人工智能可以接管世界吗?

据统计,到2020年,接入互联网的设备将会突破五百亿。

于是,如何有效地管理如此数量巨大的电子设备将成为一个棘手的问题。尽管配备了深度学习功能的神经芯片将会嵌入到这些设备之中,使得万物有灵不再是神话,但人类有限的认知资源仍然无法细微的关注到每一个智能硬件。我们必须借助人工智能,一个由AI管理的世界将不可避免地到来……

人工智能这个词虽然已经火热,但是AI技术的落地仍然是一个重大而未解决的问题。如果你已经读过我的AI视野系列的上一篇文章:,就不难了解到,这一波人工智能革命所仰仗的深度学习技术实际上是一场界面革命。语音、图像、文本识别与理解等技术的深入发展,将使得人与机器之间的互动变得更加多元化,更加自然、顺畅。

最近,亚马逊出品的爆款:智能音箱Echo就是一个很好的人工智能落地产品。你不仅可以用它来播放任何你想要类型的音乐,还能够用它来链接第三方服务接口,来完成订购外卖、健身等应用,甚至在你无聊的时候还可以跟它闲扯两句。

出门问问是一家中国的人工智能公司,曾获Google投资。他们主打的产品就是这款称为Ticwatch 2的智能手表。戴上它,你不仅可以和它自然地交谈,而且你还拥有了整个互联网,因为它可以自动地帮你搜索答案。

这还仅仅是开始,接下来,智能硬件、智能家居、物联网等概念会再次袭来。然而,就在两年前,智能硬件还遭遇过滑铁卢,为什么呢?我认为这里的关键就在于这些智能硬件都缺乏人工智能。

记得有一次,有人送我一个智能插座让我体验。我本想好好玩一下,却发现必须先要安装一个APP还有一大堆的设置,于是我果断把它扔到了一边。我是一个时间极度缺乏的人,哪还有时间去为了一小小插座安装APP?正是因为智能硬件很多都是小物件,它所隐藏的时间成本才会很高,我们不值得花费大量的时间去指挥它,所以人工智能对于这些小硬件来说,才是至关重要的技术。

从另一个角度说,这些智能硬件会为人工智能的落地提供舞台和应用场景。设想一下,当我把那个智能插座接上电以后,它会用流畅的中文跟我聊上几句,完成繁琐的设置,同时还能依据我的心情变换颜色,智能地帮我进行节能省电,那么我一定会爱上这个插座的!所以,硬件和人工智能简直就是天作之合。

目前的人工智能硬件主要依赖一种端-云模式。端就是智能硬件/智能终端,它解决了人工智能算法触及到每一个用户的能力;而云就是指存储人工智能算法的区域,它为每一个硬件添加了超级强大的计算能力。甚至我认为这样一种端-云模式会朝着小与大的两级发展。

所谓的小就是说承载智能的硬件会越来越小,越来越不起眼。以后,可能一把钥匙,一个纽扣都是一个端。而大则是指成千上万这样的设备会链接到云端的人工智能服务器。通过大量的端收集得到海量数据传输到云,驱动着人工智能算法能够快速地挖掘出适合每个用户的个性化服务模式。

然而,这种端-云的模式显然也并非完美,最主要的问题是端与云之间差着一个网。智能服务经过网络延迟后就会大打折扣。人们正在尝试新的途径。

一种途径就是赋予每个端更强的计算能力。一旦我们将承载了深度学习的专有芯片装进了每一个智能端,那么端就可以在本地拥有强大的人工智能能力。

英伟达乘着人工智能时代的巨浪一跃成为了最大的硬件厂商赢家正是这一趋势的体现。本来,GPU(Graphics Processing Unit)是为了满足成千上万网游玩家而开发的一种专有芯片,它在矩阵乘积、三维图形渲染等功能的运算可以极大加速。没想到,机器学习中的神经网络恰恰也存在着大量的矩阵运算,这就使得GPU领域的霸主英伟达成就了伟大的事业。

无独有偶,最近的人机大战中,Google借机开始不遗余力地推广它新研发的TPU芯片。听说过CPU和GPU,这个TPU又是什么?这是Tensor Processing Unit的简称,其中Tensor是指张量,它是现在深度学习的基础数据结构。所以,Google的TPU本质上就是专为深度学习设计的人工神经网络芯片。随着深度学习技术的成熟,人们将会用神经芯片替代现有的芯片而装入成千上万的设备中。

