人工智能能否取代人类?澳科学家:人工智能没有威胁-科技世界网
人工智能能否取代人类?澳科学家:人工智能没有威胁
2016-03-18 10:40:00   来源:中国美国28代理新闻网
内容摘要
澳大利亚相关领域的科学家表示,人工智能对人类不是威胁。科学家认为,“阿尔法围棋”的程序就是下围棋,所以它不会做除了下棋之外的任何事情。虽然在此番对战中,“阿尔法围棋”的表现技高一筹,但也仅仅是在围棋方面,

“阿尔法围棋”战胜韩国围棋高手李世石引发了一些人对人工智能是否会取代人类的担忧。不过澳大利亚相关领域的科学家表示,人工智能对人类不是威胁。

澳大利亚新南威尔士大学计算机科学与工程系教授迈克尔·蒂尔舍表示,即便“阿尔法围棋”此次取胜,也并不能说明人工智能就已战胜了人类。

蒂尔舍强调,“阿尔法围棋”的程序就是下围棋,所以它不会做除了下棋之外的任何事情。虽然在此番对战中,“阿尔法围棋”的表现技高一筹,但也仅仅是在围棋方面,“大多数人工智能目前都存在一个非常大的缺陷,那就是缺少了我们所谓跨领域的通用人工智能”。

谷歌在人工智能领域的成功绝非“阿尔法围棋”,它在智能汽车项目也取得了颇多进展。不过蒂尔舍表示,即便在智能汽车领域人工智能仍然面临许多问题。“他们(人工智能)会简单地因为缺乏常识而停下来。这就体现出人类在处理这些日常生活中的情况要比人工智能系统好得多”。

蒂尔舍认为人工智能并不会威胁人类的生存,但他也不否认人工智能未来可能会对人类社会造成一定影响,例如,一些工作岗位可能被人工智能替代,就业压力可能会更大。同时他也对不法之徒未来可能会利用人工智能进行犯罪表示担心,不过他强调科学技术没有善恶之分,人工智能也是一样。

“这就像人类发明飞机一样,我们既可以利用它来环游世界,但同时也可以在全世界投下炸弹,”蒂尔舍说。

 

人工智能创围棋界神话 设备“智能化”将成未来发展趋势

2016年3月15日下午,世界瞩目的围棋“人机大战”终于迎来了收官战。在这让人揪心的5场比赛中,谷歌人工智能系统Alpha Go四胜世界围棋冠军九段高手李世石,书写了人工智能史上的辉煌成就,令全世界都为之震惊。虽然李世石最终1:4大比分落败,但他在经历了前3场比赛的失利后,在第4场比赛中赢得一场胜局,总归也不失人类尊严。

别震惊,智能设备并不是个遥不可及的神话

据悉,本次围棋角逐之所以能够获得如此高的关注度,主要原因还是在于这是人工智能首次在人类最复杂的博弈游戏中挑战最高级别的人类选手,并获得了难以置信的压倒性胜利。曾经只有在科幻大片中才有的情节,如今真的在现实生活中上演,难怪有不少人对这一科技突破深表担忧。实际上,有“大脑”的机器如今很常见,这些丰富的智能化设备也为我们的生活带来了许多便利。

 

除了常见的智能手机、平板电脑等,打印机也在近些年开始盛行智能化,大大小小的打印机生产商都纷纷力推智能打印机的概念。一时间,支持无线直连、云打印、NFC打印等统称“智能”功能的打印机普遍开花,但这也仅仅是未来智能文印的“冰山一角”。在前不久的三星中国论坛中大放异彩的三星A3智能数码复合机MX7系列的出现,让智能文印不再只是“表面功夫”,它已经超出我们对打印机的传统认知,可以帮助企业实现个性化定制,更好地提高办公效率。

三星SMART UX中心:MX7系列的智能“大脑”

