姓名：孫澤昕 學號：14020110031
轉(zhuǎn)載自：http://mp.weixin.qq.com/s/1s1ZsbNUh7o9YnGyg1NDvA
原創(chuàng)? 2017-12-27?? DeepTech深科技
【嵌牛導讀】：新年伊始，讓我們把目光投向人工智能——剛剛過去的2017年，基礎研究領域的硬件、算法提升，與結合產(chǎn)業(yè)發(fā)展的技術應用，讓人工智能發(fā)展迎來又一輪高潮。“機器能像人一樣思考和行動”拓展了整個社會的想象力邊界。在人工智能研究早期，有些科學家非常樂觀地認為，隨著計算機的普及和CPU計算能力的提高，實現(xiàn)人工智能指日可待。但后來事實證明，人工智能的發(fā)展并沒有預期的那么美好。
【嵌牛鼻子】：人工智能 ?AI ?
【嵌牛提問】：人工智能未來的發(fā)展方向會是怎樣？
【嵌牛正文】：
隨著社會上開始遍布類似“終結者”之類機器人的駭人報道，人工智能領域在 2017 年取得了卓越的進步。例如，一個叫做 “冷撲大師”的機器人選手就能讓你在撲克游戲里進退兩難。而在現(xiàn)實世界中，機器學習正在被用于改善農(nóng)業(yè)產(chǎn)出，或者擴大醫(yī)療的覆蓋面等諸多領域。
但是，你最近有和你的智能助理 Siri 或者 Alexa 聊過天嗎？如果有的話，你就會知道，盡管有很多企業(yè)宣傳AI 能做很多事，但其實它們?nèi)匀挥泻芏嗖荒茏龌蛘卟荒芾斫馊祟惖牟糠帧?b>在接下來的下一年里，人工智能的專家們還需要解以下五個棘手的問題。
理解我們的語言
實際上，機器從未能如此輕松地處理我們的語言和文字。Facebook 已經(jīng)做出了可以為視障人士讀出圖像內(nèi)容的描述的 AI，而谷歌則能夠幫你簡潔快速地回復電子郵件。盡管如此，軟件仍然不能真正理解我們的語言以及背后的真實語意。其中任務之一是讓機器有一定的常識，來理解現(xiàn)實世界。比如，F(xiàn)acebook 的研究人員正在嘗試讓機器人軟件看一些視頻來理解現(xiàn)實世界。而其他的研究人員則是讓軟件用他們對世界的認知來模仿人類的行為。谷歌一直在嘗試提升機器學習人類語言學隱喻修辭的能力。Mitchell 已經(jīng)用相關系統(tǒng)模擬過機器用一些類比修辭和預存的對人類世界的理解來解釋照片中的內(nèi)容。
模擬試驗與現(xiàn)實的差距
機器人在硬件方面已經(jīng)相對成熟了：你可以用 500 美元買一個手掌大小、配備高清攝像頭的無人機。同時搬運貨物和能用雙腿行走的機器人性能也大有改善。然而問題在于為什么現(xiàn)實生活中這些機器人沒有參與進來，幫助我們更好地工作？那是因為當今的機器人缺乏協(xié)調(diào)他們發(fā)達四肢的大腦。
實際上，讓機器人完成任何具體的任務都需要給他們特定的編程。通過這樣，他們可以學習一些操作，比如在多次失敗的嘗試之后學會抓取特定物體。但是這個學習過程相對較慢。目前一個可行的方法是讓機器人在虛擬世界中接受訓練，然后把這些數(shù)據(jù)轉(zhuǎn)移到真實的機器人體內(nèi)。盡管這個方法困擾于現(xiàn)實中結果的差距---模擬訓練過程學習到的技能在現(xiàn)實場景不能總是被有效地運用進來。
幸運的是現(xiàn)實的差距正在逐步縮小，今年十月谷歌的研究人員報道新的進展，他們在試驗機器人在模擬和真實場景下拾取不同物體比如膠帶座、玩具、梳子等物體。人工智能在自動駕駛汽車領域的進展同樣非常重要。那些在自動駕駛汽車領域角逐的公司讓虛擬的汽車在模擬的道路上行駛，以此減少在實際路況下測試所花費的時間和金錢開銷。
防止 AI 黑客的攻擊
那些管理我們電網(wǎng)、攝像頭、手機的軟件經(jīng)常會受到各種安全漏洞的困擾。應用于自動駕駛汽車和自主機器人的軟件同樣會遭受這樣的問題。更嚴重的是，有證據(jù)表明有關機器學習的軟件因為復雜性的原因反而引入了更多的攻擊途徑。