据有关部门预测,到达2020年,接入互联网的设备将达到五百亿,是现在的3倍。如果每台设备都能接入TPU芯片,那么我们将会真正步入一个万物有灵的时代。

我们知道,深度神经网络本质上就是一种可以学习,能够不断适应外界的技术。所以,你的椅子将会适应你的习惯而自动地调节靠背的角度;你的眼镜将会自动将你感兴趣的画面拍摄成照片或视频存储下来;你可以直接用语言或者手势来操控空调;你家冰箱会自动识别、计算存储的食物,给你更好的膳食建议。甚至于每个小螺丝钉或者硬币都是有思想的(如果还有硬币的话),你可以在无聊的时候和它们聊聊天,询问一下今天的心情如何……

那么,深度学习需要耗费大量的GPU(或TPU)算力,小小硬件可以承载如此大规模的运算吗?实际上,在训练阶段,GPU的确会消耗掉大量的算力,但是装载到智能硬件中的神经网络大多都是训练好的,这种网络的运算需求没有那么强。况且,目前的人工智能界开发了一种Teacher-Student的训练方法,可以使得我们将一个大大的神经网络压缩到一个小小的芯片之中。

我们只需要让你通过大数据训练好的大网络作为老师,让你要安装在神经芯片中的小网络作为学生,然后让老师不断地吐出数据,来训练那个学生网络就可以得到一个既聪明又小巧得多的小型神经网络。

可以想到,一旦技术可以赋予万物智能,链接到互联网的设备将会呈现指数暴涨。接下来,就会出现一个非常严重的问题,就是究竟如何管理这些设备呢?

答案仍然是人工智能!即使我们人类可以无障碍地与这些智能设备进行自然交流,我们有限的认知资源仍然没办法管理爆炸式增长的设备,所以我们必须用人工智能来延伸我们的认知资源,去接管整个世界的运转。所以,AI掌管世界的局面将必然来到。

AI怎么管理这个世界呢?它将主要依赖一种我称之为“深度规划”(Deep planning)的技术(请大家不要百度,这是我自己发明的一个词儿,真正的技术还没出来呢)。所谓的深度规划,就是指深度学习,特别是生成式模型深度学习与传统的规划技术相结合的混合物。

我们以智能家居的场景为例。

假如我劳累了一天拖动着疲惫的身躯回到了家里,然后我往沙发上一趟,就可以对着房间中的智能中心说“我累了,请想办法让我放松一下”。于是,智能中心接收到了指令以后,就会播放一段优美的音乐让我放松,背景调节成了暖暖的咖啡色,沙发靠垫也变成了按摩装置给我揉背。所有这一系列动作都需要人工智能帮我来做,而不需要我再分别针对音响系统、灯光系统、沙发靠垫一一发号施令。所以,要完成这一系列的动作,AI必须通过规划技术。进一步,如果第二天我同样回到家中,对智能中心喊:“我累了,请想办法让我放松一下”。于是,人工智能会给我提供完全不一样的方案,它很快将浴缸放满了水,并邀请我去泡个澡。

请注意,人工智能要做到这一点,不但要具备协调一系列智能设备的能力(就像现在大多数智能家居所能做到的),还需要提供多样性的解决方案。也就是说,机器知道“让我放松”这样一种状态,既可以用按摩、放音乐来完成,又可以用泡澡的方式来完成。

这就像是一个模式识别的反问题。在模式识别中,我们会对不同的图像归类为几种。尽管每次识别的时候,人脸图像会有少许的差异,但是深度学习网络仍然可以正确地识别。而现在的情形是,机器要根据一个指令“让我放松”,从而给出完全不一样的解决方案,并且每种方案都能让我识别成“放松”这样的状态——这就是深度规划。

深度学习模式识别是多对一的任务,而这种规划则是一对多的。深度规划更像现在的所谓生成式模型。例如,AI可以根据一句话从而生成一张图片,每次运行图片可能还会不一样,但是它们都具备类似的特征。如果我们将智能家居未来的状态理解为一张图片,那么深度规划神经网络就会根据我的指令输入生成未来的家居状态。

“深度规划”将会是AI接管世界最重要的技术之一。它的应用场景将不仅局限在智能家居和物联网。它更可以在社会生产中扮演重要的角色。你能想象2030年的淘宝将会是什么样子的?假如你要举办一个大型的生日Party,你可以直接对着淘宝的智能助理说,“我想要一个生日Party,充满创意,特别刺激的那种”。于是,淘宝智能助理会首先根据你这句话展开语义分析与理解,并开始利用深度规划技术来实现你这种所谓的“充满创意、特别刺激”,它会自动规划出,你需要购买什么什么服务,然后给出你相应的解决方案和花费让你确认。你的一个指令会激发淘宝智能助理一系列的动作,以满足你的需求,这就是深度规划。

