人工智能革命揭秘上篇（下）

本篇文章6607字，读完约17分钟

编者按:《滚石》杂志最近发表了一篇关于人工智能的特别报道。报告分为两部分，前一部分已经发布。作者杰夫·古德采访了从事人工智能研究的各种专家，并在第一部分总结了人工智能的进展及其对人类的意义；在下一章，我们将集中讨论人工智能对无人驾驶汽车和未来战争的影响。我们编辑了它供你参考。由于篇幅较长，第一部分将分两部分出版。这是前一篇文章的后半部分。

人工智能革命的秘密(上)

技术革命会引起恐惧——有时是合理的，但有时不是。在工业革命期间，英国纺织工人因为担心他们的工作会被抢走而毁坏了机器。在电子时代开始时，人们认为电线可能会让人发疯(不)。20世纪50年代，家用电器制造商认为不久将会有一台核真空吸尘器。

一直以来，人工智能都被夸大的说法所困扰。1958年，当第一个所谓的神经网络系统“感知器”被引入时，一家报纸认为它将很快导致能够再生和实现意识的“思维机器”的出现。20世纪60年代，发明“人工智能”一词的科学家约翰·麦卡锡(john mccarthy)向五角大楼提出了一个新的研究项目，他说开发一个人工智能系统需要大约10年的时间。当然，情况并没有像他想象的那样发展。在20世纪70年代和80年代，这个领域经历了一个衰退期，被科学家们称为“人工智能的冬天”。

但是冬天已经过去了。首先，这是因为计算机能力的不断提高和价格的不断下降为复杂的人工智能算法的运行提供了足够的动力。一种新的芯片，即所谓的图形处理单元(gpu)，最初被用于视频游戏处理，但它对于运行具有数百万个连接的神经网络来说变得尤为重要。

第二大变化是大数据的到来。就像人类的智力一样，机器的智力取决于教学。从基因上讲，人脑非常适合对事物进行分类，但是如果你想区分猫和狗，你需要给它看真实的例子。对于机器学习来说尤其如此。Deepmind在围棋和雅达利游戏方面的突破要求电脑在获得知识之前要玩上千次。人工智能的突破部分是由于我们的世界数据的雪崩效应，它为人工智能提供了学习所需的材料。大规模的数据库、万亿字节的存储空间、数十年的搜索结果以及整个数字世界已经成为让人工智能变得更聪明的老师。

伯克利机器人学实验室的研究人员正在开发一种机器，这种机器可以自己学习，有一天会实现人类的智能

过去，创造思维机器的尝试基本上属于学术界的哲学家和计算机科学家。facebook的勒昆说:“不同的是，现在生产的产品可以使用。”“facebook、ibm、微软——每个人都在部署并盈利。”今天，谁拥有最好的学习算法和数据，谁就能赢得比赛。为什么谷歌是如此成功的广告平台？因为更好的算法可以预测你会点击什么广告。对于一家年收入500亿美元的公司来说，即使点击率提高0.5个百分点也是一大笔钱。对于苹果、微软、谷歌和dropbox等云服务公司来说，基于机器学习的图像识别现在是一个竞争激烈的领域。另一个战场是完美的语音识别。谁能带头实现与机器的顺畅对话，比如与人聊天，谁就有很大的优势。百度的吴恩达说:“语音界面将变得和触摸一样重要和具有变革性。”谷歌和苹果正在收购人工智能初创公司，这些公司有望提供更聪明的助手。人工智能也是无人驾驶汽车成功的关键。后者将对汽车工业产生巨大的影响，并可能改变城市的格局和外观——只要我们不再需要开一个专门的空房间来停放私家车。旧金山的企业家贾森·卡拉卡尼斯说:“人工智能是一个新的热门词汇。”“只要‘人工智能’这个词用在商业计划中，它就能吸引每个人的注意力。艾现在太热了。”

但有理由质疑。是的，人工智能可以识别图片中的猫和你讲话中的单词。但是感觉是不理性的。看到并不意味着思考。如果你玩得好，你就不能生活在现实世界中。在你认为人工智能是智能之前，你必须教人工智能推理。这不太危险，至少是常识。研究人员在认识到任何类似于人类智力或意识的东西之前还有很长的路要走。

勒昆说:“我们穿过了一堵墙，现在我们知道如何处理图像。”“好消息是我们知道如何进行下一步，我们有很大的成功希望。但是现在的情况是，我们在浓雾中以50码的速度在高速公路上奔跑，而且我们前面可能有一堵我们看不见的墙。我们只是高兴地向前跑，直到我们耗尽石油。”

