本文系網(wǎng)易智能工作室(公眾號(hào)smartman 163)出品。聚焦AI,讀懂下一個(gè)大時(shí)代!
【網(wǎng)易智能訊1月20日消息】雖然人工智能這個(gè)詞是在20世紀(jì)50年代正式發(fā)明的,但是人工智能(AI)這個(gè)概念可以追溯到古埃及的自動(dòng)機(jī)器和早期的希臘機(jī)器人神話。人工智能領(lǐng)域的名人們?cè)噲D通過1956年的達(dá)特茅斯會(huì)議和圖靈測(cè)試來定義人工智能,而熱情的人工智能倡導(dǎo)者們堅(jiān)持用一種可區(qū)分和易于理解的方式向全世界解釋這一概念。
人工智能是一個(gè)神秘的、神奇的、似乎有著無窮無盡的可能性的主題。然而,對(duì)于普羅大眾來說,它仍然是一個(gè)難以捉摸的東西,在人們對(duì)未來的預(yù)測(cè)中,它常常被描繪成消極的形象。
為了對(duì)抗好萊塢電影中的人工智能所帶來的恐懼的惡性循環(huán),我們需要清楚地明白,人工智能到底是什么。
如何辨別某個(gè)東西是不是AI
從最廣泛的意義上講,人工智能可能具備人類所有的認(rèn)知能力,包括學(xué)習(xí)的能力。一臺(tái)機(jī)器只需要有一分鐘的這些技能,就能算作人工智能。人工智能是機(jī)器的特點(diǎn),它通常是表現(xiàn)出智能行為的計(jì)算機(jī)程序。在這種情況下,“智能”意味著在不同的環(huán)境或條件下實(shí)現(xiàn)目標(biāo)的能力。相應(yīng)地,在計(jì)算機(jī)科學(xué)領(lǐng)域,人工智能領(lǐng)域是指那些設(shè)計(jì)智能系統(tǒng)的研究。
基于這一技術(shù)定義,人工智能并不需要具備學(xué)習(xí)的能力。在最極端的情況下,機(jī)器中的所有智能行為都可以由程序員通過編寫硬代碼實(shí)現(xiàn)。只要預(yù)設(shè)的算法能夠?qū)崿F(xiàn)它的目標(biāo),機(jī)器仍然可以符合人工智能的定義。許多當(dāng)前的人工智能系統(tǒng)實(shí)際上都是基于規(guī)則的系統(tǒng)類型,在這種系統(tǒng)中,工程師可以向系統(tǒng)提供其需要的智能。
此外,機(jī)器學(xué)習(xí)是一門科學(xué),它讓機(jī)器在沒有明確編程的情況下表現(xiàn)出智能行為。具體來說,它為系統(tǒng)提供了從數(shù)據(jù)中自動(dòng)學(xué)習(xí)的能力,并且在沒有工程師改變程序代碼的情況下進(jìn)行改進(jìn)。
拋開技術(shù)層面來談,你可以說人工智能是目標(biāo),機(jī)器學(xué)習(xí)是實(shí)現(xiàn)這一目標(biāo)的途徑之一——讓機(jī)器自己解決問題。在許多情況下,機(jī)器學(xué)習(xí)涉及到使用以前收集的數(shù)據(jù)學(xué)習(xí)和改進(jìn)模型。通過數(shù)據(jù),機(jī)器可以做出經(jīng)驗(yàn)驅(qū)動(dòng)的預(yù)測(cè)或決策。通過不斷更新模型,機(jī)器將自主學(xué)習(xí)適應(yīng)不斷變化的環(huán)境。
AI并不是天生就優(yōu)于人類
為了弄清人工智能的能力,我們需要解釋它能做什么。雖然工程師可以對(duì)人工智能進(jìn)行操作,并提供所有的智能,但機(jī)器學(xué)習(xí)在創(chuàng)建人工智能系統(tǒng)時(shí)變得越來越重要。這是因?yàn)闄C(jī)器學(xué)習(xí)承諾在找到未知解決方案的同時(shí),能夠減少人工工程的時(shí)間,即使是對(duì)領(lǐng)域?qū)<襾碚f也是如此。然而,在很多情況下,工程時(shí)間只是從直接設(shè)計(jì)人工智能的時(shí)間變?yōu)樵O(shè)計(jì)一種機(jī)器學(xué)習(xí)算法來學(xué)習(xí)解決方案本身的時(shí)間。人類工程師仍然是不可或缺的。
乍一看,這是一個(gè)完美的解決方案:我們創(chuàng)造了一個(gè)能夠?qū)W習(xí)的人工智能,向我們展示如何學(xué)習(xí)解決一個(gè)任務(wù),然后,它就能得出任何相關(guān)問題的解決方案,對(duì)吧?看起來,像谷歌、微軟和蘋果這樣的大公司是這么認(rèn)為的:他們利用這種直觀的期望來說服人們,他們的人工智能系統(tǒng)將解決許多客戶的問題。他們?cè)谌斯ぶ悄茴I(lǐng)域投入巨資,并做出重大承諾。
在過去的十年中,學(xué)習(xí)系統(tǒng)已經(jīng)完美地解決了對(duì)象識(shí)別、語音識(shí)別、語音合成、語言翻譯、圖像創(chuàng)作和游戲玩法等方面的問題。這些算法的能力被宣傳為具有突破性的功能,確實(shí)是這樣。在機(jī)器學(xué)習(xí)中,沒有深厚技術(shù)背景的人通常會(huì)認(rèn)為機(jī)器在執(zhí)行諸如此類的特殊任務(wù)方面的改進(jìn),只需要組合不同的人工智能。這并非完全正確。
