業(yè)界媒體TechRadar發(fā)表文章,稱人工智能(AI)是目前科技界最熱門(mén)的流行語(yǔ),經(jīng)過(guò)幾十年的研究和發(fā)展之后,科幻小說(shuō)中的許多技術(shù)已經(jīng)在這幾年慢慢轉(zhuǎn)化為科學(xué)現(xiàn)實(shí)。這篇文章總結(jié)了AI領(lǐng)域的10大里程碑。以下為原文內(nèi)容:
AI技術(shù)已經(jīng)成為我們生活中非常重要的一部分:AI決定了我們的搜索結(jié)果,將我們的聲音轉(zhuǎn)化為計(jì)算機(jī)指令,甚至可以幫助我們對(duì)黃瓜進(jìn)行分類(這件事后文中會(huì)提到)。在接下來(lái)的幾年里,我們將用AI駕駛汽車,回應(yīng)顧客的詢問(wèn),以及處理其他無(wú)數(shù)事情。
但是我們?cè)趺醋叩竭@個(gè)階段的?這種強(qiáng)大的新技術(shù)是怎么來(lái)的?下面就來(lái)看看AI技術(shù)發(fā)展的十大里程碑。
笛卡爾的理念
人工智能的概念并不是突然出現(xiàn)的 ——直到今天,人工智能仍然是哲學(xué)辯論的一個(gè)主題:機(jī)器真的能像人類一樣思考嗎?機(jī)器能成為人類嗎?最早想到這個(gè)問(wèn)題的人之一是1637年的笛卡兒。在一本名為《方法論》(Discourse on the Method)的書(shū)中,笛卡兒竟然總結(jié)出了如今的科技人員必須克服的關(guān)鍵問(wèn)題和挑戰(zhàn):
“如果為了各種實(shí)用性的目的,機(jī)器在外形上向人類靠攏,并模仿人類的行為,那么我們?nèi)匀粦?yīng)該有兩種非常確定的方法來(lái)辨識(shí)出它們不是真人。”
笛卡爾表示,在他看來(lái),機(jī)器永遠(yuǎn)無(wú)法使用言語(yǔ),或者“把標(biāo)識(shí)放在一起”來(lái)“向別人表達(dá)想法”,即使我們能夠設(shè)想出這樣的機(jī)器,但是“讓一臺(tái)機(jī)器對(duì)文字進(jìn)行組合,對(duì)別人的話做出有意義的,即便水平和最愚笨的人差不多的回答,那也是不可想象的。”
他還提到了我們現(xiàn)在面臨的一個(gè)挑戰(zhàn):創(chuàng)建一個(gè)廣義的AI,而不是狹義的AI——以及當(dāng)前AI的局限性會(huì)如何暴露它并非人類:
“即使有些機(jī)器可以在有些事情上可以做得和我們一樣好,或者甚至更好,但是其他機(jī)器也不可避免地會(huì)失敗,這就表明它們的行為并非來(lái)自于對(duì)事物理解,只是一種簡(jiǎn)單的回應(yīng)。”
模仿游戲
AI的第二個(gè)主要的哲學(xué)基準(zhǔn)來(lái)自計(jì)算機(jī)科學(xué)先驅(qū)圖靈(Alan Turing)。在1950年時(shí),他提出了“圖靈測(cè)試”,他稱之為“模仿游戲”。這個(gè)測(cè)試衡量的是,我們什么時(shí)候可以宣布智能機(jī)器出現(xiàn)了。
這個(gè)測(cè)試很簡(jiǎn)單:如果評(píng)判者不知道哪一方是人類,哪一方是機(jī)器(比如閱讀兩者之間的文本對(duì)話時(shí)),那么機(jī)器能否騙過(guò)評(píng)判者,讓他以為自己是人類?
