微信号:aifans-club

介绍:探索研究人工智能(AI)技术,传播人工智能(AI)领域前沿信息,新闻动态及活动预告,促进人工智能爱好者之间的交流与互动.

头条丨我们为什么要期待人工智能的大爆发

2016-08-04 07:16 人工智能爱好者俱乐部


文章来源:人工智能学家

人工智能正成为人类生活不可或缺的一部分,做好准备迎接那些对你了如指掌的机器吧!

午夜来临,你将手机放到床头柜的充电板上,然后就开始和手机睡前谈心。虚拟个人助理像朋友一样关心地问你今天的境况,你也像朋友一样与它倾诉。这会成为我们的睡前习惯吗?

为什么不呢?如果手机里的人工智能跟你自己一样了解你的话(甚至比你还了解)。它如果提出一些事情的处理建议,你也会悉数照做。

做好准备吧,这个景象并不遥不可及。

AI其实无处不在,而且无时无刻都在变得更加智能。将来的计算机可能会找到癌症治疗方法,谱写交响乐,或者开车送孩子上学呢。

自从60年前达特茅斯学院会议首次探讨AI伊始,人类就开始孜孜不倦地思索,如何才能创建基于计算机的且最终可实现自我学习和适应的系统?大学里,初创公司及世界上最大的科技公司中的工程师们先用功能强大的计算机创建了神经网络(与人类大脑的神经网络类似),又用神经网络处理和理解那些海量数据。

目前的神经网络已经能够识别面部,理解人类语言,识别欺诈行为,推荐歌曲,推荐邮件回复内容等。谷歌的 Project Magenta 还可以编曲,这是机器创造性的早期体现。Comma.ai 可以从人类司机身上学习到模式,并以此培养无人驾驶的AI技术,该公司希望,今年年底之前能将这项技术卖出。

让机器能够像人类一样抽象地思考、动态地适应环境,这是AI巨大的飞跃。

谷歌,Facebook,微软,苹果,IBM都有各自的AI项目。仅谷歌一家就有100多个AI研究团队。据报道,2014年谷歌以4亿多美金收购机器学习创业公司DeepMind。今年年初,DeepMind的AlphaGo 曾因打败世界围棋(世界上最难的策略游戏)冠军轰动一时。

几年后,业内对AI的投资将达到每年几十亿美元,Forrester 分析师Diego Lo Giudice预测道。


谷歌DeepMind对战专业围棋选手的胜利,促使向AI埋头进发的人类再次沉思。

然而,计算产业其实才刚刚开始,而AI将改变你对计算机的认知。微软联合创始人比尔盖茨虽然担心未来AI有可能危害人类,但他同时也将AI称作计算的“圣杯”。

超级AI也会为人类带来害处。人们的工作岗位有可能因此消失,特别是那些处理客户电话,填写税收表格,开卡车,照顾病人和老人等工作。AI也会有助于盗贼犯罪,政府跟踪公民,军队创造自动化武器等。

“将发生一次巨大的社会变革。”Andrew Moore 说,在谷歌研究机器学习之前他曾是卡耐基梅隆计算机科学学院的学监。想象一下,“助理小天使站在你的肩膀上,把它的小点子慢慢往你的耳里倾诉,这种认知辅助将使我们更加聪明。”

个人助理

不仅仅只有数学天才或程序大牛才能促进AI的发展,我们每个人都有贡献。每一次谷歌搜索,用亚马逊购物,在Instagram 上发图都会进一步增大庞大的历史数据库,这才是增大AI系统的原材料。

现在的数据语音助理如苹果的Siri,亚马逊的Alexa,Google Assistant,和微软的Cortana 可以加速网页搜索和回答问题,而新发明的Viv则有助于完成用户的线上行为。五年后,个人助理将利用AI技术,通过与用户聊天和检查用户数据,在用户发病之前诊断用户是否患有疾病。Moore 预测道。(本月微软表示,他们的研究人员匿名查询了大量用户的症状,确定一些人患有胰腺癌。)

“19年以后”,Moore 相信,“我们和AI会像朋友一样聊天。”

通过分析学习到的数据,个人助理还可能会为用户提供情感建议。它们可能会对你说,你的女朋友并不是那么适合你,或者建议你邀请同事一起烧烤以促进了解。这种感觉就像是不必拜访名医或大师,就能获取长期幸福的秘密果实。

Facebook根据用户在社交网络上分享的数据和喜好表现,对用户了解甚多,他们最终将“使AI程序和用户一样多”,Facebook的AI研究总监Yann LeCun说。每月使用Facebook的人达到17亿。

人手一个私人定制的个人助理呢。

像孩子一样聪明

有人工智能的计算机可以自己学习,就像人类能从每天大量无组织的信息中学习一样。这不同与现在的神经网络,后者处理的是工程师馈入的结构化和注释后的数据。

“我们最终的目标是,创造智能机器。”谷歌高级员工Jeff Dean说,他曾参与研发了谷歌大量的核心搜索和数据中心技术。“为此,我们的主要方法就是,创造可以学习的机器。”

计算机有了机器智能,就可以“像任何可学习的生物体”一样观察这个世界并有自己的行为能力,Dean 说。从本质上来说,只要我们帮助机器一把,机器就能找到自己的方法。

Bryan Catanzaro 为中国互联网巨头百度带领一支位于硅谷的神经网络研发团队,他表示了同样的关注,“一个孩子的大多数学习行为也是无监督的。”

通过无监督学习,计算机能够使工厂传感器的海量数据变得有意义,并在故障发生前后即时定位。有无监督学习的手机还可能了解用户度假期间情绪如何。

但现在还未达到这个地步。神经网络如果要理解语音,首先要进行训练。也就是说,要处理几千个小时的有注释的录音。

这些行为需要大量功耗支撑。为打败世界上的顶级围棋手,AlphaGo 使用了1200个处理器,并辅以170个图像处理芯片。

走上邪路?

