|
在紐約約克敦海茨的IBM實驗室，可以一瞥正快速到來且人們期待已久的人工智能。這里是Watson的家，它在2011年稱霸智能競賽節(jié)目Jeopardy!。初版Watson還在這，大概有一個臥室大，10臺冰箱狀的機器組成了四面墻。這些機器內(nèi)部的小細孔可以讓技術(shù)人員們連到機器后面的線纜上。而且這里面很溫暖，就像這個集群活過來了一樣。 現(xiàn)在的Watson發(fā)生了天翻地覆的變化。它不再只存在于由十幾臺機器組成的集群中，而是在由開源標準服務(wù)器組成的云中，一次運行數(shù)百個人工智能“實例”。和所有云端化的東西一樣，Watson要同時服務(wù)世界各地的客戶，這些客戶通過手機、桌面機或數(shù)據(jù)服務(wù)器連接。這種人工智能可以按需擴大或縮小規(guī)模。 隨著人們的使用，人工智能會得到改善，Watson正變得越來越聰明；它從一個實例中學到的東西會立即傳輸給其他實例。它不是一個程序，而是由多個軟件引擎組成的集合體，它的邏輯推導引擎和語言解析引擎可能使用不同的代碼，運行在不同的芯片上，位于不同的地理位置。所有這些部分都聰明地集合成了統(tǒng)一的智能流。 消費者們可以直接連線這一永久在線的智能，也可以使用駕馭了這一人工智能云力量的第三方應(yīng)用。就像許多睿智的父母一樣，IBM希望Watson能從醫(yī)，因此有一款醫(yī)療診斷工具正在開發(fā)中也就不稀奇了。此前，大部分試圖制造診斷AI的企圖都以失敗告終，但Watson真的可行。比如，你告訴Watson自己曾染上的一種病的癥狀，它給出了一張可能性由高到低的疾病清單。目前這一技能還沒有直接提供給病人；IBM的合作伙伴們可以利用Watson的智能，從而開發(fā)對用戶友好的界面，提供給訂閱服務(wù)的醫(yī)生和醫(yī)院。“我覺得Watson很快就能成為全世界最好的診斷醫(yī)生。按照現(xiàn)在AI技術(shù)的提高速度，這個時代出生的孩子長大成人時，就很少需要看醫(yī)生了”，Scanadu首席醫(yī)學官Alan Greene表示道。Scanadu是一家創(chuàng)業(yè)公司，正在開發(fā)一款借鑒了《星際迷航》中醫(yī)用三錄儀( tricorder)，由云AI驅(qū)動的診斷設(shè)備。 醫(yī)療只是開始。所有大云服務(wù)公司以及眾多創(chuàng)業(yè)公司都爭先恐后地推出了類似于Watson的認知服務(wù)。根據(jù)定量分析公司Quid的數(shù)據(jù)，在2009年以來，AI吸引了超過170億美元的投資。去年一年就有超過20億美元投資給了擁有類AI技術(shù)的322家公司。Facebook和Google已經(jīng)招募研究人員加入它們的內(nèi)部AI研究團隊。自去年以來，雅虎、英特爾、Dropbox、LinkedIn、Pinterest和Twitter都收購了AI公司。過去四年間，AI領(lǐng)域的私人投資以年增長率62%的速度增加，預(yù)計這一速度將延續(xù)。 在所有這些活動中，未來的AI正逐漸顯現(xiàn)，它不是像《2001：太空漫游》中的HAL 9000一樣擁有與人類相似的意識，也不是奇點論者宣稱的超智能。未來的AI更像是廉價、可靠、工業(yè)化的亞馬遜網(wǎng)絡(luò)服務(wù)，讓數(shù)字智能運行在所有事物之后，平時幾乎不可見。這一通用設(shè)施將提供你所需要的智能，不多不少，恰如其分。和所有設(shè)施一樣，AI會超級無聊，即便它轉(zhuǎn)變了互聯(lián)網(wǎng)、全球經(jīng)濟和文明。它會讓無生命的物體活躍起來，就像一個世紀之前的電一樣。如今，我們接受了所有電器。而新的實用性AI也將增強個人生活（加深我們的記憶，加速我們的認知）和整個人類的生活。通過加入額外的智能，所有東西都能變得有趣而不同。事實上，接下來一萬家創(chuàng)業(yè)公司的商業(yè)計劃書很容易預(yù)測：在某件事情中加入AI。這是了不起的事情，現(xiàn)在它出現(xiàn)了。
