機(jī)器人千篇一律地重復(fù)執(zhí)行同一項(xiàng)任務(wù)。
AI科學(xué)家們希望打造出能夠處理有變化的相關(guān)情境的機(jī)器人。“它們將需要利用過去的經(jīng)驗(yàn)，舉一反三，將歸納推斷出的東西應(yīng)用到有所不同但有些相似的新情境，理解不同情境之間的關(guān)聯(lián)性?！卑⒉急葼柋硎?，“我對于機(jī)器人如何能夠真正從頭開始學(xué)起非常感興趣?！睆念^開始學(xué)起是人類的一種能力；如果機(jī)器人能夠真正做到這一點(diǎn)，那它會成為獨(dú)立的個體。
不過，AI機(jī)器人的“學(xué)習(xí)能力”能夠通過很多不同的方式來定義，部分方式是常見的“嘗試與獎勵”模式，類似于教小狗新花招的方法。例如，AI強(qiáng)化學(xué)習(xí)技術(shù)使得機(jī)器人的軟件能夠從試錯過程中學(xué)習(xí)。加州大學(xué)伯克利分校的BRETT機(jī)器人根據(jù)行動后獎勵是多還是少來使用強(qiáng)化學(xué)習(xí)技術(shù)。“獎勵的變化，讓該機(jī)器人能夠分辨什么是好的結(jié)果，什么是不好的結(jié)果，進(jìn)而重點(diǎn)采用帶來較多獎勵的策略?！?/p>
類似地，AI科學(xué)家們使用監(jiān)督式學(xué)習(xí)，即給計(jì)算機(jī)提供很多帶標(biāo)簽的輸入信息（這些是貓，這些是狗）的例子，并給它定下明確的輸出目標(biāo)（這是貓還是狗？）。非監(jiān)督式學(xué)習(xí)給計(jì)算機(jī)提供無標(biāo)簽的數(shù)據(jù)（如很多動物的照片），計(jì)算機(jī)會對數(shù)據(jù)進(jìn)行分類，又或者給數(shù)據(jù)（如這些動物比其它的一些動物要多毛）定義結(jié)構(gòu)模型。科茨指出，非監(jiān)督式學(xué)習(xí)是“非常重要的研究熱點(diǎn)，因?yàn)槲覀冎廊祟惡艽蟪潭壬鲜鞘褂梅潜O(jiān)督式學(xué)習(xí)?！?/p>
AI“學(xué)習(xí)能力”的核心是神經(jīng)網(wǎng)絡(luò)，正如前文所說的，神經(jīng)網(wǎng)絡(luò)類似于人類的大腦。跟人腦一樣，神經(jīng)網(wǎng)絡(luò)面對更多的輸入會自行進(jìn)行調(diào)整?！澳阏故咀銐蚨嗟睦?，神經(jīng)網(wǎng)絡(luò)就會自行進(jìn)行調(diào)整，就像是‘我想對于那個輸入，我需要那個輸出，所以實(shí)現(xiàn)這一點(diǎn)的唯一途徑是，我需要調(diào)整部分連接的強(qiáng)度，從而得出正確的結(jié)果?！卑⒉急葼栒f，“所以說，在某種意義上，當(dāng)你在訓(xùn)練神經(jīng)網(wǎng)絡(luò)的時候，你是讓計(jì)算機(jī)學(xué)習(xí)它的計(jì)算機(jī)程序，而不是將計(jì)算機(jī)程序編進(jìn)它里面。”
不過，科茨解釋道，打造神經(jīng)網(wǎng)絡(luò)并非易事?！耙淮筇魬?zhàn)在于，在如何僅憑一些無標(biāo)簽的非結(jié)構(gòu)化數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)上，我們并沒有很好的想法。我們不知道該如何量化這些任務(wù)中神經(jīng)網(wǎng)絡(luò)的好壞?！彼f，“發(fā)現(xiàn)這一點(diǎn)，就將會是一大進(jìn)步。但我們還沒有到達(dá)那一步。所以說它與人類智能還相差甚遠(yuǎn)?！?/p>