谷歌人工智能系统Alpha Go拥有1200多个处理器,其技术架构采用的是模仿人类大脑神经模式,而它做出的所有操作或者想法都需凭借一块显示器(“人机大战”中使用了三星显示器E360)来进行呈现。而三星智能数码复合机MX7系列的运作原理和谷歌人工智能系统Alpha Go的呈现形式非常的相似。三星智能数码复合机MX7系列搭载了基于安卓操作系统的三星Smart UX2.0(智能用户体验中心),这就是它真正智慧的“大脑”,用户通过其配备的10.1英寸的加强型Android显示屏可以直接在打印机上进行文档的预览、编辑和传输。

同时,三星MX7系列出色的兼容性可支持多种移动智能终端设备,用智能手机、平板电脑等就能进行打印操作,也能直接通过打印机的QQ、电子邮件等给他人传送扫描文件,中间过程无需电脑,能使工作变的更加简便快捷。另外,这款产品还是市面上唯一搭载了四核CPU的A3数码复合机,专为繁忙工作环境而设计,强大的信息处理能力及响应速度使它的图像扫描速度可达每分钟240幅双面,远远超出一般行业的速度要求。

支持个性化定制,保障文印安全性

三星智能数码复合机MX7系列还拥有丰富的内置应用,用户在使用时会觉得如同使用平板电脑一样简单方便,其良好的可扩展性方便用户在三星APP商店下载更多实用功能和解决方案,以扩展更多功能和使用场景。再加上三星Smart UX SDK接口技术的开放,用户还能对软件功能自由进行扩展,结合自身所处的行业需求实现个性化定制,也能让多个用户根据自身需求自定义个性化导航界面,只要通过打印机的NFC功能进行身份验证就能轻松打开自己的专属界面。

 

三星MX7系列还具备同时连接内网与外网的双网卡、NFC组件、无线直连打印以及配置克隆功能,填补了打印设备与移动设备间的鸿沟,从而实现随时随地、高效便捷的移动办公。此外,三星MX7系列在智能安全性方面也有所突破,可以只让被授权人员使用设备进行打印,让机密文件的保密性得到充分优化,从而保证了文书打印的安全。

近两天,Alpha Go的出色表现让人们看到了未来人工智能的更多可能。但是大家也无需多分忧虑,因为“智能化”的发展趋势是一条必然的道路,在打印机领域亦是如此。智能化技术的进步为我们身边看似普通的打印机缔造了更多人性化优势,让工作变得更加方便自如。

 

阿尔法狗的人工智能,可应用在二手车领域

从阿尔法狗横扫李世石说起

2016年3月15日,轰动全球的围棋“人机大战”落下帷幕。Google DeepMind的阿尔法狗甫登擂台就先声夺人连下三城,第4盘机器出bug送出一局后,第5盘恢复正常的电脑再次以优异的表现取胜,从而以四胜一负的绝对优势横扫李世石九段。可以毫不夸张地说,围棋这个“人类智慧的最后堡垒”已在“人工智能”的凌厉攻势下宣告沦陷。

石破天惊的闲庭信步

阿尔法狗不仅赢了棋,而且赢得漂亮,甚至赢得轻松惬意。不信的话,请看下图中标出的那一步。

这步棋是此次比赛第3盘的第148手。3月12日那天,这一子落到棋盘上,网络实时转播间里,复旦出身的讲解员立刻用了“藐视”这个词。

当时的形势,是李世石在局面落后的逼迫下放出“胜负手”,在棋盘下方的白棋大阵里“翻江倒海般折腾”。李世石挑起的激烈劫争在证伪“不打劫密约”谣传的同时,把棋局推到了风口浪尖。以笔者粗浅的围棋水平判断,这个大劫的价值不少于80目,可谓一劫定胜负。

就在大劫迫在眉睫,几近炮火纷飞的时刻,阿尔法狗却悠悠然飘到棋盘上方,下了一步价值不小(考虑到后面可能的演变,大致是在25~40目之间)但是怎么说也不在“战线”上的棋。

“人工智能”的这个选择理性吗?