有趣的是,圖靈對(duì)未來(lái)的計(jì)算做出了一個(gè)大膽的預(yù)測(cè)——他估計(jì)到20世紀(jì)末,機(jī)器就可以通過(guò)圖靈測(cè)試。他說(shuō):
“我相信,在大約50年的時(shí)間內(nèi),人們就有可能用上1GB的存儲(chǔ)容量的計(jì)算機(jī),通過(guò)編程讓它們玩模仿游戲,玩得足夠逼真,以至于一般的評(píng)判者在經(jīng)過(guò)5分鐘的對(duì)話之后,做出正確的判定的可能性低于70%…… 我相信,到本世紀(jì)末,文字的使用和通識(shí)教育理念將會(huì)發(fā)生很大的變化,那時(shí)你談?wù)摍C(jī)器思維,通常不會(huì)引發(fā)抵觸情緒。”
可惜的是,他的預(yù)測(cè)不太準(zhǔn)確。我們現(xiàn)在確實(shí)開(kāi)始看到一些真正讓人眼前一亮的AI系統(tǒng)出現(xiàn),但是在2000年代,AI技術(shù)還處在比較原始的階段。不過(guò)硬盤(pán)容量在世紀(jì)之交時(shí)平均為10GB左右,這倒是遠(yuǎn)遠(yuǎn)超過(guò)了圖靈的預(yù)測(cè)。
第一個(gè)神經(jīng)網(wǎng)絡(luò)的出現(xiàn)
神經(jīng)網(wǎng)絡(luò)其實(shí)是一種試錯(cuò)法,它是現(xiàn)代AI的關(guān)鍵概念。從本質(zhì)上講,當(dāng)你訓(xùn)練一個(gè)AI系統(tǒng)時(shí),最好的辦法就是讓系統(tǒng)猜測(cè),接收反饋,然后在繼續(xù)猜測(cè)——不斷調(diào)整概率,以便讓AI系統(tǒng)得出正確答案。
令人驚奇的是,第一個(gè)神經(jīng)網(wǎng)絡(luò)實(shí)際上是在1951年由馬爾文·明斯基(Marvin Minsky)和迪恩·艾德蒙茲(Dean Edmonds)創(chuàng)建的,稱為“SNARC” ,意思是隨機(jī)神經(jīng)模擬增強(qiáng)計(jì)算機(jī)。它不是由微芯片和晶體管,而是由真空管、電機(jī)和離合器制成的。
這臺(tái)機(jī)器可以幫助一只虛擬老鼠解決迷宮難題。系統(tǒng)發(fā)送指令,讓虛擬老鼠在迷宮里游走,每一次都將其行為的效果反饋到系統(tǒng)里——用真空管來(lái)存儲(chǔ)結(jié)果。這意味著機(jī)器能夠?qū)W習(xí)并調(diào)整概率,提高虛擬老鼠通過(guò)迷宮的機(jī)會(huì)。
本質(zhì)上,谷歌當(dāng)前用于識(shí)別照片中的對(duì)象的相同過(guò)程的非常非常簡(jiǎn)單的版本。
谷歌目前用來(lái)識(shí)別照片中的對(duì)象也使用了同樣的過(guò)程,只不過(guò)遠(yuǎn)比它復(fù)雜。
第一輛自動(dòng)駕駛汽車的出現(xiàn)
現(xiàn)在我們提到自動(dòng)駕駛汽車的時(shí)候,可能會(huì)想到谷歌Waymo等等,但是令人吃驚的是,在1995年,梅賽德斯-奔馳就改裝了一輛汽車,從慕尼黑開(kāi)到哥本哈根,路上大部分時(shí)候都是自動(dòng)駕駛的。
這段路程共1043英里,改裝車上搭載了60個(gè)晶體電腦芯片,那是當(dāng)時(shí)并行計(jì)算領(lǐng)域最先進(jìn)的技術(shù),讓它可以快速處理大量駕駛數(shù)據(jù),為自動(dòng)駕駛汽車的響應(yīng)度提供保證。
這輛車的時(shí)速達(dá)到了115英里,與當(dāng)今的自動(dòng)駕駛汽車相差無(wú)幾,因?yàn)樗梢猿嚥⒆x取路標(biāo)。
轉(zhuǎn)向“基于統(tǒng)計(jì)”的方法
雖然神經(jīng)網(wǎng)絡(luò)作為一個(gè)概念出現(xiàn)已經(jīng)有一段時(shí)間了,但是直到20世紀(jì)80年代后期,AI研究人員開(kāi)始從“基于規(guī)則”的方法轉(zhuǎn)向“基于統(tǒng)計(jì)”的方法 ,也就是機(jī)器學(xué)習(xí)。這意味著不要試圖去根據(jù)人類行為的規(guī)則來(lái)讓系統(tǒng)進(jìn)行模仿,而是采取試錯(cuò)法,根據(jù)反饋來(lái)調(diào)整概率,這是教會(huì)機(jī)器思考的好方法。這一點(diǎn)非常重要,因?yàn)檎沁@個(gè)概念讓如今的AI辦到了一些令人驚訝的事情。
