已知人工智能不會接管世界，爲何還要繼續關注它？

來源 | 踢圍TechSavvy

咱們在屏幕上搜索內容和社交，依靠 GPS 系統來建議最佳路線，經過跟蹤咱們的瀏覽習慣的精明算法來決定購買決策，也會詢問咱們的手機上或房間裏的私人助理，那麼問題來了，人工智能究竟是什麼？

語音識別、人臉識別、搜索查詢 AI，不管咱們認爲它是有益的仍是侵入性的、受權的或操縱的，技術都是人類能夠支配的，如何使用它是咱們的選擇。研究人員和企業家有着數十年在人工智能和機器人領域工做的經驗，幫助咱們更好地理解人工智能有時難以捉摸的本質，以及爲何人工智能不會很快接管世界或者咱們這些弱小的人類，但它的崛起值得關注。

初級階段表現不佳

人工智能領域充斥着炒做、恐懼和誤解。專家們說，咱們須要更少的傲慢和更多的謙卑。Rethink Robotics 的 CEO Rodney Brooks 說，「我認爲最大的錯誤認知是 AI 究竟還有多遠，咱們一直在研究人工智能，從 1956 年起就稱它爲人工智能(當時人工智能之父 John McCarthy 發明了人工智能一詞)，大約有 62 年了，可是它比物理要複雜得多，物理須要很長時間，我認爲還處於人工智能的初級階段」。

Rethink Robotics 的目標是把智能、負擔得起、易於使用的協做機器人帶到製造業。Brooks 也是 iRobot 公司的聯合創始人，麻省理工學院計算機科學與人工智能實驗室(CSAIL)的前任主任。布魯克斯是人工智能發展協會(AAAI)的創始人之一，他在計算機視覺、機器人技術和人工智能領域取得了許多成就。

他很是關心人工智能和機器人的誤解信息，甚至開了個博客來提供觀點。最近發表的一篇文章對當前的技術趨勢作出了預測，包括自動駕駛汽車、太空旅行、機器人技術和深度學習。Brooks 相信，最近的媒體報道中，不少人工智能的宣傳都來自於使人驚歎的擬人化和動物啓發的機器人，或者是人工智能系統在一些比賽中對抗人類。人工智能如今就到這種程度，處於嬰兒水平。

一些誤解源自於將機器性能與能力等同起來。當咱們看到一我的完成某項任務時，咱們就能夠假定他具有通常的能力，這我的必須具有才能完成這項任務。這和人工智能不同。Brooks 說， 一我的工智能系統能夠很好地玩象棋，但它甚至不知道它在玩遊戲，咱們把機器的性能誤認爲是他們的能力。當你看到一個程序是如何學到了人類能夠學習的東西的時候，你就會犯這樣的錯誤，認爲它擁有你所擁有的豐富的理解。

以軟銀旗下的波士頓動力的 Atlas 爲例，去年一段 Atlas作後空翻的視頻在網上瘋傳，讓網絡陷入狂熱的高潮，警告即將到來的機器人忍者入侵，人工智能專家說事實並不是如此。Brooks提醒道，這些類型的演示都是精心編寫的，它必須快速地進行大量計算，但這是很是當心的設置。Atlas並不知道它在作後空翻，也不知道它在哪裏，更不知道作後空翻的人會知道的各類事情，好比「哇，我剛纔倒過來了！」「機器人不知道什麼是上下顛倒！」。它有一些數學方程式，還有力和矢量，但它沒有任何推理的方法，這和人類很不同。

沒有環境和競爭

人類智能和機器智能之間的一個重要區別就是環境，做爲人類，咱們對周圍的世界有了更大的瞭解，而 AI 不會。

Brooks 說，咱們已經在人工智能領域研究了 60 年，卻仍是離真正的 AI 很遠，這就是爲何他不擔憂會有超級智能的 AI。咱們在一些很是狹隘的方面取得了成功，這就是如今的革命而已。

他以亞馬遜的 Alexa 爲例，另外還有谷歌助手和蘋果 Siri，「你對 Alexa 說了一些話，甚至在音樂響起的時候，或房間裏的其餘人在說話的時候，它也能理解它。它的能力來自於深度學習。所以，一些狹窄的領域變得更好了，咱們將會利用這些狹窄的部分來創造出更好的產品。當我開始反思機器人技術時，咱們研究了全部的商業語音理解系統。咱們當時認爲，在工廠裏對機器人進行語音識別是很好笑的。我想如今已經改變了。它多是有意義的，只是在十年前它沒有而已」。

語音識別編譯正確的字串，精確的字串能夠作不少事情，但它並不像一我的那麼聰明。這就是區別，獲取單詞字符串是一種很窄的功能，咱們還有很長的路要走。這些狹窄的能力已經成爲許多盲目樂觀的人工智能預測的基礎，而這些預測對咱們在將來的人類角色過於悲觀。

人工智能預測？恐懼且誇張

在科學、技術和商業領域一些備受推崇的人物警告說，人工智能即將毀滅人類。

加州大學伯克利分校工業工程和運籌學教授和傑出主席 Ken Goldberg 說，咱們不能相信那些人的話，機器人和人工智能將忽然接管世界，這些人都是聰明人，因此每一個人都覺得本身知道本身在說什麼。而真正使用機器人技術的人們意識到，儘管這項技術正在取得巨大的進步，但遠不是像電影中描繪的那種人類機器人。

