<mark id="oztn4"></mark>
1
| 本文作者： 逸炫 | 2016-04-21 20:11 |
人工智能自從概念誕生以來已經過了60年——經歷了太多刷爆你朋友圈的事件——現(xiàn)在，AI又成為主流媒體中的網紅話題。
據(jù)一份最近的世界經濟論壇（WEF）報告，很多人認為人工智能威脅人類的就業(yè)機會，其他一些人甚至稱其對人性本身帶來威脅。
目前能夠確定的是，我們還有很多問題無解：我們真的能創(chuàng)造具有意識、有思想和情感的機器嗎？“意識”這個詞到底是什么含義？“智能”的精確定義是什么？以及，結合物聯(lián)網（IoT）和智能，會帶來什么？
在20世紀早期，Jean Piaget（注：20世紀最著名的發(fā)展心理學家，提出兒童認知發(fā)展階段）說：“智能就是，當你不知道該怎么辦時，當先天天賦和后天學習都沒法讓你應對某個情況時，你所使用的能力。“
翻譯成簡單一點的術語，智能是在正確的時間、以一種靈活的方式、做正確的事情，幫助你主動生存，提高生活各個方面的生產力。
世界上有各種各樣的智能：在智力要求比較高的活動中需要的更加理性的智能，例如下圍棋、解決復雜問題、作出未來選擇。還有社會智能的概念，特征是示好的社交行為。還有情感智能，對你交往的人們的情感和思想有同理心。
我們大致上體驗著每一種智能的某種結合，但是這并不意味著我們沒法獨立理解這些智能，也許，甚至在AI的語境下創(chuàng)造性地理解。大部分人類行為本質上是本能或者對外界刺激的反應；我們不覺得執(zhí)行這些行為必須得有智能。
但是在實際上，我們的大腦是有“聰明的布線裝備“，才能實施這些行為。我們大部分行為是反射性的、自動化的，因為我們甚至不需要意識到這些過程，但是我們的大腦永遠在吸收、分析和實施指令的過程中。要給機器人編程，做這些我們通常覺得很簡單的事情，其實是非常困難的。
關于AI關鍵的難題在于，在它的初生階段，學者們就嘗試讓他們解決我們人類很難解決的、需要很多邏輯思維的問題（例如，下圍棋）。這個假設是基于：我們都不覺得難的問題，應該更容易解決。
然而，我們現(xiàn)在意識到了下圍棋的電腦是智能的，但是這是智能的一種“狹隘”定義。實際上，對AI來說困難的是日常智能，重復我們都不需要思考的動作（例如，在別人家的廚房泡杯茶）。因此，AI在火熱了60年后，我們覺得很簡單的東西對AI來說很困難，反之亦然。回顧過去，給AI設定如此高的預期值不是一個好主意。
最近去世的“人工智能教父”Marvin Minsky說到“心智社會“，我們的認知過程和認知架構不是限制在一個地方、或一個單獨的過程，是許多根深蒂固的概念帶來的集體行為。
雖然這在AI領域不是新概念，這有很大意義，因為我們的大腦是一個巨型復雜神經網絡，有一九千萬個神經元在持續(xù)互相溝通。我們能夠很神奇地理解“發(fā)生了什么”。
這與現(xiàn)在越來越火熱的物聯(lián)網（IoT）神奇地聯(lián)系了起來。物聯(lián)網帶來的新機遇讓人們看見一片光明的前程——但是，它也為一系列威脅做了鋪墊。我們創(chuàng)造了新的復雜網絡，互相聯(lián)網的設備，可以分享無限量的信息。搭配合適的AI架構和優(yōu)化的機器學習模型，這會最終形成一種更大規(guī)模的人類大腦模擬網絡。
我不只是在說傳統(tǒng)的人工智能網絡。我想提出，在IoT的外衣之下，我們開始創(chuàng)建錯綜復雜的機器網絡，智能到足以理解難以解釋的概念，例如人類的非理性，或者人類對機器的依賴。
這種擔憂不是從人形機器人而來，因為99.99%的真實世界問題（我們希望利用機器人解決的有用的問題）不需要任何人形的身體。例如，無人車不需要有一個人形機器人坐在駕駛座上幫你開車。
然而，智能聯(lián)網的汽車必然可以收集很多有用的用戶信息，無論是用戶的模式、行為、偏好、或者和其他智能設備的協(xié)同（例如，安全帶和汽車裝備）。一旦這些特征被識別為智能模式，人類沒有理由不對它們癡迷，最終，成為這些設備的奴隸。
一個很能說明問題的案例是，智能手機使用中無處不在的行為模式，已經引起人們的警覺。IoT有可能加劇這個問題。在IoT中融入AI，創(chuàng)造聯(lián)網“智能”設備可能會后果很嚴重。
雖然知道未來是不可預測的，我們也知道，是我們的聰明智慧與創(chuàng)造力讓我們有了今天的成就。我們需要關注的問題不只是在圍棋比賽與人類對抗的機器，還有那些地位獨特的設備，讓我們超越極限，不計成本，熱切實現(xiàn)自己的野望。
人工智能，像任何現(xiàn)代科技一樣，可以在未來讓人類大大獲益。作為負責人的科技開發(fā)者，我們得確保，我們追求舒適的本能不會戰(zhàn)勝我們其他的義務——包容性的經濟增長，更寬容的社會，更美好的世界。
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