可以是,但有一个条件:那就是下出这一手的人(或者计算机)认定下方的大劫即便让对方多走一步照样是铁定打赢。而且,你必须对自己的计算力信心满满,对于算定了所有的可能没有丝毫的怀疑,坚定地相信计算和判断没有一丁点的错漏。既然这是一个反正赢定了的赌注,腾出手来顺个大官子级别的便宜,也就是符合逻辑的选择了。

这样一个理性选择的逻辑,倘若对面坐着个业余选手,自然是许多棋手都敢用的;但当对面坐着的是李世石,还有多少棋手敢用80目以上的决定胜负的大劫去赌?可是阿尔法狗就敢!而且实战下来,在局部“让先”了一步,平淡从容应对无误的阿尔法狗依然稳健地掌控全局,将李世石竭尽全力的疯狂反扑一一化解。双方战至176手,李世石再也无力反击,投子认输。

围棋的世界里,恰如其分,如此一手棋就是12段高手对9段的丝毫不带遮掩的藐视。或者,用喜欢武侠的朋友熟悉的方式再类比一下:记得黑木崖上东方不败就凭一根绣花针,一边挑开宝剑震飞长鞭,一边好整以暇地称赞“好剑法,好剑法”那一幕吗?就是跟那差不多,区别嘛就是这回东方不败赢了。

“可以一战”的“大局观”计算机学得会吗?

随着棋局的推进,从开战之前的不屑一顾到“机器人接管世界”的一片恐慌,历史上多次出现的人类面对陌生事物的本能表现再次浮出水面。

然则,对于了解神经元网络等等“人工智能”是怎么一回事的人来说,计算机下围棋从“业余选手让14子”到能够PK一位世界冠军的历程,在更大程度上,是一个资源整合路径设计的杰作。

在此,首先要旗帜鲜明地把话说清楚:很多人理解的那个“人工智能”是根本不存在的。计算机计算,那个东西永远不会思考。所谓人工智能,只不过是通过精心设计的模式路径把计算机的计算功能组织起来,使其整合之后在特定领域的外在表现貌似有“智能”,而已。譬如,在每一步平均几十个变化的国际象棋领域,使用棋局“评分”优化但今天看来仍是简单暴力的“剪枝”路径搜索,结合超级计算机“深蓝”的高速运算,早在1997年的番棋较量当中便已掀翻世界棋王卡斯帕罗夫。

然而在长达数十年的探索当中,机器下出的围棋却长期停留在“弱智”水平。虽然,早年的“姜昆在最角上下了一子,电脑长考之后认输了”的笑话级早已过去,但直到几年前,仍是即便业余初段也能“一眼看出是机器下的棋”。问题出在哪里呢?

就在围棋牵涉的计算量实在是太大了。面对一张空盘,尽可海阔天空。国际象棋每步几十个变化,总共走个几十回合;而围棋每手可以多达数百个变化,一盘棋很正常地下到二百多甚至三百手以上。再考虑每手棋下面同等数量级的变化与再变化,倘若暴力硬算,指数级上升的计算量是无论如何吃不下来的----外在表现就是计算机不停地长考长考长考,就是不落子。

人脑的计算力远不如电脑,但却并不耽误下围棋。这是因为棋手会根据经验、判断乃至个人喜好,把绝大多数“无用”的变化过滤出去,只对很小一部分变化进行计算,并从中筛选一个相对的最优解。要让计算机学会下围棋,就必须复制人类思维的这个过程。只是,九段高手布局时认为应当落在右上星位还是下方大场,或是战斗中选择在左边转换还是朝中央打入,凭着的往往就是“可以一战”抑或“略占便宜”的“感觉”----高尚些就是“大局观”。一些大局观特别出众的棋手,有时甚至计算环节都省了,照着“感觉良好”的那个点“啪”的就拍下去了。这个来无踪去无影的颇有虚幻色彩的“感觉”,计算机几十年也没学会。

没有至关重要的“感觉”,又无法承担天文数字的计算量,计算机别无它法,只得依赖事先的程序设定,粗暴武断地强行缩减搜索空间----这里的具体办法千奇百怪,但本质上都是这么回事----计算量是控制住了,但代价可想而知:在一个受到人为限制,而且每每是无理的严重不靠谱限制下的空间里优化,出来的不是现实世界里的最优解不用说是常态了。

