南知|你希望拥有一个乔伊吗?

2018 年 3 月 28 日 南大青年 梦见电子羊的


文 | 周嘉珺 周帅


南知


乔伊张开双臂,静静地享受着雨水的洗礼。虽然实际上,她不能感受水滴淋打肌肤的触感,也不能感受K双手的温度。


乔伊只是人工智能,存在于人类想象中的完美伴侣。0与1的结合,在冷酷的编程下,碰撞不出名为“情感”的产物。


但是,当乔伊轻抚K的脸庞时,人与非人的界限似乎不再是那么严苛。



或许,除了好奇仿生人是否会做梦之外,我们也应该发问:


人工智能会梦见电子羊吗?


源起


离开科幻的2049年,现实的人工智能,仍在为自身的定义所纠结。


在1956年举办的Dartmouth学会上,“人工智能”(Artificial Intelligence)这个概念首次被提出。但其实至今,人工智能中的“智能”一词,尚无统一的解释。



据南京大学计算机科学与技术系王崇骏教授介绍,鉴于人在长期历史长河的发展过程中不断进化的自然属性和社会属性,智能分为个体智能和群体智能。个体智能是指基于人的自身生物学特点形成的感知(环境)、思维(包括记忆、回忆、推理等)、决策(语言、行为等)的过程;而群体智能是指多个个体通过合作能够完成个体无法完成、或者无法很好完成的任务。


“按照2017年7月27日我国政府颁发的《新一代人工智能发展规划》中提及的基础理论体系的分类,前者(至少)涉及到自主智能、大数据智能、跨媒体感知、类脑智能、高级机器学习等的研究,后者(至少)涉及到群体智能、混合增强智能等的研究。”



此外还有语言学的研究者认为智能是一种选择,理由是在拉丁文中词缀Legere(智能)指的是采集(果实)、收集、汇集,并由此(按照某种知识或规则)进行选择,最终形成的一个东西,而Intelegere(人工智能)是(按照某种知识或规则)从中选择,进行理解、领悟和认识。事实上,目前人工智能研究领域中也确实有一个研究方向是关于社会选择的。


人工智能vs人类


一般认为,人工智能是对人的意识、思维的信息过程的模拟,其目标是像人一样思考。但由于目前生物学、心理学和类脑智能科学并没有完全弄明白“思维”是什么样的东西,因此还无法谈论是否可以用编程来实现人的思维。



王崇骏教授介绍道:“就目前计算机能够实现的“智能”,比如利用智能算法实现故障诊断、风险预警等看起来像人一样在工作。其核心在于四点,目前比较流行的说法是:人工智能=A+B+C+D;其中的A指的是算法(Algorithm)、B指的是应用(Business)、C指的是算力(Computation)、D指的是数据(Data)。连起来就是:人工智能是在计算能力有保证的情况下,利用某个具体的算法,对某个具体应用领域(场景)的数据进行处理和分析,达到该应用领域的一个目标。”



在人工智能的发展初期,并没有数据支撑,当时人工智能的研究者认为有推理能力就是有智能,因此当时的人工智能就是通过编程实现一个推理机(引擎),然后基于此推理引擎,利用具体领域的规则进行推理,从而实现某种意义上的“智能”。


现实生活中除了担忧人工智能的思维超越人类,还会幻想人工智能滋生出情感,进化出类似人类的感情。王崇骏教授对此的回答是:“用人工智能模拟人的情感是目前人工智能研究一个很重要的方向。日本石黑浩教授研究的情感机器人(像人一样的皮肤、像人一样有面部表情、能发出声音且有表情),不仅能够懂得人类的感情、表现出像人一样的感情,还能激发人类的感情或者被人类的感情激发,这应该是成功的情感机器人的样子。”