“深度规划”技术还仅仅是把我们人类的注意力、认知资源进行了有限的延伸,但这显然不够。一旦智能硬件的增长速度达到了指数级,我们人类的认知延伸就触及不到了。于是,这个时候必然会出现一种局面,就是城市中出现了大面积的区域是人工智能自己玩的世界。

如上图所示,我们将人定为中心,则人的外围是我们的注意力经常打交道的世界。日后,这个区域将会被各种类似于亚马逊Echo的智能代理程序所包围,我们是透过这个界面与外界世界打交道的。紧接着,智能代理之外的一片区域将是智能代理控制,但是人类的认知资源很少触及的一片区域。这里将会是深度规划(Deep Planning)的主要负责区域,在这里,虽然我们的注意力已经很少触及,但是我们还是会偶尔对其进行观测和评价,从而监督智能代理。再往外就是我们人类认知资源基本上无法触及的区域了,而在这里将会形成一片人工智能自己玩的区域。

事实上,我们对这片领地也并不完全陌生,早在1969年就已经诞生了一个有史以来最大的“无人区”,这就是我们熟知的互联网。现在,没有人真正知晓整个互联网是如何运作的,我们已经完完全全将这片区域的主导权交给了算法。未来,这种趋势会愈演愈烈,无论是交通、社会,还是我们的经济系统,算法与人工智能会一点点地把它们蚕食掉,然而我们人类却对此不仅视而不见,反而乐此不疲。原因是,将管理交给人工智能将会是高效的!

在这一片AI自己的领地,一个比较有意思的问题就在于多个AI主体彼此之间的交互。集智俱乐部公众号曾经推送过一篇文章“”,文章指出,主流经济学那些“陈旧、迂腐”的观点将会在这片无人区中复兴。

有关更多人工智能与AI之间的事儿,请看后续文章。


废话不多说,后台回复:深度学习获取电子版教程。

也可以参看张江的解读:漫谈深度学习革命







搜索公众号:集智俱乐部

加入“没有围墙的研究所”

让苹果砸得更猛烈些吧!

始发于微信公众号: 集智俱乐部

}


· 超过50用户采纳过TA的回答

作者:知名科幻作家,凭《北京折叠》获雨果奖郝景芳

在写《北京折叠》的时候,我曾预测了机器人取代人类劳动后造成的社会影响。当时,我原以为受冲击最大的是底层劳动力,但按照目前的技术趋势看,反而是初级和中级白领的工作最容易被取代。

为什么这样说呢?因为底层劳动力只有工厂工人容易被取代,而服务业从事者反而很难被取代,因为机器人的灵活性不如人,非标准工作环境会让机器人无所适从。

但相对而言,很多白领工作因为工作环境简单、工作内容重复、基本上是与数据和文档打交道,很适合人工智能去做。可以说未来只要是标准化、重复性工作,多数都可以交给人工智能来做。

在未来,白领们需要具备哪些能力,才不会被机器人取代呢?我将这些能力归类为以下三种:

第一种能力,是围绕人工智能发展产生的。人工智能并不是洪水猛兽,相反,它们可以让我们的工作事半功倍。人类需要理解人工智能,懂得如何与人工智能和谐相处,并利用人工智能更好地服务于自己。

而与智能世界相处,基础思维能力仍然是重要的。人工智能时代,知识技术更新很快,人们需要不断自我学习,让自身更新的速度与时代匹配。而自我学习能力,最需要的是良好的自主阅读能力、抽象思维能力、自我反思能力。

阅读和数学抽象思维不是人类本能,必须通过系统化教育打好基础,我不赞成僵化灌输的教学法。学习语文、数学,不是学习背诵和计算,而是要理解语言表达的内涵,抽象思维的逻辑。人工智能程序的基础仍然是语言概念表达和数学逻辑思维。

在未来,围绕人工智能会有一系列的衍生职业。而普通人即使不懂得人工智能背后的技术原理,只要能充分理解它的应用场景,也仍然可以最大限度利用人工智能工具,改善自己的生活与工作,让社会变更好。

第二种能力,是围绕人际沟通领域产生的。个人判断,在未来很长一段时间,人与人沟通交流仍然是机器不可取代的。一方面,即使人工智能进一步大力发展,它们离理解人类世界和人类心思仍然有较大差距,因而不可能完全替代人际沟通。

当人工智能接管大量基础单一型工作之后,人与人沟通会是需求更广的领域,剩下的绝大多数职位和需求可能都集中在需要人与人大量沟通协作的领域。因此,想要跟得上智能时代的发展,与人沟通的能力会变得越来越重要。

