世界超市世界超市

你想知道“为什么人工智能的预测这么糟糕”的终极答案吗?

1997年,IBM的超级国际象棋计算机深蓝(Deep Blue)击败了世界象棋冠军加里·卡斯帕罗夫(Gary Kasparov)。这是人工智能技术首次在高度复杂的任务中战胜世界专家。当考虑到他们借助的是1997年的计算能力时,这一成就更加令人惊叹。1997年,我的电脑勉强能连接网络,电脑时不时发出的声响也表明其在繁重的任务之下挣扎运行。即使是在深蓝取得颠覆性的胜利后,大多数专家仍然不服气。美国新泽西州普林斯顿高等研究院的天体物理学家皮亚特·胡特(Piet Hut)在1997年向《纽约时报》表示,计算机想要在围棋上战胜人类,这可能还需要100年。不可否认,古代围棋比国际象棋要复杂得多。即使在2014年,人们普遍认为人工智能还需数十年的时间才能在围棋上取得胜利。世界围棋卫冕冠军李世石(Lee Sedol)曾在《连线》杂志撰稿,他表示,西方有国际象棋,但是围棋显然更加微妙复杂,这是象棋无法与之匹敌的。两年之后,谷歌的人工智能平台AlphaGo击败了李世石。这又是何等微妙?近几年,人们越发意识到人工智能不仅仅能在棋盘游戏中战胜人类。这导致劳动者越发担心他们的生计很快会被自动化取代。无数出版物很快抓住这种恐惧,利用它增加网页浏览量。似乎每天都有新的文章,宣称哪些工作能在人工智能革命中存活,哪些将被淘汰。到目前为止,有些文章甚至将其预测的百分比精确到小数点,从而使得整个预测活动带有权威之感。然而,如果对比他们的结论,你会发现,最引人注目的地方在于结论都是如此的矛盾,不一致。最新的此类文章就是,Facebook上名为机器人将取代我的工作吗?的小测试。调查显示,作家被机器人取代的概率可能性为3.8%,结果似乎还令人欣慰。毕竟,如果有医生告诉我,我死于某种疾病的几率为3.8%,我可能不会急于安排后事。只有一件事情会让我如芒在背:人工智能作家已经存在,并受到主流出版物的广泛应用。在某种程度上,小测试的预测就像医生在我的葬礼上宣布,我病情恶化的几率仅为3.8%。所有这一切都引出一个问题:为何有关人工智能的预测都如此糟糕?深挖机器人将取代我的工作吗的源头,我们发现了第一条线索。所有预测都是以研究论文为依据。这就是大多数糟糕的人工智能预测的根源。学者们对世界的看法与硅谷企业家的截然不同。在学术界,一个项目获得批准可能会耗费几年,而科技企业家会想,在周五之前我们能完成什么项目?因此,请学术者预测人工智能发展前景犹如询问当地车辆管理局,Uber如何快速抢占中国市场份额。他们或许是垂直领域的专家,但是,他们仍然远离快速突破的心态,而这种心态渗透在整个科技行业。结果,这些预测的最好情况如同随机猜测,又被他们对缓慢发展的世界的理解所渲染。另一个导致糟糕的人工智能预测的因素是人类偏见。当问题介于人或机器谁会赢时,我们会情不自禁地支持自己的队伍。据说,当他们的工作取决于自身而非对工作的理解时,很难让他们相信某些事情。这意味着石油公司水冷却器旁的笑话很少会关于气候变化。人工智能威胁到人类工作的概念,所以赌注更高一些。当你询问那些在大学工作的人,人工智能自动化取代所有工作的可能性时,他们几乎无法给予客观评价。因此,保守估计任何能够教授给人类的工作,显然也能教授给人工智能,承认此点会让研究者充满有关生存的恐惧。最好是回避整个问题,并表示在未来50年里不会发生这样的事。希望那时他们已不复存在,这将是下一代人的问题。最后一个因素是,人们确实拙于理解指数增长。机器人将取代我的工作吗?的研究论文发表于2013年。根据变化的程度,人工智能前4年的进展可能超过过去40年的成就。事实上,从这个角度来看,研究者那些糟糕的预测才更说得通。有一种明显的偏见,人们认为需要决策的工作比常规工作更为安全。然而,神经网络资源的扩散显示,当任务明确时,人工智能实际上非常擅长决策。问题是我们的原始推理有点倾向于以线性推理看待世界。以经常在逻辑测试中使用的例子为证:如果湖面上的睡莲叶数量每天都会翻倍,那么需要30天铺满整个湖面,那么铺满半个湖面要多少天?许多人的第一反应是15天,然而真正的答案是29天。事实上,如果你一直观察这个湖,你会发现,直到第26天左右,睡莲叶的数量才会看似增加。如果你在第25天时问普通人,还需多少天湖面才能铺满睡莲叶,他们会理所当然地推断出,还要数十年。现实是,人工智能工具正以指数级增长。即使在当前的迭代中,他们至少也有能力使部分人类工作自动化。令人感到不安的事实在于,所有这些人工智能预测似乎都分散了我们的注意力,让我们认为没有工作在自动化面前是安全的。我们都像2014年的李世石,为自己的优越感而自鸣得意。或许,对人工智能的未来增长,可以用纳尔逊·曼德拉(Nelson Mandela)的一句话做出最好的概括:事情未成功之前,它总是看似不可能。本文来源venturebeat,作者Aiden Livingston,由亿欧编译整理。本文系投稿稿件,作者:危诺宁

上一条:即将被281亿个传感器包围,你却还没弄懂物联网技术?

相关推荐