Sophia的出現(xiàn)，毫無疑問，是一個令人印象深刻的工程。為了讓她能向人們學(xué)習(xí)，并作出情緒反應(yīng)，其締造者漢森機(jī)器人(Hanson Robotics)以及SingularityNET為Sophia配備了先進(jìn)的神經(jīng)網(wǎng)絡(luò)，讓她成為了一個有個性的機(jī)器人。在這種情況下，Sophia也輕易作為“人類”被人們接受，比如在有關(guān)Sophia的文章中，大多數(shù)作者都使用了代詞“她”來進(jìn)行描述。
“她是一個‘活體’，”漢森機(jī)器人首席執(zhí)行官大衛(wèi)·漢森(David Hanson)在2017年帶Sophia亮相《今夜秀》(The Tonight Show)時曾這么表示。盡管漢森機(jī)器人從未正面表明Sophia身上擁有我們在科幻小說或電影中看到的那種人工智能技術(shù)，但Sophia公開露面后，受到的所有正面或批判報道，無一例外，都對該公司的成長起到了推動作用。
隨著Sophia越來越受歡迎，人們的眼光越來越高，二者之間的信任出現(xiàn)了裂痕。更重要的是，隨著時間的推移，越來越多的人認(rèn)為Sophia之所以總能“語出驚人”是因為它們在一定程度上是預(yù)先編寫好的。
漢森機(jī)器人的首席科學(xué)家Ben Goertzel曾表示，他對Sophia的能力并不抱任何幻想，“Sophia和其他漢森機(jī)器人并不像計算機(jī)科學(xué)研究系統(tǒng)那樣’純粹’，因為它們以復(fù)雜的方式將許多不同部分和方面結(jié)合在了一起。換句話說，它們并不是單純的學(xué)習(xí)系統(tǒng)，但確實涉及到了不同層次的學(xué)習(xí)，舉個例子，在神經(jīng)網(wǎng)絡(luò)視覺系統(tǒng)中學(xué)習(xí)，在OpenCog對話系統(tǒng)中學(xué)習(xí)等。
但有趣的是，Sophia的出現(xiàn)激發(fā)了公眾很多不同的反應(yīng)。事實上，公眾對Sophia各個方面的看法，包括她的智慧、她的外表、她的可愛都是多種多樣的，這很值得思考。與此同時，人們對Sophia機(jī)器人的能力產(chǎn)生懷疑的時候，意外的也對漢森機(jī)器人以及SingularityNET增加了炒作的熱度。反過來，這兩家公司反復(fù)上演的宣傳噱頭又一次強(qiáng)化了這種炒作。
實際上，我們離真正的人工智能還很遠(yuǎn)
像Sophia這樣高度宣傳的項目讓我們相信真正的(類人的)人工智能甚至可以是有意識的。但實際上，我們距離這個目標(biāo)還有很長的路要走，因為人工智能研究的真實狀態(tài)遠(yuǎn)落后于我們所相信的技術(shù)神話。如果我們現(xiàn)在不能以客觀的立場對待AI，那我們在這條研究的路上就不會有進(jìn)步，只會永遠(yuǎn)停留在這里。
然而，我們遇到的第一個棘手問題，就是對人工智能進(jìn)行真正的定義。鑒于人工智能不斷被新的發(fā)展和變化所重塑，或許有時最好的描述方式便是解釋它不是什么。對此，數(shù)據(jù)科學(xué)家Emad Mousavi曾表示，“人們普遍認(rèn)為人工智能是一個非常聰明并且什么都知道的機(jī)器人，它可以做人類所能做的任何事情。”但這并不是專家所認(rèn)為的人工智能的真正定義，一般而言，AI指的是可以完成各種分析并使用一些預(yù)定于的標(biāo)準(zhǔn)作出決策的計算機(jī)程序。
人類級人工智能(HLAI)的長遠(yuǎn)目標(biāo)之一，是讓其具備有效溝通的能力以及隨著時間的推移繼續(xù)學(xué)習(xí)的能力。而目前與我們進(jìn)行交互的人工智能系統(tǒng)，包括為自動駕駛汽車開發(fā)的系統(tǒng)，都是在部署之前完成所有學(xué)習(xí)，然后永久停止。對此，F(xiàn)acebook AI的一位研究科學(xué)家Tomas Mikolov認(rèn)為，這些問題雖然目前很容易被發(fā)現(xiàn)，但在現(xiàn)在的技術(shù)支持下，卻很難解決。
整體而言，現(xiàn)在的人工智能還不具備自由意志，當(dāng)然也是沒有意識的。至于市場上最先進(jìn)的人工智能系統(tǒng)，也只是遵循人類定義的流程的產(chǎn)品，不能自己做出決定。而人們面對先進(jìn)的或被過度炒作的這項技術(shù)時，往往會做出兩種假設(shè)。
