拿掉吹捧的帽子,人工智能概念技术发展全指南

来源:新华网  06-14 09:37

  再聪明的算法并不能取代所有的工作。不过随着算法的学习能力越来越强,从医学到广告,它们攻下的领域越来越多。

  然而,当下的人工智能概念也在被过度吹捧。

  超级智能算法不会取代所有的工作。但是近来软件变得愈加智能化。我们可以用智能语音助手定外卖,也可以用虚拟聊天软件来打发时间。科技公司在人工智能方面的大量投资已经改变了我们的生活和工具,并为以人工智能为中心的未来奠定了基础。

  机器学习领域的突破性进展推动了人工智能的蓬勃发展。包括“训练”计算机执行基于实例的任务,而不是依赖于人的编程。一种叫做深度学习的技术使这种方法更加强大。李世石(Lee Sedol)在围棋比赛中拥有18个国际头衔,然而他却在2016被AlphaGo打败。

  对我们大多数人来说,人工智能带来的利好是灵巧的新设备和新体验,比如智能语音助手、或者人脸识别解锁手机。但人工智能也准备彻底改造其他领域的生活。一个是医疗保健。印度的医院正在测试一种软件,该软件可以检测一个人视网膜图像是否有糖尿病性视网膜病变的迹象,这种疾病在过去经常被延误治疗进而无法阻止失明。另一方面,人工智能对于自动驾驶也是至关重要的,它使得车辆能够对周围环境进行感知。

  有证据表明人工智能可以让我们更快乐、更健康。但是,算法在种族或性别方面放大了社会偏见,这表明,人工智能支撑的未来不会自动变得更好,我们有理由保持警惕。

  人工智能概念的开始

  达特茅斯大学教授约翰·麦卡锡在1956年的夏天发明了人工智能这个词,当时他邀请了一个小组花几个星期的时间来思考如何让机器做像使用语言这样的事情。他对人工智能机器的突破寄予厚望。他在给合作组织者的文章中写道,“如果一个精心挑选的科学家团队在一起工作一个夏天的话,就有可能做出重大的进展。”

  这些愿望没有得以实现,麦卡锡后来承认他过于乐观了。但是,这个研讨会帮助研究员梦想着将智能机器结合到一个合适的学术领域。

  早期的工作往往集中于解决数学和逻辑学中相当抽象的问题。但不久之后,人工智能开始在更多的人工任务上显示出充满希望的结果。在20世纪50年代后期,阿瑟·塞缪尔创建了一些学习玩跳棋的程序。在1962年,一程序在比赛中赢得了一位大师的胜利。1967年,一个名为“Dendral”的程序显示,它可以复制化学家对化学样品组成的质谱数据的解释。

  随着人工智能领域的发展,制造智能机器的不同策略也得以发展。一些研究人员试图将人类的知识转化为代码,或者为理解语言等任务制定规则。其他人则受到启发,认识到学习人类和动物智能的重要性。他们构建的系统可以在一段时间内更好地完成任务,也许是通过模拟进化或者从实例数据中学习。这一领域达到了一个接一个的里程碑,因为计算机掌握了更多以前只能由人完成的任务。

  “深度学习”(Deep learning)是人工智能领域最古老的思想之一,它是当前人工智能繁荣的火箭燃料。这项技术包括通过数字网传递数据,这些数据是由大脑细胞的工作原理(即人工神经网络)所激发出来的。作为一个网络处理训练数据,网络各部分之间的连接进行调整,建立了对未来数据的解释能力。

  人工神经网络在达特茅斯研讨会之后不久就成为人工智能的一个较为成熟的理念。例如,1958年的房间填充感知器Mark 1就学会了区分不同的几何图形,并在纽约时报上被写为“计算机的雏形,用以阅读和发展智慧”。但是,麻省理工学院的Marvin Minsky在1969年出版的一本有影响力的书中指出,人工神经网络的力量并不是很强大。

  但是很多人都认为人工神经网络是有未来的。到2012年,人工神经网络被证明是正确的,当时一系列的实验表明,由大量数据和强大的计算机芯片驱动的神经网络可以给机器带来新的感知能力。

  一个显著的结果是,多伦多大学(University of Toronto)的研究人员在年度竞赛中击败了竞争对手,这个竞赛的内容是利用软件对图像进行分类。在另一项研究中,来自IBM、微软和谷歌的研究人员组成的团队公布了深度学习在语音识别的精确度上达到了一个新高度。科技公司开始疯狂地雇用他们能找到的所有深度学习专家。

  人工智能发展大事记

  人工智能的未来

  即使人工智能的进步在明天就会停止,也不要指望人们会停止关于它如何改变世界的讨论。

  谷歌、微软和亚马逊等大型科技公司已经积累了大量的人工智能人才和令人印象深刻的计算机阵列,以支持他们的核心业务——瞄准广告或者预测你的下一次消费。

  他们也开始尝试通过邀请其他人在他们的网络上运行人工智能项目来赚钱,这将有助于推动医疗保健或国家安全等领域的进步。改进人工智能硬件、培训课程的增长机器学习,机器学习和开源项目也将加速AI的传播到其他行业。

  与此同时,消费者可以期待更多的电子产品和服务,而这些设备和服务都是由人工智能提供的。谷歌和亚马逊尤其认为,机器学习的改进将使他们的虚拟助手和智能语音变得更加强大。例如,亚马逊(Amazon)就有配备摄像头的设备,可以观察它们的主人和周围的世界。

  商业上的可能性是现在成为人工智能研究员的大好时机。研究如何制造更智能机器的实验室比以往任何时候都多,资金也更充裕。还有很多工作要做:尽管最近在人工智能方面取得了一些进展,但在不久的将来,仍有许多事情是机器无法做到的,比如理解语言的细微差别、常识推理,以及从一两个例子中学习一项新技能。人工智能软件如果要接近人类的多面性、适应性和创造性智慧,就需要掌握这些任务。谷歌的杰夫•辛顿(Geoff Hinton)认为,在这一重大挑战上取得进展需要重新思考该领域的一些基础性问题。

  随着人工智能系统变得越来越强大,它们将理所当然地招致更多的审查。政府在刑事司法等领域使用软件往往是有缺陷的,或者是保密的,像Facebook这样的公司已经开始面对他们自己的生活塑造算法的缺点。更强大的人工智能有可能产生更严重的问题,例如,延续历史偏见和对女性或黑人的刻板印象。民间社会团体,甚至科技行业本身也在探索人工智能安全与伦理的规则和准则。为了让我们真正收获机器变得更智能的好处,我们需要更聪明地对待机器。

  人工智能基本知识

  本文编译自Wired杂志,原标题“The wired guide to artificial intelligence”,作者Tom Simonite,编译邢天航 杜雪。转载请注明来源。