性能電力怪獸 等你帶回家 住Villa流水蝦吃到飽三大議題看當前購屋迷思 中台若軍事衝突? 蔡英...
2019-02-04 16:08:09 | 人氣(317) | 回應(0) | 上一篇 | 下一篇

漫談人工智能的未來:變成基礎設施被忽略

推薦 0 收藏 0 轉貼0 訂閱站台

有這樣一種常見的心理現象,任何一個單詞重複足夠多次,最終就會失去所有的意義。對我們許多人來說,人工智能這個詞很久以前就以這種方式土崩瓦解了。但是,現實是,人工智能現在在科技領域無處不在,這些詞本身的意義從未減弱。






雖然“人工智能”這個詞無疑是被誤用了,但這項技術的作用比以往任何時候都要大。它被用於醫療保健和戰爭,它幫助人們創作音樂和書籍,它會仔細篩選你的簡歷,判斷你的信用度,調整你手機上的照片。簡而言之,無論你喜歡與否,人工智能都在影響著你的生活。



對於科技公司和廣告商對人工智能的炒作和吹捧,我實在很難認同。以歐樂B的Genius X牙刷為例,這款牙刷是今年在CES上發佈的眾多號稱具有人工智能功能的設備之一。但如果你仔細研究一下新聞稿上的大字標題,就會明白這所謂的人工智能只能提供“你是否在正確的時間和地點刷牙”這樣簡單的反饋。有一些智能感測器可以幫助你定位牙刷在嘴裡的位置,但稱它為人工智能只是胡言亂語,僅此而已。


但是如果沒有這樣的大肆宣傳,公眾就會產生誤解。媒體報導可能會誇大研究,在任何模糊的人工智能故事上都貼上終結者的照片。這常常歸結為對人工智能究竟是什麼的困惑。對於非專業人士來說,這可能是一個棘手的問題。而且人們經常錯誤地將如今的人工智能與他們最熟悉的一種科學願景混為一談:一台比人類聰明許多倍的有意識的計算機。專家們把這個人工智能的具體事例稱為人工通用智能,如果我們真的要創造出這樣的東西,那還有一段很長的路要走。在此之前,沒有人會因為誇大人工智能系統的智慧或能力而受益。


那麼,與其談論人工智能,不如談談“機器學習”。這是人工智能的一個子領域,涵蓋了目前對世界影響最大的幾乎所有研究方法(包括所謂的深度學習)。作為這樣一個詞語,它沒有人工智能的神秘性,但它更有助於解釋這項技術的作用。

機器學習是如何工作的?在過去的幾年裡,我讀到過許多解釋,我發現最有用的區別就在於這一名詞:機器學習就是讓計算機自己學習。但這帶來了一個更大的問題。


讓我們從一個問題開始。假設你想創建一個能夠識別貓的程序。你可以試著用傳統的方法來做,比如用“貓有尖耳朵”和“貓是毛茸茸的”這樣明確的規則來編程。但是如果出現一張老虎的照片,程序又將怎麼做呢?


對每個必須的規則進行編程都是非常耗時的,你必須在此過程中定義各種困難的概念,比如“多毛”和“尖耳朵”。那麼最好的選擇是讓程序自己學習。首先你應該向這一程序提供大量有關貓的圖片,這樣程序就能根據它所觀察的來發現其規律,並把這些規律聯繫起來,雖然一開始幾乎是隨機的,但是你要反覆測試,保留最好的版本。隨著時間的推移,程序就能準確地識別出貓了。


到目前為止,一切都是可以預料到的。事實上,你可能以前讀過這樣的解釋,對此我很抱歉。但重要的不是閲讀這些解釋,而是真正思考解釋的含義。像這樣的決策系統學習產生的副作用是什麼呢?


其實,這個方法最大的優點是最明顯的:你永遠不需要編寫程序。當然,你需要做大量的修補工作,改進了系統處理數據的方式,找出了更智能的方法來獲取這些信息,但你並沒有告訴程序它應該尋找什麼。這意味著它可以發現人類可能會錯過或從未想過的模式。因為程序所需要的只有數據(1或者0)你可以將其訓練成為任何工作,畢竟現代社會充滿著數據。有了機器學習的這把鎚子在手,就算數字世界就充滿了釘子,你也可以隨時用鎚子將其錘入合適的位置。






但是再想想它的缺點。如果你沒有明確地指導計算機,你怎麼知道它是如何做出決定的呢?機器學習系統無法解釋它們的思維,這意味著你的算法可能因為錯誤的原因而表現良好。同理,因為計算機只知道你輸入的數據,所以它可能會對世界產生偏見,或者它可能只擅長於與它之前看到的數據相似的任務。它不具備你所期望的人類的常識。你可以建立世界上最好的貓咪識別程序,但它永遠不會告訴你小貓不應該駕駛摩托車,或者一隻貓更可能被稱為“Tiddle”而不是“永恆的Megalorth“。


指導計算機自學是一條絶妙的捷徑。就像所有的捷徑一樣,它需要走投機取巧。如果你願意,你可以認為人工智能裡存在智慧。但這並不是真正的人類意義上的智慧,它也不遵循人類的原則。你也許會想問:一本書能有多聰明?平底鍋裡能蘊含什麼專業知識?


那麼我們如今在人工智能方面處於什麼位置呢?在數年的頭條新聞宣佈下一個重大突破之後,一些專家認為我們已經達到了某種平穩期。但這並不是進步的真正阻礙。在研究方面,我們現有的知識中有大量的途徑可以探索,而在產品方面,我們只看到了算法的冰山一角。


李開復將當前這個時代描述為一個“執行的時代”,在這個時代,技術開始“從實驗室向全世界擴散”。另一位風險投資策略家班尼迪克特·埃文斯(Benedict Evans)將機器學習比作關係數據庫。關係數據庫是一種企業軟件,在上世紀90年代大賺了一筆,並且徹底改變了整個行業。


但機器學習是如此平常,以至於你的眼睛可能只是單純地看到了這一詞語。這兩位想表達的是,我們現在正處在人工智能迅速恢復正常的階段。埃文斯
說:“最終,幾乎所有的東西都會在其內部某個地方進行機器學習,但沒有人會在意。”

他說的沒錯,但我們還沒到那一步。

就目前而言,人工智能—機器學習—仍然是一種新事物,常常無法解釋或未被充分研究。但在未來,人工智能會普遍到甚至被你忽視。-----【太平洋電腦網/來源:網易科技】

台長: 聖天使

我要回應 本篇僅限會員/好友回應,請先 登入
TOP
詳全文