“人工智能的快速发展将给人类未来带去什么”

本篇文章3608字，读完约9分钟

【编者按】

《dk宇宙大百科》的作者、原英国皇家学会会长马丁·里斯的未来预测书《人类的未来》最近被引进出版。 在书中，马丁·里斯谈论了生态威胁、能源危机、生物技术、人工智能等许多与地球和人类未来相关的话题，并以科学的立场解释了宇宙飞行、外星移民计划等“未来梦想”的可能性。 他拥有摘录人工智能副本的一部分的权限。

细胞、病毒和其他生物微结构本质上是“机械”，由具有分子尺度的组件——蛋白质、核糖体等构成。 我们将计算机的巨大进步归功于纳米尺度制造电子元器件的技术高速发展，我们可以将所有生物层面的许多复杂性纳入解决方案中，从而使高端智能手机、机器人、计算机的互联网

感谢这些革命性的进步，网络及其相关设备创造了历史上最迅速的新技术“渗透”和最全面的全球化。 在非洲和中国的普及速度几乎超过了“专家”的预测。 用同类电子产品和基于互联网的服务丰富了我们的生活，创造了数十亿美元的价值。 对快速发展中世界的影响表明，应用科学如何以最佳方式改变贫困地区。 宽带网通过低轨道卫星、高空气球或太阳能无人机实现全球覆盖，进一步促进教育、现代医疗和农业技术的普及。 即使是最贫困的人，也可以因此进入互联经济，享受社会交流媒体。 但是，许多人无法享受19世纪技术进步带来的利益，例如合理配置的卫生设施。 非洲人可以使用高端智能手机获取市场新闻和移动支付。 中国拥有世界上最自动化的金融系统。 这些快速发展产生了“顾客盈余”，给快速发展中世界带来了公司精神和乐观情绪。 消除疟疾等传染病的比较有效的计划加强了这些好处。 皮尤研究所( pew research center )的数据显示，82%的中国人和76%的印度人认为孩子们比他们自己好。

印度人现在有电子身份证，所以很容易注册，可以享受福利了。 这张卡不需要密码。 虹膜识别软件可以采用我们眼睛的静脉图像，这是指纹或面部识别技术的实质性改进。 足以准确识别13亿印度人中特定的个人，这表明了人工智能的迅速发展将对未来带来什么好处。

语音识别、脸部识别等应用采用了一种叫做“广义机器学习”( generalised machine learning )的技术。 类似于人类使用眼睛的方法。 人脑的“视觉”区域通过多阶段过程整合来自视网膜的新闻。 每个层的解决过程识别水平线、垂直线、锐角和其他新闻。 各个层解决的消息来自“更低”层，并将其输出到其他层。 1

底层机器学习的概念可以追溯到20世纪80年代。 重要的先驱之一是英裔加拿大人杰弗里·辛顿( geoffrey hinton )。 但是，它的应用直到20多年后才真正“起飞”。 这意味着根据摩尔定律，计算机的速度每两年翻一倍，稳定有效，计算机的解决速度翻了一千倍。 计算机使用“蛮力”实现了这一点。 浏览了数百万页的多语言欧盟文件，学习了翻译方法(不无聊)。 ，他们通过“打碎”数百万张不同立场的图像，学习如何识别猫、狗和人的脸部。

哈萨维斯小姐

deepmind领导着令人兴奋的进步。 是一家位于伦敦的企业，现在属于谷歌。 deepmind的联合创始人兼首席执行官德米斯·哈比斯( demis hassabis )是早熟的天才。 13岁时，他成为国际象棋冠军，世界排名第二。 他15岁的时候能进入剑桥，但是到入学为止晚了两年。 在此期间，他从事电脑游戏的开发，其中包括极为成功的“主题公园”[2]。 在剑桥学习计算机科学后，他创立了一家电脑游戏企业。 他回到学术界，在伦敦大学获得博士学位后，在神经科学行业获得博士学位后，从事博士后工作，研究情景记忆的本质和在神经网络上模拟人类脑细胞群的方法。

