1
美劇《西部世界》的火爆再一次引發(fā)了大眾對于人工智能的討論，到底人工智能未來的走向如何？讓我們來看看這些大咖是怎么說的。
隨著機器學習讓計算機無師自通，從醫(yī)學診斷到自動駕駛汽車，技術領域的突破如雨后春筍。不過，是誰在把控著人工智能？它會取代我們的工作嗎？機器人威脅論又是否會成為現(xiàn)實？
作為美國總統(tǒng)，奧巴馬同樣也對這些問題充滿關注。
奧巴馬提到：雖然每次說到這個話題大家都會定很高的基調(diào)，但事實上我們必須考慮它對于經(jīng)濟的影響。畢竟在大多數(shù)人眼中，不會在意奇點是否會來臨，他們更擔心機器是否會搶了他們的飯碗。
對此問題，我傾向于持積極態(tài)度，因為從歷史角度來看，人類曾無數(shù)次地對技術進行更新?lián)Q代，但最終結果顯示，我們沒有被餓死，新技術反而創(chuàng)造了更多的就業(yè)崗位，我們的生活質(zhì)量也得到了提高。當然，有些人的擔心也不是無緣無故的，畢竟當 AI 大潮襲來，真正能快速從中獲益的還是那些高技能人才，他們可以利用自己的才干，借助機器延伸自身的市場、銷售、產(chǎn)品和服務。
那些低薪水低技能的人可能會顯得越來越多余，他們的飯碗可能會保住，但薪水恐怕會有所降低。如果我們想要完成平穩(wěn)的過渡，那么全社會應該廣泛對話，討論到底如何處理這一過渡期的尖銳矛盾，如何通過培訓來保證經(jīng)濟持續(xù)包容性增長。我們的生產(chǎn)效率是越來越高了，但如果任其自流，那么大部分產(chǎn)品還是會流到上層一小部分的群體口袋中。因此，我們要如何解決這一問題，并保證每個人都能拿到一份有尊嚴的收入呢？另外，AI“統(tǒng)治”一切后，人類的藝術和文化該如何保留？那些為國奉獻的退伍軍人誰來管呢？我們引以為豪的社會契約需要與時俱進來包容這些新技術，而我們的經(jīng)濟模式也要隨之發(fā)生相應轉|變。
林元慶在演講以及會后采訪的過程中，一直在強調(diào)AI大幕“已經(jīng)啟動”這個關鍵動作，雖然“人工智能”這個概念最早從1955年8月31日就開始提出，但從當時的誕生，到中間的兩起兩落，一直像個蹣跚學步的孩子一樣經(jīng)歷了60年才迎來了第三次復興的浪潮。
1956年到1974年，全球第一次人工智能浪潮出現(xiàn)。
1974年到1980年。第一次人工智能冬天出現(xiàn)。
80年代出現(xiàn)了人工智能數(shù)學模型方面的重大發(fā)明，第二次浪潮出現(xiàn)。
1987年到1993年現(xiàn)代PC的出現(xiàn)，讓人工智能的寒冬再次降臨。
不過這一次，隨著硬件，數(shù)據(jù)，算法三板斧的默契配合和發(fā)展，AlphaGo與世界頂級圍棋高手李世石的人機世紀對戰(zhàn)，人工智能已經(jīng)從基本的語音識別，圖像識別，向著自動駕駛，視頻，AR，醫(yī)療，金融等各種領域無聲地滲透，也引發(fā)了全民關注AI復興的熱潮。
老驥伏櫪，志在千里。如果說過去60年是它從孕育到躊躇的“蹣跚”周期，那往后60年，將會是它揭開“無窮大”大幕的周期。
為了提高深度學習的能力，谷歌的 DeepMind 團隊創(chuàng)造了這種新型機器學習算法“ 可微分神經(jīng)計算機”DNC，它將“神經(jīng)網(wǎng)絡”計算系統(tǒng)與傳統(tǒng)計算機存儲器結合在一起。
神經(jīng)網(wǎng)絡是一個互聯(lián)的系統(tǒng)，它模仿生物神經(jīng)網(wǎng)絡運行，比如大腦的工作模式。在最近取得的各項人工智能成就中，神經(jīng)網(wǎng)絡扮演了關鍵角色。例如，在數(shù)字助手，如 Google Voice、Siri 中增強語音識別能力。在之前的研究中，神經(jīng)網(wǎng)絡只能連接自有網(wǎng)絡所包含的數(shù)據(jù)。而最近，DeepMind 團隊宣布，在 DNC 的支持下，神經(jīng)網(wǎng)絡可以接入之前不相容的外部數(shù)據(jù)，比如以傳統(tǒng)數(shù)字模式編碼的文本。這也就是說，我們離會思考的計算機更近了一步。
現(xiàn)今，隨著 AI 和機器學習技術快速發(fā)展，越來越多的工具和解決方案都開始使用認知能力。但這些工具和解決方案是否真正反映出了 AI 的意義所在？
IBM Watson 的平臺經(jīng)理 Jonas Nwuke 認為：
AI / 認知計算的目標是輔助人類更好的做出決定。系統(tǒng)在規(guī)模上進行學習，吸收經(jīng)驗變得更強大，并以一種更自然的方式與人類進行交互。
Progress 的首席布道官 Todd Anglin 說：
目前，軟件開發(fā)業(yè)存在的問題是，AI 是個總稱，它經(jīng)常被誤用或濫用，其本質(zhì)在某些方面就被濫用。它代表了很多東西，但很多時候我們都用之不當。例如，AI 是個偉大的營銷術語，開發(fā)商往往只是強行將其插入解決方案之中，以達到脫穎而出的目的。App 的用戶會普遍認為，具備人工智能，那么其肯定是款智能化、強大的 App 。在其它情況下，開發(fā)人員會使用術語，以表示該應用程序試圖為用戶做一些事情。例如，Tesla 使用術語“自動駕駛車”稱呼自己開發(fā)的車輛，這樣更易于大眾理解，但事實上他們的車輛并非完全自動駕駛，因為它還需要人類在一旁照看以防萬一。簡單的圖像識別、目標檢測、挑戰(zhàn)和響應系統(tǒng)都做到了一定程度的 AI ，但開發(fā)商在給他們的應用程序打標簽時，還需要更明智一些。相反，開發(fā)人員應該關注基本概念，如機器學習或深度學習。我們必須花更多的時間來觀察這些東西，以及它們是如何被利用或在軟件中使用的。
當我們談論 AI 時，我們真正討論的東西是什么？
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
