人工智能的未来

美妙咸蛋黄 2018-06-19 08:48:00 54

--论近未来人工智能与人工智能伦理
“人工智能”缘起1956年达特茅斯学院召开的夏季研讨会,麦卡锡对这次研讨会命名为“人工智能夏季研讨会”(Summer Research Project on Artificial Intelligence),此后人工智能迎来了初生的太阳,可以说是传统人工智能的黄金时期。在高潮后的质疑声中,人工智能迎来了多个寒冬,其中不乏是计算资源短缺的原因,还有曾成功预测线性模型的perception(感知机)无法预测异或的逻辑的致命缺陷,另外第二次寒冬出现于1990年政府缩减对AI计算机的投入。然而在2006年Jeff Hinton 提出“深度学习”的神经网络的方法后,人工智能又进入了另一个春天。如今“人工智能”已经普遍走进中国大学校园,初创企业甚至手机镜头里。笔者是计算机科学专业的学生,恰好有便利接触人工智能与计算机视觉的前沿科研信息,刚好可以谈谈人工智能近未来的发展趋势。
人工智能自发展到现在火热的深度神经网络大致可以分为三个主要时段。第一个时段是1955年到上世纪80年代,这个阶段人工智能是萌芽期,自动定理证明所代表的符号派利用逻辑理论,将逻辑演算自动化。最有重要意义的是纽厄尔和司马贺的“逻辑理论家”被认为是AI历史上的最重要原创工作之一,其效果是能够证明相当一部分的命题逻辑子集,来自《数学原理》。而后的归结原理,几何定理,计算机代数都作为AI的铺路石艰难的在低谷期走向下一阶段。在70年代,人工智能遭受批评(此前承诺期望过高导致失望)和(随之而来的)资金的限制,进入第一个低谷期。第二个阶段是接下来的7年,一个名为“专家系统”的人工智能程序被采纳,他能解决很多问题,接着而来的又是6年的寒冬期,专家系统的局限性渐渐显现出来,对符号主义和连接主义的打击也越来越多。在后来的统计思维和神经网络的兴起揭示着第三次热潮来临。智能代理(intelligent agents)的新范式在90年代提出,被广泛接受,并且一些简单或复杂的网络结构已经可以完成一部分任务,致使人工智能发展到现在。这三次热潮两次低谷是学派间不断摩擦的后果,笔者认为,按照趋势,三种(符号学派,连接主义,统计思想)会在不久的将来共同发展到新的高度。
现代的人工智能主要主题是神经网络,笔者也对神经网络比较了解,这里笔者就着重神经网络进行阐述。神经网络是1986年Hinton的Boltzmann machine的后裔,经过多次修改,在2006年终于提出了《A fast learning algorithm for deep belief nets》将深度神经网络带入人工智能学者的眼帘。近年来深度网络在各种挑战面前都大放异彩。首先是微软的lecun提出了lenet作为机器视觉算法,识别手写数据库mnist达到99%的正确率,再后来是斯坦福视觉实验室的李飞飞教授举办的Image Net challenge旨在找到有用的算法用来分类1000个物体。Alex提出的Alexnet成功的将正确率提升至90%以上。2015年以来,世界视觉大会投稿疯狂增长,计算机视觉的研究者提出过各种各样类型的特别高效的神经网络,具有里程碑的是2016Facebook research He kaiming 提出的deep residual network在imageNet challenge 达到人类的正确率¬——95%以上 。但是100%的正确率就是极限了,计算机视觉不管在人才还是技术上都趋于饱和。虽然神经网络在各种各样的挑战中战胜了人类,但是笔者知道,神经网络的数学原理没有很好的解释性,将一个图片输入神经网络(笔者和其他强调可解释性的学者喜欢将它比作黑盒子)就能得到输出的结果。其不同于符号主义或统计思想拥有严密逻辑推理和朴素贝叶斯如此的概率与数理统计思想。笔者认为目前人工智能的研究状态是人工智能可解释性的浪潮初现 。但是也不乏有可能出现五代机的悲剧,由于现在人才市场和发表物趋于饱和,而大多人才倾向于将人工智能实用化,在后期学术没有焦点,而是玄学改变网络结构已经毫无意义了。
反观人工智能整体发展趋势,每当人工智能进入寒冬,都是因为对当时的经济无法带来更多的收益,反而要加剧资金投入。就现状来看,不乏人工智能学者,也不缺经济扶持。在中国,人工智能更多的作为噱头添加入产品使产品拥有新生代的光环,若是哪一天,牛皮吹破了 ,或着其他噱头(比如芯片产业)来临,社会会紧盯有实用价值的技术,比如之前火的IT,现在看来,只是利用另一种语言描述表达的行业罢了。不过笔者对人工智能现在火爆的场面是非常理解的,这不,芯片科技在习近平总书记的鼓励下概念股价和学芯片学生的士气一起大涨。那么,对于近未来的人工智能发展趋势,笔者认为有可能出现2种发展方向。