大約在2002年時，Google舉辦了一個小聚會，這時Google還沒有IPO，重心完全放在搜索上。聯(lián)合創(chuàng)始人拉里·佩奇被問到，“拉里，我還是不明白，市面上有這么多搜索公司。免費的網(wǎng)絡(luò)搜索？你是怎么想到這個主意的？”當時Google還沒有改善其廣告拍賣機制來產(chǎn)生真實收入，也沒有進行諸多大收購。一邊用著Google一邊想著它撐不了多久的人很多。但佩奇的回答道：“噢，我們其實在做一個AI?！?/p> 過去幾年間，Google收購了14家AI和機器人公司，他的話也讓人思考了很久。乍一看，你可能覺得Google正通過擴大AI投資組合來改善搜索能力，因為搜索貢獻了Google 80%的收入。但也許正相反，Google并沒有用AI來讓搜索變得更好，而是用搜索讓AI變得更好。每次用戶輸入查詢詞，點擊搜索引擎生成的鏈接，或者在互聯(lián)網(wǎng)上創(chuàng)造一個鏈接，用戶都是在訓練Google AI。當用戶在圖片搜索欄輸入“復活節(jié)兔子”，并點擊最像復活節(jié)兔子的圖片時，他們都是在告訴AI，復活節(jié)兔子長什么樣。Google 12億搜索用戶每天進行的121億次搜索都是在不斷訓練Google AI。再對其AI算法進行10年的穩(wěn)定改進，加上1000多倍的數(shù)據(jù)和100多倍的計算資源，Google將擁有一個無可匹敵的AI。到2024年，Google的主要產(chǎn)品將不是搜索，而是AI。 當然，這一觀點很值得懷疑。近60年來，AI研究者們都預(yù)測AI即將到來，然而幾年前，AI好像還是遙不可及。甚至有一個詞被發(fā)明出來，描述這個結(jié)果糟糕研究發(fā)現(xiàn)更暗淡的時代：AI寒冬。是不是有什么事情真的改變了？ AI領(lǐng)域的三大突破是的。近年來的三大突破推動了人們期待已久的人工智能的到來。 1. 廉價的并行計算思考天然就是一個并行過程，數(shù)十億神經(jīng)元同時運作來創(chuàng)造同步的皮層計算波。為了打造作為AI軟件主要架構(gòu)的神經(jīng)網(wǎng)絡(luò)，需要多個不同的進程同時進行。神經(jīng)網(wǎng)絡(luò)的每一個節(jié)點都大致代表大腦的一個神經(jīng)元，與周邊節(jié)點互動，理解接收到的信號。為了理解一個說出來的詞，程序必須能聽到所有相關(guān)的音素；為了識別一張圖片，它需要看到每一個像素以及周邊像素；這些都是需要深度并行計算的任務(wù)。但直到最近，通常的計算機芯片都只能一次處理一項任務(wù)。 這一切從十多年前就開始改變了，圖形處理單元（GPU）芯片的出現(xiàn)，可以用來滿足視頻游戲中繁重的視覺和并行計算需求，即每秒需要多次重新計算數(shù)百萬像素。這一任務(wù)需要一塊專門的并行計算芯片，作為PC主板的補充。這種并行圖形處理芯片奏效了，游戲性大幅飆升。到2005年，GPU價格大降。2009年，斯坦福大學的吳恩達(Andrew Ng，現(xiàn)已加入百度)及其團隊意識到，GPU芯片可以并行運行神經(jīng)網(wǎng)絡(luò)。 這一發(fā)現(xiàn)釋放了神經(jīng)網(wǎng)絡(luò)新的可能性，使得神經(jīng)網(wǎng)絡(luò)節(jié)點的連接數(shù)可達數(shù)億。傳統(tǒng)處理器計算一個一億節(jié)點神經(jīng)網(wǎng)的所有級聯(lián)可能性需耗時數(shù)周。