人工智能的革命:通向超级智能之路(上)

注:随着人类对人工智能(简称AI)研究的不断深入,这个领域的很多内容让我越来越难以置信,正因为如此,我用了三周之久才完成了这篇文章。AI很快就吸引了我,因为该行业正在发生的事情,不仅很重要,也是迄今为止对未来影响最重要的领域。我尽可能的想要更多的了解它,每当我发现了一个新的知识点,我都试图确保能够在这篇文章中把AI的整体情况确切地解释清楚,让大家明白为什么它这么重要。文章确实非常长,所以为了照顾各位读者,我分为了两部分。这是第一部分。

我们所处的时代,变革刚刚开始,影响之深远,不亚于地球上人类的诞生。

---Vernor Vinge

如果让你站在下图小人的位置,会是什么感觉?

压力山大有没有——不过你一定要记得,未来是不可预测的,所以当你站在历史长河中,你是看不到前方的。所以,你的感觉应该是这样的:

哪一个会舒服一些?

遥远的未来——就在眼前

假设我们乘坐时光机回到了1750年——那是一个还没有电的时代,长距离的交流意味着大喊大叫,或向天空来一发炮弹,所有的交通都要靠马力。当你到了那里,你找到一位公爵并把他带到2015年,然后带他出去逛逛,看看他有什么反应。他看到高速公路上一辆辆穿梭的会发光的胶囊;和一个上午还在大洋彼岸的人面对面的聊天;观看一场千里之外的直播比赛时;聆听一场50年前举办的演唱会时;玩弄一个魔幻般的矩形盒子,发现这玩意能够实时捕捉影像,录制一段视频;生成一幅地图,上面有他行动的轨迹;面对面拿的和别人交流,即使他此刻身在这个国家的另一个地方。对他而言,这就是一个魔法一般的世界。而我们还没告诉他什么是互联网,没有跟他解释国际空间站,大型强子对撞机,核武器和广义相对论。

对他而言在,这些经历已经不能用惊讶,震撼,脑洞大开来形容了——这些词已无力表达他此刻的澎湃。实际上,真的会吓死他的。

接下来,故事更有意思了——如果他回到了1750年,嫉妒我们看到了他的窘态,决定也要做捉弄一下他的前辈。他会乘坐时光机,一样回到250年前,也就是1500年,把一个人抓回来,给他看看1750年的各种东西。同样,会有很多东西让这个生活在1500年的伙计感到震惊——但不会死掉!尽管1500年和1750年非常的不一样,但1750年和2015年更不一样,两者体验的差别还是非常明显的。1500年的前辈会学到一些令人费解的物理和空间的知识,他会对欧洲普遍信奉的新帝国主义印象深刻,他的世界观或许会有很多主要的修改。但看看人们的日常生活——交通和交流等——绝对不至于让他惊讶得死掉。

如果1750年的伙计觉得不过瘾,他就不得不回到更早以前——或许要回到公元前12000年,在第一次农业革命之前,那时候还没有城市和文明的概念,人类也只是很普通的一种物种而已,那个纯粹靠狩猎和采集为生的人看到了1750年的巨大的帝国和耸立的教堂,铸造的跨洋战舰,人类的知识和发现堆积如山——或许,他也会被吓死的。

然后呢,在他死后也是各种羡慕嫉妒恨,于是决定也要捉弄一下他的前辈。他回溯到12000年前,也就是公元前24000年,抓到一个人并带回到公元前12000年,给这个人看了各种东西,这个人的表情应该是这样的,“好的,这跟我有什么关系吗?”。不难想象,如果公元前12000年的家伙也想要达到同样的震撼效果,估计他得回到至少100000年前去抓一个原始人,然后让他见识到如何生火,以及语言的神奇。

在体验现代文明中,为了达到足以让来自过去的人震惊致死的剂量,他们必须回溯到足够远的年份,我们称这是一个“致死过程”或一个“致死单位量”(DPU:a Die Progress Unit)。因此,在狩猎采集的社会时代,一个DPU大约需要100000年,而后农业革命时代,一个DPU大约需要12000年。在后工业革命时代,世界变化之快,一个单位量只需要200年的时间。

随着时间的推移,人类的进步越来越快。未来主义者Ray Kurzweil称这种模式为人类历史的加速回报定律(Law ofAccelerating Returns)。相比不发达的社会,较发达的社会更有能力保证一个较快的发展比率,因此必然会有这种现象。19世纪的人比15世纪的人了解的更多,科技也更先进,因此19世纪的文明会有更大的提升,这不足为奇。换句话说,15世纪的人是不能和19世纪的人相提并论的。

