亚洲 a v无 码免 费 成 人 a v,性欧美videofree高清精品,新国产三级在线观看播放,少妇人妻偷人精品一区二区,天干天干天啪啪夜爽爽av

圖片來自ibc.org

撰文 | 尼克

人工智能的發(fā)展過程，如果用谷歌Ngram來衡量，從控制論算起，目前經(jīng)歷了兩次高潮。

控制論之后的一次高潮是在20世紀80年代，正是專家系統(tǒng)和日本第五代計算機項目得勢的時候。但進入20世紀90年代后，人工智能又呈現(xiàn)出下滑趨勢?，F(xiàn)在的新一輪高潮是進入21世紀之后開始的。如果按照麥卡錫的說法，控制論不算人工智能的話，現(xiàn)在尚處人工智能的第二次高潮，但我們不知道這一次還能持續(xù)多長時間。

人工智能專利、論文及Ngram人工智能曲線

2016年AlphaGo戰(zhàn)勝李世石引起了新一輪對超級智能的討論，焦點是將來會不會有一個全新的物種在智能上全面超越人類。

牛津大學的哲學家博斯特羅姆（Nick Bolstrom）在2014年寫了本未來學的著作《超級智能路線圖、危險性與應對策略》（Superintelligence : Paths, Dangers, Strategies），講到了人類在面臨不斷發(fā)展的機器時代的存在危機。物理學家霍金和企業(yè)家馬斯克都附和博斯特羅姆的立場。

暢銷書《未來簡史：從智人到智神》（Homo Deus: A Brief History of Tomorrow）的作者、另類歷史學家赫拉利（Yuval Harari）為這個潛在的新物種起了個有意思的新名，叫“神人”（Homo Deus），恰是這本書的英文書名?！吧袢恕本褪浅壷悄艿闹黧w。

赫拉利的前一本書《人類簡史》從7萬年前的認知革命一直講到當下，為《未來簡史》做了鋪墊。用不同的時間顆粒度看待過去，會得到不同的結(jié)論。《尤利西斯》中的幾個小時，茨威格作品中人物的一生，或赫拉利的7萬年，關心的是不同的過程。顆粒度也可以是主體的，一個基因，一個人，一個群體，不一定非得是一個小的物質(zhì)顆粒只配得上小的時間單位。想想基因人類學，基因在幾萬年的時間空間分布，幫我們了解人類的起源和遷移。當用太大的顆粒度研究歷史時，歷史學家的用處就會令人質(zhì)疑，因為那本該是初中歷史課本的使命，任何結(jié)論都不會令人驚奇。

在人工智能研究的早期，就有AI和IA（智能輔助Intelligent Assistant，或智能增強Intelligence Augmentation）之分。而人工智能又有強弱之別，強人工智能是說機器會全面達到人的智能，強人工智能有時也和“通用人工智能”（Artificial General Intelligence）同義；而弱人工智能是說機器會在某些方面達到人的智能——AlphaGo就是弱人工智能的代表。

目前，不會再有人質(zhì)疑弱人工智能了，但強人工智能立場的主張者卻面臨各種挑戰(zhàn)，其中之一是不同智能功能的整合。機器人可以比人更快地跑步，更好地下棋，更準確地識別語音和圖片。如果功能整合是可能的，那我們可以想象，比如谷歌的AlphaGo整合IBM的沃森（Watson），除了能下棋贏人類，還能通過美國行醫(yī)執(zhí)照考試。更進一步，如果把這個混合物架在波士頓動力公司（Boston Dynamics）的機器狗上，它還能5秒就跑個百米。到底是感知更難還是認知更難，這又是一個長話題。曾經(jīng)有人說，人對機器的最簡單控制就是斷電，但現(xiàn)在最簡單的掃地機器人也知道快沒電時找回基座充電。把人工智能教科書中的n種智能功能整合起來（例如下棋、圖像識別、語音識別、規(guī)劃等），是不是就會達到強人工智能或者超智能？

當下，人工智能系統(tǒng)功能的單一性會不會只是一種錯覺？樂觀主義者會認為弱AI走向強AI的過程是個進步的過程，雖不是一夜之間?！督K極算法：機器學習和人工智能如何重塑世界》 的作者多明戈斯（Pedro Domingos）代表了一類樂觀主義者，他認為會有一種統(tǒng)一的終極的機器學習算法，只要機器按照這個算法一直學下去，某一天就會超過人類。他給出的5類算法是進化的、連接主義的、符號的、貝葉斯的和類比的。他的研究領域是如何把這些算法統(tǒng)一起來。