而吳恩達發(fā)現(xiàn)，一個GPU集群完成同一任務(wù)只需一周。如今，諸多使用云的公司使用運行在GPU之上的神經(jīng)網(wǎng)絡(luò)，比如識別照片中用戶好友的Facebook，為其5000萬訂戶提供可靠推薦的Netflix。 2. 大數(shù)據(jù)每一種智能都需要教育。就算是天生能進行分類的人腦，也需要看到十幾個例子，才能分辨貓和狗。這一點對于人工智能而言更是如此。即便是編得最好的程序也需要玩至少一千局國際象棋才能表現(xiàn)良好。AI突破的部分原因是我們收集到的海量數(shù)據(jù)，為訓練AI提供了所需的材料。巨型數(shù)據(jù)庫、自追蹤、網(wǎng)絡(luò)cookie、在線足跡、TB級存儲、十幾年的搜索結(jié)果、維基百科以及整個互聯(lián)網(wǎng)都成了讓AI變得更聰明的老師。 3. 更好的算法數(shù)字化神經(jīng)網(wǎng)絡(luò)發(fā)明于20世紀50年代，但計算機科學家們花了數(shù)十年時間來駕馭100萬到1億個神經(jīng)元之間龐大的組合關(guān)系。解決問題的關(guān)鍵是按層來組織神經(jīng)網(wǎng)絡(luò)。就比如識別人臉這個相對簡單的任務(wù)。當一個神經(jīng)網(wǎng)絡(luò)中有一組比特被發(fā)現(xiàn)符合某個模式（比如眼睛）時，這一結(jié)果就會傳輸給神經(jīng)網(wǎng)絡(luò)的另一層來進一步解析。下一層可能會將兩只眼睛組合到一起，然后將這一有意義的結(jié)果傳輸給下下一層，而下下一層又可以將這一結(jié)果與鼻子的模式聯(lián)系在一起。識別一個人臉可能需要幾百萬個節(jié)點（每個節(jié)點都會生成供周圍節(jié)點使用的結(jié)果），層數(shù)可達15層。2006年，當時供職于多倫多大學的Geoff Hinton對這一方法進行了一次關(guān)鍵改良，并將它命名為“深度學習”。他能從數(shù)學上優(yōu)化每一層的結(jié)果，從而使學習速度加快。幾年后，深度學習算法被移植到GPU上，速度提升巨大。深度學習算法并不足以保證復雜的邏輯思考，但它是目前所有AI必不可少的組成部分，包括IBM的Watson、Google的搜索引擎以及Facebook的算法。
這一由并行計算、大數(shù)據(jù)和深度學習算法組成的完美風暴使得進行了60年的AI一夜成真。而這一交叉也表明，只要這些技術(shù)趨勢延續(xù)下去（也沒有理由不延續(xù)），AI將繼續(xù)得到改進。 隨著改進的繼續(xù)，這一基于云的AI將日益成為我們?nèi)粘Ｉ畈豢苫蛉钡囊徊糠?。但這一切都有代價。云計算遵循收益遞增的法則（有時候也被稱為網(wǎng)絡(luò)效應(yīng)），即網(wǎng)絡(luò)越大，增長越快。網(wǎng)絡(luò)越大，對新用戶的吸引力就越大，從而使得網(wǎng)絡(luò)變得更大，這又進一步增大了吸引力，如此往復。提供AI的云也遵循同樣的法則。越多人使用AI，AI就會變得越聰明。一旦一家公司進入這一良性循環(huán)，它就會變得更大，增長得更快，沒有任何新興競爭對手能與之匹敵。因此，未來的AI將由兩到三家大的通用云AI公司統(tǒng)治。 半人半AI1997年，Watson的前任深藍擊敗了當時的國際象棋大師Garry Kasparov。在機器又勝了幾場類似的比賽后，人類基本上失去了對此類比賽的興趣。你可能以為這就是故事的結(jié)局了，但Kasparov意識到，如果自己也能像深藍一樣立刻訪問此前國際象棋棋局的海量數(shù)據(jù)庫，他能表現(xiàn)得更好。如果這一數(shù)據(jù)庫工具對于AI來說是公平的，為什么人類不能用呢？