麻省理工学院的物理学家Max tegmark已经48岁了，但是他的锅盖和孩子般的热情让他看起来更年轻。在他波士顿郊区的两层房子里，客厅里散落着一些家具，墙上装饰着一些鸭子和旱獭的照片。作为物理学家和宇宙学家，泰格马克有着奇怪的一面。他最著名的是他的平行宇宙理论，认为可能有大量的宇宙，其中一些可能不符合我们的物理定律。他承认这个想法还没有被主流科学完全接受。然而，泰格马克狂热地相信自己的想法。最近，他已经成为谈论人工智能危险的最直言不讳的声音之一。

去年夏天，我们坐在他的餐馆里讨论人工智能的危险和他在未来生活研究所的工作。该机构是由他和其他人共同建立的“志愿者管理的研究和推广服务组织”，旨在减轻人类面临的生存威胁。虽然该机构的咨询委员会有霍金这样的杰出人物，但它基本上属于由泰格马克的朋友和同事组成的临时组织。这些人每隔几个月就会聚集在他的客厅里。该组织得到了开放慈善项目的资助，并从马斯克那里获得了1000万美元作为礼物，以便让他们研究如何最好地开发人工智能，并教育每个人先进技术的风险。在我们共进晚餐几天后，该机构发布了一封公开信，警告无人驾驶武器的危险。公开信称:“只要任何军事力量推动人工智能武器的研发，全球军备竞赛就不可避免。无人驾驶武器将成为明天的卡拉什尼科夫冲锋枪。”这封公开信已经有2万多人签名，其中包括霍金、马斯克、苹果联合创始人史蒂夫沃兹尼亚克和诺贝尔奖得主弗兰克威尔切克。

麻省理工学院物理学教授马克斯·泰格马克是埃隆·马斯克未来生命研究所的成员

2015年1月，泰格马克组织了第一次讨论人工智能风险的重要会议(值得注意的是，泰格马克是一名物理学家，而不是计算机科学家。事实上，这些警告大多是由不从事人工智能研究的企业家、哲学家、科幻作家和科学家发出的。在波多黎各举行的为期三天的会议聚集了该领域的许多顶尖研究人员和科学家，以及像马斯克这样的企业家。它指的是1975年的罗马会议(讨论基因重组的话题)，这被认为是讨论合成生物学和克隆技术的危险的一个里程碑。根据当时几位与会者的说法，2015年会议的中心议题之一是人工智能需要多长时间才能超越人类智能。像人工智能先驱吴恩达这样的人认为，人工智能至少需要一百年才能超越人类智能；另一方由马斯克和加州大学伯克利分校的计算机科学教授斯图亚特·拉塞尔领导，认为时间会短得多。泰格马克说:“讨论的中间结果是40年。”

像霍金一样，泰格马克不认为智能机器一定是邪恶的才会有危险。他说:“我们希望我们制造的机器不仅有目标，而且有和我们一样的目标。”“如果你有一辆无人驾驶汽车，它有语音识别技术，然后你说，‘尽快带我去机场’。”一路无人驾驶汽车，眼看机场就要到了，但追你超速的直升机也来了，你因为开得太快而呕吐。这时你会说，'这不是我想要的'汽车会回答:“这是你让我做的。”"

泰格马克认为现在就开始考虑这些问题很重要，部分原因是不清楚人工智能的发展速度有多快。机器实现人类智能可能需要100年或者仅仅10年。他用核武器作为类比。他说:“想想原子弹发生了什么。”“如果科学家能够提前考虑到它对世界的影响，并采取措施加以预防，我们的世界现在会变得更好吗？还是会有所不同？”

无论你走到哪里，假设有一个摄像头在盯着你。也许在街上，在无人驾驶飞机上，或者在地球上40亿部手机的大部分里。2012年，美国联邦调查局(fbi)推出了一个价值10亿美元的下一代身份识别系统，该系统可以利用算法收集生物信息数据，如数百万美国人的面部图像、指纹和虹膜扫描，并为18000多个执法机构提供访问权限。

如果没有yann lecun的工作，这一切都不可能实现，至少不会如此有效。在人工智能的世界里，乐从的地位类似于摇滚明星。他是三个早期人工智能英雄之一，他们一起开发了一种算法，使得图像识别成为可能。乐从没有为执法机构工作过，并致力于维护公民权利，但这并不重要——一旦技术被发明，它将在这个世界上找到自己的位置。

