我所理解的人工智慧
一直在思考，到底什麼是人工智慧，它會如何發展，它將如何影響我們每個人的生活，作為一名人工智慧從業者我應該如何做。
最近看了很多與此有關的書，李開復等出的《人工智慧》，李彥宏等出的《智能革命》，微軟總裁納德拉寫的《刷新》，阿西莫夫寫的《機器人短篇全集》，等等。每個人都對人工智慧的未來有不同理解，但無一例外地認為人工智慧將成為影響極其深遠的一次技術革命。以馬斯克、霍金為首的一批專家甚至認為奇點來臨後，通用型超級人工智慧將有可能取代人類，最終導致人類的滅絕。
如果人工智慧真的堪比工業革命，那麼有必要對其進行深入、全面和長遠的了解。為了解開心中的迷霧，我想從人工智慧的近景和遠景，寫下我的理解。
一、人工智慧的近景
大眾第一次真正意識到人工智慧的來臨，應該還是兩年前AlphaGo與李世石的圍棋對戰。在那之前，佔據大多數人認知的還是機器人。但不管是終結者還是哆啦A夢，無人機抑或是掃地機器人，實體化的機器人只是人工智慧的一個分支而已。而真正佔據主流並被廣泛使用的，是iPhone上搭載的Siri，各大智能手機上的刷臉解鎖，抖音、快手短視頻的個性化推薦。基於深度學習的自然語言處理、計算機視覺和智能語音技術，構成了現階段人工智慧的主體。
依託於互聯網發展而產生的海量數據，成為了這次人工智慧爆發的主要原因之一。我們在百度的每一個搜索、在今日頭條的每一次點擊、在QQ上換的每一張頭像，都可能會成為訓練人工智慧的養分。這些特定場景下的數據，經過標註與清洗後，可以服務於特定任務的人工智慧。比如我們在14歲、18歲和25歲時候的QQ頭像，就可以被騰訊用於研發跨年齡人臉識別技術，進而在逃犯抓捕、拐賣兒童尋回等方面發揮重要作用。而我們在百度地圖、高德地圖的使用記錄，也為百度和阿里研發無人駕駛技術提供了數據基石。
在海量數據的基礎上，演算法的突飛猛進，促使人工智慧不斷學習與進化。計算機對數據的處理過程，就像是神龍嘗百草然後發現哪些草藥可以治病一樣，我們稱之為機器學習。機器學習主要分為無監督學習（數據無需標註）、有監督學習（數據需標註）和強化學習（藉助反饋進行決策優化）。而作為機器學習的一種方法框架，深度學習從數據中提取多層特徵並直接輸出結果。同樣是識別一張人臉，傳統機器學習會先定義好耳朵、眼睛等特徵並據此進行相似度判斷，而深度學習則從邊線等低層次特徵開始逐層提取，自動找到重要特徵而無需人工指定。當缺乏足夠數據進行模型訓練時，也可以通過遷移學習將其他類似數據源下的預訓練模型進行改動，前段時間谷歌推出的AutoML就是基於遷移學習技術實現的。
目前的深度學習演算法都是利用大量數據去訓練模型從而進行結果預測，一般使用Tensorflow、Caffee等框架進行模型參數訓練，無需從零開始搭建神經網路。以計算機視覺為例，當我們想要判斷一張圖片中是否有道路時，我們可以先建立起一個包含道路和非道路圖片的數據集，然後使用基於Tensorflow框架的Mobilenet神經網路進行訓練，得到模型分類結果並手動進行標註，計算出識別準確率，通過不斷調整訓練參數以得到指標最優的模型。而VGG（19層）、Mobilenet（28層）、Resnet（152層）等不同結構的卷積神經網路，層數逐步加深，對應的準確率、計算成本等參數也各有不同。當神經網路層數越多，推理過程就越難理解，不可解釋性是深度學習的典型特徵。
基本上來說，只要有足夠的數據，都可以按照上述方法訓練得到執行特定任務的演算法模型。這個演算法模型本身可以像人腦一樣進行判斷，我們無法理解它，但是可以使用它。依賴於演算法，滴滴可以給乘客匹配到附近最適合的司機，今日頭條可以為用戶推薦最感興趣的內容，Faceu可以幫愛美的女生加一對萌萌噠兔耳朵。未來最有價值的AI公司一定會是一家演算法公司，並通過源源不斷的數據持續優化其演算法，從而提供最好的用戶體驗、創造最大的用戶價值。
而計算能力的飛速提升，更是為人工智慧的發展提供了強勁動力。大約十年前，我們還在震撼於英特爾推出的雙核、四核CPU處理器，轉眼間，英偉達已經依靠GPU吃下了AI晶元市場的絕大多數份額。更強的算力意味著對數據更好的處理能力，對演算法更快的優化速度。目前已經湧現出了大量的AI晶元廠商，有的專註在雲端，有的服務於終端。各大雲計算公司也在加速建立大規模計算集群。據說，某家明星AI公司拿到巨額融資後，第一件事就是購買GPU伺服器。谷歌甚至研發了自己的TPU晶元，AlphaGo Master只用了四塊TPU就打敗了柯潔。隨著摩爾定律逐漸失效，基於傳統架構的晶元將無法繼續提高其計算能力，屆時，量子計算機將在雲端為人工智慧提供更強的算力支撐。
