品书网

杂志

保存到桌面 | 繁体 | 手机版
传记回忆文学理论侦探推理惊悚悬疑诗歌戏曲杂文随笔小故事书评杂志
品书网 > 杂志 > 人工智能为什么会强大

人工智能为什么会强大

时间:2024-10-28 03:57:34

在2016硅谷高创会(北京)暨全球产业互联网大会上,创新工场董事长、首席执行官李开复发表了演讲,他认为:“有关机器会取代人脑的讨论,我认为这种说法没有足够的科学根据值得让人们想那么多、担心那么多。在短期内更应该思考如何让人工智能成为人类的工具、人类的奴隶,来为社会创造价值,为创业者创造机会。”他这样说

2016年,人工智能得到全球性关注,主要是因为AlphaGo击败了李世石,于是,人们在全世界的媒体上都看到有关机器会取代人脑的讨论,我认为这种说法没有足够的科学根据值得让人们想那么多、担心那么多。在短期内更应该思考如何让人工智能成为人类的工具、人类的奴隶,来为社会创造价值,为创业者创造机会。

为什么人工智能会这么强大呢?就是因为今天人类所做的大部分工作是重复性的,是基于一个有限领域的,是基于可以客观思考。这些工作在未来的十年都会被人工智能取代。举几个例子:如今美国的美联社90%的稿件已经被机器人取代了;在过去十年间,华尔街的交易员已经一半下岗离职了;未来人们肯定会看到无人驾驶的车,无人驾驶可能还需要十年的时间,但是十年不是很久。当人工智能时代来临时,全世界的人约有9%的部分或全部的工作就即将被智能机器人取代。

如何做到呢?其实在上述领域里,人工智能不是模仿人类,也不仅仅是取代人类,所谓的人工智能就是用特别巨大的数据集看到一个人一生,甚至一百个人一生也不能看到的海量数据,然后用数据推算出逻辑进行判断和推测,作出比人更好的判断。AlphaGo就是研究了几百万的棋谱和用无数小时的时间来学习并最终打败人类专家的。有人说这样不公平,一个棋手不可能花一百万个小时研究棋谱。但这不是公平不公平的问题,而是我们如何用人工智能做出人类不能做的事。好比特斯拉的无人驾驶汽车可以用几亿小时在车的行进中汇集数据,拥有这些数据集成的司机难道不会比人类亲自驾驶更好吗?虽然这一天还没有到,但是如果有一个智能司机做十亿小时的驾驶练习,哪怕它开始像个孩子,学完以后难道不会超过人类吗?我们还可以想象一下,如果有一个人脸识别的机器,它能把全世界罪犯的脸都背下来了,有人类能够做到这一点吗?所以这两个例子可以看到,人类不用丝毫怀疑人工智能会全方面地超越人类。当然,也并不是在所有的领域里都可以超越,仅是在一些可以穷举的领域;可以客观分析的领域;有正确答案的领域;有大数据的领域;有专家参与的领域。因此,人工智能时代会逐渐的发生,不会一次到位的发生。

深度学习带来巨大变革

我个人有幸在30年前开始做人工智能,可惜当时因数据不够,所以并没有做出太多可以超越人类能力的智能机器功能。以往人工智能的对弈也只是在游戏的领域,本身并不带来巨大的商业价值。近几年,人们在业内看到更多的可能是感知,就是用算法,用人工智能来做判断或者反馈,此时机器就要动起来了。人工智能在过去七八年间有特别大的进步,特别是智能识别领域,这是为什么呢?因为在机器学习的领域有一套技术叫作深度学习,它带来了巨大的变革。

简单来说,就是过去人类是需要一步一步地告诉电脑该怎么走,该怎么做,而后人们发现一步一步地教可能会让机器犯错,教得也不全面,也不适合计算机的结构,而更适合人脑的结构。由人告诉机器一切,然后机器来计算,这大概是30年前的技术。而15年前的技术是人类找特征,机器学参数。就是人类告诉机器识别人的时候找眼睛、嘴巴,然后再来计算,技术已经有了提升,属于人机结合的学习。