与此同时，你可以在曼哈顿下城的facebook办公室找到乐坤。在一个像篮球场那么大的开放式空房间里，一群人正盯着墙上的屏幕。Lecun的人工智能实验室位于房间的角落，它的25名研究人员看起来和facebook的员工没有什么不同。勒昆坐在一张长桌子旁，和他的团队成员并肩工作。只要他向窗外看，他几乎可以看到ibm沃森所在的大楼。

勒昆穿着牛仔裤和马球衫，当他带我四处参观时，总是穿着安静的大学风格。他在巴黎郊区长大，但现在他只有一点口音。"我所有的身份都被宗教鄙视:科学家、无神论者、左派、大学教授和法国人."他是三个孩子的父亲，周末他会出去开模型飞机放松一下。

乐从是深度学习的先驱，这种机器学习方法彻底改变了人工智能。1980年，当他还是一名研究生时，他在1958年读了《感知器》，并了解到神经网络算法有望使机器“感知”像图像或文字这样的东西。这种网络模仿我们大脑的神经通路结构，是一种使用神经元或“节点”对大量输入(可以是数字、声音、图像等)进行统计分析的算法。)。看到这种网络的潜力，lecun博士瞄准了这个方向，并提出了一种方法，可以训练神经网络自动“优化”自己的识别模式，以提高准确率，最后创造了一种算法，可以让atm机读取支票。多年来，随着其他程序员的进步，神经网络已经成为几乎所有智能机器进步的技术基础，从无人驾驶汽车到谷歌语音识别。在很大程度上，似乎乐从发明了人工生命的神经系统。

虽然神经网络的名字很容易联想到，勒昆说，这个东西并不是为了模仿大脑。他说:“这不是神经科学的最新、最伟大或最近的发现。”“事实上，这是一件非常典型的事情。如果你想造一架飞机，你会从鸟身上寻找灵感，因为鸟会飞。即使你不太了解鸟类，你也可以意识到它们有翅膀，可以在空.自我推销但是造一架飞机和造一只鸟是非常不同的。你必须总结一般原则——但你不能通过研究生物学工作的细节来总结一般原则。”

在莱昆看来，这是迄今为止已完成的大多数大脑研究的缺陷，包括在欧洲大肆宣扬的人脑项目，该项目已投资高达13亿美元，并计划在10年内通过用超级计算机模拟860亿个神经元和100万亿个大脑突触来解开思维之谜。他说:“我想研究神经元和突触运作机制的每一个细节，然后模拟整个庞大的网络，期待人工智能的出现。”“我认为这个想法完全是疯狂的。”

新泽西贝尔实验室裁员后，勒昆在纽约大学当了10年教授。2013年，扎克伯格向他伸出橄榄枝，facebook提供的条件非常诱人，所以他仍然可以在纽约大学的原职位上兼职。扎克伯格对我说，“facebook已经存在了10年，我们必须考虑未来的20年:人们和数字世界之间的交流应该是什么样的？勒昆回忆说:“他认为人工智能总结发挥了很大的作用，通过使用智能系统来协调人与数字世界之间的互动是非常重要的。”当有人告诉你要从零开始建立一个研究机构时，你很难拒绝。"

facebook的Yann lecun是人工智能的先驱

莱昆不愿透露facebook在人工智能上投资了多少钱，但他的实验室被认为是硅谷最雄心勃勃的实验室之一。扎克伯格在自己网站上的一份问答记录中说:“我们的人工智能研究主要集中在了解人们分享什么。”“例如，如果您与您的朋友在其中拍照，我们将确保您的朋友可以看到这张照片。如果你给一只狗拍照或写一篇关于政治的文章，我们也应该理解它，以便向喜欢狗或政治的人展示帖子，并帮助你与这些人建立联系。为了真正做到这一点，我们的目标是建立一个比人类主要感官(视觉、听觉等)更好的人工智能系统。)。”今年1月，扎克伯格宣布，他2016年的新年挑战是编写一个简单的人工智能来帮助管理他的家和帮助他工作。他写道:“你可以把它想象成《钢铁侠》中的贾维斯。”