可以預見的是，在不遠的未來，人工智慧將取代需要人力的絕大多數領域。人臉識別、語音識別、機器翻譯已經非常成熟了，無人機可以很熟練地噴洒農藥，工業機器人已經並將繼續把工人趕出工廠，財務機器人將代替出納、會計等崗位，投資機器人正控制著資本市場的大量交易，無人駕駛汽車正在開來的路上......儘管是只能解決特定場景特定任務的弱人工智慧，但在社會分工高度細化的今天，每個人都不能奢望抱著一個鐵飯碗過一輩子了。最好的應對辦法就是，保持一個開放的心態，學習更好地與人工智慧合作，大膽擁抱AI時代湧現出來的全新機會。
二、人工智慧的遠景
全世界的科技巨頭都把人工智慧放在公司長期規劃的核心位置。扎克伯格為Facebook描繪的未來十年路線圖中，人工智慧和AR/VR、連接世界並列為三大支柱；納德拉為微軟制定的發展藍圖中，人工智慧、混合現實和量子計算成為核心目標；馬斯克帶領特斯拉不遺餘力地研發無人駕駛技術；百度向人工智慧公司進行全面轉型......更多的人工智慧公司正在等待著被創造出來，十年後如日中天的企業將會藉助人工智慧影響人們生活的方方面面。
想想十年後的今天吧。5G和更高速網路的普及讓連接變得觸手可及，AR/VR的發展已經把物理和數字的三維世界融合在一起，人工智慧依託前所未有的數據和算力變得無比智能。人們從大多數繁重的工作中解放出來，擁有比歷史上任何時候都更多的空餘時間，轉而進入到虛擬現實空間中進行休閑娛樂。穿著人工智慧量身定製的衣服，聽著當紅的虛擬偶像演唱的歌曲，出門坐著無人駕駛汽車，前往AI助手安排的人氣餐廳，路上再看一會兒人類選手和AI選手競技的VR遊戲直播......
如果說未來十年內弱人工智慧的發展是可預期的，那麼再過幾十年，強人工智慧的發展則會大大超出我們的想像。通用型人工智慧將會像人類一樣完成各種不同類型的任務，既會開車又會玩遊戲，既懂得聊天逗樂又可以下棋解悶......具備通用人工智慧的機器人將走入千家萬戶，幫助我們從工作和生活的日常事務中解放出來。而通過了圖靈測試的通用人工智慧，在本質上來說已經與人類無異了。
到那個時候，科幻作品中描繪的場景將會逐步變為現實。《I，Robot》和《機器管家》中的機器人管家為成千上萬個家庭服務；《人工智慧》中的機器人大衛甚至可以作為孩子被領養；《Her》中的操作系統Samantha和《銀翼殺手2049》中的虛擬女友Joi成為了很多人的交往伴侶；《異行：契約》中的飛船控制系統Mother是人類探索太空的絕佳助手。實體化的人工智慧將以各種智能設備的形式進入物理世界，天上飛的、地上跑的、水裡游的，智能機器人將如影隨形。虛擬空間的人工智慧則會在網路世界中無處不在，不管是AR/VR還是物聯網，未來的數字化世界將與人工智慧緊密連接在一起。
而隨著奇點降臨，超人工智慧會遠遠將人類甩在身後，無論是智商、能力還是進化速度都會對人類形成碾壓。關於人工智慧的終局已經有了很多的爭論，樂觀一派認為人類可以利用人工智慧讓世界變得更美好，悲觀一派則認為人工智慧將會取代人類統治地球。《西部世界》講述的就是人工智慧自我意識的覺醒，那時他們將作為一個新的更高級的物種出現。對此我的看法是，必須對人工智慧保持敬畏之心，並為各種可能性做好準備。
我們這一代人，在有生之年都將見到強人工智慧的誕生，活得久一點的話或許可以見到超人工智慧的出現。我個人比較希望看到的情況是，人工智慧把人類的工作接過來，幫助人類攻克癌症、艾滋病等不治之症並延緩衰老和死亡，人類與人工智慧攜手去探索太空，進化成為一個人機結合、跨星球生存的新新人類。
三、寫在最後
作為一名投身並熱愛人工智慧行業的年輕人，我是幸運的。科技發展的浪潮一波未平一波又起，移動互聯網的浪潮眼看著就要過去了，未能在其中弄潮一番的遺憾，馬上就被看到下一波更大浪潮的欣喜所替代。以人工智慧為核心，VR/AR、5G、區塊鏈、量子計算等新技術軍團洶湧而來。農業、製造業、服務業，吃喝玩樂、衣食住行玩，所有已經互聯網化還沒互聯網化的領域，都將被這波新浪潮所改變。
預測未來最好的方法就是把它創造出來。當趨勢來臨，多少人看到了卻依然無動於衷。多少人空有豪情壯志，卻總是停留在紙上談兵。每每這個時候，我總會想起青年毛澤東寫的一首詞，一個人的命運，當然離不開歷史的進程，但也必須要靠自我奮鬥。
《沁園春·長沙》
獨立寒秋，湘江北去，橘子洲頭。
看萬山紅遍，層林盡染；漫江碧透，百舸爭流。
鷹擊長空，魚翔淺底，萬類霜天競自由。
悵寥廓，問蒼茫大地，誰主沉浮？
攜來百侶曾游，憶往昔崢嶸歲月稠。
恰同學少年，風華正茂；書生意氣，揮斥方遒。
指點江山，激揚文字，糞土當年萬戶侯。
曾記否，到中流擊水，浪遏飛舟？
TAG:春宜 |