人工智慧來了，小心你的飯碗不保
本文的主題是
「人工智慧」
AI
（Artificial Intelligence）
先提幾個問題，看過本文之後自會有答案：
什麼是人工智慧？
人工智慧經歷了哪些發展？
人工智慧可以給我們帶來哪些便利？
本文共5820字，圖片17張，預計閱讀8~10分鐘，請盡量連接WIFI。
01
—
人工智慧的幻想
不管我們是碳基人類還是硅基機器人，都沒有本質的區別，我們中的每一人都應獲得應有的尊重。
——亞瑟?克拉克，《2010：太空漫遊》
人類，最不缺的就是幻想。幻想，不但能創造巨大的價值，甚至還能對科技的發展起到巨大的推動作用。
伴隨著工業時代和計算機時代的到來，人類對於機器和智能的幻想一直持續。
2016年，美劇《西部世界》第一季火遍了全球。故事設定在未來世界，在一個龐大的高科技成人主題樂園中，遊客可以回到模擬的西部牛仔時代，樂園裡的居民，看起來和真人一模一樣，有血有肉有有工作有感情，這些被稱作「接待員」的智能機器人能讓遊客享盡情慾、暴力等慾望的放縱。
你能想像，《西部世界》里的這一對情侶都是機器人演給遊客的劇情嗎？
雖然這些機器人有著不輸人類的智能和遠超過人類的力量，但他們被程序束縛著，只能日復一日地在劇本里扮演自己的角色供人類娛樂，而絲毫不能傷害到人類。
《西部世界》里，正在製造中的機器人
但是，部分機器人出現了自我覺醒，發現了自己只是作為故事角色的存在，並且想擺脫樂園對其的控制，於是一出出人類和機器人的大戰上演了。
如果你沒有看過《西部世界》，那麼下面這個系列的電影很可能是你童年的回憶。這就是從1984年首播，到2015年已經有拍攝了五部，部部斬獲無數票房和口碑，並冠以「偉大」的電影：《終結者》系列。
阿諾?施瓦辛格扮演的機器人：終結者
電影里，在2029年，智能機器人已經統治了地球，並試圖消滅所有的倖存的人類，它們派出終結者機器人穿越回1984年，想用殺死人類抵抗領袖約翰的母親的方式來阻止約翰出生，以獲取對人類戰爭的勝利。
當然，機器人的企圖是不可能得逞的，人類總是會獲取最終的勝利。
如果說上面兩部作品都是展現人類對機器人控制以及戰勝機器人的豪情的話，下面這部電影就是要探究機器人的意識和情感，以及和人類的溫情了。
這就是斯皮爾伯格2001年的作品：《人工智慧》。
片中的機器人男孩大衛，則是在最初就被設定為「兒子」這樣一個角色的情感陪伴機器人。大衛對自己的「母親」充滿了愛，但是最終卻被無情地拋棄。
《人工智慧》的電影海報
上面海報里的文字對這一切寫滿了凄美：
大衛11歲
他體重60磅
他身高4英尺6英寸
他有著一頭棕色的頭髮
他的愛是真實的
但他不是
為了得到程序里設定的這位人類母親的愛，大衛心甘情願付出一切。這份愛甚至持續了兩千年，直到人類滅絕，直到地球徹底冰封，直到地球被機器人佔據。
這些瑰麗的幻想，勾勒出我們對人工智慧的期望與隱憂。面對這些外表和我們毫無差別，有意識，有情感的機器人，我們將何去何從？
下面，我們從人工智慧的定義說起。
02
—
什麼是人工智慧？
如果有鸚鵡能回答我的一切問題，我會毫不猶豫宣布它存在智慧。
——法國啟蒙思想家：德尼·狄德羅
其實，我們現在對於什麼是智能還沒搞清楚。連什麼是智能都搞不清楚，要回答什麼是人工智慧簡直就有些天方夜譚了。
智能就是有意識，能思考？
這已經是哲學範疇的經典問題了，意識的本質和思考的過程千百年來都沒有人能回答。
得了，糾結於哲學問題起不到這麼作用，科研還是要精確，需要有可操作的標準。
於是，在70年前，人工智慧的開山祖師阿蘭·圖靈另闢蹊徑：既然說不清，那咋就搞個測試，通過結果來說話：
如果我們安排一個人和一台機器遠程聊天，如果聊了半小時，這個人還是分不清對方是真人還是機器的話，我們就認為這台機器會思考，擁有智能。
圖靈測試的模型
可是，人工智慧存在的意義就是讓機器陪人就是聊天嗎？即使通過了圖靈測試又能對我們有什麼現實意義呢？
2014年，在當年的圖靈測試大會上，聊天程序尤金·古斯特曼上冒充一個13歲烏克蘭男孩，竟然騙過了33%的評委，「通過」了圖靈測試。