為了探索這一想法，Kasparov率先倡導人加機器比賽的概念，即用AI增強人類國際象棋選手，而不是人類對抗機器。 如今這類比賽被稱為自由風格國際象棋比賽，選手們可以使用任意對抗技術(shù)，可以單人上，也可以完全按照國際象棋計算機的要求移動棋子，或者如Kasparov 所倡導的成為“半人半AI”選手?！鞍肴税階I”選手將聽取AI提供的下棋建議，但通常會不顧這一建議，就像我們在汽車上使用GPS導航一樣。在2014年的自由風格國際象棋冠軍賽中，純粹的國際象棋AI引擎贏了42場比賽，而“半人半AI”選手贏了53場比賽?，F(xiàn)在最優(yōu)秀的國際象棋選手就是“半人半AI”的Intagrand，這是一個由人類和多個國際象棋程序組成的團隊。 但最令人驚訝的是：AI的出現(xiàn)并沒有降低純?nèi)祟悋H象棋選手的表現(xiàn)。相反，便宜、超級聰明的國際象棋程序激發(fā)了更多人來玩國際象棋，聯(lián)賽場數(shù)增多，選手們也變得更好了?，F(xiàn)在的國際象棋大師人數(shù)是深藍擊敗Kasparov時的兩倍多。如今排名第一的人類國際象棋選手Magnus Carlsen接受了AI的訓練，他被視為最像計算機的人類國際象棋選手，同時也是有史以來排名最高的人類國際象棋大師。 AI定義了人類如果AI能幫助人類成為更好的國際象棋選手，它也能幫助我們成為更好的飛行員、醫(yī)生、裁判和老師。大多數(shù)由AI完成的商業(yè)工作都將使用專門的軟件AI，比如某個AI能將任意語言翻譯成另一語言，但在其他方面就無能為力了；能開車，但不能對話；或者能回憶起YouTube上所有視頻的每一個像素，卻不能預(yù)測用戶的日常工作。在未來10年中，人們直接或間接打交道的AI中有99%會是高度專一的專家AI。 事實上，這并非真正的智能，起碼不是我們所認為的智能。實際上，智能可能是一種傾向，尤其是如果我們認為“智能”是自我意識的話。我們希望自動駕駛汽車只專注于道路，而不是和車庫爭論。醫(yī)院里的Watson應(yīng)該專心于自己的工作，而不是想是否應(yīng)該先主修英語。隨著AI的發(fā)展，我們可能要預(yù)防AI產(chǎn)生意識，最高級的AI服務(wù)可能會以無意識來標榜自己。 相反，我們想要是人工智慧而非智能。與通常的智能不同，智慧專注、可度量，具有專門性。智慧也能以完全不同于人類認知的方式思考。這種非人類思考方式的有趣例子是，IBM研究人員在今年3月的西南偏南大會上演示了用Watson生成菜譜。其中一個菜譜是使用了酸橘汁腌魚和油炸車前草的炸魚和薯條。有人試吃了后，感覺味道還不賴！人類可能根本就想不到這種菜譜。 非人類智能不是問題，而是功能。AI的主要優(yōu)點就是它們的異類智能。AI思考食物的方式與大廚不同，從而也能讓我們以不同的方式思考食物，思考制造材料、衣服，思考金融衍生物，或是任一門類的科學和藝術(shù)。人工智能的異類性對我們的價值將比其速度或力量更大。 AI將幫助我們更好地理解智能。過去，我們會說超智能AI將駕駛汽車，或是在國際象棋大賽上擊敗人類。而一旦AI做到這些事情，我們就覺得這些成就并不足以稱之為真正的智能。AI取得的每一次成功都重新定義了自己。 但我們不只是在重新定義AI的含義，我們也在一直重新定義人類的含義。在過去60年中，隨著機械加工復制了我們曾以為只有人類具有的行為和能力，我們不得不改變之前將人類與機器區(qū)分開的看法。隨著更多種類AI的發(fā)明，我們將被迫放棄更多被視為只有人類具有的東西。我們將在接下來的十年或一個世紀中面對一場永久的身份危機，不斷追問人類存在的意義。最諷刺的是，日常使用的實用性AI帶給人類最大的好處不是增加了效率，帶來了豐饒經(jīng)濟，或是進行科學研究的新方式，而是幫助定義人類。我們需要AI來告訴我們是誰。 via wired |
|
|
1370人投票