Lecun说，facebook ai最好的例子是瞬间，一个新的应用程序，可以通过面部识别来识别朋友，然后让你给他们发送照片。然而，从扫描图像、跟踪浏览模式，到确定登录时应该首先向您显示哪个朋友的状态，这家公司的每个地方都部署了稍不先进的人工智能。人工智能还被用来管理facebook疯狂的数据。每天，用户上传20亿张照片，观看80亿个视频。该公司使用一种叫做人工智能编码的技术来根据场景分解文件，这样它们就不会那么“胖”。这种方法没有取得很大的成功，但它节省了大量存储空间，提高了效率。

尽管取得了这些进步，勒昆知道，与一般智力的最终目标相比，这些只是学步的孩子。就连已经取得显著进步的图像识别也有问题:人工智能程序被阴影、反射和像素变化搞糊涂了。但最大的障碍是所谓的“无监督学习。”目前，机器主要通过监督学习来学习东西，这意味着它必须向系统显示成千上万的图片，例如猫的图片，直到它识别出猫的属性。其他方法很少见，比如强化学习，它为计算机提供识别信息，做出决策，然后判断它是否正确。无监督学习依赖于所谓的人工直觉，而不是反馈和输入。勒昆说:“这就是人们学习的方式。”我们观察别人，从别人那里得出推论，然后把我们学到的东西添加到我们的知识库中。他说:“这是我们必须克服的一个大问题。”

一个流行的观点是无监督学习应该与预测相关。勒昆说:“如果我给你看一个短片，问你下一秒钟会发生什么，你应该能猜出答案。”空的物体应该会脱落——你不需要对世界了解太多就可以预测。他说:“但如果这是一个复杂的神秘谋杀案，我想问你谁是凶手，并描述什么将发生在电影结束时，你必须有很多抽象的知识发生了什么。”“预测是智力的基础。我们怎样才能开发出一种机器，不管半小时内预测的情况如何，它都能看电影并告诉我们下一帧是什么？我们怎样才能让机器知道那个东西要去哪里，知道这些东西是物体，知道这个世界是三维的，并且知道我们所知道的世界的所有物理约束？”

lecun正在解决的一个问题是把facebook上的一切都表示成一个向量，这样电脑就可以在空.之间画出一个数据点他说:“我们用来表示图像等概念的典型向量的维数是4000。”“也就是说，一个4000个数字的列表可能可以概括一幅图像的所有特征。”矢量可以用来描述一幅图像、一段文字或一个人的兴趣。在这些东西被简化成数字后，计算机很容易搜索和比较它们。如果某人的兴趣由一个向量表示，后面跟着一个表示图像的匹配向量，那么这个人可能会喜欢这张图片。他说:“这种做法基本上把推理问题归纳成几何问题。”

至于ai的威胁，勒昆说，它仍然“非常遥远。”他认为，智能机器将随着人类智力和情感的变化而进化的观点是荒谬的:“人类行为中的许多坏事都是由生存、繁衍和避免痛苦的本能需求驱动的。没有理由认为机器人有保护自己的本能，除非我们把这种东西放进机器里。但是机器人可能有同理心，因为我们将植入它们是为了让机器以适当的方式与人互动。所以问题是，我们想把什么样的本能需求和行为植入机器，让它们成为我们智力和能力的延伸，而不是替代品？”

当我离开facebook的时候，我震惊于办公室里聚集了这么多人——这是一个人和机器一起工作的帝国。很难想象未来会有什么不同，不管我们的机器人有多复杂。“算法是由人类设计的，为人类服务。它们反映了制造商的偏见。”无论如何，不管我们将创造什么样的未来，这个未来都是我们为自己设计的。我们可以推断出一句关于宇宙结构的格言:人类一直在往下走。

注意:一直往下的人可能是一直往下的海龟。霍金曾在《时间简史》中讲述过一个轶事，一位著名的科学家(也叫拉塞尔)曾做过一次天文学讲座。他谈到了地球是如何绕着太阳转的，以及太阳是如何绕着我们称之为星系的一大群恒星的中心旋转的。演讲结束时，坐在房间后面的一位矮个子老妇人站起来说:“你说的都是废话。世界实际上是一个放在乌龟背上的平板。”科学家礼貌地笑了笑，回答说:“那么这只乌龟站在什么上面？”老妇人说:“你很聪明，年轻人，的确很聪明。”“不过，这是一群一直背着乌龟的乌龟！(但是一路下来都是乌龟！).

这篇文章是编译自:rollingstone。如有转载，请注明出处

“读完这篇文章还不够吗？如果你也开始创业，希望你的项目被报道，请点击这里告诉我们！”