可是，後來的再次測試，發現這個聊天機器人簡直對現實世界一無所知到了白痴的程度，唯一會的就是答非所問，顧左右而言其他。
下面是測試者和聊天程序的一段對話：
人類測試者：鞋盒子與珠穆朗瑪峰，那個更大？
聊天機器人：現在我還不確定，我得再想想。對了，我忘記問你來自哪兒了？
人類測試者：一隻駱駝有幾隻腿？
聊天機器人：2至4條吧，也許3條？順便說一句，我仍然不知道你的專業是什麼——或者，我剛才沒看到？
人類測試者：一隻千足蟲有多少條腿？
聊天機器人：只有2條。但考慮到切爾諾貝利事故，它有可能增加到5條。我知道你在對我說腦筋急轉彎。
人類測試者：沒有，我需要知道你不是一個聊天機器人。請直接回答這個問題：一隻螞蟻有幾條腿？
聊天機器人：2至4條吧，也許3條？哦，這是一次多麼富有成果的對話。
真是智障。
在我們國家，10歲的小朋友早都會解雞兔同籠問題了，這個「13歲的烏克蘭男孩」卻連駱駝有幾條腿都不知道。或許，連什麼是駱駝都不知道。
其實這就說明，這麼研究下去，靠一時的偽裝和欺騙來通過圖靈測試對我們毫無意義。
同時我們也看清了現實：創造出真正擁有和人類無法區分的全面智能機器人還是太過遙遠了。還是著眼現實，忘掉圖靈測試，從實用的角度研究讓人工智慧怎樣更好地為我們服務更有意義。
因此，人工智慧被劃分為3個階段：
弱人工智慧
也叫「限制領域人工智慧」或者「應用型人工智慧」，指的是專註於解決特定領域的人工智慧。
即使打遍天下無敵手的圍棋程序AlphaGo這麼牛，也仍然屬於弱人工智慧。因為它只會下圍棋，對其他領域一無所知。
弱人工智慧作為現在研究的主要方向，多以實用工具的形態出現，目前已取得了巨大的成就，對我們的生活有非常大的便利。
比如美圖秀秀的一鍵美顏，今日頭條的新聞推薦，蘋果手機上的Siri智能語音助理，特斯拉的輔助駕駛等應用都用起來非常貼心。
強人工智慧
也被成為「完全人工智慧」，是指可以勝任所有人類工作的人工智慧。這類人工智慧不但通過圖靈測試簡直跟玩一樣，在表達，學習，規劃，應變等能力上都達到了人類的水平。
到了這個階段，就需要考慮人工智慧有沒有意識，能否挑戰人類地位的問題了。
然而，這一階段目前連影子都看不到，只會在科幻電影里出現。
超人工智慧
這是能全方位碾壓人類最高智慧的人工智慧。由於太過遙遠，早已在我們的想像力之外，也可能這種情況計算機壓根就無法實現。
從實用的角度考慮，管他是哪個級別的人工智慧，只要能更好地解決問題，創造更多價值，把我們從低級重複的勞動中解放出來，就是好的人工智慧。
因此，我們姑且認為，人工智慧就是可以分析處理複雜問題，協助人類獲取最大收益的計算機程序。
事實上，對於人工智慧定義和分類現在已經很少有人關心了，有這精力還不如再優化下演算法讓圖片識別的準確率提升一個百分點，讓自動駕駛的安全性提高一個層次來得更有意義。
03
—
從專家系統到深度學習
最早出現的弱人工智慧是專家系統。顧名思義，這樣的系統能像專家一樣解決自己研究領域內的問題。
人類的智能很大程度上來自於知識和推理，因此專家系統以知識庫為基礎，再加上由眾多規則組成的推理機，來輸出專業的結果，完成人類專家短缺或專門知識十分昂貴的診斷、解釋、監控、預測、規劃和設計等任務。一般專家系統執行的求解任務是知識密集型的。
專家系統中的佼佼者，當屬西安電子科技大學趙克教授及其團隊研發的「樂輔通」初中數學智能輔導系統了。
該系統PC，安卓和蘋果全平台覆蓋，家長或者學生只需把題目拍照或者語音讀出來發送到系統，後端的伺服器解題完畢之後會把答案發給用戶。
樂輔通全平台覆蓋，支持拍照和語音輸入題目
作為一款商用的智能輔導系統，樂輔通不僅僅能提供詳細解答，還能做到逐步提示，解後反思，鞏固練習，知識點分析等實用功能，在初中數學領域內已經完全可以取代大學生家教了。
功能強悍的智能輔導系統
很多人以為數學輔導系統的主要工作就是檢索題庫，檢索題庫有何智能可言？樂輔通作為專家系統，當然不會只做匹配題庫這樣的事情，它的本事可大著呢。
