人工智能

人工智能会迎来第三个冬天吗?

作者:脑极体

近两年人工智能开始疯狂生长,各种人工智能将会颠覆产业、颠覆生活,甚至取代人类的“宏大叙事”接踵而至。似乎人工智能就是未来已经是板上钉钉的事情。

但如果暂时放下对人工智能的美好想象,坐下来平心静气的观察一下人工智能的历史,却可能产生不少另类的结论:

比如人工智能并不怎么前沿和未来,事实上人工智能比大部分我们日常生活中用到的科技都要“老气横秋”。从图灵上世纪40年代提出现代人工智能概念,到1956年达特茅斯学院的一次会议上诞生第一个人工智能程序,人工智能这东西至少已经是60岁高龄的“爷爷级”技术。

而且人工智能改变生活,代替人类工作也不是什么新鲜论调,这种说法在几十年里被反复抛出….结果呢,直到今天也没出现。

回顾这六十年,AI的发展绝不是一帆风顺的。尤其是两次堪称具有毁灭意义的,被广泛承认的AI之冬,很大程度上将学界伸入现实的AI产业进行了清零。

所以在AI火爆的今天,重新回顾这两次堪称产业灾难的事件很有意义。尤其当我们发现,今天的很多画面都只不过是场景重现的时候…….

第一次AI之冬:美好憧憬抵不过一场暴风雪

在过去的 250 多年里,技术创新一直是经济发展的根本推动力。这些技术创新中最重要的就是经济学家所说的“通用技术”,包括蒸汽机、电力,以及内燃机。它们中的每一个都催化了互补性创新与机遇的浪潮。举例来说,内燃机让汽车、卡车、飞机、链锯、割草机,甚至大型零售商、购物中心、交叉对接仓库、新供应链以及郊区得以出现。像沃尔玛、UPS 和 Uber 这样拥有多样性的公司找到了利用新技术创造新商业模式的方法。

我们这个时代最重要的通用技术就是人工智能,尤其是机器学习,也就是说机器能够持续提高自己的性能,而无须人类明确解释所有这些任务要怎样完成。在过去几年的时间里,机器学习已经变得越来越高效和广泛地使用。我们现在已经能建造出自己学习如何完成任务的系统了。

为什么这件事非常重要呢?有两个原因。第一,人类的知识比我们能表达出的更多,我们不能解释为什么人类能完成那么多的事情,从识别出一张人脸到在古老的亚洲策略游戏围棋中走出绝妙的一招。在机器学习之前,我们无法精确表达出我们的知识,这种无能正意味着我们不能自动化很多事情,而现在我们可以做到了。

第二,机器学习系统是非常出色的学习者。这些系统能在广泛的领域中达到超人类性能,包括检测欺诈和诊断疾病等。人们在整个经济领域中都部署了这样出色的数字学习者,它们的影响力将会十分深刻。

人工智能用于网络安全的「能」与「不能」

在如今的万物互联时代,只要一台设备被攻陷,用户银行信息等个人隐私可能全部泄露,其他设备也可能瞬间被瓦解。网络世界的攻守双方,将人工智能当作制胜法宝,正在进行角力较量。

若说过去几个月,最让网民惊魂未定的是什么,非以下这些病毒攻击莫属。

7 月,CopyCat 病毒使 1400 万部安卓手机遭殃;
6 月,Petya 病毒感染全球 60 多个国家;
5 月,WannaCry 病毒来势汹汹,席卷全球,至少 150 个国家受到攻击。

然而,在安全厂商瑞星根据病毒感染人数、变种数量和代表性评选的「2017 年上半年病毒 Top10」中,令人胆颤心惊的 WannaCry 病毒却只能排列第九。

瑞星发布的《2017 年上半年中国网络安全报告》显示,2017 年 1-6 月,瑞星「云安全」系统共截获病毒样本总量 3,132 万个,病毒感染次数 23.4 亿次,病毒总体数量比 2016 年同期上涨 35.47%。

逐渐上涨的病毒数量让网络安全受到了前所未有的关注,以人工智能驱动的网络安全公司也受到了资本的青睐。单就 6 月份,就至少有 7 家将人工智能用于网络安全的公司获得新一轮融资,而融资总额接近 5 亿美元。