比如，在包括深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)中，人們提出了一系列訓(xùn)練數(shù)據(jù)的算法，該算法對任何需要它完成的任務(wù)案例展開學(xué)習(xí)，并由人類進(jìn)行標(biāo)記，直到它可以自己完成任務(wù)。對于面部識別軟件來說，這意味著需要將數(shù)千張面部照片或視頻送入系統(tǒng)，直到系統(tǒng)可以從未標(biāo)記的樣本中準(zhǔn)確的檢測到人臉。
另外，最好的機(jī)器學(xué)習(xí)算法通常只是記憶和運(yùn)行統(tǒng)計模型，把它稱之為“學(xué)習(xí)”就是將操作與我們大腦完全不同波長的機(jī)器擬人化。人工智能現(xiàn)在是一個包羅萬象的術(shù)語，幾乎任何自動執(zhí)行某項操作的計算機(jī)程序都被稱為AI。
機(jī)器學(xué)習(xí)系統(tǒng)實際上非常愚蠢
Facebook科學(xué)家Mikolov對此解釋道，如果訓(xùn)練一個算法，讓它把兩數(shù)相加，它只會從表格中查找或復(fù)制正確的答案，卻無法從訓(xùn)練中總結(jié)出對數(shù)學(xué)運(yùn)算更好的理解。比如，在學(xué)會5+2=7后，人們很容易反過來思考7-2=5。但是機(jī)器無法做到這一點(diǎn)，也就是說要讓他學(xué)會減法，就需要重新對其進(jìn)行訓(xùn)練。
人工智能本來就是要經(jīng)過訓(xùn)練的一個系統(tǒng)，可以添加訓(xùn)練素材，卻不能理解所添加內(nèi)容的真正含義。而通常情況下，從零開始學(xué)習(xí)要比嘗試開始新的訓(xùn)練的模型更容易建立。當(dāng)然，這些缺陷對AI社區(qū)的成員來說并不是秘密。但這些機(jī)器學(xué)習(xí)系統(tǒng)還是經(jīng)常被吹捧為人工智能的最前沿。事實上，它們還是非常愚蠢。
以圖像字幕算法為例。幾年前，其中一個算法得到了一些廣泛的報道，因為它似乎產(chǎn)生了復(fù)雜的語言。當(dāng)時，該系統(tǒng)的能力讓每個人都感到驚訝，但不久后，人們就發(fā)現(xiàn)，90%的字幕都可以在訓(xùn)練數(shù)據(jù)中找到。所以，這些結(jié)果實際上并不是機(jī)器產(chǎn)生的，機(jī)器只是復(fù)制了它所“看”到的，即人類提供的帶有注釋的圖像。人們一直相信機(jī)器人式幽默的存在，卻不知道這只是計算機(jī)在進(jìn)行復(fù)制粘貼。
夸大的宣傳中，我們要理性對待AI
那么偏離了航線的AI究竟要去往何方呢?目前的問題在于，我們現(xiàn)在的系統(tǒng)能力十分有限，但在市場上經(jīng)過大肆宣傳后，公眾普遍相信我們已經(jīng)擁有那項根本不知道如何去創(chuàng)建的技術(shù)了。
楊百翰大學(xué)(Brigham Young University)從事人工智能系統(tǒng)研究的計算機(jī)科學(xué)家Nancy Fulda表示，“我經(jīng)?？吹轿业难芯勘幻襟w夸大宣傳，也有一些網(wǎng)站在沒有對其工作原理進(jìn)行充分了解的情況下，就進(jìn)行相關(guān)報道，以至于項目的技術(shù)細(xì)節(jié)被丟掉了，而研究結(jié)果卻變得異常不可思議。在某些時候，我?guī)缀醪辉僬J(rèn)可自己的研究了。“
一些研究人員自己也會對研究結(jié)果添油加醋。然后那些沒有太多技術(shù)專長，也不關(guān)心研究背后原理的記者就成了“幫兇”，配合這些研究員進(jìn)行炒作式宣傳。至于其他配角演員，就是那些創(chuàng)造了AI算法的人。
為什么研究員也要進(jìn)行這種不誠實的炒作呢?這很重要，因為人們對人工智能研究的看法將取決于他們是否會對其進(jìn)行投資。但這種毫無根據(jù)的炒作可能會阻礙該領(lǐng)域取得真正的進(jìn)展，畢竟人工智能的金融投資與該領(lǐng)域的興趣水平密不可分。
當(dāng)然，對算法的炒作有助于研究員推廣他們的研究成果并得到資助，而媒體也可以吸引觀眾到自己的平臺，但這對公眾來說是不公平的，因為這種惡性循環(huán)使得人們都不知道人工智能究竟能做些什么。換句話說，如果我們希望這些項目蓬勃發(fā)展，如果我們想要采取切實的方法來實現(xiàn)人工智能，那么該領(lǐng)域就需要更加透明地了解它的作用以及它的重要性!
京公網(wǎng)安備 11010502049343號