New
product-image

人工智能机器的崛起人工智能让人们非常恐慌,因此print-edition iconMay 6th 2015

Special Price 作者:闻人怖

ELON MUSK忙于构建其他人的未来一位连环企业家,在世界网络初期创下了他的第一笔财富,此后他帮助创建了一家太阳能发电公司,生产绿色电力,一家电动汽车公司将驾车者从内燃机和火箭业务 - SpaceX--追求他在生命中看到火星上的人类殖民地的愿望

这使他成为了一位技术专家,你可能期望看到明天的慷慨乐观情绪

并非所有未来的技术都能满足他的批准虽然在10月份在麻省理工学院的一次演讲中,马斯克先生将人工智能(AI)描述为“召唤恶魔”,并将创造人类智能的对手视为可能是世界面临的最大威胁

并不仅仅是牛津大学哲学家尼克·博斯特罗姆(Nick Bostrom),他帮助发展了“存在风险”的概念 - 威胁到人类的普遍性 - - 数字广告与此同时,巨大的小行星袭击和全面的核战争,英国最重要的科学机构 - 英国皇家学会主席里斯勋爵已经在剑桥建立了存在风险研究中心,人工智能所带来的风险同样严重升级您的收件箱并获得我们的日常调度和编辑选择这种担忧是乐观的一面镜子,影响了领域本身,在过去几年中取得了快速进展

诸如Google,Facebook ,亚马逊和百度进入了人工智能的军备竞赛,偷猎研究人员,建立实验室和购买初创公司

内部人士大体上并不担心被他们的创作超越

他们的业务并不是那么多的新思想因为它消除了旧的需求,通过采取以前只有人可以做的事情,并使它们适合机器的任务

由此产生的数据洪流e世界互联网连接的计算机,平板电脑和智能手机,以及现在可用于处理该洪流的大量计算能力,这意味着他们的算法越来越能够理解语言,识别图像等类似业务正在关注那些谁担心技术带走人们的工作大量的工作取决于识别模式和翻译符号如果计算机取代了现在这样做的一些人,无论是通过提供一种自动化的替代方法,还是通过让一些这样的工作者提高生产力,将会有更多的工作去年,Google被传言支付了4亿美元给DeepMind,一家总部位于伦敦的人工智能创业公司

它从Facebook的嗅觉中抢走了公司,该公司拥有自己的专用AI研究实验室,由来自纽约大学Google的明星研究员Yann LeCun领导,曾任职于斯坦福大学人工智能专家Andrew Ng直到去年,百度向他挖掘了他在芝加哥领导一个新的硅谷实验室的自己的公司,例如Narrative Science,希望能够自动编写报告(并且已经被福布斯公司杂志,以涵盖基本的财务故事),以及马萨诸塞州剑桥市的Kensho,旨在自动完成金融行业“数量”所完成的一些工作,并由投资者以现金形式出现

4月13日,IBM宣布计划使用它的沃森计算机的一个版本 - 在一个名为Jeopardy的愚蠢的美国知识问答节目中压制了两个不起眼的人类冠军!在2011年 - 分析健康记录,寻找医学见解深入思考人工智能研究与计算机本身一样古老现在的大部分兴奋都涉及一个名为“深度学习”的子领域,它是对“机器学习”的现代完善,在哪些计算机通过处理大量数据来自己完成任务通过这种方式创建的算法是缩小所有人工智能研究之间差距的一种方法:总体而言,难以完成的任务对于计算机来说很容易,反之亦然最简单的计算机在涉及复杂的数学方程时,可以围绕最亮的人运行环

同时,最强大的计算机过去一直在与人们发现微不足道的事情斗争,例如识别人脸,解码语音和识别物体图片 理解这一点的一种方式是,对于人类去做他们觉得很困难的事情,比如求解微分方程,他们必须写出一套正式的规则

