摘要:2016年3月,google人工智能Alpha Go以4:1的比分战胜韩国选手李世石。2017年1月,Alpha Go化身Master碾压整个围棋界,以60连胜的成绩完成了围棋领域对人类的横扫。很多专家将2017年定义为人工智能元年,一些弱...
2016年3月,google人工智能Alpha Go以4:1的比分战胜韩国选手李世石。
2017年1月,Alpha Go化身Master碾压整个围棋界,以60连胜的成绩完成了围棋领域对人类的横扫。
很多专家将2017年定义为人工智能元年,一些弱人工智能已经走入我们的生活,只是很多人还没有觉察而已。我们也看到了,大量的影视作品和文章,提醒我们要警惕人工智能,甚至有些人认为发展人工智能就是在毁灭人类。
人工智能到底是什么?Alpha Go在围棋领域战胜人类到底意味着什么?硅基的新物种人工智能和碳基的生物有什么区别?带着这些问题阅读了《必然》和《未来简史》,仔细观看了《混沌研习社课程》3月人工智能专题课程,《吴晓波频道》和TED中人工智能相关节目,阅读了一些人工智能发展相关文章。通过学习,获得了一些全新的视角,分享给大家,希望对您有所帮助。
老规矩,先来看看人工智能的定义是什么:
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能产生有三个基础,摩尔定律、数学模型、大数据。
吴军博士在混沌研习社上分享其对超级智能的理解,分享中他提到了人工智能产生的三个基础:摩尔定律、大数据、数学模型。我们分别来看看这三大基础是都是什么。
摩尔定律是由英特尔创始人之一戈登·摩尔(Gordon Moore)提出来的。其内容为:当价格不变时,集成电路上可容纳的元器件的数目,约每隔18-24个月便会增加一倍,性能也将提升一倍。换言之,每一美元所能买到的电脑性能,将每隔18-24个月翻一倍以上。这一定律揭示了信息技术进步的速度。强大的运算速度是人工智能的基础。
人工智能的数据模型–深度学习,所谓深度学习就是通过深度神经网络算法,模拟人脑机制进行学习、判断和决策。深度学习会让计算机具备一定的模式识别能力。
举个例子,向人工智能输入大量狗的照片,人工智能自动进行识别狗的特征,然后再通过不断追加图片,不断加强其判断的准确性。
人工智能应用在医学领域,其识别黑色素瘤的准确率已经达到91%,远超人类医生的识别准确率。但是深度学习也有其自身问题:其模式识别过程不可以描述;深度学习是一个黑箱,投入数据,它给你结果;但是为什么是这个结果,没人能够告诉你。
我们今天提到大数据很容易理解为用户的行为数据,如淘宝中用户的选购记录,运营商的用户通讯记录,QQ和微信中用户沟通数据及朋友圈印象管理数据,facebook中的社交记录,google和百度中的用户搜索数据。未来的大数据将不单单来源这些平台的用户行为数据,很可能是万物联网后的全量数据。
摩尔定律为人工智能提供运算能力,大数据为人工智能提供学习资料,深度学习利用大数据实现无限进化。
2016年3月份,似乎全世界都在关注Alpha go对战李世石的比赛。
起初不太理解:我会在iPad中玩五子棋,象棋之类的棋牌游戏,PVE的时候经常输给软件机器人,9段高手李世石不就是在和一个游戏机器人下围棋吗,有那么值得关注吗?而且对战的可是google的机器人啊,google有多少服务器,通过分布式并行运算,暴力破解围棋规则也是肯定能赢的吧?
