<mark id="oztn4"></mark>
0
雷鋒網按：機器會拯救還是毀滅我們？我們被這個問題困擾了很久，而我們好像還沒有接近答案。機器一天天變得越來越聰明，并把我們帶到了以前從沒想過的地方，似乎我們將要失去最高智慧體的地位。4月份開幕的TED2017上，7個演講者（和一個機器人）向我們展示了未來的愿景——從可以通過大學入學考試、學會人類價值觀的機器人，到未來的個人移動方式（提示：我們將會飛行）。
下面雷鋒網帶領大家按照時間順序簡要回顧一下會議第二階段的演講。
雷鋒網AI科技評論彭鵬、楊曉凡合作翻譯完成。
SpotMini，一個四足的電子機器人，看起來就像是把一只大狗和一只小長頸鹿拼在了一起。它在舞臺上小跑，沿著紅色地毯繞圈，向觀眾們致意，然后回到 Marc Raibert的身邊。Marc Raibert是波士頓動力的創(chuàng)始人，這家公司主要負責設計最酷，也可能是最可怕的機器人。
據Raibert介紹，波士頓動力的基本設計原則是要達到平衡、敏捷和感知。他向觀眾介紹了以這些原則進行的機器人研究的進展，展示了BigDog、AlphaDog、Spot、Atlas和Handle5個機器人的視頻。BigDog是一個如獵豹般敏捷的機器人；AlphaDog是一個可以通過10英寸積雪的大型機器人；Spot是大型版本的SpotMini，它可以打開各種復雜的門；Atlas是一個類人機器人，它用兩條腿行走，并用手來打開包裹；Handle用輪子來行走，可以提起100磅的包裹并輕松地跳到桌子上。在這之后，SpotMini活動起來，在波士頓動力的Seth Davis引領下，這臺機器人欣喜地向TED的觀眾們展示它全面的步伐，左右晃動，原地跑動，來回地跳來跳去。Raibert在屏幕上展示了SpotMini如何為它周圍的環(huán)境動態(tài)創(chuàng)建地圖，這讓它可以輕松地躲過舞臺上設置的障礙，甚至可以按照Raibert的指令遞給他一瓶蘇打水。
Noriko Arai問道：AI能通過東京大學的入學考試嗎？
東京大學被認為是日本的哈佛大學。日本國立情報研究所的Arai博士負責了這樣一個機器人研究項目，“東大機器人”，目標是在2020年讓AI考入東京大學。為什么要這樣做呢？“研究AI的表現(xiàn)來與，人類做比較”，Arai 說，“在只有受過教育的人才能有能力做的事情上”。上一年，東大機器人就在數學成績上排進了前1%，今年人們看著它現(xiàn)場完成了一篇關于17世紀海運貿易的600字短文。
Arai把她的注意力放在放在了機器人是如何做到的：機器人把數學題目分解為機器可閱讀的公式，把多選題轉換成可以谷歌的陳述語句，把短文撰寫變成一項拷貝和合并的任務。“今天的任何一個AI，包括Waston，Siri 和 東大機器人，都沒有能力去閱讀，但它們擅長的是尋找和優(yōu)化”，她說。這些AI并不是真的理解了，它們只是顯得理解了一樣。即便這個AI去年沒考上東京大學，但是它仍然能夠排在全體學生的前20%，這已經足以進入全日本的60%的大學。“這個不智能的機器怎么能比學生們、比我們的孩子們表現(xiàn)的更好呢？”
在給數以千計的學生做了類似的考試以后，Arai找到了答案，原來學生也同樣不擅長閱讀。大約三分之一的人都弄錯了基本的問題。“我們相信每個人可以學習，并且可以學習得很好”，Arai說。但是最好的教育資源只能使那些閱讀能力好的人受益——但是我們中的很多人都不是這樣。
這是一個研究全知、全能的機器人的年代，而Stuart Russel卻在向著相反的方向去。他是加州大學伯克利分校人工智能系統(tǒng)中心創(chuàng)始人，兼計算機科學專業(yè)教授，他在研究具有不確定性的機器人。他說這是能讓人工智能的全部力量都派上用場，同時還能預防機器人統(tǒng)治世界、造就人類末日的方法。當我們擔心機器人變得太過聰明，或者偏離了他們的程序本來賦予功能的時候，我們實際上擔心的是一種“價值協(xié)調問題”，Russell解釋說。所以我們要如何給機器人編程，才能讓他們完全按人類預想地那樣運行，而不是執(zhí)行目標的字面意思呢？Russell提醒我們注意，畢竟我們不想像碰到什么都會變成金子的米達斯國王那樣，所有的朋友也都變成了金子。這其中的解決方法就需要用到人類兼容的人工智能，它的重點是給無私的機器人的目標增加不確定性，然后通過觀察人類習性，用人類的價值觀念補足機器人目標和人類目標之間的空檔。給計算機建立這種人類的常識，將會“改變人工智能的定義，我們就會有只會對人類有益的機器……最好，我們還能在這個過程中學會做更好的人。”