目前人工智能都是基于计算机系统的,计算能力的上限或许就是人工智能的上限,现在有很多计算能力的发展,比如分布式计算、并行计算、超融合系统等,都是从计算能力的保障上为人工智能提供支撑。人工智能相较于人类,其优势在于不会劳累、可以复制,几乎不会受自发的感情因素的影响。但恰恰没有自发的感情,也成为了它的劣势。



人工智能与人类


伴随着人工智能的发展,对其的批评、质疑及忧虑也层出不穷。


1967年,美国社会哲学家芒福德的著作《机器的神话》从一个人文主义者的立场对自动机器的应用提出了强烈的批评,认为机器不仅剥夺了人类工作的权利,而且将逐渐消灭个体的差异性,使社会变得机械化。



而这些也正是现实存在的问题。良性循环的状态是,科技的进步让人们从复杂的劳动中解放出来,从而衍生出更多的工作种类,从而使得人工越来越细,人类的生活也越来越繁荣。以美国为例,刚建国时,95%是农民,随着科技的发展,用了200多年的时间,目前美国的农民只占5%,这意味着科技的进步使得5%的农民就可以养活剩余95%的人,这95%的人无须做农活,但是他们因为在其他的岗位上,所以他们也有工作做,也能挣钱,并挣钱养活自己(比如购买农产品)。


现在的问题不是因为科技发达让人类失业,而是发展太快,快得以至于还未来得及创造出更多的岗位来,从而导致周期性和结构性失业,这才是可怕的。很多经济学家都在考虑类似的问题,也有很多方案,比如比尔盖茨提出和倡议的“机器人税”就是其中的一种,大意是使用机器人的公司要向政府缴纳额外的机器人使用税,而政府将这笔税以某种方式贴补给失业人群,从而保证社会的持续正常运转。



从前一些自以为“不可替代”的行为活动,例如写报道、写论文等等,在近几年也受到了挑战。王崇骏教授坦言,人工智能在此类领域具有一定的优势:“目前的相关研究至少有三类:1)基于监督学习,只要提供足够多的样本进行学习从而实现像人一样地写作;2)基于规则,只要给定足够完备的启发是规则,让人工智能去进行推理,也能实现像人一样地写作;3)通过自主学习或者其他范型的机器学习,通过多轮次的交互迭代实现像人一样地写作”,王崇骏教授认为“人工智能替代人类进行写作以及类似工种是极有可能的。”



“但是应当注意到,这仅仅是写作本身。而写作背后的东西是人工智能暂时无法解决以及需要其他手段加以解决的。比如论文写作,写作能力是一方面,而论文对应的内容则是需要人去研究和创造的。”


1950年,阿西莫夫在《我,机器人》中提出著名的机器人三定律,用以控制约束人工智能,使之为人类服务:


一、机器人作为人工智能产品,不可以给人带来灾难,也不能置人类的困难于不顾;

二、机器人是为人类服务的,应该听从人的指令,如果该指令危害到人身安全,要能识别并拒绝;

三、机器人是智能产品,本身也是有自己的社会地位和道德地位的,所以他应该懂得保护自己,同时不违反前两个原则。


但在同名电影中,人工智能却利用三定律的逻辑漏洞,以软禁的方式“保护”人类。人工智能反控制人类的场景已经不止一次在人们的想象世界上演。



“电影是个科幻,就目前来看,短期内不可能创造出如此智能的机器人。目前关于人工智能的研究有弱人工智能和强人工智能,前者的目标是研究在某些方面像人一样的算法,而后者指的是要实现像人一样的机器。科幻里提到的应该是针对后者。”王崇骏教授如此回应。面对人类和人工智能的生存问题,马云在2017年互联网大会上提及:对于人工智能,与其担心,不如担当。


更重要的是,不论人工智能最终能否战胜人类,不可否认的是能够操纵这些机器的人会是极少数人,我们需要考虑的是,如果这些少数的精英做“恶”,那么不是机器“软禁”了人类,作恶的还是人类自身,这是可怕的。