阿尔法狗的革命性突破,就是找到了“感觉”的路径:神经元网络深度学习。

策略神经元与价值神经元:计算机的“人工智能”

DeepMind团队为阿尔法狗配备了两个相辅相成的“大脑”:提供落子推荐(Move Picker)的策略神经元(Policy Network)与负责形势判断(Position Evaluator)的价值神经元(Value Network)。这里顺便说一句,坊间“策略网络”、“价值网络”的翻译是不确的,因为这里的Network是神经元网络Neural Network的简写,而不是通常所说的那个net。

策略神经元作为阿尔法狗内核跟人脑最相似的部分,就是提供上文所提“灵感”的“人工智能”。这是必须通过数以百万计的反复“学艺”,先是跟着人类多年积累下来的一盘又一盘名局打谱,然后从低到高不断跟人类对弈,直到“入段”之后自己跟自己下棋,一点一点培养出扫一眼棋盘就能看到哪里“可以一战”的“感觉”。

跟人类的学习过程很类似是吧。不仅如此,此类神经元网络还有一个类似人脑的特点:不知道为什么知道。更早更“原始”的计算机工具,比如说线性或非线性回归分析,最后都可以给出公式亮出系数,并且报告哪个系数的权重是多少。可是阿尔法狗用的这类神经元,能够学会下棋,能够学会开车,但就是无法对学习成果给出一个像样的解释----没有公式,没有系数,什么都没有,最多给出一个拟合的输入端系数权重,还要即刻声明那只是一个估算,仅供参考。倘若阿尔法狗的策略神经元会说话,他/她会跟人类围棋高手一样说不清为什么要下在那里----就是“感觉”那个点好啊…

这个解释对人类或许已经足够了,内核里头必须计算解决问题的电脑却不能接受,于是价值神经元出场。这玩意,用木谷门提倡的语言形容,就是专业干“形势判断”的活。当策略神经元产生了“感觉”出来的十几几十个选择后,价值神经元就会一一研判倘若这么走了黑白双方赢棋的概率。有了整体形势判断,就可以进一步缩小排查范围,直到确定当前这一手落子的最佳位置。

对于围棋这个超级复杂的数学游戏,实际的变化当然还要更多一些:你还需要考虑这一手落下去,对方有许多不同的方案可以选择,然后下一回合又会出现多少变化…..于是,通过蒙特卡洛树搜索,把以上两部“大脑”组合起来。在更有取胜希望的方向上,蒙特卡洛树生出更多的分枝树叶,策略脑与价值脑轮番开工在有限的用时里检视完全可能是几千个各式各样的图----作为参照的是,当年以强悍的计算著称的赵治勋九段,全盛时期一手棋大约算300个图。至于在哪一手上花费更多的时间来确保算透所有可能的变化,在神经元“大脑”运转状态恒定的前提下,取决于蒙特卡洛树搜索的宽度与深度。对此的控制可以是人为锁定,也可以放开来由机器定夺,最有可能的是一定的边界条件设置之内允许神经元网络随机应变。

这样的“大数据”,抑或是几个“思考网络”翻筋斗式互连互通的“深度学习”技术,笔者还是更愿意称之为自学习式的超级数据分析----早已不仅是在下棋,从无人驾驶到红绿灯控制,从消费信用评级到故障诊断排查,许多军用与民用领域都能找到这些“人工智能”的身影。不过,还是那句话:它们压根没有一点点智能,从来都是只会计算不会思考,然而这并不妨碍它们非凡的在许多方面已然超越人类的外在表现。 

数据可获得性与二手车估价

既是如此,许多读者想必会关心在更贴近生产生活的领域,超级数据分析,或者姑且就呼之为“大数据”,能够发挥多大的作用。譬如说,困扰业界已久的二手车价格评估,是否可以成为“人工智能”深度学习的拿手好戏?

