分析:人工智能之下 人類的保留地在哪?

論文類別:計算機論文 > 互聯網研究論文
上傳時間:2016/3/21 11:30:00

  (免費論文下載中心訊)科學家們其實並沒搞清楚究竟什麽是意識,所以霍金、埃隆馬斯克等對人工智能會產生意識的擔心和人類最初的神靈崇拜其實同根同源。按照這種思路我們同樣可以相信地球深處也存在某種意誌,所以至少眼下這種擔心並沒有太大價值,但人工智能對人類的沖擊卻是真實存在的並且也更值得關註。

分析:人工智能之下 人类的保留地在哪?

  技術視角下人工智能的真實水平

  截止2016年3月人工智能在語音和圖像上已經取得了階段性成果,但語義上暫時還看不到能徹底解決的跡象:

  1.語音識別--形象來講是這是一個最近幾年已經被深度學習攻克的領域,只要花足夠的錢,那識別精確度可以達到99%。在語音識別這種領域,最後幾個點精度的提升很可能比前面達成90%精度還要費勁,但最後這幾個點的精度往往正是跨越能用和不能用的關鍵。沒有深度學習之前,人們已經嘗試攻克語音識別很多年,一般來講1952年貝爾實驗室研究的第一個能識別10個英文數字發音的語音識別系統被認為是語音識別的起點,這樣算起來人類已經在這事上努力了60多年。在上個世紀70年代搞定了小詞匯量的語音識別,在80年代搞定了大詞匯量的語音識別,然後精度就卡在那裏了,大概在85%左右徘徊,一卡就接近30年。微軟、IBM當年都曾經嘗試把這技術應用起來,但顯然沒什麽後果,好多人甚至不記得他們幹過著件事情。深度學習導入語音識別後,使事情有了根本性的變化,現在只要有足夠的數據進行訓練,大多的公司自己都可以訓練出足夠精確的語音識別模型。這技術基本上要貨品化了,越來越可以認為這是一種不要特別多的投入就可以搞定的技術。

  2.圖像識別--圖像識別比語音識別要麻煩一些,因為語音識別的對象總是各種有限的語言。但圖像裏人臉和貓的識別落到具體實現上還不能用一個模型來處理。當前的狀態是如果選定一個點比如人臉識別,砸入幾十個PhD,幾百塊GPU,那花個一到兩年,如果還能找到落地點不斷獲得數據,那就可以做到非常高的精度(99%以上),但這種精度眼下還沒辦法一下子就覆蓋到其它領域,只能一個點一個點來搞定。像人臉這種領域因為有切實的落地場景(銀行等),所以一下子就發展起來了,其它的領域要想都達到同樣的水平,那還需要一點時間。

  3.語義理解--和語音識別與圖像識別不一樣,語義理解處在一種基本沒搞定的狀態。很多時候我們看演示的時候能看到一個機器人或智能型產品與人進行流暢的交流。達成這狀況有兩種可能,一種是作弊,後面放了個人,屬於人工的人工智能;一種是對話被限定在特定的場景下,比如汽車裏打電話,讓地圖導航等。語義理解的難度與所要處理的概念數有關,當要處理的概念數在幾千個以下的時候,那針對特定場景按照基於規則的方式還是可能搞定,做的比較流暢的。但一旦這個範圍擴大到整個社會生活,那最多也就是Google Now和Siri那個樣子。與這點密切相關的應用一個是各種智能語音助手在對話時的智能程度,一個則是翻譯。

  在這些裏程碑被陸續達成的過程中,世界也會改變它的樣子,恰如汽車的出現帶來了馬路和交通規則一樣。而要想理解這種影響的範圍,那就要考察人類與人工智能的分工邊界。

  人類與人工智能的分工邊界

  如果有一天我們想種什麽植物,那只要對著身邊的智能助手說一聲;我們想生產什麽東西,只要選定好樣式和材料工廠就可以按需生產;我們想吃什麽,機器人都可以幫我們做好;我們想出門的時候,自動駕駛汽車就會等在門口;想看病的時候,身體的各種參數就會和過往的病例自動對比分析。那人類到底還應該做點什麽?

  由這點可以引出曠日持久的各種爭論,比如軟件在吞噬世界、人工智能在吞噬世界、機器人在吞噬世界等等,但這並沒價值,其關鍵在於既然有些崗位註定被消滅,那就要知道究竟究竟什麽樣的工作會是人類的保留地。當然這裏用工作可能不太準確,古代富家翁也種花,但這和花農種花其實有著本質的區別。

  要想弄清上面說的這問題,其實需要回到此前提到的問題:到底什麽是人工智能?如果說人工智能就是抽調了欲望和激情的超人,那顯然凡是不依賴這兩者的事情上人類都不再有工作的價值。很不幸的是我們今天所看到的絕大部分工作其實都更多的依賴於理智、感知和體力,而非欲望和激情,當信息足夠充分後都是很容易就會被人工智能所取代。