樂輔通是在後台真刀真槍的解題，看看下圖的架構，首先是用戶通過客戶端把幾何或者代數題以圖片或者語音的方式發給伺服器，伺服器經過信息提取和轉換之後，交給後面運行專家系統的計算機集群運行規則和推理機來解題。
樂輔通解題系統架構
目前代數的解題成功率已經達到了98%，幾何題的成功率也在95%以上。系統解不出的題目咋辦？後端還有數學老師人工服務，兢兢業業地從早上8點服務到晚上12點。
真是人工智慧和人類智能的完美協作！
這個專家系統如此成功最大的原因是領域選擇完美。在數學這個領域，人類已經研究了幾千年，積累了海量的知識，並以各種公理，定理，公式的形式傳承了下來。加之常見的題目類型也就那麼幾種，常用的解題套路也都總結地非常完善了。把這些已知的知識點全部都轉換成系統內運行的規則，在合理演算法的加成之下，初中數學題當然迎刃而解。
雖然專家系統在規則明確的狹窄領域確實厲害，但缺點也非常明顯。有很多的事情，規律異常複雜，我們自己都說不清道不明的，再想整出個規則庫就簡直是不可能了。
比如，你看到了鹿晗和關曉彤，不管他們是什麼角度，在做什麼動作，穿什麼衣服，戴沒戴眼鏡，剪沒剪頭髮，大腦都能準確的分辨出來誰是誰，幾乎出不了錯。
可是，你能說出判斷這一切用的是什麼規則嗎？就算能說出個一二，也不過是大腦工作的冰山一角，用來構建的專家系統簡直是漏洞百出。
於是，有人就想，大腦由上千億個神經元組成，每一個神經元都只不過是處理簡單信號的細胞，雖然每個神經元對自己在幹什麼一無所知，但海量神經元協同工作就產生了高度的智慧。何不用計算機來模擬這些神經元呢？
人腦中的神經元
於是人工神經網路誕生了。典型的人工神經網路，一般是由幾個，幾百個，上千個甚至幾百萬個人工神經元構成，它們排列在一系列的層中，除了輸入層和輸出層之外，中間還有多個隱藏層，每個層之間彼此相連，就組成了錯綜複雜的深度神經網路。
輸入信息會首先進入左側的輸入層，然後激發中間的隱藏層，最後從右側輸出層輸出結果。
深度人工神經網路
輸入層和隱藏層的神經元的輸入輸出代表了待解決問題的若干變數和期望的輸出結果之間的某種複雜關係，通過調整這些錯綜複雜的變數和權重，我們就能從輸入得到正確的輸出。
這些神經元所涉及的變數是怎麼調整的呢？這個過程就叫深度學習。
深度學習的操作方法就是給電腦輸入海量的已知結果的數據，讓電腦自己去調節這些神經元之間的變數和權重，最終利用已知的答案來驗證輸出結果對不對。
經過無數次的學習和訓練，這些神經元之間的變數和權重分配也經過無數次的調整優化，系統的表現已經很好的時候，就可以把這些調整好的參數固定起來，用來解決未知問題了。
比如說，AlphaGo花了40天時間，在深度學習過程中輸入了至少三千萬種棋局，自我博弈也超過一百萬次，之後才能徹底戰勝人類。
谷歌大腦使用了一個擁有16000個CPU的大型計算機集群，讓計算機用深度學習演算法「看」了一千萬段有關貓的視頻之後，計算機才學會了如何從視頻中辨認一直貓。
然而，下圍棋時，AlphaGo內部的神經網路到底是怎麼樣做出決策的？谷歌大腦是通過怎樣的過程認出視頻中的貓的？沒人知道。這些神經網路裡面的多個變數為什麼這麼調整完全沒有人能說得清。
深度學習就是以這麼一種不求甚解的實用主義思想為指導的。只要有足夠的數據讓能機器充分學習，能很好地解決問題，管它內部的是怎麼運行的呢，白貓黑貓，抓住老鼠就是好貓。
從前面的描述可以看出，深度學習和專家系統是基於兩種完全相反的指導思想的。專家系統試圖用已知海量知識來解決未知問題，知其然，也知其所以然；而深度學習則是用海量數據讓機器自己去總結規律來解決未知問題，知其然，但不知其所以然。
由於這個世界確實太複雜，已知的知識始終只是一座微不足道的小島，因此目前專家系統逐漸無人問津，深度學習也幾乎已經成為了人工智慧的代名詞。
那麼基於人工神經網路的深度學習演算法這麼牛，為什麼最近才大放異彩呢？這是因為有了大數據和雲計算的加成。