当然是可以的。只不过,有一个额外的条件。这里有一个阿尔法狗完全不用在乎,现实世界里却必须直面的问题:数据可获得性。

作为数据分析工具,毫无疑问得有数据才能玩得转。阿尔法狗所需的全部数据都在那张棋盘上,无论对局双方还是联得上服务器的棋迷,对落子的位置全都一目了然。懂得自学习的神经元网络可以尽情地分析这些数据,不存在拿不到数据或虚假数据的问题。现实世界里的现实问题,往往就没那么简单了。

数据可获得性的概念包含3个层次:1)影响因素可否量化;2)数据掺杂“噪音”的程度与“噪音”的可排除性;3)数据获取成本。在使用“大数据”攻关之前,务必对目标的以上几项进行评估,以确定采用数据分析是否可行。

譬如笔者当年在美国经手的数据分析项目,就在数据获取成本上存在问题:所有数据都来自破坏性的力学实验,而每个样品每次实验不用说都是有成本的。在找到内在规律所需的不能再小的数据池规模(minimum data pool size)与经济上可接受的成本之间,出现了难以调和的矛盾。相比之下,数据分析技术最适合用在随时“生产”无成本数据,数据收集也极其便利的行当。“互联网经济”自然而然就会产生,而且自动收集成本无限趋近于零的交易数据,显然是“大数据”理想的分析研究对象。

在这一项上,二手车交易,特别是基于网络平台的二手车交易是符合条件的。但在另外两项上,问题就出现了。比如说,同型号以及可比型号的新车价格波动,显然是影响二手车市价的重要因素。然而国内车市的现状是,新车价格名目繁杂、波动剧烈,更有甚者在不同地区不同城市,甚至同一个城市不同的4S店,同样的新车出现可观的价格差异也并非罕见。倘若仅根据主机厂和4S连锁总部公布的指导价来填写评估系统新车价格项的输入数据,这里就可能带入了与实际状况出入很大的“噪音”,而且这个“噪音”的排除恐非易事。

影响因素难以量化的问题,同样也是存在的。最明显的就是现阶段的中国特色:政策。一线城市限购的影响,如何用数据来表达;限迁愈演愈烈的影响,又如何用数据来体现?跟阿尔法狗下棋一样,自学习式数据分析是需要积累的。倘若这些背景因素未被量化单列,那么一旦隐含在输入数据内的基本假设出现改变,百分之九十以上的机率是以往的“学习成绩”不再适用,针对新状况的培训必须从头再来。

总之,由于现阶段的数据可获得性上的存疑,笔者对“大数据”在二手车估价领域的运用持相对保守的态度。当然,这绝不是说这个领域是“大数据”不能碰的。条件是在不断变化的,当前不具备的条件,或许下个月,或许一两年后就具备了。一个神经元网络叠加出来的深度学习系统,一旦数据可获得环节圆满解决,所用的培训检验架构正确,以互联网时代的数据“出产”率,自学习的能力与速度是惊人的。几个月前李世石接下“人机大战”要约时的阿尔法狗,跟几天前把李世石杀得没有脾气的阿尔法狗,战力判若云泥;然而此前计算机下围棋找到感觉的探索之路,却走了漫长的20年!因此,把“人工智能”科技用于车辆价格评估领域的艰苦努力,是非常值得肯定的。只是由于客观条件的影响,究竟何时评估的精度可以提到车商们要求的高标准仍然存在不确定因素。有鉴于此,笔者希望业界对于二手车估价的“自动化”一面保持清醒的认识,一面给予大力的支持。 

 

有望立竿见影的车市技术创新

说到这里,把话题再扩大化一些,高科技既已如此神奇,那么在这个行业,可有哪些技术手段没有客观条件的瓶颈,现在就可以立竿见影地收到投入产出效应呢。

在笔者看来,首先是路线正确的标准化车况检测技术。事实上,这不仅是二手车交易走向诚信透明的必需品,也是二手车估价的重要基础之一。从原理层面看,车辆碰撞刮蹭时遭受的破坏,说到底都是外界的动能传递到车体结构上造成的;破坏程度的大小,也不可避免的与车体结构吸收的动能成正比。而只要金属或塑料的机械结构吃进了超出弹性限度的动能,就必然留下不可逆的塑形变形。要彻底消除这些永久变形,除非是把那辆车全拆了,从大梁底盘到承力框架统统大换血。到了那个份上,费的劲和花的本也够再搞一辆车了。因此,通过检测车体结构的塑形变形,不仅可以判定车辆状况,而且是条能够实现数字化的路径(而不看底盘不用举升机的“车辆检测”,不用说是耍流氓)。