每一天,算法都是在學(xué)習(xí)如何解決新任務(wù),并在其他方面變得更好。谷歌旗下DeepMind的AlphaGo打敗了李世石,后者是世界上最好的圍棋選手之一。了解到這一點(diǎn)后,一位有工程背景的客戶說,“我們現(xiàn)在有了一個(gè)通用人工智能,它已經(jīng)學(xué)會(huì)了在圍棋上超越人類——那么它肯定能優(yōu)化汽車排氣系統(tǒng)的設(shè)計(jì)。”然而,這種推理是基于這樣的假設(shè):一旦機(jī)器學(xué)習(xí)算法被開發(fā)出來解決一個(gè)問題,同樣的算法就可以很容易地應(yīng)用于解決一個(gè)不同的問題。
但事實(shí)并非如此。
在現(xiàn)實(shí)中,上述的每一個(gè)突破都是通過高度專業(yè)化的機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)的,這些算法是地球上那些最聰明的人花了很多年的時(shí)間開發(fā)出來的。他們的設(shè)計(jì)和調(diào)整都是為了解決他們的具體任務(wù)——只是這一個(gè)任務(wù)。
有一些基本的方法,比如深度學(xué)習(xí),可以在不同的應(yīng)用領(lǐng)域重復(fù)應(yīng)用。然而,對(duì)于大多數(shù)應(yīng)用程序來說,需要結(jié)合不同的機(jī)器學(xué)習(xí)方法。生成的機(jī)器學(xué)習(xí)系統(tǒng)需要根據(jù)特定應(yīng)用程序的數(shù)據(jù)進(jìn)行調(diào)整,需要調(diào)整訓(xùn)練算法,以找到高性能的解決方案。每一步都需要一個(gè)機(jī)器學(xué)習(xí)專家(通常不止一個(gè)),輔之以軟件工程師和領(lǐng)域?qū)<也拍芡瓿伞?/p>
它需要一支軍隊(duì)
AlphaGo是一項(xiàng)耗時(shí)多年的項(xiàng)目的成果,該項(xiàng)目至少有17人參與其中,其中有幾人在各自的機(jī)器學(xué)習(xí)領(lǐng)域都處于領(lǐng)先地位。據(jù)第三方消息來源稱,AlphaGo在與Sedol的游戲中使用了1920個(gè)CPU和280個(gè)GPU。
大型人工智能公司都擁有數(shù)個(gè)世界知名的機(jī)器學(xué)習(xí)專家團(tuán)隊(duì),并與軟件工程師進(jìn)行合作。在許多情況下,每個(gè)團(tuán)隊(duì)都專注于一個(gè)特定的應(yīng)用領(lǐng)域,目標(biāo)是研究增量方法,以改進(jìn)當(dāng)前最好的機(jī)器學(xué)習(xí)方法。
現(xiàn)代人工智能更像是一個(gè)軟體動(dòng)物,而不是無所不能的機(jī)器,生物學(xué)為今天的人工智能提供了靈感。生物學(xué)家研究了一種機(jī)制,即動(dòng)物在經(jīng)歷過一些能夠改變某種環(huán)境特定意義的事情后,會(huì)改變對(duì)特定環(huán)境的反應(yīng)方式。用一個(gè)詞來形容就是——學(xué)習(xí)。
常見的研究對(duì)象是海兔(即軟體動(dòng)物或海蛞蝓):具體來說,科學(xué)家研究的是決定神經(jīng)元如何燃燒的基因。根據(jù)他們的基因結(jié)構(gòu),兩種海兔對(duì)相同的體驗(yàn)(即數(shù)據(jù))做出了不同的反應(yīng)?,F(xiàn)在,機(jī)器學(xué)習(xí)的運(yùn)行大致是這個(gè)水平——專家們修改了學(xué)習(xí)算法的程序代碼(類似于海兔的基因代碼),改變了它的能力和適應(yīng)各種體驗(yàn)的傾向。
機(jī)器學(xué)習(xí)的發(fā)展?fàn)顟B(tài)可能更接近于無脊椎動(dòng)物,比如海兔,而不是哺乳動(dòng)物或人類的高級(jí)認(rèn)知能力。
在過去的兩年里,研究人員開始開發(fā)機(jī)器學(xué)習(xí)技術(shù),以適應(yīng)新的任務(wù)。然而,方法 論還只是剛剛起步。用一位DeepMind科學(xué)家的話說,“最近關(guān)于內(nèi)存、探索、組合表示和處理架構(gòu)的研究為我們提供了樂觀的理由。”換句話說,我們有理由相信,實(shí)現(xiàn)更廣泛的人工智能的目標(biāo)是可行的。
這里的核心信息是:你不能簡單地將原始數(shù)據(jù)倒進(jìn)通用的人工智能中,并期待有意義的東西出現(xiàn)——這種人工智能還不存在。此外,如果你提供一個(gè)堅(jiān)如磐石的問題定義,機(jī)器只能學(xué)習(xí)合適的解決方案。對(duì)于一個(gè)成功的故事,你需要良好的計(jì)劃,一個(gè)數(shù)學(xué)上合理的問題陳述,足夠的訓(xùn)練數(shù)據(jù),大量的機(jī)器學(xué)習(xí)知識(shí)和軟件開發(fā)能力。
(選自:CodeBurst編譯:網(wǎng)易智能 參與:李擎)