盡管AI還不是人類智能，但像谷歌DeepMind這樣的AI領(lǐng)先者證明，AI學(xué)習(xí)擁有非?？焖俚捻憫?yīng)能力。例如，計(jì)算機(jī)要玩好井字游戲，并不需要什么特殊的智能；該游戲本身非常簡單，計(jì)算機(jī)依靠自身的計(jì)算能力即可取勝。阿布比爾說，相比之下，玩雅達(dá)利的經(jīng)典游戲《Breakout》時，DeepMind“得學(xué)習(xí)概念?！彼f，DeepMind知道自己需要學(xué)習(xí)視覺系統(tǒng)，知道自己需要學(xué)習(xí)基于操縱桿動作的運(yùn)動控制。在響應(yīng)各種變量的速度上，它的神經(jīng)網(wǎng)絡(luò)毫不遜色于人類。
隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的不斷改進(jìn)，AI學(xué)習(xí)變得越來越活靈活現(xiàn)。作為AI未來主義者，阿布比爾在想象，有朝一日通過教導(dǎo)使得機(jī)器人在各種細(xì)節(jié)上都很像是人類專家，并且能夠像后者那樣擁有個人見解。例如，像職業(yè)籃球員那樣，在教初學(xué)者時會說，“投籃的時候雙眼要盯著籃筐……打板會是很好的選擇?！币簿褪钦f，AI會像人類那樣有無數(shù)種不同的響應(yīng)方式。他指出，“這現(xiàn)階段還遠(yuǎn)未能夠?qū)崿F(xiàn)，但它是你希望未來會出現(xiàn)的那種東西?！?/p>
AI會引發(fā)奇點(diǎn)嗎？
近年來AI表現(xiàn)的顯著提升，帶來了無數(shù)“人類級別”表現(xiàn)的例子。但那些例子大多數(shù)都只是單一的獨(dú)立任務(wù)。
即便是阿蘭·圖靈（Alan Turing）在1950年提出的圖靈測試，也仍舊讓人費(fèi)解。如果計(jì)算機(jī)能夠讓人以為它是人類，如果它能夠模擬真正的人類智能，那它就算通過圖靈測試。在測試中，人類考官與計(jì)算機(jī)進(jìn)行對話，僅通過文本對話。如果計(jì)算機(jī)能夠讓一定數(shù)量的聽眾覺得自己是在跟人進(jìn)行對話，那它就算贏得“模擬游戲”。
2014年，能說會道的聊天機(jī)器人Eugene Goostman成功讓雷丁大學(xué)三分之一的考官以為它是來自烏克蘭的13歲小男孩。不過，AI專業(yè)人員大多認(rèn)為，該舉毫無意義，只不過是一場與真正的AI成就背道而馳的作秀。這些年來，圖靈測試本身已經(jīng)失去了一些公信力；能夠通過文本愚弄人，不一定就能說明計(jì)算機(jī)擁有真正的智能。
AI仍面臨著一大主要的挑戰(zhàn)：雖然計(jì)算機(jī)非常善于執(zhí)行限制環(huán)境中的特定任務(wù)，但它們?nèi)詿o法實(shí)現(xiàn)人腦那樣的宏觀意識。
佐治亞理工學(xué)院研究所研究科學(xué)家若爾特·基拉（Zsolt Kira）表示，“AI從根本上還缺少那種更廣泛的認(rèn)知架構(gòu)，在這種架構(gòu)中，AI系統(tǒng)可以做很多人類還很擅長但計(jì)算機(jī)不擅長的事情?！?/p>
他說，AI的一大限制因素是記憶。基拉說，在決定專注于什么來記憶和遺忘什么時，人腦會進(jìn)行大量的決策，這些屬于元層次的事情，并不是我們所做的有意識的決策，但我們的大腦確實(shí)會做那些事情，這是AI系統(tǒng)所無法復(fù)制的東西?？朔@種困難需要解決長期記憶和短期記憶問題?！澳壳?，這些概念還沒有得到解決?！被赋?。
總之，人工智能沒有人腦擅長的那種神奇的綜合能力?；舻沦Z特指出，人類智能“是一種經(jīng)過數(shù)千年進(jìn)化而形成的特殊配置。你也許可以造出能說會道，理解且能感知你的感覺，還風(fēng)趣幽默的機(jī)器人。但即便是這樣，你還是會感到失望。”