年，deepmind取得了令人瞩目的成果。 电脑打败了世界围棋冠军。 距离ibm超级计算机“深蓝”击败国际象棋世界冠军加里·卡斯帕罗夫( garry kasparov )已经过去了20多年，所以这似乎不算什么。 但这是真正的“改变规则”。 “深蓝色”的程序由职业选手制作。 与此相对，alphago通过吸收大量的对局状况和自身对局，获得了专门的信息。 设计者不知道如何决定。 年，alphago zero又向前迈进了一步。 人们为它提供了规则。 没有真正的对局数据。 那个从一开始就学习，结果一天就变成了世界水平。 这是个惊喜。 一篇科学论文描述了这一壮举，其最终结论是，几千年来，人类从数百万人的对局中积累的围棋知识凝聚在定式、口诀和书籍中。 几天内，alphago zero从空白中重新发现了大部分围棋知识和新战略，从而为这个最古老的游戏提供了新的见解。 [3]采用了同样的技术，在没有专业信息输入的情况下，在几个小时内达到了卡斯帕罗夫的国际象棋水平。 日本象棋也有同样的情况。 卡内基梅隆大学( carnegie mellon university )的电脑就像最熟练的专业扑克玩家一样，学习了欺骗和计算。 但是卡斯帕罗夫本人也强调，在国际象棋这样的游戏中，人类具有独特的“附加值”。 而且，一个身体和一个机器的组合所能完成的事情，会超过单独的某一方。

人工智能分析了大量的数据，依赖于对许多复杂输入迅速做出响应的能力，取得了超越人类的特点。 擅长优化精心设计的互联网，如电网、城市交通等。 谷歌主张，由机器管理的大型数据工厂可以节约40%的能源。 但是，这里依然有局限性。 alphago的硬件最多使用数百千瓦的电力。 相比之下，alphago的韩国挑战者李世石的大脑只消耗约30瓦(类似灯泡)，除了国际象棋，还可以进行其他许多事件。

传感器、语音识别、新闻检索技术正在迅速发展，机器人(虽然有更大的延迟)也将具有物理灵活性。 在系鞋带、剪脚趾甲、在真正的棋盘上移动棋子等这些事件中，机器人还比孩子笨手笨脚。 但是，在这方面也有同样的进步。 年，波士顿动力企业展示了一个叫亨德尔的机器人(早期四足大狗的继承人)。 具备车轮和双脚，有足够的灵活性做后翻。 但是，机器人和现实世界的相互作用能力要超过人类体操选手，或者像猴子和松鼠一样，从一棵树敏捷地跳跃到另一棵树，还需要很长的时间。 他们没有达到人类整体多样性能力的水平。

机器人“亨德尔”

加强计算机计算能力，使机器学习成为潜在的重大突破口。 不仅仅是游戏，脸部识别、不同语言之间的翻译、互联网管理等领域也不需要详细的编程来让机器获得专业的信息。 但是，它对人类社会的影响也是矛盾的。 没有“操作员”知道机器是如何做出决策的。 如果人工智能系统有漏洞，就没有确切的方法跟踪它。 如果系统的“决策”有可能给个人带来严重的后果，那将会引起公众的关注。 我们不仅会被关进监狱，被劝退做手术，信用等级不好，还希望能得到解释，为自己辩解。 如果这些决策完全委托给算法，我们当然会感到不安。 即使有说服力的证据，机器做出的决策也比被它们压垮的人好。 这些人工智能系统的整合，会影响日常生活，变得更加普遍和入侵。 我们所有的行为记录，我们与他人的互动，我们的健康状况，还有我们的财务数据，都将置于“云”，也就是跨国公司的准垄断管理之下。 这些数据可能被善意地利用于医学研究和早期健康风险预警等方面，但互联网企业的采用改变了政府和商业世界之间力量的平衡。 事实上，今天的雇主比以前流传的最独裁或“统制狂”的雇主更能以侵略性的方式监视个人员工。 此外，还有其他隐私问题。 如果餐厅和公共交通工具附近的随机陌生人可以通过面部识别来识别你的身份，侵犯你的隐私，你会高兴吗？ 或者，如果你的“伪造”视频非常可靠，你会不会不信任视觉证据？

评论

1 .马来西亚纳罕的《技术奇点》( the technological singularity，cambridge，ma:mit press，)和玛格丽特·波登( margaret boden )的《ai :性质与未来》 的“生命3.0 :成为人工智能时代的人”( life 3.0:beinghumanintheageofartificialinteligence，newYork:penguinrandohoum )

2.theme park，传奇游戏企业“青蛙”( bullfrog )的第一个主题系列游戏。

3.david silver等人，“摆脱人类经验的围棋”( masteringthegameofgowithouthumanknowledge )，nature 550 ( ):354359。

《人类的未来》，《英》马丁·里斯/著姚嵩、丁丁虫/译，上海交通大学出版社年4月版。 (本文来自澎湃信息，越来越多的原始信息请下载“澎湃信息”app )信息推荐

世界上最长寿的男性英国去世了

吉尼斯世界纪录认定的“世界最长寿男性”鲍勃·韦斯顿于5月28日在家中去世，享年112岁。 英国广播公司29日引用了韦斯顿家族的声明报道。 ...