第一种是人工智能实用主义化和有可能出现的第三次寒冬。中国互联网企业和初创企业带有人工智能标签的在如今浪潮中可以说狠狠的赚了一笔。人工智能实用主义化体现在了这些企业将弱人工智能技术加入到自己产品中,方便人也方便事。但是问题就出现了,人工智能的应用在如今越来越多样化,人工智能就会陷入只顾应用的局面。当人工智能解决了该解决的问题,还有一些问题无法解决(或者效率低),那么人工智能很可能进入下一次寒冬。人工智能可能无法解决更加Harder的任务,加上对数据和计算资源的依赖,人工智能就会陷入类似第二次寒冬出现的perceptron被质疑的僵局。
第二种是人工智能的可解释性得到解决,神经网络的对抗样本对其攻击性已经不在,一种具有鲁棒性的网络可以基本解决所有弱人工智能问题。由于神经网络黑盒子的性质,所以对于未来的发展趋势可以说是探究其根本,追溯到数学原理。基于神经网络的弱人工智能将在21世纪上半叶大放异彩(其实已经开始了)。工程师将人工智能技术应用于生活,研究学者则提升人工智能技术的稳定性和安全性,两者相辅相成,为人类生活提供了不少便利。
以上是对于弱人工智能未来发展趋势的基本预测。笔者认为第一种情况的出现,对于人类来说简直是一种巨大的危机。商品化的人工智能技术比如自动机器人,智能助理,电路制造机器人。这对劳动型产业是不小的冲击,我们都知道,企业为了盈利会降低利润,而相同质量甚至更高质量的劳动力,企业会选择更低成本的,这就意味着,有大量的廉价而劳动密集型劳动力面临失业,在中国来看,这是致命的,更何况其他国家。弱人工智能技术在农业和工业上会取代农民和工人,这些人不得不面临失业。在那个时代,科学技术将是一个企业立足的关键,这和泡沫经济(o2o借贷等)是远远不一样的。如果人工智能再一次进入寒冬期,将是其他科技的踏脚石,比如5G通信技术,VR技术等等,在热潮下的人会跟风学习,只有坚持在研究的人能见证其发展。一般而言,限于弱人工智能在功能上的局限性,人们更愿意将弱人工智能看成是人类的工具,而不会将弱人工智能视为威胁。就像笔者之前提到的5G和VR技术,似乎都是热浪下的绝世好工具。而对于后者的发展方向,由于全球算力的提升外加“秒速”数据的增长,弱人工智能的鲁棒性越来越高,其应用于生活也越来越高,人工智能真正的走进人类生活。不久,弱人工智能也许会成为强人工智能的一部分器官。而这样的发展,会对人类文明产生不小的冲击,众所周知的“奇点”就要来了。
上文笔者提到的强弱人工智能,其实在人工智能出现时就有这样的分法。笔者之前都在描述弱人工智能,接下来谈一谈强人工智能未来发展的趋势和对人类的影响。“奇点”理论描述的是在不久的将来,人工智能和人类智能能够完全兼容的情形。
所以总结的来说,人工智能长期存在两种不同的目标,一种是希望借鉴人类的行为,研制可以媲美人类行为的智慧劳动力,比如说Google出的“识花”,就是借鉴专家对花的认识而创造的。另一种是希望可以创造出达到人类智慧水平的人造物,具有心智和意识,并以自己的意图开展行动,最近火热的《复仇者联盟3》中,钢铁侠创造的贾维斯Javis和幻视Vision就是这种目标。
在Alpha go打败李世石的时候,我们都为人工智能迅猛发展感到开心,但是同时有些人也会对其未来发展感到紧张不安。就历史而言,有不少批判和反对发展人工智能的人,其中最著名的就属休伯特·德雷福斯作《计算机不能干什么》一书,是对人工智能全面的批评。 其对人工智能在生物,心理学,认识论,本体论等不同层面批判人工智能。但是反观其内容,大多都是嘲笑人工智能“不能做什么”,“还是不能做什么”,其大多不会理会道德伦理观,可能和那时的思维有关。而真正需要我们反思的是,强人工智能给我们带来什么。近年来主流的人工智能学者的努力不是在强人工智能上,而是考虑某种特定类型的智能行为,而不是完全智能行为。现在人工智能研究领域都是与制造智能“工具”有相关的,而不是强人工智能的拥有自我意识,情感的研究。
讲到独立情感和自我意识,就必须要讲到人工智能伦理,笔者认为,即便强人工智能是可能的,我们不应该去创造或研究它。克隆技术是生物学领域的禁地。相比而言,人工智能技术还没达到克隆那么成熟,但是一旦成功的创造出这样的人工智能,将会比克隆人更加恐怖。拥有独立意识的机器人并不会服从人类,即便有阿西莫夫的机器人三大定律作为护身符,机器人也可能会利用自己的意识去修改这定律。机器人为了达到最优的资源分配,也许会做出伤害人类的事情,这些事如果发生都会造成不小的后果。所以,我们要严肃的对待人工智能,如果真的出现强人工智能的那一天,人类会真正的感受到生存危机。
总之,笔者认为在近未来,弱人工智能的发展会逐步接近顶峰,并且强人工智能不会有很大的发展。笔者认为严肃的科研工作者是不会触碰强人工智能的。对于未来的危机,主要是弱人工智能将要取代一部分简单的人类劳动力,使得大量劳动密集型人口面临失业。