智能制造網(wǎng)APP
智能制造網(wǎng)手機站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號
智能控制
機器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
Coremo 液壓動力液壓制動器的工業(yè)應(yīng)用的制動系統(tǒng)
品牌
【中國智能制造網(wǎng) 行業(yè)動態(tài)】近年來，關(guān)于人工智能和機器人技術(shù)的進(jìn)步將如何在各種工作中取代人類的言論越來越多。
面向未來：人與機器人共存的三種理想方式
但大多數(shù)人工智能專家認(rèn)為結(jié)果并不那么悲觀。在未來，人們?nèi)匀豢梢耘c智能系統(tǒng)一起工作：技術(shù)不足以完全接管，或者決策人類的生產(chǎn)方式。很多重要的策略，還無法完全交付給機器。
麻省理工學(xué)院教授，《我們自己的機器人》的作者大衛(wèi)明德爾說，這種混合決策應(yīng)該比讓人工智能單獨工作能產(chǎn)生更好的結(jié)果。只有一個問題：當(dāng)人類和半智能系統(tǒng)試圖一起工作時，情況并不總是好轉(zhuǎn)。
失控的智能，沒有人類該怎么辦
今年在亞利桑那州坦佩的街道上發(fā)生了災(zāi)難性的示威活動，原因是進(jìn)行新自動駕駛技術(shù)的優(yōu)步試驗車撞死了一名過馬路的人。像今天幾乎所有的自動駕駛汽車一樣，如果軟件出現(xiàn)故障，還會有一名備用駕駛員介入。但當(dāng)?shù)鼐降囊豁椃治龅贸鼋Y(jié)論，司機當(dāng)時心煩意亂，可能一直在觀看智能手機上的電視節(jié)目。
優(yōu)步汽車依賴于一定程度的自治系統(tǒng)，該自治系統(tǒng)將于明年推出。所謂的3級系統(tǒng)設(shè)計在大多數(shù)情況下可以讓汽車實現(xiàn)自我驅(qū)動，但在面對的情況時，控制權(quán)還是得回到人類身上來。
一些批評者說，一個旨在完全自主但突然偏離的系統(tǒng)對人類提出了不切實際的要求。美國初創(chuàng)企業(yè)Nauto的執(zhí)行官斯特凡赫克說：“如果你每天只需要一分鐘，那就不行了。”他的技術(shù)用于防止職業(yè)司機分心。
失敗指向采用AI的困境遠(yuǎn)遠(yuǎn)超出無人駕駛汽車。如果沒有精心設(shè)計，智能系統(tǒng)進(jìn)入世界可能會引發(fā)人類對技術(shù)的強烈抵制。
一旦人們開始了解今天的機器學(xué)習(xí)系統(tǒng)有多么有限，他們所引起的夸大的希望將會迅速消失，專門研究學(xué)習(xí)心理學(xué)的AI專家Roger Schank警告說。他預(yù)測，未來將是一個新的“人工智能冬天”——這是對20世紀(jì)80年代后期的一個時期的提及，當(dāng)時對技術(shù)進(jìn)步的失望導(dǎo)致了退出戰(zhàn)場。
預(yù)防這將需要對新自治系統(tǒng)更加切合實際的期望，以及精心設(shè)計以確保它們與人類世界相融合。但技術(shù)本身就是一個嚴(yán)重障礙。
卡內(nèi)基梅隆大學(xué)(Machnegie Mellon University)機器人學(xué)教授伊拉·努爾巴赫什(Illah Nourbakhsh)說：“人工智能的工作方式及其失敗的方式對我們來說是陌生的。” “人工智能會讓我們感覺更多參與——或者它是否像處理外來物種一樣？”
華盛頓特區(qū)展出的面部識別系統(tǒng)，這樣的系統(tǒng)可以從人群中挑選嫌疑人，但也需要人類來清除誤報
半無人駕駛汽車是一個特別鮮明的例子，它依賴于與人們密切合作的近自治系統(tǒng)。但隨著人工智能的發(fā)展，諸如此類的混合系統(tǒng)正逐漸滲入許多不同的情況。
