2
| 本文作者： 逸炫 | 2016-04-12 17:52 |
編者注：本文節(jié)選自Medium的“AI Revolution”系列。這一文章呈現了關于人工智能發(fā)展過去、現在和未來的總覽。一起了解谷歌技術總監(jiān)、人工智能專家Kurzweil、機器學習專家Jeremy Howard和Wait But Why博客Tim Urban等人的觀點，我們在人工智能的發(fā)展路線圖中處于什么階段？什么時候會出現像人類一樣厲害的人工智能，還有超過人類智能總和的超人工智能？
谷歌無人車看到的世界。圖片基于2013年嵌入式Linux大會中谷歌無人駕駛車的視頻。圖片來源Medium。
我們所說的人工智能（AI），是一個廣義定義。雖然眾說紛紜，大部分專家認為，人工智能發(fā)展有三個水準：
弱人工智能（ANI）
第一類智能水準：能夠專注于一個領域，例如能戰(zhàn)勝世界圍棋冠軍的AI，但是也只能下圍棋。
強人工智能（AGI）
第二類智能水準：達到和超過人類水準的人工智能，以Gottfredson博士的定義，有能力“推理、計劃、解決問題、抽象思維、理解復雜概念、快速學習、從經驗中學習。”
超人工智能（ASI）
第三類智能水準：超過所有人類智能總和的AI——用Tim Urban的話說，“從比人聰明一點點……到聰明一千萬倍。”
那我們現在在哪個階段呢？我們現在達到了第一個水準——弱人工智能——在很多方面，它已經進入了我們的生活中：
l 汽車里到處都是ANI，從可以在緊急情況下剎車的電腦，到可以調配汽車加油參數的系統(tǒng)。
l 谷歌搜索是一個很大的ANI，有很多非常復雜的方法將網頁排序，知道給你顯示什么。同樣的，Facebook Newsfeed也是。
l 谷歌正在測試中的無人駕駛汽車，有一個很強的ANI系統(tǒng)，讓它可以感知世界并做出反應。
l 電子郵件垃圾郵箱過濾器，知道什么是垃圾郵件、什么不是，并且學會按照你的偏好來過濾郵件。
l 你的電話就是一個小型ANI工廠……你用地圖APP導航，收到定制化的音樂推薦，和Siri聊天等等。
例子不勝枚舉。弱人工智能系統(tǒng)不怎么驚悚。失控的ANI會帶來危害，但通常是獨立事件。雖然ANI不會造成人類的生存性恐慌，相對人畜無害ANI應被視為一個先兆。每一次弱人工智能的創(chuàng)新進步，都在往強人工智能和超人工智能更近一步。
沒有什么比試圖創(chuàng)造像人類一樣聰明的計算機，更能讓人體會到人類有多聰明了。造一個可以進行兩位數計算的計算機很簡單，但是造一個看到狗貓能回答這是什么的計算機——特別困難。造一個可以下圍棋的計算機？搞定。但造一個計算機能夠讀6歲小孩的圖畫書、不只能識別文字、還能理解含義？谷歌正在努力，投入了幾百萬美元。
一些對我們來說簡單的事情，其實非常復雜。之所以對我們簡單，是因為我們（和大部分動物）在千百萬年的進化中已經優(yōu)化了。然而，要做大數字運算、或者下圍棋，對生物來說還是新游戲，還沒有進化出相應的熟練度。所以，計算機在圍棋上打敗我們不算特別困難。
一個有趣的例子：
圖片來自Medium。
圖A：你和計算機都能知道，這是一個由兩種顏色構成的長方形。第一回合平手。
圖B：你能輕松描述出各種模糊和透明的圓柱體、長板和3D轉角，但是電腦會輸得很慘。電腦會說，這兒有各種二維形狀和灰度——圖畫里實際的內容。人腦可以自己腦補很多，理解深度等圖片想表現的東西。
圖C：電腦看到二維的黑白灰混合物。要達到人類級別的智能，電腦得理解面部表情之間的微妙區(qū)別，愉快、輕松和滿足之間的區(qū)別。
圖片來自Medium。
