<mark id="oztn4"></mark>
0
| 本文作者： 嫣然 | 2017-12-28 09:45 |
雷鋒網按：就大量關于“殺手級機器人”的炒作來說，2017年在人工智能方面取得了一些顯著的進步。阿爾法狗、冷撲大師等棋牌機器人能讓頂級玩家陷入絕望，在現實世界中，機器學習正被用于改善農業，以及擴大醫療保健的覆蓋面。
但你最近和Siri或者Alexa對話過嗎？如果有，那么你會知道，撇開這些炒作，以及躊躇滿志的億萬富翁們，還有很多事情人工智能仍然不能做也不能理解。以下是五個棘手的問題，專家們將在明年為它們絞盡腦汁。請看雷鋒網為您一一道來：
在處理文本和語言方面，機器比以往任何時候都做的更好。 Facebook可以為視障人士讀出圖像描述。谷歌做了一個很不錯的軟件，能在回復電子郵件時給出簡短的建議。然而，軟件仍然不能真正理解我們的話語的含義，或我們想與它們分享的想法。波特蘭州立大學教授梅蘭妮·米切爾（Melanie Mitchell）表示：“人類能夠把我們學到的概念以不同的方式結合起來，并在新的情況下應用。AI和機器學習系統則不能。”
Mitchell將今天的軟件面臨的問題描述為數學家Gian Carlo-Rota所說的“意義障礙”。一些領先的AI研究團隊正試圖找出克服它的方法。
這項工作的一部分，旨在為機器提供關于常識和實體世界的認知基礎——它們奠定了我們的思維。例如，Facebook研究人員正通過觀看視頻來教軟件理解現實。還有人在模擬我們可以用關于世界的知識做些什么。谷歌一直在試圖打造能夠理解隱喻的軟件。米切爾實驗過一種系統，使用類比和概念存儲來解釋照片中發生的事情。
機器人硬件已經發展的相當不錯了。花500美元，你就能購買攜帶高清攝像機的手掌大小的無人機。搬運箱子的機器人以及兩條腿走路的機器人也有所改進。那為什么我們還沒有被繁忙的機械助手所包圍？因為現在的機器人缺乏能夠匹配他們先進的肌肉的大腦。
讓機器人做任何事情都需要針對特定的任務進行特定的編程。它們可以通過重復的試驗（和錯誤）學習操作，如抓取物體。但是這個過程相對較慢。一個有希望的捷徑是讓機器人在虛擬的、模擬的世界中訓練，然后把那些來之不易的知識下載到實體機器人體內。然而，這種方法被現實差距所困擾，具體來說，機器人在模擬過程中學到的技能，在轉移到實體世界中的機器時，并不總是有效。
這種現實差距正在縮小。十月，在虛擬和真實的機器人手臂拾取多種物品的實驗中——這些任務包括膠帶分配器，玩具和梳子等等——谷歌報告了可喜的結果。
對于自動駕駛汽車從業者來說，取得進一步的進步很重要。在機器駕駛競賽中，眾多公司在在虛擬街道上部署虛擬車輛，他們希望能減少在實際交通和道路條件下測試所花費的時間和金錢。自動駕駛創業公司Aurora首席執行官Chris Urmson說，使虛擬測試更適用于真實車輛是團隊的優先考慮之一。曾經領導谷歌母公司Alphabet的自主汽車項目的Urmson說：“明年或以后，我們可以利用這種技術來加速學習。”
運行電網，安全攝像頭和手機的軟件時常受到安全漏洞的困擾。自動駕駛汽車和家用機器人的軟件想必也不會例外。事實上它們的情況可能更糟糕：有證據表明，機器學習軟件的復雜性引發了新的攻擊途徑。
研究人員今年表示，你可以在機器學習系統內部隱藏一個秘密觸發器，讓它在一個特定的信號下轉為惡性模式。紐約大學的研究小組設計了一個街道識別系統，該系統看到黃色的便利貼就會停止正常工作。將一張便利貼貼在布魯克林的停車標志上，會導致系統將該標志報告為限速。 這些把戲的潛在可能性可能會給成自動駕駛汽車造成問題。