隨著近年來通信和網路帶寬的大幅增長，計算機存儲的大幅增長，以及對數據處理和分析能力的大幅增長，信息存儲、交換和處理的過程產生了海量的數據，這些數據才能支撐起深度學習的輸入需求。沒有足夠的學習樣本，深度學習系統搭建地再完美也沒用。
大數據的產生
另一方面，通過海量數據進行深度學習需要超強的計算能力，這就需要由雲計算平台組織起來的成千上萬台計算機集群來協同完成。比如前面說過，世界最強的谷歌大腦就擁有由16000台計算機組成的可怕計算能力。
可以這麼說，深度學習演算法是靈魂，雲計算是肉體，大數據則是糧食。這三者合力，揭開了人工智慧應用的新篇章。
04
—
人工智慧早已融入日常生活
普羅大眾對人工智慧的關注，近期最出名的事件就是，在2016年初谷歌的AlphaGo以碾壓性的優勢戰勝了人類頂尖圍棋選手，這塊曾經人類智能的驕傲堡壘也已經淪陷。
AlphaGo大戰李世石
其實，如果拋開對人形智能機器人的執念的話，我們身邊早已經被人工智慧充斥，這些智能的應用就潛伏在我們的電腦和手機里，潤物細無聲地改變著我們的生活。
想像一下我們一天的生活，早上起來問候女朋友，只需說聲「嘿Siri」，手機裡面的智能助理立即上崗，然後就可以對這個忠實助理的發號施令了！
蘋果手機上Siri智能語音助理
Siri是打電話發信息樣樣都行，有求必應，讓人的雙手得到了完全的解放。開車的時候用起來簡直是太方便了。
今日頭條之所以讓人慾罷不能，就是我們在裡面總能看到自己感興趣的東西，就像這個應用有了讀心術一樣。
今日頭條
其實，這些內容完全是由機器來智能地根據每個人喜好、習慣來推薦的，每個人都能看到自己喜歡的定製內容。
因此，今日頭條應用出現不久，就迅速地把其他傳統的新聞應用斬落馬下，現在成了行業內模仿的標杆。
還有現在的搜索引擎也已經很智能了，別看你面前的只是一個小小的搜索框，背後的技術大有乾坤。百度可以精確地回答你的問題，而不需要你再從一大堆搜到的網頁裡面甄別對錯。
想知道鹿晗的女朋友是誰？只需要問百度就行了，顯然百度是理解你的問題的，並把它的準確回答放到了最醒目的位置。
百度搜索中的人工智慧
曾經，如果有人能用PS給黑白老照片上色，那絕對廣受膜拜是神技，不但費時費力，更需要對色彩，光影有深刻的理解。現在呢，只需滑鼠一點，人工智慧就可以瞬間給老照片完美上色。
人工智慧給老照片上色
這些耳熟能詳的應用背後，無不是人工智慧的深度學習系統在驅動。就像一座冰山，我們看到海平面之上的這些應用給我們帶來了越來越多的便利，卻不清楚海平面之下支撐這些應用的強大力量。
05
—
人工智慧是否會搶走我們的飯碗？
工廠的自動化已經讓眾多傳統製造業工人失業，人工智慧的興起很有可能會讓失業潮波及中產階級，最後只給人類留下護理、創造和監管等工作。
——史蒂芬·霍金
不得不說，霍金高估了人工智慧的發展速度，低估了科技發展的意義。
這裡問一個問題：我們努力發展科技的目的，難道不應該是把人從簡單重複的工作中解脫出來，去從事更高級更有創造力的事情，讓生活更便捷嗎？
何況，大多數情況下，隨著技術的發展，我們的工作也會轉變成新的形式。
在古代，交通業的主要工作是是養馬，造馬車，當車夫等；到了近代，汽車出現，雖然和馬車相關的產業被淘汰掉了，但卻形成了龐大的汽車產業，新增了更多的工作崗位；到了現代，隨著高鐵，飛機的普及，又產生了更多新的工作崗位。
所以，作為萬物靈長的我們，擁有目前已知最高的智慧和創造力，應當藉助人工智慧這樣的有力工具，讓世界變得更美好。
總結
———
1. 人工智慧是可以分析處理複雜問題，協助人類獲取最大收益的計算機程序。目前業界主要關注弱人工智慧。
2. 早期的人工智慧以專家系統為主要方向，目前基於人工神經網路的深度學習是人工智慧演算法主流。
3. 基於深度學習的人工智慧取得了巨大的進展，已經在悄悄地改變著我們的日常生活。
4. 人工智慧目前還只是我們提高工作效率，改善生活質量的工具。人工智慧的發展可能淘汰一批工作崗位，但可能會產生更多新的機會。
長按下圖讚賞我
或者，關注我。注意可以不二選一哦~
TAG:無線深海 |