歡迎來到114ic交易網!登錄免費注冊 加為收藏
型號索引電子元器件現貨庫存IC熱賣
緊急采購日常采購采購商名錄
行業新聞經營管理電子展會人才招聘精選文摘企業新聞行業標準LED新聞
IC生產廠商電子縮略語封裝大全IC替換晶體管資料PDF資料電路圖

目前的AI視野過于狹隘,談AI革命為時尚早

日期:2019/7/10 10:35:17
摘要:導讀:人工智能(AI)已經成為當今時代的口號。技術專家、學者、記者、風險投資家都在說這個詞。跟其他許多從技術或學術領域流入普通大眾的詞語一樣,“AI”這個詞的使用也存在嚴重的誤解。

關鍵詞:人工智能

人工智能(AI)已經成為當今時代的口號。技術專家、學者、記者、風險投資家都在說這個詞。跟其他許多從技術或學術領域流入普通大眾的詞語一樣,“AI”這個詞的使用也存在嚴重的誤解。

自上世紀60年代以來,AI已經取得了很大的進步,但可以說,這種進步并非源于對模仿人類的AI的追求。相反,就像阿波羅飛船的例子一樣,這些想法往往隱藏在幕后,研究人員的工作專注于特定的工程挑戰。雖然普通大眾看不到,但在文檔檢索、文本分類、欺詐檢測、推薦系統、個性化搜索、社會網絡分析、規劃、診斷和A / B測試等領域的研究和系統構建取得了重大進展,這些進步推動了谷歌、Netflix、 Facebook和亞馬遜等公司的成功。

人們可以簡單地把這一切稱為AI,事實上,這似乎已經發生。對于那些發現自己突然被稱為AI研究人員的優化或統計學研究人員來說,這樣的標簽可能會讓他們感到意外。但撇開標簽不談,更大的問題是,使用這個單一的、定義不清的首字母縮略詞,阻礙了他們對正在發揮作用的智能和商業問題范圍的清晰理解。

在過去的20年里,工業和學術領域都取得了重大進展——作為模仿人類的AI的補充,通常被稱為“智能增強”(Intelligence Augmentation, IA)。在這里,計算和數據被用來創建增強人類智力和創造力的服務。搜索引擎可以被視為IA的一個例子,因為它可以增強人類的記憶和事實知識;自然語言翻譯也是IA的一個例子,它可以增強人類的溝通能力。基于計算機的聲音和圖像生成為藝術家提供了增強調色和創造的能力。雖然這類服務將來可能包含高層次的推理和思考,但目前還沒有;它們主要執行各種字符串匹配和數值操作,以捕獲人類可以使用的模式。

讓我們廣泛構思一個“智能基礎設施”的學科,構建基于計算,數據和物理實體的網絡,使人類環境更加有趣和安全。目前這種基礎設施已經開始在運輸,醫藥,商業和金融等領域出現,對個人和社會的影響正越來越深。

可以想象,我們生活在一個覆蓋全社會的醫療系統中,這個系統能夠建立人與醫生、醫療設備之間的數據流和分析,幫助醫生做出更準確地診斷,并提供護理服務。系統可以整合來自體細胞、DNA、血液測試,環境,群體遺傳學以及關于藥物和治療的大量科學文獻的信息。它不僅關注單個患者和醫生,而且關注所有人類之間的關系,有助于維持關于醫療信息的相關性、來源和可靠性的概念,就像今天的銀行系統關注金融和支付領域的挑戰一樣。盡管人們可以預見這樣的系統中會出現許多問題,比如隱私問題、責任問題,安全問題等等。但我們應該將這些問題視作勇于面對的挑戰,而不是前進的阻礙。

目前的AI成果解決不了核心問題

現在我們面臨一個關鍵問題:目前在傳統的、基于人類模仿的AI真的是解決這些挑戰的最佳方式(甚至是唯一方式)嗎?

事實上,機器學習近年來取得成功的一些成功案例都是在模仿人類的AI領域,如計算機視覺、語音識別、游戲和機器人技術。也許我們應該繼續等待,等待這些領域的更多技術進步。這里有兩件事情需要注意。

首先,目前模仿人類的AI取得的成功還很有限,我們的最終愿望還遠未實現。同時,在這個領域已經取得的有限進展,產生了巨大的快感,也滋生了不少恐懼,導致AI的過度繁榮和媒體的過度關注,這一點在其他工程領域是不存在的。

更重要的是第二點,在這些領域取得的成功并不足以解決重要的IA和II問題。比如自動駕駛汽車。要實現自動駕駛,需要解決一系列工程上的問題,這些問題可能與人的能力(或人力資源缺乏)關系不大。整體交通運輸系統(II系統)可能更接近當前的空中交通管制系統,而不是目前普遍關注的人類駕駛員。這種系統比現有的空中交通管制系統復雜得多,特別是可以使用大量數據和自適應統計建模,為精細化決策提供信息。應對這些挑戰需要關注最前沿,僅僅關注模仿人類的AI是不夠的。

至于必要性,有人說模仿人類的AI愿景涵蓋了IA和II的目標,因為它不僅能夠解決AI的經典問題(比如圖靈測試),同時也是解決IA和II問題的最佳選擇。不過這種說法幾乎在歷史上找不到先例。以前聽說過要用AI木匠或AI瓦工來搞土木工程嗎?化學工程是否應該建一個AI化學家的框架?更有爭議的是:如果我們的目標是建立化工廠,是否應該首先打造一群AI化學家,然后讓TA們去研究怎么建?