另一个有望成为业界的效益倍增器,让车市真正步入互联网经济时代的杠杆,是植根网络的虚拟现实(VR)技术。如一位车界大咖不久前所言,转化效率乃是这个行业的生命线,而“二手车库存越大,成交几率越高”。不过,在这个地价房租疯狂上涨,资金往往也不便宜的时节,高库存的代价着实不菲----展厅里的每一个车位,摆上去的每一辆汽车,都是实打实的真金白银砸在那里。任何一位经营过业务管理过展厅的兄弟姐妹,对此间的压力与纠结想必都有深有体会。

VR的意义在于以互联网的水银泻地无限扩展消费端的视野,将伸展到的每一个角落都变成了事实上的展厅。一旦引入车市,仅是无边界破有边界这层意义,VR这位大神就足以全盘颠覆目下的这套秩序。从营销到成交,从前端互动模式到后端资源获取,车市VR化都将引出超乎想象的变局。

最后,还是回到“大数据”的话题。就在此时此刻,同样运用这一手段,基于数据分析的个性化需求匹配是个高质量数据立等可取,技术要求甚或可以更低的努力方向。根据一位用户的交易历史、浏览习惯与背景资料,充分自学习的“人工智能”完全可以推断他/她在近期内更新座驾的概率,并且估算出这位潜在消费者更可能倾向于哪几个品牌,更乐于认购新车还是二手车,等等等等。依据这样的数据分析,制作更准确的定向推送广告,开发更具亲和力的APP,在买方为王日趋明显之际,可谓中国车市大有前途的“白象”。

行文植字至此,蓦然留意到所推荐的技术路线有个共同之处,那就是着眼于为C端提供更好的消费体验。或许,不仅二手车行业,整个中国经济的出路亦在于此。就如爱迪生所言:为大众更美好的生活服务,才是发(chuang)明(xin)家存在的全部意义。

 

人工智能瞄准医疗领域 或出现医生AlphaGo

韩媒称,谷歌Deep mind首席执行官(CEO)德米斯·哈萨比斯宣布“要将Alpha Go和医疗、机器人等进行结合”。

据韩国《朝鲜日报》报道,为实现该计划,哈萨比斯2016年初在英国的初创公司“巴比伦”投资了2500万美元。巴比伦正在开发医生或患者说出症状后,在互联网上搜索医疗信息、寻找诊断和处方的人工智能APP(应用程序)。如果Alpha Go和巴比伦结合,诊断的准确度将得到划时代性提高。

巴比伦以年底实现商业化为目标,在英国艾赛克斯的两家医院进行示范服务。谷歌在最近几年间,还收购了15家机器人初创公司。如果将Alpha Go搭载于机器人身上,就能制造出观察人类感情的家庭用机器人。

脸书CEO马克·扎克伯格2016年初宣布:“2016年的目标是制造像电影《钢铁侠》中的贾维斯一样帮助我工作的简单人工智能。”这是2015年脸书收购拥有声音识别技术的初创公司Wit.ai时所预见的事情。拥有声音识别秘书“Siri”的苹果公司,2015年起接连收购了拥有表情识别技术的初创公司“Emotient”、拥有可识别不准确声音技术的初创公司“Vocal IQ”等。想将其和Siri结合,制造出更为完美的人工智能秘书。

微软(MS)2014年收购了瑞典游戏企业魔赞。微软正在通过魔赞的《我的世界》游戏训练人工智能。《我的世界》是执行建设、登山、料理等各种任务的游戏。让人工智能在进入日常之前,通过游戏进行事前学习。(如需转载,请注明来源自科技世界网)

 

美国28代理新闻扩展:

预计2020年发明人工智能计算机

人工智能要逆天!已掌握自学新语言能力

人工智能的智商:已达4岁儿童水平