這個威脅很嚴重，本月早些時候，世界頂級機器學習會議的研究人員召開了一個關于“機器騙術的威脅”的研討會。研究人員討論了一些惡魔般的騙術，比如生成一些在人類看來很正常、但是對軟件來說意味卻截然不同的手寫數字。例如，你所看到的是一個2，而機器視覺系統看到的是一個3。研究人員還討論了這種攻擊的可能防御方法，并且擔心人工智能被用來愚弄人類。
組織研討會的Tim Hwang預測，隨著機器學習變得更容易部署，功能更強大，使用該技術操縱人是不可避免的。他說：“你不再需要一房間的博士才能研究機器學習。”黃指出，在2016年總統選舉期間，俄羅斯的虛假宣傳運動是潛在的AI加持的信息戰的先行者。他說：“為什么從機器學習的領域看看這些活動中涉及到的科技呢？” Hwang預測，其中一個格外有效的騙術可能是使用機器學習制造虛假的視頻和音頻。
Alphabet的國際象棋冠軍阿爾法狗軟件在2017年迅速崛起。五月份，一個更強大的版本擊敗了中國的圍棋冠軍柯潔。它的創造者，研究機構DeepMind，隨后構建了一個新的版本，AlphaGo Zero，不通過研究人類棋術而直接學習圍棋。十二月， AlphaZero又一次升級，它可以學習下圍棋和日本棋類游戲Shogi（雖然不是在同時）。
這種滾雪球般的捷報令人印象深刻，但同時也提醒人們AI軟件的局限性。國際象棋，shogi和圍棋都很復雜，但規則相對簡單，且對手的玩法清晰可見。它們與計算機能迅速掌握的許多未來職位的能力非常匹配。但是生活中的大多數情況和問題，并不是這樣結構整齊。
因此在2017年，DeepMind和Facebook都開始在多人游戲“星際爭霸”上下功夫。現在兩者的進展都不大。目前最好的機器人是業余愛好者所建立的——即使是與中等技能的玩家相比，它們也無法匹敵。 今年早些時候，DeepMind研究員Oriol Vinyals曾表示，需要缺乏規劃和記憶能力才能精心組裝和指揮一支軍隊，同時期預測并對對手的動作做出反應，而他的軟件缺乏這種能力。無獨有偶，這些技能對于軟件更好地幫助實際工作也至關重要，如辦公室工作或真正的軍事行動。 2018年“星際爭霸”或類似游戲的巨大進步可能預示著人工智能的一些強大的新應用。
即使沒有在上述領域取得新的進展，如果現有的AI技術被廣泛采用，經濟和社會的許多方面也會發生很大的變化。企業和政府正急于這樣做，與此同時，有人對人工智能和機器學習可能造成的意外和故意傷害表示擔憂。
在本月的NIPS機器學習大會上，一個重要的討論話題是，如何使技術保持在安全和道德的范圍內。研究人員發現，我們的世界本身遠不完美，機器學習系統從中獲得訓練數據，因而可能學會令人不愉快或者我們不期望的行為，如延續性別偏見和刻板印象。現在有人正在研究技術，用于審核人工智能系統內部運作，確保他們在投入金融或醫療保健等行業工作時作出公平的決策。
明年我們應該會看到科技公司提出相關理念，關于如何讓人工智能站在人性光明面。谷歌，Facebook，微軟和其他人已經開始討論這個問題，以及一個新的名叫“Partnership on AI”的非營利組織的成員，該組織將研究和嘗試塑造人工智能的社會影響。更多的獨立組織也感受到了壓力。一個名為“人工智能倫理與治理基金會”的慈善項目正在支持麻省理工學院、哈佛大學等研究人工智能和公共利益。紐約大學的一個新研究機構AI Now也有類似的任務。在最近的一份報告中，它呼吁各國政府發誓放棄在刑事司法或福利等領域使用沒有公開檢查的“黑匣子”算法。
via 雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