有一種說法是,人類智能是我們所了解的唯一一種智能,因此我們應該將模仿人類智能作為第一步。但是,人類實際上并不擅長某種推理,人類有自己的失誤、偏見和局限。而且,至關重要的是,人類并沒能進化足以執行現代II系統必須面對的大規模決策,也沒有應對II環境中出現的各種不確定性的能力。

有人可能會說,人工智能系統不僅會模仿人類智能,還會糾正人工智能,而且這種能力可以擴展到任意規模的問題。當然,現在說的處于科幻小說的范疇,這種推測性的論點,雖然放在科幻小說中會很吸引人,但不應該成為我們面對關鍵的IA和II問題時采取的主要戰略,這類問題已經開始出現了。我們需要根據自身的優勢解決IA和II問題,而不僅僅靠模仿人類的AI。

當然,經典的人工模擬AI問題仍然很有意義。然而,目前的重點是通過收集數據進行AI研究,部署深度學習基礎設施,以及模仿某些特定人類技能的系統的演示。這些研究中幾乎沒有涉及新的解釋性原則,往往會將研究的注意力偏離經典AI領域的幾個主要開放問題。

這些問題包括需要將意義和推理引入自然語言處理的系統,以應對推斷和表示因果關系的需要。開發計算易處理的不確定性表示,以及開發制定和追求長期目標的系統。這些都是模仿人類的AI的經典目標,但在當前人工智能革命的熱潮中,人們很容易忘記這些尚未解決的問題。

IA同樣是非常重要的問題,因為在可預見的未來,計算機仍無法與人類在抽象推理真實情況的能力相比。我們需要經過深思熟慮的人機的交互來解決最緊迫的問題。我們希望計算機能夠催生出人類創造力的新水平,而不是取代人類的創造力。

目前的AI視野過于狹隘,談AI革命為時尚早

最早提出“人工智能”這個名詞的是約翰·麥卡錫(時任達特茅斯大學教授,后來去了麻省理工學院),當時他提出這個名詞,應該是為了區分他剛剛起步的研究項目和諾伯特·維納的項目(當時是MIT的老教授)。維納提出了“控制論”一詞來指代他自己對智能系統的展望,這一概念與運營研究、統計學、模式識別、信息理論和控制理論密切相關。而麥卡錫則強調了與邏輯的聯系。有趣的是,今天占據主導地位的更多是維納的關于“智能”的內容體系,但外表卻用的是麥卡錫提出來的“人工智能”一詞。

除了歷史上的觀點差異之外,我們還要認識到,目前關于人工智能的公共對話,多數僅限于產業界和學術界的很小一部分,這種狹隘視野會影響我們面對人工智能所帶來的全部挑戰和機遇。

這里說的廣闊視野,和實現科幻小說中的場景關系不大,更多與人類對技術的必要性的理解和塑造有關,因為它在日常生活中變得越來越有影響力。在這種理解和塑造中,需要來自各行各業的各種各樣的聲音,而不僅僅是技術上對話。僅僅關注模仿人類的AI,可能會讓我們無法獲知,或不愿去獲知更廣泛的信息。

學術界也要發揮重要作用,不僅僅是提供一些最具創新性的技術理念,而且會與計算、統計學等學科的研究人員共同作出貢獻,這些貢獻和觀點非常重要,尤其需要社會科學、認知科學和人文科學的觀點。

另一方面,雖然科學對人類的前進必不可少,但我們也不應該夸大我們的努力和成果。社會的目標是建立新的成果。應該構建這些工件以按照聲明的方式工作。我們不希望造出一提供醫療、交通選擇和商業機會的系統,然后發現這些系統無法真正發揮作用,發現它們會產生錯誤,影響到我們的快樂和生活。所以,正如我所強調的那樣,目前在數據和學習為關注重點的領域還沒能出現一個“工程學科”。盡管這些領域的發展前景令人興奮,但目前還不能被視為“工程學科”。

我們應該接受這樣一個事實,即我們正在見證一個新的工程學科的誕生。“工程”這個詞具有獨特的內涵,容易讓人想到冷漠、情感的機器,以及失去對人類的控制,但我們可以打造自己想要的工程學科。在當今時代,我們迎來了一個真正的機會,來構思歷史上前所未有的新東西:以人為本的新興工程學科。我在這里不打算這個新興學科取名,但如果縮略詞“AI”繼續作為學科名字使用,那么我們需要意識到這個詞的真正意義和局限性。我們需要拓寬視野,平息炒作,并對未來的嚴峻挑戰有一個清醒的認識。