而深度学习的技术应该算是21世纪才推出的技术。这个技术特别神奇的地方是几乎人类都不参与了,给机器看一亿张脸,机器自己看,学习眼睛、嘴巴或是别的事情,不用再假设人的作用比机器更重要,就把大量数据给机器,让它收取人认为重要的特征,而且这些特征只有机器懂,人都听不懂的。这就是阿尔法狗战李世石的时候,下出了人类顶尖棋手都没有办法看懂的步骤的原因,这就是深度学习。机器能自我学习是一个抽象的概念,而且这个抽象概念超越了人类的想象,因为机器用的数据集比人类思维更大。好比一个孩子能够自我学习,且汇集数据量够大,什么都学的会。大概在2011年,智能识别机器跟人的差别还是74%对94%的差别,如果计算错误率的话,可能要比人类差六至七倍,不太能够用到实际的场景里。但是,每一年智能识别技术都在快速地进步,可以看到在2014~2015年的时候已经超越人类了,而且差距越来越大,这意味着当机器可以识别人脸比人类识别更厉害的时候,以识别人脸为工作的人就要下岗了。此外,其他领域的识别能力也超过了人类,比如语音识别能力已超过人类,应用到客服领域的话,以后每天打电话卖房地产产品的可能都不是人类了,机器比人更听得懂客户的需求。

因此,当某个技术超越人类自身能力的时候,所带来的机会是巨大的。下一个阶段,比如未来五年什么东西会产生巨大的价值呢?我比较看好一个领域,就是大数据挖掘领域,如果一个领域有特别大的数据,只是这个数据没做挖掘,就没有产生价值。比如说商业化的流程、互联网的数据。那么,今天谁最适合做大数据人工智能呢?中国就是百度、阿里巴巴和腾讯,在美国就是Google、微软和Facebook。这些公司已经有互联网大数据了,但怎么做到呢?比方说用百度搜索出了十个结果,但我一个都没有点,这暗示这十个结果都不是我想要的,说明起不到绝对暗示的作用,但如果数据足够多,就可以充分地学习。这种数据挖掘已经被百度、阿里巴巴、腾讯、滴滴、美团所使用,只是在创业领域还没有足够的机会被普及。

目前,全世界范围内还是Google在这个领域做得最好,因为它有全世界最大的数据集,也是世界上做人工智能做得最早的,再加上Google多年累计了大量的技术人才和特别快的机器,所以Google做出来了AlphaGo,而不是百度、阿里巴巴、腾讯、美团和小米。但是Google的野心不仅仅是AlphaGo。2015年10月,Google自我命名为Alphabet,它不仅是一家互联网公司,它可能还有做医学的公司,可能还要做基因检测的公司,甚至做汽车等等领域。Google在做智能产品的过程中发展了一套Google大脑,Google里其实有两套大脑,可以用到各个领域。这个发现才是它的最大价值,无论在其他任何领域,只要有数据就可以启动这个大脑,这让Google拥有了巨大的数据量,可同时启动数十个不同的项目。Google有这么大的野心,就是使用深度学习,在过去的三年间可以看到在应用领域有大提升。美国已经有一些机构,比如OpenAI就担心Google拥有这么多数据,还有没有机会跟它竞争,它会不会已经比人类知道得太多了。我觉得对Google的这个问题来说,百度、阿里巴巴、腾讯,甚至普通消费者和媒体都会担心。当然,最好的办法就是让更多的人参与到这个领域来创业,就不会被某一个公司所垄断了。

做深度学习需解决六个问题

深度学习领域的机会应该怎么捕捉呢?我稍微保守地认为,并不是人人都能做的,且做起来也不简单,还需要解决以下六个问题:

第一,有些领域需要平台化,比如开发一个苹果系统的APP,或安卓系统的APP,只要是计算机程序员就可以学会开发一个APP,但即便是一个优秀的程序员也没法使用深度学习,因为还没有平台化,里面需要很多微调的东西,学习如何调参数很重要,而这方面的专家可能只有几百个人,人才很稀缺。

