【中國智能制造網(wǎng) 名家論壇】人工智能的傳統(tǒng)定義是，機器以通常我們認為屬于人類的方式，來執(zhí)行任務和解決問題。有一些任務我們覺得很簡單——識別照片中的物體、駕駛汽車——可是這些任務對于AI來說特別困難。機器可以在棋盤上超越人類，可是那些機器的程序從本質(zhì)上來說是體力活，機器受到程序的限制。一個30美元的設備就能在棋類游戲上超越我們，可是它沒法做——也沒法學會做——其他所有事情。　　這就是為什么我們需要機器學習。給機器展示幾百張貓的照片，機器就會訓練自己的算法，學會更好地識別照片中的貓。機器學習是所有大型互聯(lián)網(wǎng)公司的基礎，讓公司可以進行搜索結(jié)果排名，為特定用戶選擇相關的內(nèi)容和建議。
　　
　　深度學習是以人類大腦為基礎，要復雜得多。與機器學習不同的是，深度學習可以教會機器忽略聲音或圖像中所有不重要的信息——呈現(xiàn)一種能夠反映無限多樣性的層級性世界觀。正是深度學習為我們帶來了無人車、語音識別、以及有時候比放射學專家更擅長識別腫瘤的醫(yī)療分析系統(tǒng)。
　　
　　雖然有了這些值得贊嘆的進步，我們距離與人類同樣智能的機器還很遠——我們的機器甚至與老鼠的智能相比都差得很遠，我們大約只見證了AI實力的5%。
　　
　　是時候重新思考就業(yè)嗎？
　　
　　百度科學家吳恩達：AI將如何改變未來的就業(yè)。
　　
　　如今在美國，駕駛貨車是常見的職業(yè)之一。幾百萬人在東西海岸之間運輸著貨物，以此維持生計。然而，很快所有這些就業(yè)機會都將消失。無人車將替代人類司機在路面行駛，并且更快、更安全、更。有這么好的事，還有哪家公司會選擇更昂貴、更容易犯錯的人類司機呢？
　　
　　類似的勞動力變革在歷史上也有先例。在工業(yè)革命前，90%的美國人在農(nóng)場工作。蒸汽技術和制造業(yè)的興起讓許多人失業(yè)了，但是也創(chuàng)造了很多新的工作機會——還創(chuàng)造了很多當時人們無法想象得到的新領域。這個排山倒海般的巨變是在兩個世紀的過程中慢慢展開的，當時，美國有足夠時間來適應變化。農(nóng)民們直到退休都在種田，而他們的下一代去上學，成為了電工、工廠領班、房地產(chǎn)商和食品化學家。
　　
　　而卡車司機們就沒有這么幸運了。他們的職業(yè)，還有另外幾百萬人的職業(yè)，很快就會過時。在智能機器時代，數(shù)量眾多的人們將沒有工作的能力，或者有被淘汰的風險。我們可能會見證20世紀30年代經(jīng)濟危機以來大的失業(yè)大潮。
　　
　　1933年，富蘭克林·羅斯福的新政幫助了大量失業(yè)人口，并且?guī)椭貑⒘嗣绹?jīng)濟。更重要的是，它幫助美國從一個農(nóng)業(yè)社會轉(zhuǎn)變?yōu)橐粋€工業(yè)社會。羅斯福的“公共工程署”雇傭了失業(yè)者來建造橋梁和新的高速公路，改善了美國的交通基礎建設。這些改善為當時非常先進的新技術應用奠定了基礎：汽車。
　　
　　我們需要有一個針對21世紀的新政，針對人工智能會帶來的新就業(yè)機會打造培訓項目。我們需要重新訓練卡車司機和辦公室助理，來打造未來的數(shù)據(jù)分析師、旅行規(guī)劃師等等其他我們現(xiàn)在還不知道自己有需求的職業(yè)。美國南北戰(zhàn)爭前（19世紀60年代前）的農(nóng)民，無法想象自己的兒子會當電工，而現(xiàn)在，我們也很難說AI在未來會創(chuàng)造什么樣的工作機會。不過我們清楚的是，必須采取革命性的措施，才能完成從工業(yè)社會到智能機器時代的轉(zhuǎn)變。
　　
　　AI：和人類一樣？
　　
　　智能機器如何做到模仿自己的“造物主”。
　　
