已知人工智能不会接管世界，为何还要继续关注它？

来源 | 踢围TechSavvy

咱们在屏幕上搜索内容和社交，依靠 GPS 系统来建议最佳路线，经过跟踪咱们的浏览习惯的精明算法来决定购买决策，也会询问咱们的手机上或房间里的私人助理，那么问题来了，人工智能究竟是什么？

语音识别、人脸识别、搜索查询 AI，不管咱们认为它是有益的仍是侵入性的、受权的或操纵的，技术都是人类能够支配的，如何使用它是咱们的选择。研究人员和企业家有着数十年在人工智能和机器人领域工做的经验，帮助咱们更好地理解人工智能有时难以捉摸的本质，以及为何人工智能不会很快接管世界或者咱们这些弱小的人类，但它的崛起值得关注。

初级阶段表现不佳

人工智能领域充斥着炒做、恐惧和误解。专家们说，咱们须要更少的傲慢和更多的谦卑。Rethink Robotics 的 CEO Rodney Brooks 说，「我认为最大的错误认知是 AI 究竟还有多远，咱们一直在研究人工智能，从 1956 年起就称它为人工智能(当时人工智能之父 John McCarthy 发明了人工智能一词)，大约有 62 年了，可是它比物理要复杂得多，物理须要很长时间，我认为还处于人工智能的初级阶段」。

Rethink Robotics 的目标是把智能、负担得起、易于使用的协做机器人带到制造业。Brooks 也是 iRobot 公司的联合创始人，麻省理工学院计算机科学与人工智能实验室(CSAIL)的前任主任。布鲁克斯是人工智能发展协会(AAAI)的创始人之一，他在计算机视觉、机器人技术和人工智能领域取得了许多成就。

他很是关心人工智能和机器人的误解信息，甚至开了个博客来提供观点。最近发表的一篇文章对当前的技术趋势作出了预测，包括自动驾驶汽车、太空旅行、机器人技术和深度学习。Brooks 相信，最近的媒体报道中，不少人工智能的宣传都来自于使人惊叹的拟人化和动物启发的机器人，或者是人工智能系统在一些比赛中对抗人类。人工智能如今就到这种程度，处于婴儿水平。

一些误解源自于将机器性能与能力等同起来。当咱们看到一我的完成某项任务时，咱们就能够假定他具有通常的能力，这我的必须具有才能完成这项任务。这和人工智能不同。Brooks 说， 一我的工智能系统能够很好地玩象棋，但它甚至不知道它在玩游戏，咱们把机器的性能误认为是他们的能力。当你看到一个程序是如何学到了人类能够学习的东西的时候，你就会犯这样的错误，认为它拥有你所拥有的丰富的理解。

以软银旗下的波士顿动力的 Atlas 为例，去年一段 Atlas作后空翻的视频在网上疯传，让网络陷入狂热的高潮，警告即将到来的机器人忍者入侵，人工智能专家说事实并不是如此。Brooks提醒道，这些类型的演示都是精心编写的，它必须快速地进行大量计算，但这是很是当心的设置。Atlas并不知道它在作后空翻，也不知道它在哪里，更不知道作后空翻的人会知道的各类事情，好比「哇，我刚才倒过来了！」「机器人不知道什么是上下颠倒！」。它有一些数学方程式，还有力和矢量，但它没有任何推理的方法，这和人类很不同。

没有环境和竞争

人类智能和机器智能之间的一个重要区别就是环境，做为人类，咱们对周围的世界有了更大的了解，而 AI 不会。

Brooks 说，咱们已经在人工智能领域研究了 60 年，却仍是离真正的 AI 很远，这就是为何他不担忧会有超级智能的 AI。咱们在一些很是狭隘的方面取得了成功，这就是如今的革命而已。

他以亚马逊的 Alexa 为例，另外还有谷歌助手和苹果 Siri，「你对 Alexa 说了一些话，甚至在音乐响起的时候，或房间里的其余人在说话的时候，它也能理解它。它的能力来自于深度学习。所以，一些狭窄的领域变得更好了，咱们将会利用这些狭窄的部分来创造出更好的产品。当我开始反思机器人技术时，咱们研究了全部的商业语音理解系统。咱们当时认为，在工厂里对机器人进行语音识别是很好笑的。我想如今已经改变了。它多是有意义的，只是在十年前它没有而已」。

语音识别编译正确的字串，精确的字串能够作不少事情，但它并不像一我的那么聪明。这就是区别，获取单词字符串是一种很窄的功能，咱们还有很长的路要走。这些狭窄的能力已经成为许多盲目乐观的人工智能预测的基础，而这些预测对咱们在将来的人类角色过于悲观。

人工智能预测？恐惧且夸张

在科学、技术和商业领域一些备受推崇的人物警告说，人工智能即将毁灭人类。

加州大学伯克利分校工业工程和运筹学教授和杰出主席 Ken Goldberg 说，咱们不能相信那些人的话，机器人和人工智能将忽然接管世界，这些人都是聪明人，因此每一个人都觉得本身知道本身在说什么。而真正使用机器人技术的人们意识到，尽管这项技术正在取得巨大的进步，但远不是像电影中描绘的那种人类机器人。