今年，有關研究人員指出，他們可以隱藏某個內(nèi)置于機器學習系統(tǒng)里的觸發(fā)器，然后讓它在接受特定信號的時候變成邪惡模式。來自紐約大學的研究小組設計了一個在通常情況下能夠正常運作的街道識別系統(tǒng)，但是該系統(tǒng)的問題在于它一旦識別出黃色的 Post it 標志就會異常運作。如果把黃色便利貼粘到 Brooklyn 街道的一個停車標志上，系統(tǒng)會自動識別并報告這是一個限速標志。這些看似很小缺陷都可能成為自動駕駛汽車的潛在問題。
在本月一個世界知名的機器學習會議上，研究人員們強調(diào)了這種潛在威脅的嚴重性。在會議上他們討論了機器欺騙的一些可能方法，比如如何生成與人類手寫相仿但是對于機器來說截然不同的數(shù)字。比如人類會把某個圖形看作是數(shù)字 2，然而機器視覺系統(tǒng)卻把它當做是 3。研究人員也討論了應對這種攻擊可能有效的防御方法，同時也擔心人工智能可能會被當做愚弄人類的工具。
實現(xiàn)比棋類競技更復雜的規(guī)劃能力
Alphabet 的圍棋選手軟件在 2017 年發(fā)展迅猛。在五月份，更強大的迭代版本在中國打敗了圍棋冠軍。這個 AI 的研究部門 DeepMind 隨后又創(chuàng)立了一個叫 AlphaGo Zerod 的版本，它可以在不需要和人類比賽的情況下訓練自己。去年 12 月，該部門又一次升級了 AlphaZero，讓它先后學會了下象棋和日本將棋。
Alpha Go 的結果令人意外，但同時也限制了人工智能的局限性。因為盡管國際象棋，將棋和圍棋都很復雜，但是這些棋類選手都有相對簡單的規(guī)則和游戲玩法。這表明了它們在未來確實能夠很好的勝任的某些人類職務。但是在生活中大多數(shù)情況下，問題的結構遠遠沒有那么規(guī)整。
這也是為什么 2017 年 DeepMind 和 Facebook 兩公司都開始發(fā)展能夠玩多人制”星際爭霸“游戲的人工智能的原因，雖然到目前為止兩公司都沒有取得長足發(fā)展。因為到目前即使是最好的人工智能玩家也難以和中等水平的人類玩家抗衡。DeepMind 的研究人員 Oriol Vinyals 也說，它們的人工智能玩家缺乏規(guī)劃和記憶的能力。而這些能力恰恰是規(guī)劃指揮游戲隊伍，預測對手行為并且加以應對的關鍵。此外，這些技能還能讓人工智能更好的協(xié)同現(xiàn)實工作，比如運用到辦公室場景或者軍隊指揮中去。2018 年人工智能在星際爭霸或者類似游戲的巨大進步可能預示著 AI 未來會有更強大廣泛的應用。
教會人工智能來明辨是非
即使在上述領域 AI 沒有新進展的情況下，如果把現(xiàn)有技術用于經(jīng)濟和社會學領域也同樣會帶來翻天覆地的變化。然而正當企業(yè)和政府正在大力發(fā)展 AI 的時候，一些人難免會擔心人工智能和機器學習帶來的一些意外或者蓄意傷害。
于本月召開的 NIPS 機器學習大會上，如何在安全和道德準則限定下發(fā)展科技成為了會議討論的重要內(nèi)容之一。研究人員發(fā)現(xiàn)，機器學習系統(tǒng)已經(jīng)可以開始從我們遠不完美的世界里獲取數(shù)據(jù)，進而學會了一些例如對性別有刻板映像印象之類的不好的行為。所以現(xiàn)在有人在研究能夠監(jiān)視人工智能系統(tǒng)內(nèi)部的運作，并保證他們能夠在運用到金融或者醫(yī)療領域時能公平地發(fā)揮作用。
下一年我們應該就能看到科技公司賦予人工智能以人性的光輝。谷歌、Facebook、微軟和其他公司已經(jīng)開始著手這個問題。同時他們都是一個致力于控制人工智能對社會影響的非盈利組織 Partnership 的成員。當然，很多驅(qū)動力也來自于外界的獨立組織。一個叫做人工智能倫理管理基金會的慈善項目正在支持麻省理工學院，哈佛大學等研究人工智能運用和社會福利的關系。紐約大學的一個叫 AI Now 的新組織也在進行類似研究。在近期的一個報告里，該組織呼吁各國推廣使用黑匣子算法以此來保持司法刑事、社會福利領域的隱私性。
-End-
編輯：Eric? 校審：黃珊
參考：
https://www.wired.com/story/as-artificial-intelligence-advances-here-are-five-projects-for-2018/