　　要實現(xiàn)人類級別的人工智能，我們下一步要做的就是創(chuàng)造智能的——但不是自動的——機器。你汽車中的AI系統(tǒng)可以讓你安全到家，但是沒法在你回家后自動選擇下一個目的地。我們將以此為基礎，加入基本的動機以及情感和道德價值。如果我們創(chuàng)造出學習能力像人類大腦一樣強的機器，應該不難想象機器會“繼承”一些類似人類的特點——還有弱點。但是在我看來，“終結(jié)者”預言及其不可能。這需要一個精心策劃的、意圖不軌的個體，特意將惡意企圖寫入智能機器，沒有哪個機構(gòu)——更別說哪個公司或者個人——可以憑一己之力實現(xiàn)人類等級的AI。打造智能機器是我們這個時代大的科學挑戰(zhàn)之一，需要各個國家、公司、實驗室和學術團體之間共同分享智慧。AI的進步有可能是漸進的，而且是開放的。——YannLeCun。
　　
　　如何成為機器的主人
　　
　　牛津大學人類未來研究所的創(chuàng)始總監(jiān)NickBostrom：AI的生存危機。由DanielaHernandez采訪。
　　
　　能說說你正在進行的工作嗎？
　　
　　我們對于“控制問題”相關的技術挑戰(zhàn)非常感興趣。你能確保AI做的事情，一定是符合程序員初衷的嗎？我們還對強智能AI帶來的經(jīng)濟、政治和社會問題感興趣。什么樣的政治體制能夠幫助我們轉(zhuǎn)型進入智能機器時代？我們?nèi)绾未_保不同的利益相關者聯(lián)合起來，從事可以帶來積極結(jié)果的事情？
　　
　　你進行了很多關于生存危機的研究。如果用直白的語言向一個5歲小孩解釋，你會如何描述呢？
　　
　　我會說，這是可以永遠毀滅人類未來的科技。對于年紀更大一點的聽眾，我會說有人類滅絕的可能，或者可能永遠摧毀我們在未來實現(xiàn)價值的可能性。
　　
　　你認為什么樣的策略會幫助減輕人工智能的潛在生存危機？
　　
　　研究控制問題會有所幫助。當我們搞明白如何讓機器變得真正智能，我們應該能有一些概念，知道如何控制這樣的機器，如何進行工程設計，從而讓機器與人類站在同一陣營，符合人類價值觀，不具有破壞性。這涉及一系列的技術挑戰(zhàn)，其中一些我們現(xiàn)在已經(jīng)開始研究了。
　　
　　你能舉個例子嗎？
　　
　　對于控制問題，不同的人思考著不同的方法。一種方式是研究價值觀學習。我們希望自己打造的AI終可以分享我們的價值觀，這樣AI可以作為我們?nèi)祟愐庵镜难由?。我們沒法把自己重視的一切寫在一個長長的列表然后塞給AI。更好的辦法，是利用AI自己的智能來學習我們的價值觀和喜歡。
　　
　　每一個人的價值觀都不同。我們?nèi)绾螞Q定機器該學習什么樣的價值觀？
　　
　　這是一個很大、很復雜的問題：價值觀之間的巨大沖突以及利益之間的巨大沖突。從某種意義上說，這是大的一個未解難題。如果你對于技術進步比較樂觀，你會覺得終我們總會知道怎樣可以做到越來越多的事情。
　　
　　我們會以的程度征服自然。但是有一項科技無法自動解決的問題，就是沖突和戰(zhàn)爭。黑暗的宏觀畫面是，人們有可能利用技術，這種超越自然的力量、這種知識，專門用來傷害和破壞他人。這個問題沒法自動解決。
　　
　　我們?nèi)绾螒獙@種壓力？
　　
　　對于這個問題我沒有簡單的答案。我不認為存在一個簡單的技術解決方案。
　　
　　一個自動編程的代理能否從我們?yōu)槠湓O定的控制系統(tǒng)中解放出來？人類已經(jīng)一直在這樣做了，從某種意義上來說，當我們出于自私行事的時候。
　　
　　保守的假設是，強人工智能可以自我編程，可以改變自己的價值觀，而且可以打破任何我們?yōu)槠湓O定的束縛。那樣的話，我們的目標就會是對其進行設計，讓機器選擇不使用那些能力來傷害人類。如果AI希望為人類服務，它會對一個殺害人類的行為分配很低的預期實效。我們有理由這樣認為，如果你以恰當?shù)姆绞皆O定目標系統(tǒng)，終的決策標準就能保持下來。
　　
　　讓我們把大腦變得更好
　　
　　PayPal及FoundersFund聯(lián)合創(chuàng)始人LukeNosek：在人工大腦出現(xiàn)前，我們需要訓練自己的大腦。
　　