機器學(xué)習(xí)——是近在該領(lǐng)域引人注目人工智能類型——是一種先進(jìn)的模式識別形式。它已經(jīng)證明機器自己優(yōu)于人類的能力，如識別照片中的圖像或識別語音。
但是，當(dāng)它必須根據(jù)訓(xùn)練的具體數(shù)據(jù)做出判斷時效果較差。在現(xiàn)實世界中，人們經(jīng)常會對以前沒有遇到的情況做出決定。
問題在于可以匹配數(shù)據(jù)但不了解其重要性的系統(tǒng)。“他們是強大的東西，但他們沒有世界的感覺，”Vishal Sikka，前SAP和Infosys專門從事人工智能的高管說道。
三種理想的人與智能機器共存方式
1 人類充當(dāng)機器人的后援，在機器人達(dá)到其能力極限時接管
許多工作流程正在以這種方式進(jìn)行重新設(shè)計——例如自動呼叫中心，其中語言理解系統(tǒng)嘗試處理呼叫者的查詢，僅在技術(shù)混淆時向操作員默認(rèn)。
優(yōu)步事故是一個可能出錯的例子。根據(jù)斯坦福大學(xué)的研究顯示，人類駕駛員至少需要6秒才能恢復(fù)意識并收回控制權(quán)。但是，即使有足夠的時間讓人們的注意力得到恢復(fù)，進(jìn)入某種情況的人也可能看到與機器不同的東西，使得切換遠(yuǎn)非無縫。
“我們需要在軟件系統(tǒng)和人之間共同努力——這是一個非常困難的問題，”Sikka先生說。語言的使用凸顯了難度。Sikka先生補充說，人類可以用很少的詞來傳達(dá)意義：對說話者和聽者之間的語境的共同理解將這些詞語用意義進(jìn)行投資。他補充說，計算機科學(xué)家尚未研究如何在機器中建立共識。
2 確保敏感任務(wù)總是依賴于人
即使在自動化系統(tǒng)已經(jīng)完成所有準(zhǔn)備工作并且能夠完全完成任務(wù)本身的情況下，軍事等敏感任務(wù)還是交給人類來處理。
軍事無人機，人類“飛行員”，通常位于數(shù)千英里之外，被要求做出射擊目標(biāo)的決定，就是一個例子。 面部識別系統(tǒng)——用于幫助移民官員識別可疑旅行者——是另一種。赫克先生說，兩者都表明人工智能如何在不剝奪控制權(quán)的情況下使人類更有效。
對無人機等半自動武器的一種評價是，將它們變成完全自治的系統(tǒng)沒有技術(shù)障礙?？梢钥焖俑漠?dāng)前的程序和安全措施。
根據(jù)加州大學(xué)伯克利分校的人工智能教授斯圖爾特拉塞爾的說法，在國家緊急情況下將人類無人機操作員從循環(huán)中移除是一個簡單而容易的步驟，從而促成了一個機器人武器的時代，這個機器人武器做出了自己的決定。什么時候殺人 “你不能說技術(shù)本身只能以防御的方式和人為控制。事實并非如此，“他說。
3 涉及使用AI的“人在循環(huán)”系統(tǒng)
機器人不能完全獨立地處理任務(wù)，而是用作人類決策的輔助。壓縮數(shù)據(jù)并提出建議或指導(dǎo)下一步采取措施的人的算法正在逐漸滲透到日常生活中。
但是，算法只能與他們訓(xùn)練的數(shù)據(jù)一樣好——而且他們不善于處理新情況。需要信任這些系統(tǒng)的人通常也需要信仰這些系統(tǒng)。
Schank先生指出算法在棒球中的作用。分析每個擊球手的優(yōu)勢和劣勢，為球隊傳統(tǒng)主義者所傾向的領(lǐng)域提供了新的方法。他說，這些計算機輔助決策的結(jié)果可能終會比基于純粹人類分析的決策更糟糕。
舊金山優(yōu)步司機使用的應(yīng)用程序中的一個錯誤將它們發(fā)送到機場貨運站點而不是客運站。“有時人們會盲目跟隨機器，有時人們會說：’堅持下去，這看起來不對。’ 這就像許多其他技術(shù)一樣，人們會適應(yīng)，“技術(shù)作者蒂姆奧萊利說。
這些可能是相對無害的情況，其中由于被機器引入誤導(dǎo)而幾乎沒有損壞。但是當(dāng)賭注更高時會發(fā)生什么？
智能技術(shù)在發(fā)展，但人類能理解它的想法嗎？