要達到人類大腦的智能水平，AI需要達到人類大腦的計算容量。而目前，只有很少的大腦區(qū)域已經精確測量。Kurzweil說開發(fā)了一種估算人腦總體運算速度的方法。根據摩爾定律的估計，計算機硬件進步會以驚人的速度指數發(fā)展。比開發(fā)硬件更難的是軟件。“真相是，沒人真正知道如何讓機器更加聰明。我們還沒教會計算機認識貓狗，判斷一個手寫的B是不是難看，或者一部電影是不是爛片。”Tim Urban在網站Wait But Why說。但普遍來說，有三種策略最為常見。
1、 向大腦學習。
最簡單粗暴的辦法就是抄襲大腦，按照大腦結構設計計算機架構。人工神經網絡就是一個例子。更極端的方式是模擬整個大腦，不過截止現在，我們只能模擬一毫米厚大小的大腦，大約有302個完整神經元。為了讓大家有個概念：大腦有八百六十億個神經元，由幾萬億個神經突觸連接。
2、 讓計算機學會進化。
即便我們模擬出了大腦也不一定成功，就好像完全模擬鳥兒翅膀運動來建造飛機一樣。也許最好還是以建造機器的方式建造機器。被稱為“遺傳算法”的方法是，讓一群電腦一起完成任務，成功的電腦們互相“結合”，不成功的電腦們則被淘汰。
3、 讓計算機自己想去，我們不管了…
最后一種辦法最簡單，也最驚悚。我們先建造一個計算機，只有兩個功能：研究AI，和給自己寫代碼。我們教計算機成為計算機科學家，自己進化成長。這被認為是我們最有希望的一條路徑。
密歇根湖的容量大約與我們的大腦容量相同（以每秒計算）。根據摩爾定律，計算機處理能力每18個月翻倍。如果以這個速度用水填滿密歇根湖，你會很長時間都看不到什么進展，然后忽然間，湖就裝滿了。圖片來源Medium。
可以非常現實地說，某一個時間點，我們就會實現強人工智能（AGI）——到達人腦級別智能的計算機。這是不是意味著，從這一刻起，計算機會和人類具有同等能力？實際上，并不是——計算機會比人類高效多了。因為計算機是電子的，還會有以下優(yōu)勢：
1． 速度。“大腦神經元的極限在大約300赫茲，而今天的微處理器……運行速度大約是2千兆赫茲，或者說，一千萬倍。“Tim Urban說。
2． 記憶。遺忘或混淆對于計算機來說是不存在的。計算機在一秒鐘內能記住的內容超過人類在十年內能記住的。電腦記憶更加精確，有更大的內存。
3． 運行。“電腦晶體管比生物神經元更加精準，老化的可能更低（即使老化了，也可以修理或者替換）。人類大腦容易疲倦，而計算機可以不停歇地運轉，用最高速不停歇。”Tim Urban說。
4． 集體能力。在人類中，團隊合作非常困難，因為費時間的溝通和復雜的社會層級。團隊越大，每個人輸出的速度越慢。而計算機不受困于某一個生物體，沒有自我，可以同步，可以更新自己的操作系統(tǒng)。
圖片來源Medium。
想一想人類級別的AGI能有多大好處，很明顯，到時候人們最多只會停個片刻，然后繼續(xù)向前，奔向超過人類智能的新世界。人類與超人工智能的差異不會是速度，而是”的質量——與速度完全不同。人和大猩猩的區(qū)別，絕對不是思考速度——而是人類大腦有一些復雜的認知模塊，能夠讓人實現復雜語言表征、長期規(guī)劃或者抽象推理等活動。讓大猩猩的大腦加快幾千倍也不會把大猩猩變成人。“
有一個比我們更高質量的物種存在，為了體會這是多大件事，我們來想象一下，AI在智能階梯上，比我們高兩個臺階。Tim Urban說：”它增強的認知能力和我們的差別，會像大猩猩和人類之間的鴻溝一樣巨大。大猩猩永遠無法明白，一個門把手之中包含了多少魔法……這就是兩步臺階的區(qū)別。“
“機器越聰明，越能夠快速提升自己的智能。“從螞蟻到一個普通人類也許要7很多年，但是從普通人到愛因斯坦，也許只要40天。“到了愛因斯坦的階段，機器可以更輕松地進行更大幅度的跨越……當我們聽到新聞，說已經有第一臺機器達到強人工智能后，也許很快我們就會看見地球上出現一種位于這個位置的智能：
圖片來源Medium。
你覺得這個預言有可能嗎？來看看現在的人工智能專家們，在兩份調查問卷中怎么說。