该法则在小场景下也同样适用。电影《回到未来》于1985年上映,故事的背景发生于1955年。在电影中,当Michael J. Fox回到1955年,一切都让他猝不及防——在那个年代,电视是一个新鲜的发明,苏打水的价格贵的出奇,人们对电吉他的声音并不感冒,也缺少对各种俚语的使用。这就像是另一个世界——但如果电影是当代拍摄的,而故事发生在1985年,电影或许会更有趣,也有更多的不一样。主人公会处在一个没有电脑,网络和手机的年代——但这种不适会更加强烈,反差也会更明显。

这和我们之前讨论的原因是一样的——加速回报定律。1985年到2015年的平均前进速率要比1955年到1985年的速率高——因为前者是一个更先进的世界——所以在最近的三十年一定会比之前的三十年发生更多的变化。

所以,优势越来越大,进步也越来越快。未来节奏之快,已经让我们喘不过气来。

Kurzweil认为,以21世纪发展的速度,整个20世纪的进程只需要大概20年就可以完成——换句话说,21世纪的发展速度是20世纪的五倍。他坚信,整个20世纪的进展相当于2000年到2014年的进展,或者相当于2014年到2021年短短7年的进展。再20年后,整个20世纪的进展只相当于一年,甚至不到一个月的进展。总而言之,因为加速回报定律,21世纪的进展相当于20世纪的一千倍(引自Kurzweil, The Singularity is Near, 39)。

如果Kurzweil和他的支持者们的观点是正确的,只需要到2030年,我们就会像1750年的兄弟来到2015年一样抓狂—下一个DPU的周期可能只有20年,2050年的世界也会和现在的世界大不相同,大到让我们难以置信。

这不是科幻小说。很多聪明的科学家和比你我知识渊博的人都坚信这一点——而且如果你回顾一下历史,你会发现,这确实是理性的预测。

可是当你听到我说“三十五年后的世界完全不敢认”这类的话时,为什么你还是会支支吾吾不愿意承认呢?有三个原因导致了我们对这些怪异的未来预测半信半疑。

  • 当我们谈到历史时,我们认为它是线性的。每当我们展望未来三十年的发展,我们往往会回顾过去三十年的历程,并以此作为依据。当我们在思考21世纪会发展到什么程度,我们只是把20世纪的进步直接加在了2000年,这和1750年那个家伙犯的是同一个错误,他只是抓了一个1500年的人,期待他也会有相同的震撼。当我们应当按照指数级增长来思考时,人类的本能却习惯了线性思维。如果在这点上你足够聪明,在预测未来三十年的进展时,你就不会仅仅盯着前三十年,而是参考并基于当前发展率来判断。这会正确一些,但还是不够精准。你需要意识到他们在未来增长的速度要比当前还快,这样的预测才是正确的。
  • 近阶段历史的发展轨迹往往是有欺骗性的。首先,如果你只关注一个很短区间内的发展,即使是一个坡度很大的指数曲线看上去也是水平的,同理如果你非常近的观察一个巨大循环内的一个小片段,看上去也像是一条直线。再次,指数增长也并不总是平滑,一成不变的。Kurzweil解释,人类的发展更像是S型曲线的模式。

每一次新的增长横扫世界的时候,这一波发展就会形成一个S型的曲线。这条曲线会经历三个阶段:

  1. 缓慢增长(指数增长的前期)
  2. 快速增长(后来,指数增长的爆发阶段)
  3. 日趋成熟,增长也日趋平稳

如果你仅仅观看近阶段的历史发展,你所注意到的仅仅是S型曲线在某一时刻的片段,你并不能充分认识到事物发展速度有多快,这可能会导致你的误判。在1995年到2007年这段时间,我们看到了互联网的爆发,微软,谷歌和Facebook这类公司进入了人们的视野,社交网络的诞生,手机和智能手机的出现。这是S曲线的第二阶段:快速增长期。但在2008年到2015年,至少在科技前沿,人类的进展则要逊色一些。那些展望未来的人,可能会按照最近几年的发展率来判断未来,这显然是鼠目寸光的一种行为。实际上,一个全新的,巨大的,快速增长的第二阶段很可能正在酝酿中。