随后,阅读了一些相关文章才知道,围棋极其复杂,暴力破解几乎不可能,一局围棋150回合,其中可能出现的10的170次方种可能性,比宇宙元子总数还多。而且围棋中的规律复杂微妙,号称千古无同局。而且Alpha go是单机的,没有联网,没有利用google的分布式并行运算。
那么Alpha go的运算能力如何呢?我们来看一下Alpha go的前辈IBM深蓝,深蓝是美国IBM公司生产的一台超级国际象棋电脑,重1270公斤,有32个大脑(微处理器),每秒钟可以计算2亿步,计算能力11.38 GFLOPS,而现在,一台笔记本的计算能力已经超过了深蓝,搜狗CEO王小川表示,Alpha Go计算能力是当年IBM计算机深蓝的3万倍。因为有摩尔定律,也许有一天,我们手机也能达到Alpha go的运算能力呢,值得期待,可能时间不会太长。
有些时候,我们看问题可能受到自身经验的局限。在阅读和学习过程中,发现四个视角非常有意思,是自己以前没有考虑过的,分享给大家。
吴军博士在混沌研习社提到了鸟飞派的概念非常有意思。
我们来看看飞机的发展史,人类最初希望飞到空中,现实生活中我们可以找到的学习目标就是鸟类,最初人类一直在模仿小鸟的飞翔方式,通过震动翅膀获取上升动力,但飞机的发明却不是因为模仿小鸟的翅膀震动,而是发现了空气动力学原理,于是我们能让飞行速度实现超音速,进而完全超越鸟类。
我们再来看看汽车的发展史。最初人们希望从A地到B地只能靠自己的双腿,后来发现可以使用其他生物替代人类的双腿,而且速度可能更快,例如骑马,随着石油能源和电能的使用,发动机的发明,现在人们从A地到B地平均速度可达80KM/h,未来的无人驾驶技术将会再一次重新定义出行,人们再也不用像以前那样,将注意力耗损在从A地到B地这个过程中。未来的出行方式将会是用户上车后,输入目的地,然后开始办公或娱乐就好。
我们可以发现,最初的发明往往将现实世界中的事物作为模仿原型,当掌握了其运行原理后,衍生出的产品性能将极大超越最初的模仿原型,而且外形与最初的模仿原型差异极大。我们再来看看人工智能机器人,现在很多人工智能都在模仿人,似乎是有两只腿,两只手臂,一双眼睛,一张嘴才是机器人,其实机器人完全没必要这样,移动可以用履带或轮子,有10几只眼睛,一个屏幕,一个托盘,一个机械手臂,下图是无人车眼中的世界。
人工智能并不是模仿人类大脑的信息存储和信息传递模式,人工智能的进化速度与运算速度和算法优化直接相关,其发展速度类似与指数级发展或加速发展。
将我们人类的智力水平比作一个站台,我们人类站在站台上,看着人工智能的火车缓慢驶来,最初可能特别特别慢,用了200年时间让人工智能有了爬行类动物的智能水平,用了100年让人工智能有了哺乳类动物的智能水平,用了50年的时间让人工智能有了黑猩猩的智能水平,用了20年的时间有了3岁小孩的水平。
像这样,这列人工智能的火车持续加速向站台逼近,其智能水平与人类智能差不多的时间可能只有一瞬间,而当人们还没有所察觉时,它已经进化为我们完全无法理解的全新物种。
我们人类智商分布满足正态分布,多数人在80到120之间,即使偶尔出现的IQ 180的天才我们虽然无法超越但是还可以理解,如果人工智能的智商水平相当于10000呢?它想告诉我们为什么,我们却可能完全听不懂,因为我们的智能水平可能已经天差地别。
Alpha go对战李世石时发生了一些有趣的场景:
Alpha go落子后,人类的专家们这时就会发表评价:机器人就是不行,下了一手臭棋。
但是随着棋局的演化,几十步之前的“臭棋”又成了神来之笔的好棋。
在Alpha go对战李世石时,专家判断Alpha go处于劣势,但是Alpha go只是在做数学游戏。从后台可以看出,Alpha go的算法显示其一直处于获胜可能更大的一方。
大家理解这其中的差距了吗?人类百年的围棋文化被全面超越了,因为只有整体性超越,才会出现这种情况,对方下了一手好棋我们竟然看不出来,看不懂其中深意。
大家都应该听说过:安吉丽娜朱莉因为基因检测结果做了乳腺切除手术,《未来简史》中预测了数据人文主义在未来将大行其道,我们的体验自我感觉良好,但是通过人工智能的运算分析,告诉我们一个结果:比如某人患有乳腺癌的几率高达90%,那么你会选择切除乳腺吗?
体验自我告诉我们没有任何问题,感觉良好,但是人工智能却告诉我们分析结果显示:您最好立刻、马上进行乳腺切除手术,你会如何选择?未来的医疗可能越来越朝着这个方向发展。就像罗胖曾经在年会上提到的父爱算法,人工智能说一句听我的,就这么干,你是听呢?还是不听呢?因为它给出的理由你听不懂,但是90%概率它是对的,我想人类最终会接收这种不理解的答案。
Alpha go这类人工智能的恐怖之处在于其无时无刻不在进化,而人类需要休息,需要社交,需要思考,需要沉淀,而且碳基生物的进化需要数万年,而且是通过两性繁殖,促进基因突变,优胜劣汰,这种进化速度与硅基的人工智能的进化速度相比如同云泥;而人工智能的提升在其运算层面通过计算完成,今天的Alpha go和昨天的Alpha go完全不同,今天的Alpha go可能输了,但是人类回去休息后,它默默的一晚上和自己下了300万盘棋,第二天人类棋手面对的已经是一个全新的Alpha go。
人工智能在职场上是否能完全替代人类?真的会如同凯文凯利在《必然》中描述的那样,人类职业被人工智能循环替代吗?哪些职业正在被人工智能替代?
赫拉利在《未来简史》中预测了未来会出现一个全新的阶级–无用阶级,当人工智能全面替代人类劳动,我们又将何去何从?
《奇葩说》曾经辩论了人是否会爱上机器人,当人工智能完全通过图灵测试,我们如何分辨彼此的边界?哪些人工智能已经融入我们的生活当中?下期将会着重分析人工智能和人的关系,从人工智能如何在生产,交通,医疗等领域改变我们的生活角度展开论述。
感谢您的阅读,欢迎留言交流~
本文由 @田宇洲 原创发布于人人都是产品经理。未经许可,禁止转载