将这些规则变成一个程序非常简单对于人类来说,找到容易的东西,没有类似的需要明确的规则 - 并试图创建它们可能很难举一个着名的例子,成人可以区分色情和非色情内容但是描述他们如何这样做几乎是不可能的,就像美国最高法院法官波特斯图尔特,在1964年被发现因为提出一个合法的水密定义的困难而感到沮丧,他举起手来写道,虽然他不能在抽象中定义色情片,“当我看到它时我就知道了”机器学习是一种方式通过为计算机自己制定他们的程序员无法指定的规则来让计算机知道事情机器通过对大量和大量数据进行重型统计分析来实现这一点许多系统使用一种古老而又古老的人工智能技术 - 神经网络来开发他们所需要的统计数据神经网络是在20世纪50年代由研究人员发明的,他们的想法是,虽然他们不知道智能是什么,但他们确实知道大脑有它大脑做他们的信息处理不与晶体管,但与神经元如果你可以模拟这些神经元 - 细胞,高度相互连接的细胞,它们之间传递电化学信号 - 那么可能会出现某种智能行为可能会出现网络捕捉神经元是巨大的复杂性即使在今天,人工智能中使用的模拟仿真也是一幅棒形的卡通图

但早期的结果表明,即使最粗糙的网络可能也适合某些任务微软的AI研究人员Chris Bishop指出,电话公司,自从20世纪60年代以来,一直使用神经网络发现的回声消除算法

但是在这样的早期成功之后,这个想法失去了它的吸引力

com现在的放大能力限制了可以模拟的网络的规模,这限制了技术的适用范围然而,在过去的几年里,为绘图视频游戏图形这一苛刻的工作开发的芯片具有非凡的数字处理能力,兴趣早期神经网络仅限于数十或数百个神经元,通常组织为单层Google最近使用的最新模拟可以模拟数十亿有许多可用的ersatz神经元,研究人员可以从大脑中获得另一种线索,将它们组织在不同的层次结构层中(请参见图)正是通过相互连接的层将“深层”融入深度学习中网络的每一层处理不同的抽象层次要处理图像,例如最低层被馈送到原始图像它记录像个别像素的亮度和颜色的东西,以及这些属性如何在图像中分布下一层将t将这些观察变为更抽象的类别,识别边缘,阴影等

之后的图层将依次分析这些边缘和阴影,寻找表示眼睛,嘴唇和耳朵等特征的组合

然后可以将这些组合成表示一张脸 - 实际上不只是任何脸部,甚至还有一张网络已经见过的特定脸部的新图像为了使这样的网络有用,他们必须首先被训练为了让机器自己进行面部识别编程,例如它将呈现数千幅图像的“训练集”一些将包含面部,一些将不包含面部,一部分不会被人标记

这些图像充当系统的输入;作为输出的标签(“face”或“not face”)计算机的任务是提出一个统计规则,将输入与正确的输出相关联

为此,它将搜索每个抽象级别的任何常见功能那些显示人脸的图像一旦这些相关性足够好,机器就能够可靠地从其训练集中的非人脸中分辨出脸部

下一步是让它在新的一组图像上松动,以查看脸部 - 它已经提取的识别规则在现实世界中保留通过以这种方式从底层开始,机器学习算法学会识别人类理解但难以在代码中定义的特征,概念和类别

但是这样的算法对于很长时间,狭隘专业 程序经常需要设计者提示,以手工制作的特定手头代码的形式 - 一组用于处理图像的调整,另一组用于语音识别

此外,早期的神经网络只有对数据的有限需求超过某个特定点,向它们提供更多信息并不能提高其性能现代系统需要的手持和调整少得多它们也可以很好地利用尽可能多的数据,因为它们可以抛向它们并且由于互联网,有大量的数据可以抛出像百度,谷歌和Facebook这样的大型互联网公司坐在他们用户生成的大量信息上电子邮件大量涌现;大量的搜索和购买历史;无尽的图像,面孔,汽车,猫和世界上几乎所有的东西都堆积在他们的服务器上运行这些公司的人都知道这些数据包含有用的模式,但是信息的绝对数量令人望而生畏

尽管对于机器来说这并不令人望而生畏,尽管信息过载的问题最终包含了自己的解决方案,尤其是因为许多数据都是由创建它们的人有用地预先标记的

强化了正确的算法,计算机可以使用这些注释数据来教导自己发现有用的模式,规则和类别结果令人印象深刻2014年,Facebook推出了一种称为DeepFace的算法,可以在97%的时间内识别出图像中特定的人脸,即使这些面部被隐藏或光线不足也可以与人们的视线相媲美微软喜欢吹嘘它正在开发的用于数字私人助理Cortana的对象识别软件可以告诉它的用户区别于彭布罗克威尔士柯基犬图片和一件开襟羊毛衫威尔士柯基犬,看起来几乎完全相同的两个狗品种(见图片)包括英国在内的一些国家已经使用面部识别技术进行边界控制,并且一套能够从视频中识别个体的系统已经明显对警察和间谍的呼吁5月5日发布的一份报告显示,美国的间谍如何使用语音识别软件将电话转换为文本,以便使其内容更容易搜索