让计算机成为自主的,开放的思考者,这让一些人非常担心。

几百个科学家和科技领头人,包括霍金,马斯克都签署了  the Future of Life Institute的一封公开信,许诺AI的进展不能挣脱人类的控制。比尔盖茨去年对社交新闻站点Reddit 说,他也在“担心超级智能的阵营”中。

同样相信AI前景无限的《Superintelligence》作者Nick Bostrom,致力于检验所有有可能危害人类的事物。包括,我们是不是有可能无法完全描述计算机的与人为善的目标?如果计算机比人类更智能怎么办?

“智能大爆炸发生前,”Bostrom在2014年的书中写道,“我们人类就像玩炸弹的小孩。”

人工智能的一个关键属性就是自动化,及控制别人未来的能力。现在的计算机还只能根据程序运行, 但AI可以使计算机在复杂的世界中自己掌舵起航。

“自动化——传统科技做不到这点。”Moore 说。

谷歌,沃尔沃或者Uber的无人汽车都是典型的自动化案例。Motus Ventures是一家投资新兴无人车市场的风投基金公司,他们希望2026年以前,公路上行驶的全无人驾驶汽车达到几百万。

“十年以后,汽车将比人类驾驶员的水平高得多。”谷歌的Dean说。机器学习还能节约费用。无人驾驶汽车原型需要昂贵的激光扫描仪生成周围世界的3D模型,以识别或跟踪汽车、行人、建筑物或交通路标,神经网络则可以用便宜的多的数字照相机代替。

现在的机器视觉能够用于执行特定的预编程任务,比如生产线的机器视觉技术可以将挡风玻璃整齐摆放。但AI视觉感知将更像人类本身的视觉,将能够识别周围世界,比如扫地机器人可以分辨玩具和垃圾的不同。

现在的计算机大多数都是无法移动的电子块。但AI设备将能善于移动。谷歌的机器人手臂尝试握取桶中不同的塑料物体800000次以后,基本已经有了手眼协调能力。对于没有AI能力的机器人,开个门或在瓦砾上走过都非常困难,但AI却能够让机器变得自信前行,驾驶汽车,打扫房间,在仓库储备货物都是如此。

取代人类的工作

X.ai的CEO Dennis Mortensen说,自然语言能力可以助力他们公司销售一项看似困难的服务:找到适合人们见面的时间。

X.ai的日程安排程序可以进入用户的邮箱系统,找到双方都同意的约会时间,并用人类的语言写邮件聊天。它可以应对人与人通信中各种微妙的细节,比如找到双方已经表示认可的时间,或和一个喜欢改变会议时间的同事协调等。这与今天严格定义的计算机接口完全不同。

牛津大学2013年的一项研究预测,47%的工作都有被取代的危险。然而,这个预测建立在AI狂热爱好者的想象会与现实一致的基础上,有些人并不这样认为。

“就算是10年以后,机器也不会理解讲故事的艺术。” Lattice Engines的CEO Shashi Upadhyay说,该公司研发的软件的功能是,预测客户的购买意向和时间。他相信,这方面不足将影响AI的发展。

“无论是营销,医药,城市规划法律等各种专业,都需要员工理解和同情各种故事。不能理解人类的故事,人们的问题,担忧,或成就,大多数专业人士都不能长期有效地完成工作。”

我们还将会继续孜孜不倦地研究计算机,因为它们可以学会我们是谁,我们需要什么。但从简单的角度,AI只是人类要面临的一个问题。我们应该毫无烦恼地入睡,继续保卫人类集体,即使床头柜的设备也在敏感地感受着这个世界。

“毫无疑问,人类和机器一定会成为对手,”Facebook’s 的LeCun说,“除非我们把它们当成一种人类前行的动力。”


 
人工智能爱好者俱乐部 更多文章 头条丨Save Time、Kill Time、Buy Time,人工智能在未来最重要的3个使命 头条丨斯坦福报告:人工智能技术的八大应用(二) 头条丨斯坦福报告:人工智能技术的八大应用(一) 头条丨习大大B20上强调人工智能! 头条丨IBM发明世界首个人造神经元,离人脑模拟更近一步
猜您喜欢 达内教育集团荣获2015年度责任品牌奖 “天猫·喵葩”电商互动生态共创论坛-北京站 2016十家公司前端面试小记 89页PPT详解微信O2O行业解决方案 【深度学习】深度解析TensorFlow组件Estimator:构建自定义Estimator