科茨給予了AI的很多前沿進(jìn)展很高的評價，但對于真正有意識的AI的出現(xiàn)——奇點(diǎn)，他說，“我想那離我們還很遙遠(yuǎn)。目前，我們還沒有如何打造那種技術(shù)方面的現(xiàn)實(shí)計(jì)劃。當(dāng)前有很多的研究熱點(diǎn)都是指向那一方向的難題，但我還是覺得它還很遙遠(yuǎn)?！?/p>
對于阿布比爾來說，奇點(diǎn)是一個很有趣的問題，值得深思。他指出，人腦實(shí)質(zhì)上是存儲能力和計(jì)算能力的綜合體，支持感官輸入和輸出。如果科學(xué)家們要組裝一個擁有同等的計(jì)算、存儲和感官輸入/輸出能力的數(shù)字系統(tǒng)，那就是“形成可與存在于我們大腦內(nèi)部的某種智能相媲美的程序的問題。當(dāng)那種程序出現(xiàn)時，AI就可以跟人類智能相提并論?！?/p>
他提出這么一個未來主義構(gòu)想：就像在《黑客帝國》中那樣，人類可以將技能直接下載到他們的大腦當(dāng)中。他指出，如果人類能夠做到這一點(diǎn)，那AI系統(tǒng)肯定也能夠從其它的AI系統(tǒng)那里自由下載技能和數(shù)據(jù)庫。
這種有關(guān)相連的超級系統(tǒng)的設(shè)想或許預(yù)示著未來會出現(xiàn)這樣的AI突破：雖然單一的AI系統(tǒng)存在局限性，但如果數(shù)個AI系統(tǒng)能夠連接在一塊呢？比如說，像IBM沃森這樣的系統(tǒng)連接像谷歌DeepMind這樣的系統(tǒng)？理論上，AI超級結(jié)構(gòu)中的每一個單元都會貢獻(xiàn)它的學(xué)習(xí)工具——它的神經(jīng)網(wǎng)絡(luò)陣列——形成超越人類認(rèn)知能力的融合體。
阿布比爾指出，“我想，未來可能會發(fā)生一些非常有趣的事情，它們會讓人難以理解。”
AI帶來很有幫助的機(jī)器人——威脅到人類
人工智能幾乎能夠在任何的領(lǐng)域帶來益處，從醫(yī)療到教育，再到金融。人的生命可能需要AI來在成就和健康壽命上實(shí)現(xiàn)全部的潛能。人工智能的好處多不勝數(shù)：無人駕駛汽車永遠(yuǎn)都不會像人類司機(jī)那樣在駕駛時分心，機(jī)器人可讓老年人過上更加健康、更加獨(dú)立的生活，AI輔助的數(shù)據(jù)分析工具將幫助人類更加快速地做出更加明智的決策。
說到短期的進(jìn)展，科茨說，“AI正學(xué)習(xí)理解人類，以及如何以我們的方式與我們進(jìn)行互動?！鄙疃葘W(xué)習(xí)算法將使得人類能夠隨便使用自然語言來跟計(jì)算機(jī)和機(jī)器人展開互動。我們將會用簡單的語音指令來掌控我們的世界。
事實(shí)上，科茨擔(dān)心部分地區(qū)的AI技術(shù)發(fā)展還不夠快速。
“當(dāng)前的其中一個問題是，整體來看全球AI發(fā)展還很緩慢。有的國家有大量退休人口，勞動力在不斷萎縮。”他表示，“未來要取得經(jīng)濟(jì)增長，變得更加富裕，我們需要大幅提升生產(chǎn)力。如果AI早點(diǎn)到來，那些地區(qū)就會受益?！?/p>
但與此同時，AI的潛在威脅也會造成破壞性影響。2016年，美國制造業(yè)產(chǎn)量創(chuàng)下歷史記錄，但美國工廠雇用的員工數(shù)量卻減少了三分之一。如果聽到有人說“我們不再需要制造東西了，”你可以告訴他們——我們制造的東西比以往如何時候都要多。只不過，我們是用自動化技術(shù)來制造。
“既然沃森能夠在電視智力比賽Jeopardy中回答問題，那它沒什么理由不會回答人們打給客服中心時詢問的問題吧？”德魯克爾說，“那些是知識型工作崗位。它們并不是年薪20萬美元的工作，而是重復(fù)性的低層級支持工作。有數(shù)百萬人從事這種工作。”
