人工智能的未来理性主义抑或人文主义的选择.docVIP

人工智能的未来理性主义抑或人文主义的选择 　　如今，关于人工智能的各种话题和讨论不断增多，尤其是关于人工智能的商业化，以及产业应用的成熟都促使人工智能逐步落地。科技领域的创业者们都在讨论，人工智能的风潮是否是最后一个引领商业投资浪潮的领域？因为目前在人工智能领域布局的巨头太多，而创业公司的空间也被压缩得非常小。技术领域的人工智能专家们，则在讨论人工智能应该是当代最重要的通用技术，这个技术将从根本上改变社会运行的方式以及经济形态。可事实上，多数人只是知道了这个概念以及由此催生的一系列商业的泡沫，他们并不知道人工智能这个领域的现实状况如何，这个技术领域是如何兴起的，以及关于这个领域的讨论实质是什么。这篇文章将讨论两个基本的问题：第一，人工智能的现状究竟如何，应用人工智能技术的关键主要在哪些方面？第二，人工智能的未来如何，关于人工智能未来讨论的实质是什么？希望本文能够让读者关于人工智能这一技术趋势的认识不是停留在对概念和所谓风口的追捧上，而是对它有更本质的思考。 　　首先我们看看目前人工智能领域的现实状况如何，从技术角度来说，眼下人工智能的应用场景主要集中于以下几个领域：语音，语义的处理，自动驾驶以及机器人，而目前的人工智能主流应用技术是深度学习技术，这门技术来自于加拿大多伦多大学的教授Geoffrey Hinton，所谓深度学习技术就是利用神经科学的理论应用在计算机科学中，从而实现了人工智能领域的技术飞跃。他在上世纪80年代初开始研究以深度学习为代表的人工智能技术，在过去的30年间这门技术其实并非人工智能领域的主流，原因是通过这个算法得出来的结果并不比其他算法更具备优势，而现在深度学习算法的大规模应用，则是由于数据量增大以及计算能力增强以后效果被体现了出来，明显超过了其他所有人工智能技术。值得一提的是，推动深度学习算法广泛使用的一个关键人物来自于斯坦福大学，也是后来谷歌大脑的创始人吴恩达教授，他发现为了让深度学习算法拥有更好的表现，需要提升计算能力，所以他通过引入英伟达的GPU（图形处理单元），使得计算能力提升了上百倍。到了2012年，学术界才开始逐渐接受深度学习技术的应用，学术界看到这个算法超越了其他所有现有的人工智能算法，使得人工智能在某些领域能够打败人类。2016年3月，谷歌AlphaGo在围棋比赛中战胜了世界顶尖棋手李世石，让公众认识到人工智能技术发展以后的超强实力，在那以后人工智能的浪潮也就不可阻挡了。 　　目前人工智能领域的主要特点是：第一，集中于某个特定领域的智能开发，比如自动驾驶，人脸识别等。目前的通用型人工智能技术很不成熟，也很难突破。第二，目前人工智能的应用越来越广泛，而基础的算法和数学基础则没有太大的突破，深度学习是目前这轮人工智能浪潮的基础，但并不意味着这是最好的方式。第三，在某些特定领域，人工智能的表现已经超越人类，但是这种人工智能主要是应用于对人的辅助场景，未来的人工智能技术则更多的是通用型人工智能，接下来我们讨论的也是基于通用型人工智能进一步发展的可能性以及未来人类如何与机器相处的问题。 　　为了更深入讨论人工智能的现实和未来，我们来看看当代人工智能领域最著名的学者之一迈克尔.乔丹的看法，他是美国工程院、科学院和文理学院的三院院士。他的最大贡献在于提出了一种新型的人工智能神经网络（复发神经网络），这是我们前文所提的深度学习技术基础之一，他还指导了自己的学生实现了贝叶斯网络的算法，而这个算法也是目前通用的机器学习工具。他认为：目前的人工智能技术还处于非常初级的阶段，更多的是对人类智能的扩展，而目前的人工智能技?g的应用场景则是建立智能设施，即智能交通、智能城市等基础设施。我们所认为的人工智能技术的讨论，其实存在一个很大的误区，就是用人的思维去理解机器智能，人类的行为更多的是基于个体的选择和心理体验，而机器人则是基于设计者的观念。 　　当然，还有相当多的学者和业界领袖对人工智能领域抱有不同程度的担忧，乔治亚理工学院的机器人专家罗纳德.阿金也是其中一个。在2013年亚特兰大人形机器人大会上，他做了一次关于人工智能的演进，课题是“如何避免打造一个终结者”，除了提到机器人三定律以外，还提醒大家注意著名科幻作家阿西莫夫后来补充的“零号”机器人定律，即“机器人不可以伤害人类，也不可以不作为而令人类受伤”，他的观点是目前人工智能可能会带来对人类文明的威胁，我们必须做好准备。更早之前，在20世纪60年代中期，DARPA信息工程技术办公室主管利克莱德曾经论述过一种变化，就是把用技术增强人类的智能研究逐步变为对自动化机械的研究，也就是人类从一个被增强的主体变为一个接受自动化服务的客体，而这样的结果就是强人工智能会在未来实现，机器将拥有足以匹敌人类智慧和自我意识的能力。 　　对人工智能未来的想象并不是基于现在我