咱們正處於一場關於人工智慧的公開爭辯中。
跟著一部描述阿蘭·圖靈 (Alan Turing)的很受歡迎的電影的上映,以及關於自動駕駛汽車音訊的發佈,這場討論從去年秋天就開始了。以及許多公開爭辯同樣,這場討論源於恐懼。大多數的言論反映出一種耽憂:機器不久將取代人類,進而淘汰人類。去年12月,物理學家斯蒂芬·霍金(Stephen Hawking)1 在一檔 BBC節目中談到「人工智慧的全面發展有可能預示著人類的終結」。貝寶 (Paypal) 創始人伊隆·馬斯克 (Elon Musk)2 的說法更擁有煽動性, 他聲稱咱們目前對人工智慧的探索是在「召喚惡魔」。爭辯忽略了一個事實——人工智慧領功能變數包孕不少不同的觀點,許多鑽研者認為他們自己的工作是為了提高人類的出產力,而不是為了取代人類。
人工智慧簡史
百度吳恩達：深度學習與人工智慧
一般來說,咱們可以把人工智慧鑽研劃分為四大流派。每一個流派的目的稍有不同,鑽研方式往往大相逕庭。第一個流派咱們稱之為「傳統人工智慧」。 這個流派的確試圖構建能複製人類行為的電腦系統,指責其想用機器取代人類還不算冤枉。傳統人工智慧的歷史與計算科學同樣悠長,通常認為,它的建立者是像約翰·麥卡錫 (John McCarthy)3 以及馬文·明斯基 (Marvin Minsky)4 等在20世紀50年代中期就職於麻省理工學院的那些人。
起初,傳統人工智慧的鑽研者們關注自然語言 翻譯、符號推理(symbolicreasoning)以及博弈論(game playing)等問題。這一流派發明了一些有趣且實用的技術,但往往沒有達到其自我設定的預期目的。這種初期系統的一個例子要算二十世紀七八十年代鑽研出來的專家系統 (expert systems)。專家系統本意是指望應用一套規則來記錄人類專家的經驗。這種系統的一個初期案例是試圖樹立醫生診斷經驗的模型。它運行於一個受限的框架內,展示出相似於醫生的行為,但得出的診斷結果往往與醫療一般相悖。因而,很少看到這些專家系統取代醫生或是其他專家,無非它們為咱們提供了有用的技術,在出產管理中獲得了一些運用。
從一開始,傳統人工智慧鑽研就因為設定的目的過高而陷入困境。鑽研者們往往謬誤估量了為實現自己設定的目的所需要付出的努力。20世紀60年代,一些鑽研者從複製人類智慧轉向鑽研能增強人類智慧的電腦系統。通常認為這一領功能變數的建立者是約瑟夫·利克萊德 (J. C. Licklider)5,他曾在位於麻省劍橋的一個鑽研單位——博爾特·貝拉尼克-紐曼公司 (Bolt, Beranek and Newman Inc.)6 工作。他在一篇稱為「人機共生」(Man-Computer Symbiosis) 的論文中寫道,「但願用不了幾年,人的大腦以及電腦器能夠緊密配合,由此形成的合作將是人類大腦從未想到過的,處理資料的模式將是咱們現用的所知的訊息處理機器無法達到的。」
這個第二個領功能變數逐步發展成廣為人知的「人機 互動」(human computer interaction),它是現今電腦科學的幾個較大分支學科之一。相比於傳統人工智慧,它提出的目的對比低調,在實現自己設立的預期目的方面做得較好。它在咱們普遍使用的圖形使用者介面方面做出了貢獻,並在演算法以及流程上做了不少鑽研,恰是這些鑽研才使到手機以及挪動平台對咱們有這樣大的吸引力。
第三個領功能變數呈現於20世紀80年代中期,被稱之為「機器學習」(machine learning)。這一領功能變數的引領者們認識到,儘管傳統人工智慧沒有實現它的目的,然而電腦系統所能達到的本應遠遠超過目前人機互動領功能變數所完成的。機器學習建立者們的靈感可以追溯到卡內基梅隆大學司馬賀 (Herb Simon)7 的工作(無論怎麼看,司馬賀的確是一個對計算領功能變數有深遠影響力的貢獻者,他提出的思維影響了電腦科學許多方面的發展)。這一流派並不試圖複製人類智慧,而是力圖開發「在執行某些類任務時能提高效能」的程式。他們採集訊息,用這些訊息改善自身的動作。
機器學習大量借鑒數理統計工具來開發各種不同的識別以及分類演算法。人工智慧鑽研的前驅者之一, 愛德華·費根鮑姆 (Edward Feigenbaum)8 認為這些演算法已被證明「至關勝利」。它們被運用於實際系統中來識別目的、發現資料中的模式以及開發用於機器人的策略。