尽管互联网是一个庞大的数据库,但它并不是一个无底的机器学习算法茁壮成长的各种人类标记数据是有限的资源因此,一场比赛正在开发“无监督学习”算法,可以不需要人类帮助就可以学习已经有了取得了很大进展2012年,由Ng博士领导的谷歌团队展示了一个无监督学习机器数百万YouTube视频图像该机器学会了将常见事物分类为i包括人脸和(对互联网的居民的娱乐)猫 - 睡觉,跳跃或滑板 - 在网上无处不在没有人将视频标记为包含“脸”或“猫”

相反,在看到大量机器只是简单地决定他们所代表的统计模式足以形成一个对象范畴从识别个体对象的下一步是识别许多不同的对象Andrej Karpathy和李飞发表的论文斯坦福大学的Fei介绍了一个计算机视觉系统,它能够标记给定图片的特定部分例如,显示一张早餐桌,它将识别叉子,香蕉片,一杯咖啡,鲜花桌子和桌子本身它甚至会生成场景的自然英语描述(见右图) - 尽管技术还不完善(见下图)大型互联网公司例如谷歌对这类工作感兴趣,因为它可以直接影响他们的底线更好的图像分类器应该能够提高搜索引擎找到他们的用户正在寻找的内容的能力从更长远的角度来看,该技术可以找到其他更具变革性的用途能够分解和解释场景对于机器人研究人员非常有用,例如,帮助他们的创意从工业帮助,自动驾驶汽车到战场机器人,驾驭混乱的现实世界

图像分类也是一种支持“增强现实“,其中可穿戴计算机(例如Google's Glass或微软的HoloLens)在真实世界之上覆盖有用的信息 位于旧金山的Enlitic公司希望利用图像识别来分析X射线和MRI扫描,寻找人类医生可能会错过的问题

深度学习不限于图像这是一种通用的模式识别技术,这意味着从原则上来说,任何可以获得大量数据的活动(从经营保险业务到研究遗传学)都可能发挥其作用

在最近举行的世界最大的粒子物理实验室CERN比赛中,学习算法在发现亚原子粒子的特征方面比物理学家编写的软件做得更好 - 即使创建这些算法的程序员没有特别的物理知识更奇怪的是,一组研究人员编写了一个学习播放视频的程序像“太空侵略者”这样的游戏比人们可以更好机器翻译也将通过深度学习得到改善它已经使用神经网络,有益于来自多种语言的大量在线文本可以在百度找到Ng博士认为,运行在智能手机上的良好语音识别程序可以将互联网带给中国许多不识字的人,从而与普通计算机发生冲突目前,该公司的10%的搜索是通过语音进行的他认为到2020年可能会上升到50%这些不同类型的人工智能可以联系在一起,形成更强大的系统2014年5月,例如在加州的一次会议上,微软展示了一个能够实时翻译口语的计算机程序该公司有一名研究人员用英语向一位德国同事讲话这位同事听到她的对话者用德语发言一个人工智能程序将声波解码为英语短语另一种将这些短语从英语翻译成德语,三分之一将这些短语翻译成德语演讲

该公司希望有一天能够将技术构建到Skype中,其互联网电话ony服务机器中没有幽灵更好的智能手机,更出色的机器人以及将互联网带入文盲都是好事但是他们是否证明了马斯克先生和其他人的存在忧虑

可能模式识别的自编程计算机是走向比创作者更智能的机器的早期但非常关键的一步

末日贩子有一个重要的事实在他们身边几十年的神经科学研究没有任何结果表明大脑不是机器,而是由普通原子组成的,使用普通力量并服从普通自然法则的

换句话说,神秘的“重要火花”是必要的

这表明建立一个人造大脑 - 甚至是一个与大脑看起来不同的机器但做同样的事情 - 原则上是可能的

原则上并且事实上并不是同一件事情

作为AI的先驱之一,现在在波士顿的Rethink Robotics工作的Rodney Brooks说,问题的一部分是对“智能”这个词的混淆,计算机现在可以做一些狭义的任务,只有人类的大脑才能在过去管理(毕竟,原来的“计算机”是人类,通常是女性,被用来进行那种棘手的算术,他的数字排序发现非常简单)图像分类器可能是精确的,但它没有目标,没有动机,也没有比电子表格或气候模型更清楚自己的存在