德魯克爾說，隨著AI的進(jìn)步，對于那些原來由薪水很高的數(shù)據(jù)分析專家來做的工作，如今計(jì)算機(jī)很多都能夠勝任?！按笮豌y行讓1萬名員工負(fù)責(zé)追蹤洗錢活動或者恐怖主義相關(guān)的財(cái)務(wù)交易。而計(jì)算機(jī)現(xiàn)在能夠勝任90%這樣的任務(wù)?！?/p>
麥肯錫咨詢公司分析機(jī)器代替人類的工種的報(bào)告指出，“現(xiàn)有的技術(shù)可自動化45%人類有償執(zhí)行的任務(wù)，60%的職位有30%或以上的活動任務(wù)可被自動化?！?/p>
乍看之下，來自市場研究公司Forrester的AI報(bào)告則沒那么令人憂心。該報(bào)告預(yù)計(jì)，到2025年，AI和機(jī)器人將替代7%的美國工作崗位。該報(bào)告預(yù)計(jì)，“美國16%的工作崗位將被替代，9%的崗位將被創(chuàng)造出來，”因此得出7%的整體替換率數(shù)據(jù)。
AI擁護(hù)者指出，AI將會創(chuàng)造工作機(jī)會，而不只是淘汰工作機(jī)會。的確是這樣。但那些新崗位將會是高技能工作——Forrester的報(bào)告列舉的新崗位包括機(jī)器人專業(yè)監(jiān)控員、數(shù)據(jù)科學(xué)家、自動化專家和內(nèi)容管理者。
因此，被AI取而代之的低技能工人將需要接受重新教育和培訓(xùn)，很多情況下他們將需要高等教育。對于很大一部分沒有經(jīng)濟(jì)能力接受這種教育的勞動力來說，這是一個嚴(yán)峻的問題。
牛津大學(xué)題為《未來的就業(yè)：各種崗位會受到計(jì)算機(jī)化技術(shù)多大的沖擊》的報(bào)告詳述了這一結(jié)論。該報(bào)告稱，“當(dāng)前的就業(yè)趨勢是勞工市場兩極化，高收入認(rèn)知型崗位和低收入體力型崗位的就業(yè)人數(shù)越來越多，中等收入的規(guī)律性工作則日漸減少?！?/p>
該報(bào)告給出的預(yù)測令人震驚，引發(fā)了廣泛的爭論：它預(yù)計(jì)美國47%的工作崗位“非?？勺詣踊薄Ｆ渌膶＜覄t對該數(shù)字不以為然，指出自動化技術(shù)的確能夠替代工作崗位中的特定任務(wù)，但不一定能夠完全取而代之。
這種樂觀的想法或許還是可信的，但要指出的是，企業(yè)在AI上的支出預(yù)計(jì)將會穩(wěn)步攀升。這表明，企業(yè)顯然想要降低勞動力成本。
仔細(xì)看看媒體的報(bào)道，似乎沒有什么工種是機(jī)器人不能勝任的?！堵槭±砉た萍荚u論》報(bào)道稱，機(jī)器人砌磚匠——或者說SAM，半自動化的泥瓦匠——在相同時間里所砌的磚數(shù)達(dá)到人類砌磚匠的3倍?！皺C(jī)器人能夠利用各種算法和一系列測量傾斜角度、速率和方向的傳感器和激光來完成這種工作。”
由于農(nóng)業(yè)機(jī)器人的出現(xiàn)，農(nóng)場工人的工作機(jī)會將會減少。目前而言，只有在特定的任務(wù)里，使用農(nóng)業(yè)機(jī)器人才劃算，不過未來這類任務(wù)將會爭奪。來自研究機(jī)構(gòu)Lux Research的圖表對比了用人工和用機(jī)器人來給萵苣清除雜草的成本，事實(shí)上很多的低技能工種都可以畫出類似的圖表。
有的機(jī)器人能夠摘果實(shí)，有的能夠擠奶。瑞典公司DeLaval International展示了一款完全不需要人工干預(yù)的自動化擠奶機(jī)器。無人駕駛汽車的出現(xiàn)也威脅到交通運(yùn)輸從業(yè)人員的飯碗，從長途卡車司機(jī)到Uber司機(jī)；無人駕駛汽車已經(jīng)在你附近的街道行駛。