人工智慧的最後一個分支領功能變數是一個最新的領功能變數。它翻轉了電腦以及人類的關系。在傳統人工智慧中,電腦系統試圖複製人類的行為。而在這一領功能變數, 人類試圖處理一些電腦尚無法處理的任務。醫療檔案的記錄 (transcription) 也許就是一個最佳的例子。許多醫療記錄系統依靠人工來記錄醫生所說的話,然後再用傳統的計算方式來處理這些訊息。這個分支領功能變數的建立者之一,卡內基梅隆大學教授路易斯·馮·安 (Luis von Ahn)9,把這一領功能變數稱為「人造的人工智慧」(artificial artificial intelligence)。這一領功能變數,更盡人皆知的是「集體智慧」(collective intelligence)10。
集體智慧設計計算系統時,充沛施展了人類行為的兩個不同方面的優勢。首先,人類能以難以計算的模式識別出繁雜模式。人類從這些模式中聯想, 進而推理得出繁雜的結論。例如,一個簡單的旋律就能誘發人腦一連串的思考方向。
其次,集體的知識廣度一般遠高於個人。集體擁有大量的觀點、假如以及推導方式。經驗顯示,這些不同的思考方向匯聚起來會帶來對問題更全面的理 解。依據該領功能變數的建立者之一,麻省理工學院的教授湯姆·馬龍(Tom Malone,是麻省理工學院斯隆 管理學院教授,群組織結構與團隊智慧專家,MIT集體智慧鑽研中心主任)所說,「集體智慧就是由許多個人群組成的群體以智慧模式集體行徑。」也許集體智慧最有名的產品之一就是線上百科全書——維基百科。維基百科由成千上萬的個人貢獻而成。因為它時常為人工智慧系統提供常識性訊息,所以與人工智慧關系親密。IBM的那個會玩「危險邊緣」(Jeopardy!) 問答遊戲的電腦系統沃森 (Watson),就是用維基百科作為它的主要訊息來源。
所有這四個部份形成為了人工智慧領功能變數。因而, 當咱們討論人工智慧將會怎麼樣扭轉人類以及人類社會時,實際上涉及到以及人工智慧有關的四種不同方式,每種方式有不同的前景。第一種方式想用電腦系統摹擬人類智慧,第二種想增強人類的智慧, 第三種想從自然世界學習如何高效地執行任務,而最後一個則想聚合許多人一輩子的經驗。儘管看起來這四個領功能變數都將徹底扭轉人類的體驗,但似乎也很難看出它們會完整取代人類。從實質上來講,人類的經驗依舊是這些方式建立的基礎。
就像斯蒂芬·霍金推測的,儘管人工智慧不太可能取代人類,但它極可能會扭轉人類在社會中扮演的角色。這一現象被稱為「勞動力空心化」 (hollowing of the work force)。電腦技術趨向於創造少數需要繁雜技巧的新工作以及大量需要低技巧的工作,但減少了需要中等技巧的工作。當咱們瞻望人工智慧對人類的影響時,咱們需要思考怎麼樣把人類勞動者與電腦創造的新的工作角色符合到最佳,同時也要設計最合適人類社會的電腦。
腳註：
斯蒂芬·霍金是英國劍橋大學有名物理學家,被譽為繼愛因斯坦之後最傑出的理論物理學家之一。
伊隆·馬斯克是世界最大網上支付公司貝寶、可重複應用火箭與未來交通工具領功能變數太空探索技術公司SpaceX、電動汽車公司特斯拉以及居家太陽能板公司SolarCity等的創始人。
約翰·麥卡錫是世界上第一個人工智慧試驗室創始人之一,1971年圖靈獎取得者。
馬文·明斯基是世界上第一個人工智慧試驗室創始人之一,1969年圖靈獎取得者。
約瑟夫·利克萊德是Internet的設計者之一,麻省理工學院心理學以及人工智慧專家。
該公司位於美國馬薩諸塞州(簡稱麻省)劍橋,曾介入ARPAnet網(Internet的前身)建設以及維護。
司馬賀是卡內基梅隆大學電腦科學與心理學教授,對政治、經濟、管理、心理以及電腦等學科都有重大貢獻,因對經濟群組織內決策過程的創始性鑽研榮獲1978年度諾貝爾經濟學獎,因對人工智慧以及人類心理識別等的基礎性鑽研榮獲1975年圖靈獎。
愛德華·費根鮑姆,人工智慧專家,最先倡導「知識專案」,證明了實現智慧行為的主要手腕在於知識,在多數實際情況下是特定領功能變數的知識,榮獲1994年圖靈獎。
路易斯·馮·安是美國青年電腦科學家,驗證碼的發明人之一。
亦有譯作「群智」。
來自哈工大SCIR
End.