　　今年早些時候，韓國圍棋李世石與谷歌的人工智能程序AlphaGo進行了一場歷史性的大戰(zhàn)。李世石名下有18項世界頭銜，但是在今年3月19日，他敗給了軟件。
　　
　　如今的高性能計算的強大。不過距離強人工智能系統(tǒng)的出現(xiàn)還有很遠的距離，機器還遠未達到人類大腦的能力。我們還沒能理解強人工智能（有時候稱為AGI）會如何運作，會為我們的生活和經(jīng)濟帶來什么影響。經(jīng)常有人將這種影響的廣度比作核技術的出現(xiàn)，從史蒂芬·霍金、到伊隆·馬斯克、到AlphaGo的創(chuàng)造者都建議，我們應該小心前進。
　　
　　核武器的比喻很帶感，但是也挺恰當。核武器是強AI糟糕的情況。相反，樂觀的預計又亮瞎人眼（普遍的經(jīng)濟繁榮、消滅所有疾?。?，樂觀與恐懼都可能讓我們產(chǎn)生偏見。
　　
　　強AI可以幫助幾十億人過上更安全、更健康、更快樂的生活。但是要設計這樣的機器，工程師需要對于智能人類和機器所面對的復雜的社會、神經(jīng)和經(jīng)濟現(xiàn)實有更好的理解力，比如今任何人都更好的理解力。如果我們對現(xiàn)有的大腦進行升級，我們能更好地來理解、打造強AI，并與之共存。
　　
　　我們可以將人類智能的提升分為三個階段。個階段，使用類似谷歌搜索的科技來增強和補充人類大腦，這已經(jīng)在進行中了。我們可以比較一下：1996年一個持有圖書館借書證的五歲小孩，和2016年一個打開了谷歌搜索主頁的五歲小孩——只要敲幾下鍵盤，就能獲得非常多的人類知識。
　　
　　如果階段需要用科技來補充大腦，那么第二階段就要直接放大大腦。適應性學習軟件將教育個人化，對課程進行實時調(diào)整。如果學生表現(xiàn)出色，教學速度就會加快。如果學生學習比較困難，軟件也會放慢節(jié)奏、轉(zhuǎn)變教學風格或者告訴老師需要指導。適應性學習和在線教育有可能意味著一刀切教育的終結(jié)。融合增強現(xiàn)實和虛擬現(xiàn)實技術，也可以以我們無法想象的方式放大智能。
　　
　　智能提升的第三階段需要從根本上改變大腦。經(jīng)顱磁刺激（TMS）是一項美國食品藥品監(jiān)督管理局（FDA）批準的無創(chuàng)治療方法，治療中會將一個電磁線圈應用在頭上。TMS目前被用于治療創(chuàng)傷后應激障礙（PTSD）、自閉癥和抗藥性的嚴重抑郁癥。例如加州大腦治療中心以及肯塔基州路易斯維爾大學這樣的機構(gòu)中，樣本數(shù)量不大，而且影響的持續(xù)時間還未知，但是出現(xiàn)好轉(zhuǎn)的個體比例很高——在比例高的試驗中，200個較高功能的自閉癥病人中有90%實現(xiàn)了好轉(zhuǎn)。早期跡象顯示，TMS可能對于看起來沒有相關性的大量神經(jīng)學癥狀會有療效。如果我們能對受傷的的或者非神經(jīng)正常的大腦產(chǎn)生積極影響，也許不久后，我們就能提升健康大腦內(nèi)的聯(lián)接，實現(xiàn)普遍提升智能。
　　
　　強AI已經(jīng)出現(xiàn)在地平線上，但是目前來說，我們只有自己的大腦可以用。提升我們自己的智能，是創(chuàng)造未來智能機器并與之共存的步。
　　
　　你沒法讓機器學會常識
　　
　　至少現(xiàn)在還不能。這仍然是真正人工智能大的障礙。
　　
　　預測性學習也叫作無監(jiān)督學習，是動物和人類理解世界的首要模式。我們可以看看這個句子：“約翰拿起他的電話并離開房間。”經(jīng)驗告訴你，電話可能是移動模式的，約翰可能是從門里走出去的。而機器缺少對于世界常態(tài)及其限制的良好表征，也許永遠沒法推測出以上的信息。機器中的預測性學習——一個非常重要但是還有待發(fā)展的特征——會讓AI不需要人類監(jiān)督，可以自主學習，就像小孩子學習一樣。但是，要讓機器學會常識不只是一個技術問題，這是一個可能要花上幾十年的科學和數(shù)學挑戰(zhàn)。在那之前，我們的機器沒法成為真正智能的機器。——YannLeCun。