Vernor Vinge教授、科學家Ben Goertzel、升陽電腦聯(lián)合創(chuàng)始人Bill Joy還有，最出名的，發(fā)明家和未來學家Ray Kurzweil——他們和許多人一樣，都同意機器學習專家Jeremy Howard的觀點，他在一場TED演講中給出了下面這個圖表：
Jeremy Howard在Ted演講“能學習的計算機，多么美好與駭人”中給出的圖表。圖片來源：Medium。
一些人相信這很快就會到來——指數級的增長正在發(fā)生。其他人，例如微軟的聯(lián)合創(chuàng)始人保羅·艾倫、心理學家Gary Marcus、紐約大學計算機科學家Ernest Davis和科技創(chuàng)業(yè)家Mitch Kapor，都相信Kurzweil等思想家都大大低估了這項挑戰(zhàn)。而Kurzweil陣營會反駁說，我們都低估了指數增長，他們會將懷疑論者比作與1985年那些看見慢慢發(fā)芽的因特網說“這在短期未來內不可能成什么氣候”的人。對此懷疑論者會反駁說，人工智能的每一步新技術進步的難度，同樣在以指數增長，抵消了科技的發(fā)展。
然后還有包括Nick Bostrom在內的第三陣營，相信誰也沒法確定未來人工智能的發(fā)展路線，認為第一，這絕對可能在不遠的未來發(fā)生，第二，但這也沒有保證，這也可能需要更長的時間。
還有其他人，例如哲學家Hubert Dreyfus，相信以上三個陣營都太天真了，竟然相信未來可能會有超級人工智能——具有超過所有人類智能的人工智能。他認為，這永遠都不太可能。
所以，當你看著所有這些觀點的時候，你會得出什么結論呢？
2013年，Vincent C. Muller和Nick Bostrom對幾百名人工智能專家進行了以下問卷：“僅為回答問題起見，假設人類科研活動會繼續(xù)發(fā)展，不發(fā)生重大負面干擾。你認為到哪一年，會有（10%、50%、90%）可能出現達到人類水平的機器智能（或我們所稱的AGI）？”該問卷讓專家們寫下一個比較樂觀的時間預測（有10%可能性我們實現AGI的年份）、一個比較實際的猜測（有50%可能性我們實現AGI的年份）和一個保險的猜測（有50%可能性我們實現AGI的最早年份）。數據最終放在一起的結果如下：
l 樂觀預計年份中位數（10%可能性）：2022年；
l 現實預計年份中位數（50%可能性）：2040年；
l 保險猜測年份中位數（90%可能性）：2075年。
所以，參與問卷的人就中位數來說，認為我們可能在25年后實現AGI。90%可能性的回答表示，如果你現在是青少年，中位數的回答以及其他超過一半的AI專家都認為，AGI會在你的有生之年實現。
Muller和Bostrom還問了這些專家，他們對以下可能性的判斷：1）在2年內實現超人工智能（也就是，幾乎馬上會到來的智能爆炸），2）在30年內實現超人工智能。回答者需在每一個選項現在一個概率。結果如下：
l 2年內實現AGI-ASI轉化：10%可能性；
l 30年內實現AGI-ASI轉化：75%可能性。
位于中位數的回答認為快速的（2年）AGI到ASI的轉化只有10%的可能性，而長一些時間（30年內）的轉化為75%可能性。我們不知道這個數據庫中，大家認為50%的可能性會位于多長的時間長度，但是為了大致估計，我們可以猜測也許大家會說20年。
所以，位于中位數的觀點——那些位于AI領域中心的專家們——相信最現實的預測是，超人工智能會在……實現強人工智能的2040年，加上轉化到超人工智能的20年，在2060年超人工智能會到來。
當然了，所有以上的數據都是猜測的，而且它們只代表AI專家圈中的中位數觀點，但是它們告訴我們一點，很多對這個話題了解深入的人會同意，關于可能改變世界的超人工智能的誕生時間，2060年是一個非常合理的預測時間。也就是，距今45年。
via Medium
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