咱們正處於一場關於人工智慧的公開爭辯中。
跟著一部描述阿蘭·圖靈 (Alan Turing)的很受歡迎的電影的上映,以及關於自動駕駛汽車音訊的發佈,這場討論從去年秋天就開始了。以及許多公開爭辯同樣,這場討論源於恐懼。大多數的言論反映出一種耽憂:機器不久將取代人類,進而淘汰人類。去年12月,物理學家斯蒂芬·霍金(Stephen Hawking)1 在一檔 BBC節目中談到「人工智慧的全面發展有可能預示著人類的終結」。貝寶 (Paypal) 創始人伊隆·馬斯克 (Elon Musk)2 的說法更擁有煽動性, 他聲稱咱們目前對人工智慧的探索是在「召喚惡魔」。爭辯忽略了一個事實——人工智慧領功能變數包孕不少不同的觀點,許多鑽研者認為他們自己的工作是為了提高人類的出產力,而不是為了取代人類。
人工智慧簡史
百度吳恩達：深度學習與人工智慧
一般來說,咱們可以把人工智慧鑽研劃分為四大流派。每一個流派的目的稍有不同,鑽研方式往往大相逕庭。第一個流派咱們稱之為「傳統人工智慧」。 這個流派的確試圖構建能複製人類行為的電腦系統,指責其想用機器取代人類還不算冤枉。傳統人工智慧的歷史與計算科學同樣悠長,通常認為,它的建立者是像約翰·麥卡錫 (John McCarthy)3 以及馬文·明斯基 (Marvin Minsky)4 等在20世紀50年代中期就職於麻省理工學院的那些人。
起初,傳統人工智慧的鑽研者們關注自然語言 翻譯、符號推理(symbolicreasoning)以及博弈論(game playing)等問題。這一流派發明了一些有趣且實用的技術,但往往沒有達到其自我設定的預期目的。這種初期系統的一個例子要算二十世紀七八十年代鑽研出來的專家系統 (expert systems)。專家系統本意是指望應用一套規則來記錄人類專家的經驗。這種系統的一個初期案例是試圖樹立醫生診斷經驗的模型。它運行於一個受限的框架內,展示出相似於醫生的行為,但得出的診斷結果往往與醫療一般相悖。因而,很少看到這些專家系統取代醫生或是其他專家,無非它們為咱們提供了有用的技術,在出產管理中獲得了一些運用。
從一開始,傳統人工智慧鑽研就因為設定的目的過高而陷入困境。鑽研者們往往謬誤估量了為實現自己設定的目的所需要付出的努力。20世紀60年代,一些鑽研者從複製人類智慧轉向鑽研能增強人類智慧的電腦系統。通常認為這一領功能變數的建立者是約瑟夫·利克萊德 (J. C. Licklider)5,他曾在位於麻省劍橋的一個鑽研單位——博爾特·貝拉尼克-紐曼公司 (Bolt, Beranek and Newman Inc.)6 工作。他在一篇稱為「人機共生」(Man-Computer Symbiosis) 的論文中寫道,「但願用不了幾年,人的大腦以及電腦器能夠緊密配合,由此形成的合作將是人類大腦從未想到過的,處理資料的模式將是咱們現用的所知的訊息處理機器無法達到的。」
這個第二個領功能變數逐步發展成廣為人知的「人機 互動」(human computer interaction),它是現今電腦科學的幾個較大分支學科之一。相比於傳統人工智慧,它提出的目的對比低調,在實現自己設立的預期目的方面做得較好。它在咱們普遍使用的圖形使用者介面方面做出了貢獻,並在演算法以及流程上做了不少鑽研,恰是這些鑽研才使到手機以及挪動平台對咱們有這樣大的吸引力。
第三個領功能變數呈現於20世紀80年代中期,被稱之為「機器學習」(machine learning)。這一領功能變數的引領者們認識到,儘管傳統人工智慧沒有實現它的目的,然而電腦系統所能達到的本應遠遠超過目前人機互動領功能變數所完成的。機器學習建立者們的靈感可以追溯到卡內基梅隆大學司馬賀 (Herb Simon)7 的工作(無論怎麼看,司馬賀的確是一個對計算領功能變數有深遠影響力的貢獻者,他提出的思維影響了電腦科學許多方面的發展)。這一流派並不試圖複製人類智慧,而是力圖開發「在執行某些類任務時能提高效能」的程式。他們採集訊息,用這些訊息改善自身的動作。
機器學習大量借鑒數理統計工具來開發各種不同的識別以及分類演算法。人工智慧鑽研的前驅者之一, 愛德華·費根鮑姆 (Edward Feigenbaum)8 認為這些演算法已被證明「至關勝利」。它們被運用於實際系統中來識別目的、發現資料中的模式以及開發用於機器人的策略。