  • 在预测未来这方面,我们已有的经验可能让我们固步自封。我们都是基于自我的经验来认识这个世界。过去几年的增长率在我们头脑中根深蒂固,而这种经验让我们认为这就是事物发展的方式。我们也受限于自身的想象力,让我们习惯性的把经验和对未来的预测结合在一起——但很多情况下,我们所了解的并不是能够让我们准确预测未来的工具。当我们听到一个关于未来的预测,这可能有悖于我们的经验(经验是基于事物如何运作的概念),我们直觉上觉得这个预测很幼稚。但如果我告诉你,在这篇文章发表不久,你可能会活到150甚至250岁,或者不会死掉,你的直觉会是:“这个想法很蠢——如果我能够从历史中得到什么结论,那就是人固有一死。”确实,过去每一个人都会死。但在飞机发明前也没有人坐过飞机。 当你读到这可能会嫣然一笑,但很可能你已经错了。实际上,如果我们真的能够保持理性,并预测历史模式会继续下去的话,我们不难得出,相比我们本能的预期,在接下来的几十年里变化会更多。逻辑上也显示,如果一个星球中最先进的物种以加速度的方式保持跳跃式前进,在某一个点,他们将会迎来巨大的飞跃,这会彻底改变他们所了解的生命以及他们对人类这个涵义的认知度。就好比人类一直保持在智能方向的演化,直到最后人类出现了一次极大飞跃,彻底改变了地球上任何一个物种对进化的理解。如果你愿意花一些时间了解一下当代在科学技术领域的进展,你会开始觉察到一些迹象,这些迹象暗示我们,当前所熟悉的生命经不起下一次的飞跃了。

通往超级智能之路

什么是AI

如果你也像我一样,曾经把人工智能当作科幻小说,后来你听到一些很严谨的人也提到了它,你会意识到自己其实并不了解它。

下面是许多人对人工智能这个术语感到困惑的原因:

  • 我们往往把人工智能和电影联系在一起。《星球大战》,《终结者》,《2001太空漫游》,甚至是《杰森一家》(动画片)。这些都是虚构的,机器人角色。这让AI看上去也有一些虚幻的感觉。
  • AI是一个宽泛的话题。它涉及手机计算器和无人驾驶,这些可能会极大的改变未来世界。AI涵盖所有领域,这也是让人困惑的地方。
  • 日常生活中我们每天都在使用AI,但我们经常意识不到,原来它就是AI。John McCarthy在1956年创造了AI这个词(Artificial Intelligence,人工智能),抱怨道:“一旦AI开始发挥作用,就不会有人认为它是AI了”。因为这个现象,AI听起来更像是一个对神秘未来的预测,而不是现实的一个概念。同时,它又像是一个非常流行的概念,但永远不会落地。Ray Kurzweil提及,在十九世纪八十年代,有人认为AI已经是明日黄花,他认为这种看法和二十世纪初人们唱衰互联网如出一辙。

不如我们把话说清楚。首先不要再提机器人了。机器人只是AI的容器,有时候会模仿人的行为,有时则不会——但AI本身是机器人体内的电脑。就如同机器人是躯体而AI则是大脑——如果这个机器人有身体的话。举个例子,支撑软件和数据的Siri系统是AI,我们听到的那位女性的声音是AI的一种实体表达,而这里并完全不涉及到机器人。

其次,你很可能听说过术语奇点(singularity,可理解为临界值),或技术奇点。在数学中,这个术语用于表达一种渐进方式,这时一般的法则不再适用。在物理中,它用于表达一种极限现象,比如无穷小,黑洞或者宇宙大爆炸前我们都塌陷形成的一个点。在这种情况下,常识将不再适用。1993年,在Vernor Vinge一篇著名论文中,他使用了这个术语,用来描述未来的某一个时刻,人类的智能化技术超越了我们自身——那个时候,我们之前所熟知的生活方式彻彻底底的改变了,日常规则也不再适用。Ray Kurzweil定义,随着时间的推移,当加速回报定律达到了极限速度时,技术的进步也会以极限速度发展,这个时间点就是一个奇点,从此以后,我们将生活在一个全新的世界。我发现当代很多AI思想家已经避免使用术语了,确实过多的术语有时还是会困扰我们,所以我会尽量少的使用术语(即使我们主要集中在思想层面来阐述AI)。

最后,AI是一个宽泛的概念,因此也有很多不同的类型和形式,基于AI本身的能力,我们需要先了解AI主要的分类,下面是AI主要的三个分类:

  • 狭隘型AI(ANI):有时也称为弱AI。狭隘型AI专门针对一个固定领域。有的AI可以打败国际象棋冠军,但这是它唯一能做的事。让它想出一种硬盘中保存数据的较好方式,它只会呆呆的看着你。
  • 通用型AI(AGI):有时也称为强AI,或人形AI,通用性AI是一种全方面和人类一样灵活的电脑——一台可以和人类一样完成各种智力任务的机器。相比狭隘型AI,创造通用型AI无疑是一项更困难的任务,而且我们还没有完成。Linda Gottfredson博士把智能描述为“一种在其他事物下广义的心理能力,牵扯到总结,计划,解决问题,抽象思维,理解复杂概念,快速学习并从经验中学习的能力”。通用型AI有能力轻松的完成那些人类能够胜任的事情。
  • 超级AI(ASI):牛津哲学家和主要的AI思想家Nick Bostrom对超级智能的定义为“这种智慧在所有领域,包括科学创造,广义的智慧和社会技能方面,都完胜人类最聪明大脑“。超级AI包括比人类稍微聪明一点的电脑到比人类聪明上百亿倍的电脑之间的全部。相比超级AI,其他的AI看上去很傻,也正是因为超级AI的可能,人们纷纷议论未来人类是否会永生还是灭绝。

迄今为止,在很多领域,人类已经攻克了最低级别的AI——狭隘型AI,而且它已经无处不在。AI的革命就是从狭隘型AI,经历通用型AI,直到超级AI的历程——这条道路上,人类是否能够幸免还不得而知,但不管怎样,AI将会改变万物。

让我们仔细了解一下在这领域,主要的思想家是如何看待未来走势的,以及为什么这场变革的到来,比你想象的要快。

原文发布于微信公众号 - LET(LET0-0)

原文发表时间:2016-05-21

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏华章科技

机器将拥有常识?Hinton预言十年内将研发出具有常识的计算机

【新智元导读】机器会拥有常识吗?Hinton说,Yes,并且会在10多年内变成现实。两位从经济学的视角观察AI问题的学者为此打了一个赌,支持者对反对者的赔率为5...

593
来自专栏罗超频道

【软文慎入】李彦宏“赏花”,看视觉搜索未来!

在百度第五届Hackathon(百度内部编程马拉松)上,李彦宏一如既往地参与点评。据百度内部同学爆料,这次李彦宏尤其被一个美女博士领衔的学生团队“赏花宝典”应用...

3276
来自专栏ATYUN订阅号

英国诺福克警察局用算法决定入室盗窃调查是否正当,引发公众争议

英国一项报道称,诺福克警察局(Norfolk Constabulary)一直在悄悄地试验一种算法,以决定入室盗窃是否值得警方调查,这引发了争议。该算法与剑桥大学...

843
来自专栏数据的力量

水平思考——突破创新的思考方式

762
来自专栏AI科技评论

深度 | 人工智能的盲点在哪?

编者按:当我们都在关注人工智能对生活带来的积极影响时,另一种担忧的声音正在产生:自主智能系统在许多社会机构早已司空见惯,但我们却无法找到真正能评估其持续性影响的...

36210
来自专栏专知

IEEE终身Fellow闵应骅: 人工智能与智能科学

来源:科学网 http://blog.sciencenet.cn/blog-290937-1088590.html 最近看了朱松纯教授2017/9/24在中科院...

35111
来自专栏机器人网

真正能和人交流的机器人离我们有多远?

《经济学人》近日刊登文章,称计算机在翻译、语音识别和语音合成上都获得了很大的进步,但它们仍然不了解语言的含义。以下是原文内容: “对不起,戴夫,恐怕我不能这样做...

2073
来自专栏数据的力量

读心:情感计算步步进入商业调研领域

现在,在理解、存储海量信息方面,机器似乎越来越高能了——但是它们和以前一样,在情感方面却没什么进展。不过,从 1990 年代以来,一小部分研究者致力于让计算机能...

892
来自专栏机器之心

现场 | NIPS举办了第一场记者发布会:请媒体警惕这波AI热潮

机器之心原创 作者:Tony Peng 面对记者,NIPS 大会传达了很明确的信息——请不要妖魔化机器学习。 今年落户长滩的 NIPS(神经信息处理系统进展大会...

3258
来自专栏数说工作室

工作日鸡血 | 怎样雇佣一个数据科学家?不要给他们出测试题,编程、统计、数学才是需要考虑的!

新的一周开始了,各位宝宝们,加油哦! 此前我们看到的文章都是从面试、求职者角度出发的,本文从招聘者角度出发,为有数据科学家招聘需求的机构提供了9点建议。知己知彼...

2755

扫码关注云+社区