人工智能还有长路要走

2018-10-05

人工智能(AI)来临!虽然有许多工作将被取而代之,但还有许多任务——甚至是装配线的工作——对于机器而言仍然过于复杂。此外,我们还看到了一直困扰着我们的道德问题。

这是日前在美国麻省理工学院(MIT)校园举行的第18届年度全球新兴科技高峰会(EmTech Conference)上备受关注的话题。此次会议的重点在于AI和机器人技术,与会者在会中热烈讨论关于AI在改变日常生活和工作方式的巨大进展。

道德问题的出现并不仅仅是因为AI等技术,而且还来自于网际网路、手机和社群媒体的崛起。《MIT技术评论》(MIT Technology Review)总编辑Gideon Lichfield以探讨技术伦理为开场,他展示了一张以推文内容为基础的图片显示从社群媒体看到的政治两极化。

EmTech2018_polarization_graphicEmTech MIT 2018会议展示一张分析推文的图片,显示对于政治的两极化现象(来源:MIT Technology Review)

Lichfield说:「即使我们与其他人接触,也会倾向于与志同道合的人走在一起。我们会筛选掉立场或内容与我们不合的推文或资讯。」他说,人们相信资料可以解救政治,而如果不喜欢所显示的内容,就会有人试图诋毁资料。2013年的《MIT技术评论》封面中引用了一句话:「手机、网路和资讯的传播——独裁者的致命组合。」(The mobile phone, the Net, and spread of information — a deadly combination for dictators.)这句话现在看来还更实用。

TechReview_Cover_Big_Data_Save_Politics在2013年时,人们相信大数据可以解救政治…(来源:MIT Technology Review)

Lichfield接着指出,矽谷深信我们只是创造技术而且能保持中立。但情况不是如此了。为什么?因为你无法预测人们如何使用这些技术。例如,软体能用于改变你在视讯中的表情或者让你变声到你觉得可以传立送给别人的程度。《MIT技术评论》编辑Will Knight并展示如何用免费软体将视讯中演员Paul Rudd的换成Ted Cruz的。「仅仅创造技术不再可行。我们需要为社会好好地规范这些技术。」

MIT教授Josh Tenenbaum指出,AI具有改变社会的潜力,但它还有很长的路要走。他的研究团队现正致力于寻找让机器以模拟人类学习的方式进行学习。

「为什么我们拥有所有的AI演算法,但基本上却没法实现AI?」他问道。根据Tenenbaum的说法,机器仍然缺乏学习能力和人类的常识。「演算法连一年前的智慧都不比不上。」到目前为止,当今所使用的机器,特别是工厂中的机器设计,都只能做一件事——例如焊接——或许他们在这件事情上可以做得比人们更好更准确,但机器人就只做那件事。Tenenbaum希望了解为什么人类能够做比机器做更多的事情。「今天的AI技术是由模式辨识和深度学习所驱动的。智慧更是如此。」

EmTech2018_building_AI_architecture_TenenbaumMIT教授Josh Tenenbaum解释认知科学如何发展成为AI(来源:Martin Rowe)

Tenenbaum和他的学生正试图将人们思考和解决问题的方式进行反向工程,然后应用于机器上。他报告了一些令人兴奋的进展,并表示尽管深度学习的数学已于1960~1980年代发表在心理学期刊上,但我们还有很长的路要走。

Tenenbaum还注意到图灵(Alan Turing)在1950年发表的著名论文,其中提到我们唯一知道如何生长人类生活智慧的就是儿童。图灵认为,小孩子的大脑就像一张白纸,但Tenenbaum认为图灵错了。例如,Rebecca Saxe教授指出,我们天生就具有接合智慧和学习的能力。「我们了解人、地点和事物,而不仅仅是模式和画素。」Laura Schulz教授研究儿童如何透过思考来学习。Tenenbaum则期待他们的研究能够模拟出我们如何学习并将其应用于机器。

Tenenbaum接着展示两段有关幼儿解决问题的影片,这也是目前的机器无法做到的。在其中一段影片中,幼儿能按大小顺序堆叠玩具环。另一段影片展示一名成年人想将书放在一个门关闭的书柜中,这时另一名小朋友可能会了解他的需要而帮忙开门。

Veo Robot共同创办人兼工程副总裁Clara Vu发表的另一场演讲呼应了Tenenbaum的看法。Vu解释这就像使用睫毛膏所涉及的过程一样,当今的机器太复杂了。然而,Vu展示了工业机器人如何做好人们做不到的事情。她描述在一座汽车厂的任务,机器人在焊接方面要比人们做的更好,但最终的装配仍由人们来完成。例如,通用汽车(GM)和特斯拉(Tesla)都无法自动化最终装配程序,因为它涉及许多任务,而且有许多车型存在差异。

Vu指出,单个流程的自动化需要一个工程师团队工作数月或数年,这是一笔巨大的投资。如果在此过程中还必须更改任何内容,就必须重新编程机器。人们的适应能力更好,但「机器人无法组装电缆线束。随着制造商被迫推出各种不同的产品,我们需要更灵活的自动化。」

EmTech2018_Perception_Clara_Vu_1800x976Veo Robot共同创办人兼工程副总裁Clara Vu指出,我们需要感知和驱动以执行任务(来源:Martin Rowe)

「工业机器人如此强大的原因也使其变得危险。」Vu解释为什么机器人必须放在笼子里以确保人们的安全。她的公司正在开发使用感测器检测机器人附近是否有人员存在或接近的演算法。如果有人员太靠近,机器人就会停止操作。「我们建构的系统具有失效安全(fail-safe)能力。首先分析整个空间,如果无法保证空间不会被占用,就会认为它已被占用。」虽然这个功能不需要机器学习,但确实显示了人们如何与机器人一起工作。Vu将此描述为「老式人工智慧」。

Vu解释说机器人技术包括驱动。「机器人必须执行任务。虽然驱动很简单,但感知却很难。我们距离执行某些人为驱动的机器进展还有几十年或几个世纪。我们必须解决许多问题才能像人类一样建立灵活的工厂,让机器人也可以制造电缆线束。」

尽管Tenenbaum和Vu都看到机器人仍然无法与人竞争的情况,但Uptake创办人Ganesh Bell声称「每一家企业都将重新构想软体。AI将处理来自物联网(IoT)装置采集的资料。AI和预测分析是提高生产力的下一步。」Bell的公司开发的软体即用于预测分析。但他指出,人们仍然必须对这些预测采取行动,以防止机器操作中出现不必要的中断。

EmTech_GaneshBell_1288x1111Uptake创办人Ganesh Bell表示,AI将改变人们的工作方式,但人们仍然必须根据AI的建议采取行动(来源:Martin Rowe)