我們不禁懷疑，即使這些算法都能整合起來，就能構(gòu)成終極算法了嗎？難道不會有新的算法被發(fā)明出來嗎？例如多明戈斯列的單子里明顯缺失了強化學習，這是一個很老的算法，在2016年隨著AlphaGo才得以揚名。有些機器學習的從業(yè)者缺乏對計算理論的了解。他們不知道面對這樣的問題應該怎么辦?！敖K極算法”的提倡者應該借鑒圖靈機和丘奇靈論題這樣令人信服的理論方法。悲觀主義者的立場正在退縮：在每一個單獨的領域，都有可能超越人類，不一定會在整體全面超越人類。如果這個整合的整體在我們可以想到的各個方面都超過人類，那我們?nèi)绾螌Ω哆@個新時代的“弗蘭肯斯坦”。

人工智能作為學科，經(jīng)歷了幾次大起大落。每一次高潮都是一個舊哲學思想的技術再包裝，而每一次衰敗都源自高潮時期的承諾不能兌現(xiàn)。這一次的浮夸輪到了機器學習，被壓制多年的機器學習研究者們號稱，盡管機器學習是人工智能的子學科，但很快就會獨立，并且會比人工智能更宏偉。他們說人工智能是讓機器達到人的水平，而機器學習是讓機器超過人的水平。這倒是一個省事的趕超。還有人宣稱科學家的職業(yè)也將會消失——因為機器可以學得更快，但計算機科學家例外。日本第五代計算機的失敗似乎從來沒有發(fā)生過。歷史學家都忙著參與預測未來，當下是一個不需要總結(jié)教訓的時代。AlphaGo在輸給李世石的那個晚上，可以在和自己不斷對弈的過程中學習并克服自己的弱點。無論對錯，機器學習的速度確實有可能快過人類進化的速度。

過去的機器旨在節(jié)省人的體力，現(xiàn)在的機器開始代替人的智力。人通過兩性繁殖的進化速度遠遠趕不上機器。機器的進化速度服從摩爾定律——每18個月性能提升一倍，而人的進化速度則是20年一代人。人作為物種，是不是不再具備進化的競爭優(yōu)勢？依靠硬件的摩爾定律，是不是可以達到超級智能？

新的智能存在可以是人工智能的“主體”（agent），也可以是生物學意義上的物種。2016年夏，在美國公共電臺（Public Radio）熱議的一個話題是，通過修復一個受精卵的一小段染色體，就可以避免或治療某種疾病。這是一個真實的倫理問題，因為已經(jīng)有這樣的病例發(fā)生。如果孩子出生，那么他/她的父母是誰？反對方的理由也很簡單，多小算是“一小段”，1%還是49%？甚至更進一步：可不可以有更多不同來源的基因參與？英國《經(jīng)濟學人》2017年2月的一期封面標題就是“Sex and Science”，基因編輯是熱門話題。這種“轉(zhuǎn)基因”療法如果目的不是為了治病，而是作為物種改良的手段，人類可以接受嗎？

圖靈在1936年那篇文章《論可計算的數(shù)》中證明了圖靈機和其他計算裝置的等價性，并由此有了所謂丘奇圖靈論題，也就是說任何計算裝置都等價于圖靈機。這個論題不是數(shù)學定理，但卻是整個計算機科學的基礎。這個論題隱含著強人工智能的可能性：智能等價于圖靈機。近年，也有人探索超計算（hyper-computation，計算能力超越圖靈機的裝置）。量子計算作為超計算的一種潛在設備，被彭羅斯用來論證人的智能要超越圖靈機。

不懂計算理論的歷史學家如赫拉利以及未來學家如博斯特羅姆，分不清“超計算”（hyper-computing）和“超級計算”（super-computing），自然也分不清“超智能”和“超級智能”（super-intelligence）。其實，他們所謂的“超級智能”早就被數(shù)學家和密碼學家古德（Irving John Good）在20世紀60年代想過了，只不過那時“超級智能”被古德稱為“智能爆炸”或Ultra-intelligence，或“超人智能”。

維納曾經(jīng)說：“我們最好能夠確認我們給機器設定的目的確實是我們想要的目的?！?物理學家改行的科幻作家阿西莫夫曾提出機器人三定律，第一條就是機器不能傷害人，但“什么是傷害”本身就不好定義。AlphaGo戰(zhàn)勝李世石和柯潔，算是對他們的傷害嗎？即使是科學家兼幻想家，也未必就能把不遠的未來想明白。維納和阿西莫夫可能都不懂計算理論，但暢銷人工智能教科書《人工智能：一種現(xiàn)代方法》的作者羅素（Stuart Russell）也提出了所謂“價值觀對齊”問題（value-alignment problem），即把機器的價值觀對齊到人的價值觀，這是個計算理論問題還是個道德問題？

圖靈在1950年那篇被廣為引用的文章《計算機與智能》的結(jié)尾處說：我們只能看到當下，但看見的這些就夠我們忙活的了。這真是實干型科學家和揣度型歷史學家（speculative historian）的區(qū)別。

本文節(jié)選自《人工智能簡史（第2版）》，《人工智能簡史》全面講述了人工智能的發(fā)展史，幾乎覆蓋人工智能學科的所有領域，以宏闊的視野和生動的語言，對人工智能進行了全面回顧和深度點評。