白領(lǐng)崗位也不能幸免于難：德勤洞察報(bào)告預(yù)計(jì)，10年內(nèi)法律行業(yè)可能會有39%的崗位被自動化技術(shù)替代。有的公司在開發(fā)AI系統(tǒng)來創(chuàng)作音樂，比如創(chuàng)業(yè)公司Jukedeck和索尼的Flow Machines，這也許會給人類的自尊造成巨大的打擊。那些機(jī)器人創(chuàng)作的音樂聽上去沒什么靈魂。重申一遍，該技術(shù)還處于初生階段。
2017年1月，我參加了在舊金山舉行的Virtual Assistant Summit虛擬助手峰會。該峰會的主題是AI系統(tǒng)會如何支持或者取代人類。專題討論會的話題包括：聊天機(jī)器人將如何變革我們的做事方式，針對醫(yī)療保健的機(jī)器人：它們將會輔助還是取代人類？
在該會議舉行期間，我跟康奈爾大學(xué)計(jì)算機(jī)科學(xué)系教授巴特·塞爾曼（Bart Selman）交流了一下。他在大會上發(fā)表了題為“技術(shù)性失業(yè)：事實(shí)還是胡扯？”的演講。
研究AI已有二十多年的塞爾曼對于人類就業(yè)的未來并不看好。他曾經(jīng)以為AI將只會取代低技能崗位，大多數(shù)的白領(lǐng)崗位會幸免。他告訴我，對此他的看法已經(jīng)變了。“最初分析上，你會覺得中等技能類崗位似乎需要不少的知識和技能，但現(xiàn)在來看，AI似乎完全能夠勝任那些工作?！彼f。
盡管員工薪酬呈現(xiàn)下降，一部分是因?yàn)樽詣踊夹g(shù)，但企業(yè)的整體估值卻升到了歷史新高。塞爾曼認(rèn)為，如果這種情況持續(xù)下去，可能會引起社會動蕩。
此外，對于社會能夠通過強(qiáng)調(diào)STEM（科學(xué)、技術(shù)、工程和數(shù)學(xué)）教育來解決AI相關(guān)的崗位流失帶來的影響的普遍觀點(diǎn)，他并不認(rèn)同。“我并不倡導(dǎo)STEM教育，”他解釋道，“畢竟只有很少一部分工作人口能夠在科學(xué)技術(shù)行業(yè)找到工作。”美國勞工部的數(shù)據(jù)顯示，美國只有5.9%的工作人口從事STEM工作?！耙虼耍鐣枰艘徊较胂?，這些STEM工作是真正的解決方案嗎？還是說它們只是聽上去很美好的解決方案？”塞爾曼指出。
人工智能的未來
在《科學(xué)怪人》很重要的一個轉(zhuǎn)折點(diǎn)是，怪物在獲得人類意識后感到孤獨(dú)。他要求一手締造他的科學(xué)家維克多給他制造一個女性伴侶。這讓維克多極其恐慌：如果他真那么做的話，那怪物及其女性伴侶可能會生出后代，繼而危及全人類的存亡。跟當(dāng)下的人工智能開發(fā)者一樣，維克多也面臨自己的創(chuàng)造品會帶來的不可預(yù)知的影響。
維克多拒絕了怪物的要求，但也意識到一旦創(chuàng)造出了獨(dú)立的、有自主意識的生命，就無法再回頭了。暴怒之下，苦苦期盼的怪物瘋狂報(bào)復(fù)，殺死維克多的未婚妻等幾個親人。維克多想要報(bào)仇雪恨——一路追尋怪物到北極圈——但受盡折磨后病逝。怪物因?yàn)榫S克多的死而感到非常傷心；該科學(xué)家是世上唯一懂他的人。他最終自殺身亡。
鑒于現(xiàn)在的AI開發(fā)者打造的系統(tǒng)越來越獨(dú)立自主，人們會想：那些系統(tǒng)會否帶來比維克多更好的結(jié)局呢？當(dāng)然，維克多的實(shí)驗(yàn)只是破壞了他自己的生活，而現(xiàn)在的AI進(jìn)展則將會影響整個人類文明和整個社會。人類會繼續(xù)往前看，也許會樂觀地往前看，但多少也會感到不安?，F(xiàn)階段，我們只能夠希望會有最好的結(jié)果。
?。ㄓ⑽膩碓磀atamation，譯者樂邦）