网络安全面临严峻考验

人工智能"创造"语言不可怕 这三点才是令人担心的

在过去的几周里,你可能看到过你的Facebook好友分享过这样一篇文章,内容是关于一对由人工智能驱动的Facebook聊天机器人是如何偏离他们最初设定的程序,并发明自己的语言的。

关键是:Facebook创建了两个人工智能聊天程序,可以相互交谈(并互相学习),最终他们停止了用英语交流,并开始用一种非英语的语言进行交流,这些语言是它们自己“发明的”。

新闻头版纷纷报道了这一事件,从夺人眼球的噱头到抽丝剥茧的分析,如每日电讯报的“聊天机器人发明新语言进行沟通Facebook被迫选择关闭”,让人听起来像是这些聊天机器人正在密谋反抗人类,或是对人类构成威胁。随便看看这些新闻底下的评论,你就会发现大家的反应有恐惧、兴奋甚至高兴,有人说道“这一天终于来了”或引用其他艾萨克·阿西莫夫小说中的语句。

但正如Facebook人工智能部的艾特鲁夫巴特拉周一指出的那样,几十年来,人工智能一直在“发明”新的沟通方式,所以这其实算不上新闻。此外,他还解释说,与新闻标题相反的是,这个实验并没有被关闭,只是为了调整语言交流而改变了。

此外,公司也没有试图隐瞒实验细节。所有的一切都是公开的,所有的细节都可以在GitHub上查到,允许其他程序员复制这个场景。

底线是:在人工智能方面,新的人工智能语言不该是我们担心的问题。

为什么神经科学是人工智能领域创新的关键

人工智能的未来在于神经科学

谷歌DeepMind的创始人DemisHassabis在著名期刊的一篇评论文章中说到。

Hassabis对这两个领域都非常熟悉。他获得神经学博士学位,并且还是个电脑天才,创办了总部位于伦敦的DeepMind公司,以重建硅谷的人工智能技术。2014年,谷歌以超过5亿美元的价格收购了该公司。

这笔钱花得很值。去年,DeepMind研发的AlphaGo在全球的一系列围棋挑战中,让人类一败涂地。在与埃隆·马斯克赞助的非营利性人工智能研究机构OpenAI的合作下,该公司正在研究具有更高推理能力的机器人。

公司的秘密武器?神经学

在每一个DeepMind的人工智能中,我们的大脑总是最先发现一些概念和想法。深度学习和强化学习——当代人工智能的两大支柱——两者都把神经网络变成了数学运算。

以AlphaGo为例,研究成果非常之惊喜。但Hassabis认为这还不够。

和今天强大的人工智能一样,每一个都在其研究范围内受到限制。我们的目标是建立一个通用的人工智能系统,它能灵活快速地思考、推理和学习,能凭直觉了解真实世界并能构建出一个更好的世界。

一场针对“未来、人类、人工智能”的激烈讨论

随着移动互联网、物联网、大数据以及人工智能等高科技的层出不穷,一场以大数据和人工智能为代表的智能革命正在悄然发生,人、社会、商业又一次迎来了进化拐点。未来人类进化的方向是什么?人工智能的发展将会给社会带来怎样的冲击?它会和人类和谐共处还是会取代人类?假使技术的发展使人类大规模失业,到时该如何自处?在新技术的冲击下,未来商业形态又将会向何处演化?一系列的疑问待于得到解答。

赫拉利的“悲观”

“未来,99%的人属于无用阶级,他们的特性和能力都是多余的;另外,1%的人则成为掌控算法、通过生物技术战胜死亡的神人,他们是未来世界的主宰者,是人类未来进化的新物种。”尤瓦尔·赫拉利在著作《未来简史》中这样描述人工智能的发展对于人类未来的巨大冲击,一语既出石破天惊。

一场针对“未来、人类、人工智能”的激烈讨论

人工智能时代曙光乍现

我相信很多人都认为到目前为止21世纪最重要的技术趋势就是移动时代,然而现在我认为我们正经历着一个巨大的转变,迎接智能时代的到来。

移动时代给我们带来了巨大的社会效益——从实现人与人以及人与社区之间的广泛联接到可以随时随地了解更丰富的信息,但是同样会产生一些负面的影响——比如过度的刺激和过度的依赖等。下一次的设备更新将会产生什么样的影响呢?