他是 CITRIS People and Robots 倡议的负责人，自动化科学与工程实验室的负责人，拥有 8 项专利，并被普遍发表在机器人、自动化和社会信息过滤算法的主题上。2000 年，戈德伯格因在教育方面的卓越表现得到了 RIA 的著名的恩格尔伯格机器人奖，并得到了其余荣誉和任命。

Goldberg 和 Brooks 都坚定不一样意人工智能夸张的传播者。他们警告咱们要特别警戒这些焦虑，相似人工智能末日，猖獗的失业，或者是一群超级智能杀手机器人注定要统治世界。

Goldberg 说，人们对机器人的恐惧由来已久，它能够追溯到古希腊，甚至当你想到对技术运行的恐惧时。从普罗米修斯，到弗兰肯斯坦，到《终结者》，他引用了一个反复出现的主题，这个主题深深植根于人类的灵魂之中。咱们惧怕那些对咱们不熟悉的人。咱们惧怕咱们不懂的东西，人工智能只是被反复灌输的同一个故事的最新表现。

专家指出大部分的恐惧来自于那些不在人工智能领域工做的人。Goldberg 和 Brooks 回应了许多自动化和机器人内部人士已经知道的事情，机器人技术要复杂得多。Goldberg 说，虽然机器人正在变得愈来愈好，咱们也取得了很大的进步，但我认为缓和这些太高的指望很重要，这样咱们就不会重蹈上世纪 70 和 80 年代的 AI 冬天的覆辙，那时人们对机器人的指望很高，而机器人却没法实现。与此同时，他们也不想说不会有机器人革命。由于他们确实认为机器人技术将会有更多的应用和应用，但不像人们所说的那样，机器人即将抢走咱们一半的工做。

从研究到现实世界

Goldberg 说，不少恐惧来自于奇点，那是一个假设的时间点，人工智能和机器人超越了人类的智能。他认为，咱们应该把注意力集中在多样性上，而不是担忧一种假设，这种假设要么太遥远，要么不太可能，咱们应该把注意力集中在多样性的问题上，在这种状况下，人们和机器的不一样组合能够共同解决问题和创新。

在搜索引擎、社交媒体平台和电影爱好者、购物者和度假者的众多应用程序的背后，已经出现了多重性。当咱们与这些受支持的服务进行交互时，每次点击或查看都会发送一个关于咱们的兴趣、偏好和意图的信号。更好的结果与咱们的偏好一致，更好地预测咱们下一步想作什么。这是一个相互依存的关系。每一个都须要改进。并且互动越多样化，彼此就变得越全面。

从实验室到人工智能在现实世界中的应用，多样性是很重要的。另外一位专家正致力于将人工智能引入工业世界，也强调了人类和机器协同工做的重要性，那就是加州大学伯克利分校电子工程与计算机科学系的教授，机器人学习实验室主任 Pieter Abbeel。

2010 年 Abbeel 的研究团队发布了一段展现机器人折叠衣物的视频时，你们都很是兴奋。人类如何可以利用这种技术，利用它来使本身变得更聪明，而不是让这些机器与咱们分离？这是挑战的一部分。当机器成为咱们平常生活的一部分时，咱们能够利用它来提升咱们的生产力，这是当它变得很是激动人心的时候。

Abbeel 是机器人强化学习的先驱，2011 年被 MIT Technology Review 评选为 35 位 35 岁如下的创新者之一，他也是一家公司的总裁兼首席科学家，最近在加州建立了一个新公司，该公司正在开发人工智能软件，让机器人能够本身学习新的技能。他也对人工智能的前景感到兴奋，但他认为一些谨慎是必要的。Abbeel 认为到如今为止有不少进展，所以对人工智能有不少的兴奋，在恐惧方面，最好记住最显著的进展，好比语音识别、机器翻译，以及识别图像中的内容，这些都是所谓的监督学习。

了解正在建造的不一样类型的人工智能很是重要。在机器学习中，有三种主要的学习方式:监督学习、无监督学习和强化学习。监督学习只是模式识别，从语音到文本，或者从一种语言到另外一种语言，这是一种很是困难的模式，但人工智能并无任何目标或目的。用英语给它一些东西，它会告诉你它的中文意思。给它一个口头的句子，它会把它转录成一系列的字母。这是模式匹配。你给它一个模式，好比提供图像和标签之类的数据，它学习如何从图像到标签。

无监督学习是当你给它提供图像，没有标签的时候，你但愿从看到大量的图像开始了解这个世界是什么样子，而后经过创建这样的理解，也许在将来它能够更快地学习其余东西。无监督学习没有任务。只是给它提供大量的数据。

强化学习是很是不一样的，更有趣，但更困难。当你给系统一个目标， 目标多是在电子游戏中得到高分，或者赢得一场国际象棋比赛。这就是为何有些恐惧是合理的，若是人工智能有错误的目标，会发生什么？

这就是为何人类和人工智能不会在真空中进化的缘由。当咱们建造更智能和更智能的机器时，咱们做为人类的能力将被加强。

Abbeel 说，「让我很是兴奋的是，咱们如今正在作的是，人工智能的最新事件让人工智能可以理解他们在图片中看到的东西，而不是人类层面的理解。若是一台计算机可以真正理解图像中的内容，那么它可能会拾取两个对象并将其组装起来，或者它能够对包进行排序，或者从架子上挑东西。在我看来，不久的未来会有很大的变化，那就是依赖于理解相机给你的东西」。