人工智慧的最後一個分支領功能變數是一個最新的領功能變數。它翻轉了電腦以及人類的關系。在傳統人工智慧中,電腦系統試圖複製人類的行為。而在這一領功能變數, 人類試圖處理一些電腦尚無法處理的任務。醫療檔案的記錄 (transcription) 也許就是一個最佳的例子。許多醫療記錄系統依靠人工來記錄醫生所說的話,然後再用傳統的計算方式來處理這些訊息。這個分支領功能變數的建立者之一,卡內基梅隆大學教授路易斯·馮·安 (Luis von Ahn)9,把這一領功能變數稱為「人造的人工智慧」(artificial artificial intelligence)。這一領功能變數,更盡人皆知的是「集體智慧」(collective intelligence)10。
集體智慧設計計算系統時,充沛施展了人類行為的兩個不同方面的優勢。首先,人類能以難以計算的模式識別出繁雜模式。人類從這些模式中聯想, 進而推理得出繁雜的結論。例如,一個簡單的旋律就能誘發人腦一連串的思考方向。
其次,集體的知識廣度一般遠高於個人。集體擁有大量的觀點、假如以及推導方式。經驗顯示,這些不同的思考方向匯聚起來會帶來對問題更全面的理 解。依據該領功能變數的建立者之一,麻省理工學院的教授湯姆·馬龍(Tom Malone,是麻省理工學院斯隆 管理學院教授,群組織結構與團隊智慧專家,MIT集體智慧鑽研中心主任)所說,「集體智慧就是由許多個人群組成的群體以智慧模式集體行徑。」也許集體智慧最有名的產品之一就是線上百科全書——維基百科。維基百科由成千上萬的個人貢獻而成。因為它時常為人工智慧系統提供常識性訊息,所以與人工智慧關系親密。IBM的那個會玩「危險邊緣」(Jeopardy!) 問答遊戲的電腦系統沃森 (Watson),就是用維基百科作為它的主要訊息來源。
所有這四個部份形成為了人工智慧領功能變數。因而, 當咱們討論人工智慧將會怎麼樣扭轉人類以及人類社會時,實際上涉及到以及人工智慧有關的四種不同方式,每種方式有不同的前景。第一種方式想用電腦系統摹擬人類智慧,第二種想增強人類的智慧, 第三種想從自然世界學習如何高效地執行任務,而最後一個則想聚合許多人一輩子的經驗。儘管看起來這四個領功能變數都將徹底扭轉人類的體驗,但似乎也很難看出它們會完整取代人類。從實質上來講,人類的經驗依舊是這些方式建立的基礎。
就像斯蒂芬·霍金推測的,儘管人工智慧不太可能取代人類,但它極可能會扭轉人類在社會中扮演的角色。這一現象被稱為「勞動力空心化」 (hollowing of the work force)。電腦技術趨向於創造少數需要繁雜技巧的新工作以及大量需要低技巧的工作,但減少了需要中等技巧的工作。當咱們瞻望人工智慧對人類的影響時,咱們需要思考怎麼樣把人類勞動者與電腦創造的新的工作角色符合到最佳,同時也要設計最合適人類社會的電腦。
腳註：
斯蒂芬·霍金是英國劍橋大學有名物理學家,被譽為繼愛因斯坦之後最傑出的理論物理學家之一。
伊隆·馬斯克是世界最大網上支付公司貝寶、可重複應用火箭與未來交通工具領功能變數太空探索技術公司SpaceX、電動汽車公司特斯拉以及居家太陽能板公司SolarCity等的創始人。
約翰·麥卡錫是世界上第一個人工智慧試驗室創始人之一,1971年圖靈獎取得者。
馬文·明斯基是世界上第一個人工智慧試驗室創始人之一,1969年圖靈獎取得者。
約瑟夫·利克萊德是Internet的設計者之一,麻省理工學院心理學以及人工智慧專家。
該公司位於美國馬薩諸塞州(簡稱麻省)劍橋,曾介入ARPAnet網(Internet的前身)建設以及維護。
司馬賀是卡內基梅隆大學電腦科學與心理學教授,對政治、經濟、管理、心理以及電腦等學科都有重大貢獻,因對經濟群組織內決策過程的創始性鑽研榮獲1978年度諾貝爾經濟學獎,因對人工智慧以及人類心理識別等的基礎性鑽研榮獲1975年圖靈獎。
愛德華·費根鮑姆,人工智慧專家,最先倡導「知識專案」,證明了實現智慧行為的主要手腕在於知識,在多數實際情況下是特定領功能變數的知識,榮獲1994年圖靈獎。
路易斯·馮·安是美國青年電腦科學家,驗證碼的發明人之一。
亦有譯作「群智」。
來自哈工大SCIR兩岸商貿,在家工作,網路創業,創業賺錢思惟,微商平台,賺新台幣
End.
留言列表