可以想象,未来不可能再像过去一样,一份工作可以一成不变地做一辈子。标准化工作都容易被机器自动化,而非标准化工作,一般都意味着大量不确定性,需要不断磨合、团队协作、沟通、修改、随机应变、相互妥协。

例如一个节目摄制组,一些形成惯例的机位摄制可能可以自动化运行,一些基础脚本和服务工作可以每期交给人工智能,但是每期节目仍然需要大量现场临时调整、与参与节目的嘉宾沟通、节目本身的创意沟通,人与人协作。

未来,在情感关怀与陪护、人的社交娱乐方面,也会有更多基于人心灵沟通的需求。

第三种能力,是未来需求的关键性能力:做那些人工智能难以做好的事情,给人工智能指引方向。

什么是人工智能做不到的能力?核心中的核心是两条:世界观和创造力。

我琢磨了很久,才想出这两个关键词。人类所拥有的不少能力,是人工智能目前尚不具备的,还需要很长时间发展和算法的突破,才有可能有所进展。

而那些能力则包括常识、抽象思维、跨学科认知、感知他人心思和情感、元认知、对不确定价值目标进行抉择等等。将所有这些具体的能力汇集到日常生活工作中,就可以总结为两点:世界观和创造力。

世界观是常识的升级,是我们对世界的全景认知。目前,人工智能理解专业性问题已经非常出色,但综合性问题仍然让其非常困扰。

围棋人工智能可以下围棋、医疗人工智能可以看病、金融人工智能可以投资、销售人工智能可以推销,然而没有人工智能可以用同一系统学会两个领域的事。它们可以从海量专业数据中总结规律,但是回答不出日常生活中的情境问题——日常生活的问题总是涉及跨多个知识领域的综合常识。

而人类对此有着天生的本能,我们能够建构整个世界的模型,把人放在大量背景知识组成的常识舞台上,对其行为加以理解。

常识的升级让我们具有洞察力和世界观。各方面的常识越丰富坚实,相互之间联系越清晰,你越能一眼看到各个部分的问题,找到系统性解决方案,理解全局局势,从而判断出趋势。

这种系统性趋势理解和基于过去趋势经验的外推不同,它是对多领域知识相互关系的理解,根据各部分关系的走势变化,对整体趋势做出判断。如果只能学习某一模块内的专业知识,不可能对全局有所把握。

这种能力,绝不仅仅是单纯输入数据能够做到的。IBM的人工智能“沃森”几年前就输入了维基百科的多学科知识,也在知识竞赛中打败人类选手,但它并不能运用这些知识为人类提供有价值的创新。

而我们的世界观,能让人类有跨专业的创新能力——从物理和生物的结合中做出蛋白质组学;把音乐领域理论带入建筑设计;能将政治、经济知识与生活场景对应,最终以波普艺术的方式呈现出产品。

构建知识的全景舞台,让多学科门类知识搭配组合,创建更有意义的事物,这是目前的人工智能难以跨越的一步。

另一方面,创造力是生成有意义的新事物的能力。它是多种能力的综合,一方面要求理解旧事物,另一方面能够想象新事物。对既有数据的学习和遵循是人工智能可以做的,但是对不存在的事物的想象,人工智能远远不如人类。

说有意义的新事物,是因为目前人工智能有一种“伪创造力”,也就是随机制作或统计模仿。只要一个程序,就可以随机生成一百万幅画,或者统计畅销小说中的语句和桥段,进行模仿和组装。但这不是有意义的创造,它们不懂它们创造了什么。

真正的创造力,应该是对问题的深刻洞察,提出与众不同的全新的解决方案,或是对想象的极大拓展,让奇思妙想转化为可实现的全新作品,或是对人性的复杂领悟,把人心不可表达的感触转化为可表达的感人艺术。

创造力让人不断拓展自身的边界。在越来越大的版图中,将重复机械的工作交给机器做,人类才能在新大陆找到存在空间。有创造力的人越多,新版图就越大,能够容纳的人就越多。但进入的前提是,需要具备创造力。

创造力仍然是人类独特的能力,它需要太多人类特质做基础:审美能力、独特的联想能力、敏锐的主观感受、冒险精神、好奇心和自我决定、发散思维和聚合思维的切换,最后,还需要对事情强烈的热爱。

下载百度知道APP,抢鲜体验

使用百度知道APP,立即抢鲜体验。你的手机镜头里或许有别人想知道的答案。

}

我要回帖

更多关于 人工智能的应用 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信