IBM將醫(yī)療診斷作為Watson的主要目標(biāo)之一，該系統(tǒng)首先是為贏得電視游戲節(jié)目而創(chuàng)建的，然后再改造成為一種更為通用的“認(rèn)知”系統(tǒng)。
這樣的系統(tǒng)旨在由專家做出終決定。IBM堅持認(rèn)為人類永遠(yuǎn)都有終決定權(quán)。但是，對于醫(yī)生來說，覆蓋計算機提供的建議是多么容易，根據(jù)定義，該計算機已經(jīng)分析了更多可比較的情況并且比他們擁有的數(shù)據(jù)更多？
如果它有保險或其他財務(wù)后果，拒絕技術(shù)可能會更難。Nourbakhsh先生說：“醫(yī)生處于一種他們覺得服從系統(tǒng)的位置。” “簡單地說他們?nèi)匀粫龀鰶Q定并不能做到這一點。”
類似的擔(dān)憂在20世紀(jì)80年代出現(xiàn)，當(dāng)時人工智能領(lǐng)域由“專家系統(tǒng)”主導(dǎo)，旨在引導(dǎo)人類用戶通過“決策樹”在任何情況下達(dá)到正確的答案。事實證明，太難以預(yù)測所有使現(xiàn)實世界決策復(fù)雜化的不可預(yù)見的因素。
但是基于機器學(xué)習(xí)的新AI看起來將被廣泛采用，并且可能更難以進(jìn)行二次猜測。由于他們在諸如圖像識別等狹窄領(lǐng)域的成功，對這些系統(tǒng)的期望一直在飆升。他們的創(chuàng)作者非常樂意接受炒作。
“我們正在失控的營銷部門，”Schank先生說。他特別挑出 ？IBM，認(rèn)為該公司在談到Watson時嚴(yán)重過度承諾——這是AI圈子中經(jīng)常聽到的批評。
IBM研究工作的運營官達(dá)里奧吉爾(Dario Gil)捍衛(wèi)了近八年前圍繞沃森(Watson)發(fā)起一項大型計劃的決定，他認(rèn)為當(dāng)時沒有其他科技公司能夠在人工智能方面發(fā)揮核心作用。但是，他補充說：“我們對一般情況之間的差異不夠清楚。 “
評估人工智能系統(tǒng)的質(zhì)量建議會帶來其他挑戰(zhàn)，非專家可能不愿意猜測他們不理解的工作機器。
這不是一個新的困境。30多年前，一臺名為Therac-25的放射治療機的軟件故障導(dǎo)致一些患者大量服用過量。Nourbakhsh先生說，技術(shù)人員無法識別缺陷，因此機器的使用時間更長。
一些計算機科學(xué)專家表示，他們希望人與機器之間能擁有更具創(chuàng)造性的關(guān)系。
先進(jìn)的機器學(xué)習(xí)系統(tǒng)中使用的技術(shù)，即神經(jīng)網(wǎng)絡(luò)，帶來了額外的挑戰(zhàn)。它們模仿人類大腦如何運作的理論，通過人工神經(jīng)元層傳遞數(shù)據(jù)，直到出現(xiàn)可識別的模式。與傳統(tǒng)軟件程序中使用的邏輯電路不同，無法跟蹤此過程以確定計算機為什么會提出特定答案。這是采用神經(jīng)網(wǎng)絡(luò)的一大障礙。
“這是人工智能的奇特諷刺——好的系統(tǒng)碰巧是今天不易解釋的系統(tǒng)，”Nourbakhsh先生說。
然而，一些專家表示正在取得進(jìn)展，并且不久之后機器學(xué)習(xí)系統(tǒng)能夠指出導(dǎo)致他們做出特定決定的因素。“這并非不可能——你可以向內(nèi)看，看看它正在發(fā)出什么信號，”赫克先生說。
像許多在該領(lǐng)域工作的人一樣，他表達(dá)了樂觀的態(tài)度，即人類和機器一起工作，所取得的成就遠(yuǎn)遠(yuǎn)超過任何一個人能夠獨自完成的任務(wù)。但是，在美好的未來到來之前，還是有很多嚴(yán)峻的設(shè)計挑戰(zhàn)等待人類解決。
(原標(biāo)題：面向未來：人與機器人共存的三種理想方式)
浙公網(wǎng)安備 33010602000006號
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號