相信大家都听说了关于智能汽车的预言就是它足够的智能完全可以实现自动驾驶,不再需要人类驾驶员。随之而来的连锁反应也是巨大的,保险行业、停车场运营者、汽车制造商以及租赁公司都将作出改变,众多的驾驶员将来能做什么?车内娱乐以及生活方式毫无疑问也都将面临着改变。

驾驶只是自动化系统带给我们影响的一个方面,著名的科幻小说作家lainM.Bank描述的未来是人们追求的是幸福而不是工作或者金钱,这将是我们智能时代的最终结果吗?在Bank勾勒的未来世界里甚至政府都将会被AI所取代。

人工智能时代曙光乍现

从工业4.0 看物联网与人工智能发展

近年来随着网络的快速发展,无所不在的终端设备与传感器进入我们的生活,加上云端运算虚拟化技术与服务型商业模式的兴起,让计算机运算资源改以服务形式,经由互联网直接取得,重新塑造信息产业供应链,在这个潮流下,物联网(Internet of Things,IoT)无疑是眼下最热门的话题之一,随着传感器的迅速普及,通过传感器收集的巨量资料(Big Data)经过云端服务存储及巨量数据的分析,以数据驱动服务价值,将是未来采用的技术创新,更是将引领下一个产业革命的典范转移,成为未来企业新的商业模式。

物联网与人工智能

物联网是一个基于互联网、传统电信网等信息承载体,让所有能够被独立寻址的普通物理对象实现互联互通的网络。物联网一般为无线网,而由于每个人周围的设备可以达到一千至五千个,所以物联网可能要包含500兆至一千兆个物体。在物联网上,每个人都可以应用电子卷标将真实的物体上网联结,所以从物联网的定义来看,智能电话、可穿戴设备、汽车、住房、消费类电子产品、医疗设备、工厂设备等城市基础设施,都可成为一个端点 (Thing),因此物联网会产生巨量的数据。

心得丨现阶段人们对人工智能的理解与误区

1、什么是人工智能?有何误区?

是对让计算机展现出智慧的方法的研究。计算机在获得正确方向后可以高效工作,在这里,正确的方向意味着最有可能实现目标的方向,用术语来说就是最大化效果预期。人工智能需要处理的任务包括学习、推理、规划、感知、语言识别和机器人控制等。

常见误解

「它是一个特定技术」。
例如在二十世纪八十年代到九十年代,人们经常会看到新闻报道中人工智能与基于规则的专家系统被混为一谈。现在,人工智能经常会与多层卷积神经网络混淆。这有点像把物理和蒸汽机的概念搞混了。人工智能探究如何在机器中创造智能意识,它不是在研究中产生的任何一个特定的技术。

「这是一个特定类别的技术方法」。
例如,经常有人用符号化或逻辑化的方法将人工智能与「其他方法」相互比较,如神经网络和遗传编程。人工智能不是一种方法,它是一个课题。所有这些方法都是在对人工智能进行研究的产物。

「这是一小群研究者的方向」。
这个误解与前几个错误有关。一些作者使用「计算智能」指代几个特定的研究者群体,如研究神经网络,模糊逻辑和遗传算法的研究者。这是非常片面的,因为这种分类让人工智能的研究陷入孤立的境地,让研究成果不能得到广泛的讨论。

「人工智能只是算法」。

DeepMind表示要给人工智能增加想象力?我们来仔细看看吧

因击败世界顶尖围棋选手而名声大噪的谷歌人工智能精品店——DeepMind以消灭人类在智力方面的优越感妄想而著称,发现为其软件代理注入想象力有助于它们更好地学习。

本周发表的两篇论文——《Imagination-Augmented Agents for Deep Reinforcement Learning》和《Learning model-based planning from scratch》(从头开始基于模型的规划)——总部在英国人工智能业务的研究人员描述了通过想象力规划提升深度强化学习的新奇技术。

强化学习是机器学习的一种形式。它包含了通过与特定环境进行交互而学习的软件代理程序,通常通过反复尝试和犯错。深度学习是一种机器的形式,涉及受到人类大脑启发的算法——被称为神经网络。而这两种技术可以一起使用。

可以使用包含软件代理运行规则的模型来完成深层强化学习。例如,为了教会软件如何玩视频游戏,研究人员可能希望提供一个包含游戏信息的模型,这样可以避免在学习过程中代价高昂的尝试和犯错。或者研究人员可能会选择无模型的强化学习,期望软件代理最终自己选择游戏。

同步内容
--电子创新网--
粤ICP备12070055号