互联网大佬都重视的AI@AI能解决实际问题吗?

沃特斯:人工智能打赢围棋的头条新闻,令人产生技术进步势不可挡的感觉。但随着问题性质的改变,我们将需要一些全新的方法。

收藏更新于2017年12月26日 07:15 英国《金融时报》 理查德•沃特斯

不,你的计算机不会很快抢走你的工作。但是,在挑战它玩棋盘游戏之前,你应该三思——即使是它以前没有玩过的。看到最顶级的人类玩家输给机器不是新鲜事。谷歌(Google)的DeepMind最近更进一步:它利用自己的通用游戏算法从零开始自学,在几个小时内就成为三种不同游戏的冠军,胜过最好的定制类人工智能系统。

乍看之下,这听起来像是机器与人类智能之间的鸿沟很快就会被跨过。自人工智能出现以来,人类就梦想着能够创造一个像人类头脑那样善于解决任何问题的广义智能。

许多专家为DeepMind的适应性游戏大脑欢呼,艾伦人工智能研究所(Allen Institute for Artificial Intelligence)所长奥伦•埃齐奥尼(Oren Etzioni)就是其中之一,他将其称为“令人印象深刻的技术成就”。然而,在谈到其应用领域有限时,他套用了《哈姆雷特》(Hamlet)中的台词:“天地之间的事情比DeepMind哲学中梦想的更多。”换言之,这家谷歌子公司通过在棋盘游戏中击败人类而声名鹊起,但有必要正确看待它的成就。

最近几年关于人工智能在棋盘上获胜的头条新闻,让人们有种技术进步势不可挡的感觉。摩尔定律(Moore’s law)准确描述芯片行业的发展速度已有半个多世纪,它让科技行业的客户习惯于相信技术会不断进步。为什么人工智能会有不同?

有很多证据可以助长这一观点。过去五年里,图像和语音识别技术的进步引人注目,这些领域的指数级进步很可能会带动其他领域。但是,随着问题性质的改变,我们将需要全新的方法。限制表现在两个主要方面。机器学习系统往往被吹嘘为原始算法,可以适应任何任务——取决于用什么数据来训练它们。但在现实中,它们必须根据特定目的适应和“调整”,相当于人工智能的管道胶带。

正如DeepMind的研究人员所描述的那样,最好的下棋系统是“手工制作的”,依靠“复杂的领域适应”,即改进表现的变通方法。

人工智能破解AI的思维“黑箱”研究人员希望让AI以人类能够理解的方式解释其思维和判断过程,其结果可能会决定人们能否信任和应用这些系统。

可以自学成为顶级象棋或围棋棋手的适应性算法当然是一种成就。但这并不意味着它已经准备好冲出人造的游戏世界,这种世界的规则不可改变,玩家总是对局面有完全了解 (即便不一定了解对手的心思)。

另一个重大限制源于如下事实,即机器学习系统依赖大量数据,其中很大一部分数据由人类精心标记。这非常昂贵,而且随着数据量的增加,回报会逐渐递减。

DeepMind所采用的强化学习方法尤其渴求数据。它涉及进行大量测试,系统可从中学习。每个动作的结果被计算权重,然后存储在机器的记忆中,以便它试图改善自己在所有情况下的响应。这在一个自成一体的游戏世界里可能有效,但纷繁复杂的现实更难建模。使用模拟器让人们无数次重复基本上相同的情景,从而缓解这种限制。

无人驾驶汽车用更长时间的模拟为真实世界的行驶经验提供补充。深度学习先驱吴恩达(Andrew Ng)表示,这种方法也在机器人技术领域产生了成果。他表示,如果一个机器人能够成功建模,那就有可能“在模拟中得到基本上无限的经验”。

解决真实世界的问题将更为困难。它意味着不仅要预测一系列场景,而且还要处理各种程度的不确定性。教会机器一些它不懂的事情只是开始。DeepMind的下一个重大挑战将是《星际争霸》(StarCraft),这是一种有关外星物种之间斗争的科幻战略游戏。玩家信息有限,必须规划、执行和调整战略。在这种未知领域里,机器不一定能学到取胜所需的特质。

这并不会削弱如下事实,即机器学习是自互联网发明以来最重要的通用技术之一。但它突显出今天的人工智能还得走很长一段路,才能达到与炒作相称的水平。

本文来自企鹅号 - 业余娱乐媒体

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏PPV课数据科学社区

[重磅]百度研究院副院长余凯:大数据与人工智能(41PPT)

演讲人:余凯(百度研究院副院长) 摘自:数据派(微信ID: datapi) 数据派是清华大数据产业联合会官方微信,经常组织线下讲座并发布干货内容 导读:什么是...

39350
来自专栏镁客网

建设10余年,世界上首台超级“人脑”计算机问世,拥有百万处理器核心

SpiNNaker创造者的目标是让这款机器能够实时模拟10亿个神经元,达到人脑规模的1%。

12420
来自专栏人工智能头条

专访阿里研究员袁全:从 AI 玩《星际争霸》谈认知智能的现状与趋势

15130
来自专栏数据猿

华院数据数据科学家尹相志:智能投顾一定能赚大钱吗?

数据猿导读 电脑逐渐可以去做一些我们想不到的事。我不会用替代人力这样的字眼。因为目前来讲,科技取代人类还非常远。最重要的是机器帮助我们从无聊、繁琐的事情中脱身...

455100
来自专栏大数据文摘

[重磅]百度研究院副院长余凯:大数据与人工智能(41PPT)

48370
来自专栏量子位

他曾是百度最高奖得主,滴滴首席算法,现在要开一家AI语音超市

先是Google I/O大会上一声“嗯哼”震惊了人类世界,然后微软小冰为知乎写歌唱歌又刷了一波屏。

13520
来自专栏机器人网

这是AI最好的时代……

8月份有幸收到雷锋网的邀请参加CCF-GAIR大会,金光闪闪的嘉宾团体和高大上的会议盛况自不必说。作为一个一直从事nlp技术和相关产品的工程师,这里写点个人的想...

32190
来自专栏PPV课数据科学社区

【译文】传播学中的大数据:发展与不足

? 作者:Malcolm R. Parks 当我决定为《传播学日报》写一个特别的关于大数据的主题时,我心中有两个目标。一个是为大众传播,图像技术,政治交流,健...

38680
来自专栏大数据文摘

特技替身拜拜,迪士尼机器超人要上天了!

不管是电影中的特技、还是迪士尼乐园中的高难度杂技表演,迪士尼对高空特技表演一直有大量需求。

11800
来自专栏企鹅号快讯

AI能解决实际问题吗?

来源|FT中文网 不,你的计算机不会很快抢走你的工作。但是,在挑战它玩棋盘游戏之前,你应该三思——即使是它以前没有玩过的。看到最顶级的人类玩家输给机器不是新鲜事...

20580

扫码关注云+社区

领取腾讯云代金券