人工智能是一种(工作)杀手吗?

如今,人工智能的危险性并不缺乏可怕的警告。

现代先知,如物理学家斯蒂芬霍金和投资人埃隆马斯克,预示着人类即将衰落。随着人工智能和自行设计的智能程序的出现,新的和更智能的人工智能将出现,迅速创造出更智能的机器,最终将超越我们。

当我们达到这种所谓的AI奇点时,我们的思想和身体将会过时。人类可能会与机器合并,并继续发展为机器人。

这真的是我们期待的吗?

AI过时了

不是,不是。

人工智能是一门植根于计算机科学,数学,心理学和神经科学的科学学科,旨在创造模仿人类认知功能的机器,如学习和解决问题。

自20世纪50年代以来,它已经吸引了公众的想象力。但是,从历史上看,人工智能的成功往往伴随着失望 – 这在很大程度上是由技术梦想家夸大的预测引起的。

在20世纪60年代,人工智能领域的创始人之一赫伯特·西蒙(Herbert Simon)预言,“机器将能够在20年内完成人类可以做的任何工作。”(他对女性一无所知。)

神经网络先驱马文·明斯基(Marvin Minsky)更直接,“在一代人之内”,他说,“……创造’人工智能’的问题将基本得到解决”。

但事实证明,20世纪早期的丹麦物理学家尼尔斯·玻尔(Niels Bohr)是正确的,他(据报道)打趣说,“预测非常困难,特别是关于未来。”

如今,人工智能的功能包括语音识别,国际象棋和围棋等战略游戏的卓越性能,自动驾驶汽车以及复杂数据中嵌入的模式。

这些天赋几乎没有让人与人无关。

            
            
              中国围棋选手柯杰在第二场比赛中对谷歌的人工智能计划作出反应。 2017年5月25日。
              路透社
            
          

新的神经元兴奋

但人工智能正在推进。最近的AI兴奋是在2009年通过深度神经网络的快速学习引发的。

人工智能由大量连接的计算单元组成,称为人工神经元,与我们大脑中的神经元松散相似。为了训练这个网络“思考”,科学家们为它提供了许多已解决的特定问题的例子。

假设我们有一系列医学组织图像,每个图像都伴有癌症或无癌症的诊断。我们将通过网络传递每个图像,要求连接的“神经元”计算癌症的概率。

然后,我们将网络的响应与正确答案进行比较,调整每个失败匹配的“神经元”之间的连接。我们重复这个过程,一直微调,直到大多数回答都符合正确的答案。

最终,这个神经网络将准备好做病理学家通常做的事情:检查组织图像以预测癌症。

这与孩子学习演奏乐器的方式没有什么不同:她练习并重复曲调直到完美。知识存储在神经网络中,但解释机制并不容易。

当研究人员开始在图形芯片上使用许多并行处理器进行训练时,具有多层“神经元”的网络(因此称为“深度”神经网络)才变得切实可行。

深度学习成功的另一个条件是大量已解决的例子。通过挖掘互联网,社交网络和维基百科,研究人员创建了大量图像和文本,使机器能够对图像进行分类,识别语音并翻译语言。

深度神经网络已经几乎与人类一样执行这些任务。

AI不会笑

但是他们的良好表现仅限于某些任务。

科学家们已经看到人工智能对图像和文本实际意义的理解没有任何改善。如果我们向一个训练有素的深层网络展示史努比卡通片,它可以识别形状和物体 – 这里有一只狗,那里有一个男孩 – 但不会破译它的意义(或看到幽默)。

我们还使用神经网络为儿童建议更好的写作风格。我们的工具可以很好地改进形式,拼写和语法,但在逻辑结构,推理和思想流程方面却无能为力。

目前的模型甚至不了解11岁学龄儿童的简单构图。

            
            Jonathan Nolan和Lisa Joy的成功电视连续剧“Westworld”描绘了我们与AI角色的关系。
          

AI的性能也受可用数据量的限制。例如,在我自己的AI研究中,我将深度神经网络应用于医学诊断,这有时会导致更好的诊断

发表评论

电子邮件地址不会被公开。 必填项已用*标注