人工智慧會取代人類的工作嗎？
2016年人工智慧Alphago戰勝圍棋高手李世石後，一個新的話題越來越熱------人工智慧會取代人類的工作嗎？
我們不妨開個腦洞，如何讓人工智慧製作手碟，真正實現智能調音，實現可複製的工業化量產。
首先，我們要從人工智慧的演算法說起。Alphago的是基於「深度學習」的人工智慧。「深度學習」是指多層的人工神經網路和訓練它的方法。這就像生物神經大腦的工作機理一樣，形成神經網路「大腦」進行精準複雜的處理。簡單說，就是模擬人類的學習機制。
那具體如何實現深度學習呢？還是以學下圍棋為例。首先，需要給人工智慧輸入儘可能多的棋局，然後通過實戰對弈讓人工智慧進入深度學習，通過百萬次的博弈和自我博弈，人工智慧會建立棋局觀，運用概率策略和在神經網路的隨機連接中不斷進化，最終超越人類。
假設手碟的人工智慧調音也是基於這套演算法，那麼就需要像Alphago學習下圍棋一樣，讓人工智慧學習人類調音技術。
那麼，實現人工智慧調音需要哪些前提呢？
一，開發一套五軸機械調音臂，並與人工智慧互聯。
二，最頂尖的調音師們提供大數據，為人工智慧提供「棋譜」。
三，專業的工程師團隊緊密配合，編寫程序，解決每一階段遇到的技術問題。
核心：建立調音的基本演算法，建立調音的「棋局」觀。儘可能接觸各種調音時會遇到的問題，一一學習解決，建立拆招和博弈的「策略網路」。不斷在實踐中升級進化，最終實現真正的人工智慧調音。
事實上，人工智慧調音並沒有超出目前人類科技的限度。
真正的問題在於時間成本，人力成本和資金投入。
假設，未來的某一天，人類實現了人工智慧調音，是否意味著人工智慧調音可以取代人類，超越人類呢？
2017年，AlphaGo團隊推出AlphaGo Zero，此版本不依靠人類玩家的數據創建，通過自我對弈，用40天超越了所有舊版本。
DeepMind 的聯合創始人Mustafa Suleyman 被問到Alpha zero 的強化學習是否真的證明可以不要訓練數據？
他說還是有三個前提：可預測環境（圍棋規則）清晰獎勵系統（輸贏），無變數（variability）。
真正的問題來了，人工智慧面對的三個假設前提對藝術是無效的。
一，藝術往往傾向反規則。
二，藝術沒有清晰的獎勵系統，
三，藝術意味著變數。
所以，製作手碟如果是門純粹的技術活，那麼人工智慧完全有實力取代。
如果，製作手碟要追求變化，風格，創新。那麼人工智還無法辦到。
人和機器的最大區別就在於人會「犯錯」。而機器沒有「犯錯」這套演算法。這很像生物學的進化。基因在不斷複製中「犯錯」，這些錯誤編碼在自然界的篩選中或淘汰或積累下來，最終實現了物種的進化。
我們知道，生物學上的進化是沒有方向的。而藝術更是沒有進化這一說的。人工智慧哪天擁有了「犯錯」的機制，我們也就該重新定義「上帝」了。
TAG:盤庫PANCOOL |