電腦是如何把貓和狗區(qū)分開的？2007年的時候，最好的算法也只有60%的準確度能區(qū)分開一只貓和一條狗。今天的電腦已經能達到99%的準確率了。YOLO算法是華盛頓計算機科學家Joseph Redmon開發(fā)的，這種算法除了使用你手機攝像頭做基本的面部識別之外，還會用到實時的云計算AI。YOLO物體識別系統(tǒng)只用一個神經網絡，就可以對所有的邊界框或者給定物體的實際外型進行預測，并且能同時進行分類。它的速度還非常的快。
在一個用到了TED觀眾的例子里，我們看到，這種算法可以完美地識別出一個人，一只貓或者狗的布偶，一只書包或者一條領帶。更重要的是，這個物體識別系統(tǒng)可以為任何圖像領域進行針對性的訓練：“它有高度的可訓練性，所以我們的方法既可以在自然照片中尋找動物，也可以在醫(yī)學活體組織檢查照片里尋找癌細胞，任何你能想象到的東西都可以。”Redmon說。
“人工智能的目的是什么？”Tom Gruber提出了這個問題，他是一名AI開發(fā)者，Siri的聯(lián)合創(chuàng)始人之一。機器要變得智能，這樣機器才能自動完成我們人類不想做的任務，又或者在象棋圍棋這樣復雜的棋類里打敗人類，甚至有可能，開發(fā)出超級人工智能，統(tǒng)治人類？ Gruber認為并不是這樣，人工智能并不會跟人類競爭，而是會幫助人類提高、與人類協(xié)作。“超級人工智能應當帶給我們超人類的能力”，他說。
回望過去的30年，從他研發(fā)第一個幫助腦麻痹病人進行溝通的人工智能助理，到如今能夠幫助我們做導航、回答各種復雜問題、幫助我們做各種事情的Siri，Gruber講解了他對“人性化AI”的預見：為了達到人類的需求，能與人類合作、幫助人類提高的機器。Gruber帶著大家暢想了這樣一個未來，在那里超級人工智能可以幫助我們增進記憶，幫我們記住遇到的每一個人的名字、記住聽過的每一首歌、記住讀過的所有文字。“如何運用這種強大的科技，我們有很多的選擇。我們可以選擇讓它和人類競爭，也可以選擇讓它和人類協(xié)作，協(xié)作來打破人類能力的限制，幫我們做我們想要做的事情，而且做得更好”，Gruber說。“每當有機器變得更聰明的時候，我們也變得更聰明了。”
2015年的時候，工程師Todd Reichert以89.6英里/小時（144.2公里/小時）的速度打破了人力驅動車速的記錄，他騎的是一輛超級輕的自行車，沒有使用引擎。不過他這次來到TED不是為了講這個的。他介紹了Kitty Hawk Flyer，一架全電動的超輕飛行器，計劃在2017年底開售。飛行員像騎摩托車一樣騎在上面，只不過飛行器的下方不是輪子了，而是一個網格狀的平臺，網格下面一周有8個螺旋槳。他帶著大家一起看了一個視頻，這個飛行器在水面上方15英尺飛行著，沒有機艙，飛行員整個露在外面。
為了讓這種遐想成為現(xiàn)實，Reichert介紹了飛行器用到的兩項科技：一項是簡單的電子系統(tǒng)，讓飛行員可以像玩電腦游戲一樣輕松地控制螺旋槳，另一項就是發(fā)展迅速的電池技術。有很多人都在等在飛行背包和會飛的汽車到來的那一天， Reichert告訴他們：“人類的飛行夢想其實沒那么遙遠”。他的團隊正在與監(jiān)管部門合作，給飛行器升空掃清障礙（第一步已經達成，因為它的重量低于254磅，就不需要飛行員執(zhí)照也可以飛）。Reichert說，“我知道這離噴氣式還很遠，但這是另一種全新的自由的開始。”
在科幻小說中，人工智能似乎總是跟人類的智力有一樣的模式，只不過更強大一些。但是其實在自然界中還有很多與人類不同的智力模式，比如昆蟲群和魚群展示的集體智力。計算機科學家Radhika Nagpal的科研生涯都投入在研究集體智力系統(tǒng)中，研究和理解其中的管理規(guī)律，這樣就可以為我們所用，比如用在機器人中。“一旦你理解了規(guī)則，許多種機器人視覺就都變得可能”，她說。
圖片via TED2017，4月25日，加拿大溫哥華。
via TED Blog
AI科技評論招業(yè)界記者啦！
在這里，你可以密切關注海外會議的大牛演講；可以采訪國內巨頭實驗室的技術專家；對人工智能的動態(tài)了如指掌；更能深入剖析AI前沿的技術與未來！
如果你：
＊對人工智能有一定的興趣或了解
* 求知欲強，具備強大的學習能力
* 有AI業(yè)界報道或者媒體經驗優(yōu)先
簡歷投遞：
lizongren@leiphone.com
相關文章：