第二,需要海量的数据问题。不是一千万的数据就是大数据了,这仅是小数据。真的要机器进行深度学习要有用武之地,要有更巨大的数据量。思考怎么用草船借箭的方法,从用户那边拿更多的数据,就像孔明当年没有箭就去借一样。不一定要买。而后有了数据量就意味着需要完善数据的存储以及解决存储量的问题。

第三,思想上要相信人工智能。人们普遍认为,既然人工智能已经超越人了,就可以合理解释给人类它的分析原理,但是机器学习是没有办法告诉人们它是怎么作出决定的。换言之,人们要相信机器的判断,不要总想着追根溯源地去找判断过程,就像AlphaGo打赢李世石,每一步的计算依据是说不出来的。

第四,找专家,但这方面的专家真不多。Google已经开出九位数的薪酬来挖这样的专家,这是以往难以想象的情况。而中国也同样存在挖专家的情况,比如Face++,最近也是努力挖到了在深度学习的华人研究员。人才的价值特别巨大,因非常稀缺,但稀缺现象也仅是未来两三年的现象,我觉得以后会有很多聪明人,尤其在中国涌入这个领域之后,重赏之下必有勇夫。

第五,灵活运用深度学习。当所有的准备工作都完成了但还是不能完成应用该怎么办呢?此时就要用巧妙的,非技术的方法。不要它来取代人,而是辅助人工作就好了。比如在安防领域,不一定需要带着枪的机器人,它只要带着摄像头,拍出来东西告诉人现场的情况就够了。还有在医学领域,不让机器取代医生,但可以给医生做一些工具是完全可以的。此外,我们可以有容错的界面,其实搜索引擎就是容错的界面,界面设计得好也能弥补人工智能的不足。

第六,人工智能存在局限性问题,但人们不用解决这个问题,更应该思考如何能在局限的领域和场景内做好。比如说,为什么要在可控的领域做好无人驾驶呢?特斯拉的自动驾驶汽车出车祸就是因它分不清巨大的卡车和天空的颜色,我们就可以在不会有巨大卡车出现的地方使用它。AlphaGo也怕天黑和下大雪,我们就创造适合它的场景,就像在智能仓库里做机器人,仓库里的灯光和环境都是可控的,不会下雨和下雪,不会有卡车出没,用聪明的局限领域来创造价值。

人工智能的未来蓝图

我预测人工智能未来会普遍应用在以下三大领域:

第一,我们团队相当看好大数据,尤其是在金融领域的应用,因为它有最大的黑盒测试,能够产生最大的效应,也能吸引最大的应用。

第二,智能机器人。人们对机器人在感知方面有个误解,就是自然语言理解能力。不是听到语音了,转变成字了,机器人就懂了,人类很容易懂,但对于机器人来说,听见和识别人讲的字与理解意思是特别大的鸿沟。这个问题我觉得至少五年,甚至十年的时间才能突破。目前,业内都想做家庭机器人,因其具备商业价值,既能让开发者挣钱,又能让用户省钱。可是家庭用机器人不仅只是在家里多了两条腿、两只手和家里人打招呼,这满足不了家庭期望值。这种机器人在日本可能会有市场,但我并不看好,这样的机器人好玩儿,可以做老人陪伴,可以做小孩的玩偶,但仅此而已。要期待它可以炒菜、扫地、成为家庭主妇,或者家庭的新成员、新电器还是天方夜谭。不过,我们可以把这个机器人做成一个音响,或者做成陪伴老人的小机器,类似小鱼在家的陪伴机器人是可以做的。此外,人类所想象的高智能机器人一定会先在商业领域出现,之后才会有希望在家庭中应用。

第三,无人驾驶领域,它至少在十年以后才会被普及。2014年,我们团队就悄悄地耕耘这个领域了,之所以没对外公布,是因为有些领域的投资一旦被公布,这个领域很快就被玩坏了。目前,我们已向20余家公司投资了近一亿美金,未来,人工智能会迅速渗透到各个行业,改变人类的社会。(本刊记者承安报道张宇佳摄影)
   

热门书籍

热门文章