  種地這事在發達國家現在已經足夠機械化,人工智能發達之後只要在地形的識別上做到足夠精確,技術成本又足夠低,那播種、收割、打農藥等根本不可能難的住人工智能,比較容易就可以實現徹底的自動化。一旦自動駕駛得以徹底實現,那類似的技術應不應用到農業領域唯一的關鍵點就是經濟上劃不劃算,而不是能不能搞定。這也是正在發生的事情,總部在加利福尼亞聖叠戈的Vision Robotics研發了一種章魚模樣的采橘子的機器人,這機器人使用3D視覺傳感器建立橘子樹的模型,然後存儲每個水果的位置,接下來就用來指導8個機械手臂采橘子。此外、用於修建葡萄藤的、在大棚裏工作的機器人也都在向人類狂奔而來。

  建築方面也是同樣的情形,更為激進的是已經有創業公司在做這件事情,它們一邊利用無人機隨時監控地形和進度,一邊自動控制挖土機進行施工。蓋摩天大廈這事暫時還無法用機器人來搞定,一是機器人本身的靈活性還不好,一是高空作業還是需要面對比較復雜的操作環境,但這不是一個人工智能搞不定的領域,只是需要更長一點的時間。

  制造業裏用機器人替代工人近乎成為一種浪潮,但當前的浪潮其實不過是剛剛開始,當前的很多機器人並不具有太多的智能,一旦制造型機器人的智能得到足夠的提升,那我們更可能會面對工廠裏空無一人的情形。一家叫Rethink Robotics的美國公司做了一款叫Baxter的機器人,目標就是解決過去的機器手過於死板的問題,任何人都可以訓練這種機器人做範圍很寬泛的工作,當然當前它工作的精度還不如傳統的機械手。而被Google收購又要賣出的波士頓動力已經做出了踹一腳不會摔倒,即使意外摔倒的也能自己爬起來的機器人。

  如果問在10年之內究竟什麽時候這些機器人能徹底取代工人、能徹底取代物流倉儲過程中的搬運工人,眼下其實是很難回答,但如果把眼光放長一點,問在20~30年後這些機器人會不會取代相關的崗位,那答案顯然是肯定的。與此相類似的還有送餐、安保、零售、教師、廚師等這些往往吸納非常多人的領域,看穿現象後我們會發現這些崗位在人工智能面前,其抵抗力脆薄如紙。這裏面有一個非常關鍵的點往往被大家忽略,我們上面所有說的事情其實是應用的場合,而它們其實依賴於共通的幾個技術比如計算機視覺等,一旦這些技術取得突破,那各種機器人一定會雨後春筍一樣出現。這就好比手機大發展後,故事機、Pad、智能電視、智能投影儀等都能很快的出現一樣,因為他們依賴於很多共通的技術。也正因此前面才提到各種技術上的裏程碑才非常關鍵,因為它可以代表著共通技術何時可以走向商用。

  至於愛情、親情這些領域顯然會是人類的保留地,即使一個機器人能很好的照顧年邁的老人,能輔導小孩接受教育,但顯然這不可能取代子女的陪伴,父母的實時關懷,因為這些事情關乎心靈。與此相類似,現在從各個地方冒出來的網紅反倒是安全,因為網紅也更多的基於情感。

  但關乎想象力和創意的領域結果會有點出乎意料,人工智能在可見範圍內看不到具有想象力和創造力的可能性,這兩者更多的基於欲望和激情,但它確實可以模擬這兩者。很多我們以為深度依賴想象力和創造力的領域比如寫小說、寫詩、創作音樂、下圍棋等,其對想象力和思考的依賴其實並沒想的那麽高。或者我們可以這麽說,大多的小說並非是《戰爭與和平》那種層次,而是可以從大量的小說素材中拼接出來。人工智能不太可能在現有領域之外開辟一種新的流派,但達到起點上的大部分小說所體現出來的創造力和想象力並不是太難的事情。2012年7月,倫敦交響樂團演奏了一曲《通向深淵》(Transits-Into an Abyss)。有評論家認為它“充滿藝術感並且讓人愉悅”。但關鍵是這曲子不是人造的,而是由一個名為“伊阿摩斯”的人工智能算法在計算機集群上跑出來的。這程序已經創作了幾百萬首古典風格的作品(《機器人時代》)。我個人仍然不相信人工智能作詩的話能夠達到李白的水平,因為它真的沒想象力和創造力,但關鍵是縱觀中國歷史又有幾個人有李白的水平,大多的人包括乾隆皇帝做的也不過是歪詩而已,這種水平人工智能是完全可以超越的。(我此前因為這點理解不清錯判了AlphaGo與李世石比賽的勝負)

  這樣一來,人類的保留地就真的不多了,關乎心靈的領域之外,就只有那些高端的依賴於想象力和創造力的領域,後者只屬於極少的大師級人物,大戰略家、大藝術家、大哲學家和大科學家不可能被人工智能取代,普通人的創造力和想象力估計匹敵不過人工智能用數據偽裝出來的水平。(來源:創事記 文/李智勇 編選:中國電子商務研究中心)

下载论文

論文《分析:人工智能之下 人類的保留地在哪?》其它版本

互聯網研究論文服務

網站聲明 | 聯系我們 | 網站地圖 | 論文下載地址 | 代寫論文 | 作者搜索 | 英文版 | 手機版 CopyRight@2008 - 2017 免費論文下載中心 京ICP备17062730号