他是 CITRIS People and Robots 倡議的負責人，自動化科學與工程實驗室的負責人，擁有 8 項專利，並被普遍發表在機器人、自動化和社會信息過濾算法的主題上。2000 年，戈德伯格因在教育方面的卓越表現得到了 RIA 的著名的恩格爾伯格機器人獎，並得到了其餘榮譽和任命。

Goldberg 和 Brooks 都堅定不一樣意人工智能誇張的傳播者。他們警告咱們要特別警戒這些焦慮，相似人工智能末日，猖獗的失業，或者是一羣超級智能殺手機器人註定要統治世界。

Goldberg 說，人們對機器人的恐懼由來已久，它能夠追溯到古希臘，甚至當你想到對技術運行的恐懼時。從普羅米修斯，到弗蘭肯斯坦，到《終結者》，他引用了一個反覆出現的主題，這個主題深深植根於人類的靈魂之中。咱們懼怕那些對咱們不熟悉的人。咱們懼怕咱們不懂的東西，人工智能只是被反覆灌輸的同一個故事的最新表現。

專家指出大部分的恐懼來自於那些不在人工智能領域工做的人。Goldberg 和 Brooks 迴應了許多自動化和機器人內部人士已經知道的事情，機器人技術要複雜得多。Goldberg 說，雖然機器人正在變得愈來愈好，咱們也取得了很大的進步，但我認爲緩和這些太高的指望很重要，這樣咱們就不會重蹈上世紀 70 和 80 年代的 AI 冬天的覆轍，那時人們對機器人的指望很高，而機器人卻沒法實現。與此同時，他們也不想說不會有機器人革命。由於他們確實認爲機器人技術將會有更多的應用和應用，但不像人們所說的那樣，機器人即將搶走咱們一半的工做。

從研究到現實世界

Goldberg 說，不少恐懼來自於奇點，那是一個假設的時間點，人工智能和機器人超越了人類的智能。他認爲，咱們應該把注意力集中在多樣性上，而不是擔憂一種假設，這種假設要麼太遙遠，要麼不太可能，咱們應該把注意力集中在多樣性的問題上，在這種狀況下，人們和機器的不一樣組合能夠共同解決問題和創新。

在搜索引擎、社交媒體平臺和電影愛好者、購物者和度假者的衆多應用程序的背後，已經出現了多重性。當咱們與這些受支持的服務進行交互時，每次點擊或查看都會發送一個關於咱們的興趣、偏好和意圖的信號。更好的結果與咱們的偏好一致，更好地預測咱們下一步想作什麼。這是一個相互依存的關係。每一個都須要改進。並且互動越多樣化，彼此就變得越全面。

從實驗室到人工智能在現實世界中的應用，多樣性是很重要的。另外一位專家正致力於將人工智能引入工業世界，也強調了人類和機器協同工做的重要性，那就是加州大學伯克利分校電子工程與計算機科學系的教授，機器人學習實驗室主任 Pieter Abbeel。

2010 年 Abbeel 的研究團隊發佈了一段展現機器人摺疊衣物的視頻時，你們都很是興奮。人類如何可以利用這種技術，利用它來使本身變得更聰明，而不是讓這些機器與咱們分離？這是挑戰的一部分。當機器成爲咱們平常生活的一部分時，咱們能夠利用它來提升咱們的生產力，這是當它變得很是激動人心的時候。

Abbeel 是機器人強化學習的先驅，2011 年被 MIT Technology Review 評選爲 35 位 35 歲如下的創新者之一，他也是一家公司的總裁兼首席科學家，最近在加州建立了一個新公司，該公司正在開發人工智能軟件，讓機器人能夠本身學習新的技能。他也對人工智能的前景感到興奮，但他認爲一些謹慎是必要的。Abbeel 認爲到如今爲止有不少進展，所以對人工智能有不少的興奮，在恐懼方面，最好記住最顯著的進展，好比語音識別、機器翻譯，以及識別圖像中的內容，這些都是所謂的監督學習。

瞭解正在建造的不一樣類型的人工智能很是重要。在機器學習中，有三種主要的學習方式:監督學習、無監督學習和強化學習。監督學習只是模式識別，從語音到文本，或者從一種語言到另外一種語言，這是一種很是困難的模式，但人工智能並無任何目標或目的。用英語給它一些東西，它會告訴你它的中文意思。給它一個口頭的句子，它會把它轉錄成一系列的字母。這是模式匹配。你給它一個模式，好比提供圖像和標籤之類的數據，它學習如何從圖像到標籤。

無監督學習是當你給它提供圖像，沒有標籤的時候，你但願從看到大量的圖像開始瞭解這個世界是什麼樣子，而後經過創建這樣的理解，也許在將來它能夠更快地學習其餘東西。無監督學習沒有任務。只是給它提供大量的數據。

強化學習是很是不一樣的，更有趣，但更困難。當你給系統一個目標， 目標多是在電子遊戲中得到高分，或者贏得一場國際象棋比賽。這就是爲何有些恐懼是合理的，若是人工智能有錯誤的目標，會發生什麼？

這就是爲何人類和人工智能不會在真空中進化的緣由。當咱們建造更智能和更智能的機器時，咱們做爲人類的能力將被加強。

Abbeel 說，「讓我很是興奮的是，咱們如今正在作的是，人工智能的最新事件讓人工智能可以理解他們在圖片中看到的東西，而不是人類層面的理解。若是一臺計算機可以真正理解圖像中的內容，那麼它可能會拾取兩個對象並將其組裝起來，或者它能夠對包進行排序，或者從架子上挑東西。在我看來，不久的未來會有很大的變化，那就是依賴於理解相機給你的東西」。