关于这些议题在学术界也一直有争议且并且越来越成为热点和焦点。


2017年7月27日我国政府颁发的《新一代人工智能发展规划》从基础理论体系、共性关键技术、创新平台建设、高端人才建设四个层次(维度)规划了人工智能创新体系,政产学研各界都对此进行了积极的响应。比如2017年11月15日科技部宣布国家新一代人工智能开放创新平台(百度之自动驾驶、阿里云之城市大脑、腾讯之医疗影像、科大讯飞之智能语音)就是针对创新平台建设进行的;2018年3月5日,南京大学宣布成立人工智能学院,就是针对高端人才建设进行的。据悉,南京大学人工智能学院最早将于今年开始招生。



人工智能早已登上历史的舞台,有人选择拥抱它,有人选择抗拒它。它将如何表演,是所有人类畏惧又期待的未来,未来已来。


南大青年

资料 | 缪源清

采访 | 周帅 林玮琦

图 | 网络

美编 | 和晓燕

责编 | 薛森阳



登录查看更多
0

相关内容

人机对抗智能技术
专知会员服务
189+阅读 · 2020年5月3日
专知会员服务
121+阅读 · 2020年3月26日
中科大-人工智能方向专业课程2020《脑与认知科学导论》
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
105+阅读 · 2020年1月2日
中文知识图谱构建技术以及应用的综述
专知会员服务
311+阅读 · 2019年10月19日
前沿 | 字节跳动李航:智能与计算
MOOC
6+阅读 · 2019年2月6日
专栏 | 字节跳动李航:智能与计算
机器之心
5+阅读 · 2019年1月21日
技术动态 | 事理图谱,下一代知识图谱
开放知识图谱
29+阅读 · 2018年12月28日
关于机器学习你要了解的 5 件事
机器学习算法与Python学习
7+阅读 · 2018年9月7日
谭铁牛院士:人工智能的春天刚刚开始(附PPT)
走向智能论坛
16+阅读 · 2018年5月29日
【机器学习】机器学习和深度学习概念入门
产业智能官
11+阅读 · 2018年1月3日
人工智能,机器学习和深度学习之间的差异是什么?
大数据技术
6+阅读 · 2017年11月22日
综述 | 一文读懂自然语言处理NLP(附学习资料)
PaperWeekly
9+阅读 · 2017年11月14日
Logic Rules Powered Knowledge Graph Embedding
Arxiv
7+阅读 · 2019年3月9日
Arxiv
13+阅读 · 2019年1月26日
Panoptic Feature Pyramid Networks
Arxiv
3+阅读 · 2019年1月8日
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
VIP会员
相关VIP内容
人机对抗智能技术
专知会员服务
189+阅读 · 2020年5月3日
专知会员服务
121+阅读 · 2020年3月26日
中科大-人工智能方向专业课程2020《脑与认知科学导论》
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
105+阅读 · 2020年1月2日
中文知识图谱构建技术以及应用的综述
专知会员服务
311+阅读 · 2019年10月19日
相关资讯
前沿 | 字节跳动李航:智能与计算
MOOC
6+阅读 · 2019年2月6日
专栏 | 字节跳动李航:智能与计算
机器之心
5+阅读 · 2019年1月21日
技术动态 | 事理图谱,下一代知识图谱
开放知识图谱
29+阅读 · 2018年12月28日
关于机器学习你要了解的 5 件事
机器学习算法与Python学习
7+阅读 · 2018年9月7日
谭铁牛院士:人工智能的春天刚刚开始(附PPT)
走向智能论坛
16+阅读 · 2018年5月29日
【机器学习】机器学习和深度学习概念入门
产业智能官
11+阅读 · 2018年1月3日
人工智能,机器学习和深度学习之间的差异是什么?
大数据技术
6+阅读 · 2017年11月22日
综述 | 一文读懂自然语言处理NLP(附学习资料)
PaperWeekly
9+阅读 · 2017年11月14日
Top
微信扫码咨询专知VIP会员