如果您试图重新创建大脑的工作,你是否一定会从AI做的事情开始,就像现在AI做的那样:AI使用大量的蛮力从系统中获得智能的反应,尽管现在比以前更大更强大,并不像人们想象的那样思考它不会寻求构建与生物思维相似的系统正如人工智能的另一先驱Edsger Dijkstra曾经说过的那样,询问计算机能否思考有点像问“潜艇能否游泳”A网罗和幻觉没有比人工智能程序被欺骗的方式更清晰了6月在计算机视觉会议上展示的一篇论文显示了用于欺骗图像识别算法的光学幻象(参见p icture) 这些提供了洞察算法的运作方式 - 通过匹配模式与其他模式,但盲目地做,没有诉诸的上下文(如实现一个棒球是一个物理对象,而不仅仅是一个抽象模式隐约让人联想到拼接)阻止人们陷入同样的​​陷阱甚至有可能建立一个图像,对人来说,看起来像无意义的电视静态,但是哪些神经网络可以自信地归类为真实的对象

这并不是说人工智能的进步不会带来不愉快的后果,至少对于一些人而言,与以前的技术变革浪潮不同,其中不少人可能是中产阶级以微软的实时翻译为例它所展示的技术远非完美没有人会将其计算机翻译的语音误认为专业翻译排序但它足以表达正在说的内容的要点它比雇用人工干预更便宜,更方便reter因此,这样的算法可以制作目前成本高昂的定制服务的限定版本,任何拥有Skype账户的人都可以使用这可能对口译人员不利但对其他人来说这将是一个福音而微软的程序只会变得更好担心人工智能可以做的白领工作是什么蒸汽动力对工业革命期间的蓝领领导作出的努力值得认真对待例如叙事科学的数字财经记者和Kensho的定量,比比皆是Kensho的系统旨在解释自然语言搜索查询,例如“如果油价下跌了5美元,汽车公司的股价会发生什么变化

”然后,它将冲刷财务报告,公司文件,历史市场数据等,并以自然语言返回回复秒该公司计划向大型银行提供该软件,并且复杂的交易商法国公司Yseop使用其自然语言软件解释查询,chug通过数据寻找答案,然后用英语,西班牙语,法语或德语每秒写入3,000页的信息

欧莱雅和VetOnlinecom等公司已将其用于其网站上的客户支持

这也不仅仅是理论上的担忧,因为一些白领工作已经失去了机器许多公司使用计算机来接听电话,例如,对于他们所有令人发疯的限制,以及在遇到查询时他们无法理解的查询需要人工备份,他们比人类便宜预测方法尽管2013年出版的牛津马丁学派的论文让很多人认为美国统计人员追踪的工作类别中有一半可能是脆弱的,提供以及带走自动,廉价的翻译肯定是有用的有一个不间断的,闪电般快速的计算机检查医疗图像也可能是最好的方式来想想人工智能就是把它看作是人类发明的一系列认知增强技术中的最新成果,以增强他们大脑的能力

它是一种高科技技术,如纸张技术,它提供便携式,可靠的存储器,或者有助于心算的算盘正如印刷机将文书排除在外,高质量的人工智能会降低工作成本但它会提高那些不能替代的工作的能力,让每个人都能够获得目前拥有的心智技能只有少数几个人现在,任何拥有智能手机的人都可以在他的口袋里享受到一个充满城市风格的老式人类“电脑”,他们所有的工作只不过是为电池充电的成本

未来,他们可能会有翻译人员或诊断人员在他们的呼叫和Cleverer电脑,然后,可能是一个真正的变革性技术,但不 - 至少,还没有 - 由于马斯克先生或里斯爵士给出的理由有一天,也许,事端g就像人类大脑所具有的广泛智能一样可以在机器中重现

但现在,最好的建议是忽视计算机对世界的威胁 - 并检查他们不会先接管你的工作