《福布斯》的吉爾·普利斯(Gil Press)認(rèn)為,這一轉(zhuǎn)變是從1988年開(kāi)始的,當(dāng)時(shí)IBM的TJ Watson研究中心發(fā)表了一篇名為《語(yǔ)言翻譯的統(tǒng)計(jì)學(xué)方法》的論文,特別提到了如何使用機(jī)器學(xué)習(xí)來(lái)做語(yǔ)言翻譯。
IBM用220萬(wàn)對(duì)法文和英文句子來(lái)訓(xùn)練這個(gè)系統(tǒng) ——這些句子全部來(lái)自加拿大議會(huì)的雙語(yǔ)記錄。220萬(wàn)這個(gè)數(shù)字聽(tīng)起來(lái)很多,但是谷歌有整個(gè)互聯(lián)網(wǎng)上可以利用——所以現(xiàn)在谷歌翻譯的效果可以說(shuō)相當(dāng)不錯(cuò)了。
“深藍(lán)”擊敗國(guó)際象棋冠軍
盡管AI的側(cè)重點(diǎn)已經(jīng)轉(zhuǎn)移到統(tǒng)計(jì)模型上,但基于規(guī)則的模型也仍然在使用—— 在1997年舉辦了一場(chǎng)國(guó)際象棋比賽中,IBM的計(jì)算機(jī)深藍(lán)戰(zhàn)勝了世界國(guó)際象棋冠軍加里·卡斯帕羅夫,向人們展示了機(jī)器可以有多么強(qiáng)大。
這不是雙方的第一場(chǎng)比賽,在1996年,卡斯帕羅夫曾以4-2擊敗深藍(lán)。而到了1997年,機(jī)器就占了上風(fēng)。
從一定程度上說(shuō),深藍(lán)的智能有點(diǎn)虛假——IBM本身認(rèn)為深藍(lán)沒(méi)有使用人工智能,因?yàn)樗褂玫氖切U力之法,每秒處理數(shù)千種走棋的可能性。 IBM為這個(gè)系統(tǒng)注入了數(shù)以千計(jì)之前比賽的數(shù)據(jù),每次對(duì)手走棋之后,深藍(lán)就會(huì)照搬以前象棋大師們?cè)谙嗤闆r下的反應(yīng)。正如IBM所說(shuō),深藍(lán)只是在扮演之前象棋大師們的幽靈。
不管這算不算真正的AI,它都是一個(gè)重要的里程碑,讓人們不僅開(kāi)始關(guān)心計(jì)算機(jī)的計(jì)算能力,也對(duì)整個(gè)AI領(lǐng)域產(chǎn)生了興趣。自從與卡斯帕羅夫?qū)Q以來(lái),在游戲中打敗人類玩家已經(jīng)成為機(jī)器智能基準(zhǔn)測(cè)試的主要方式 —— 2011年時(shí),我們?cè)俅慰吹?,IBM的“沃森”系統(tǒng)輕松地?fù)魯×藘蓚€(gè)人類對(duì)手,成為美國(guó)智力競(jìng)賽節(jié)目《危險(xiǎn)邊緣》的優(yōu)勝者。
Siri 和自然語(yǔ)言處理
自然語(yǔ)言處理是AI領(lǐng)域的一大課題,要想像《星際迷航》(Star Trek)那樣通過(guò)語(yǔ)音對(duì)設(shè)備發(fā)布命令,就需要有很強(qiáng)的自然語(yǔ)言處理能力。
所以,用統(tǒng)計(jì)方法創(chuàng)建的Siri令人眼前一亮。它由SRI International研發(fā),甚至曾經(jīng)在iOS應(yīng)用程序商店中作為獨(dú)立的app推出,很快,這家公司就被蘋(píng)果公司收購(gòu),并深度整合在了iOS中?,F(xiàn)在它和谷歌助手、微軟小娜,以及亞馬遜Alexa這些軟件已經(jīng)成為機(jī)器學(xué)習(xí)最引人矚目的成果之一,改變了我們與設(shè)備互動(dòng)的方式。
當(dāng)然,我們?nèi)缃袼坪跽J(rèn)為這種互動(dòng)方式是理所當(dāng)然的,但是任何曾經(jīng)在2010年之前嘗試過(guò)使用語(yǔ)音命令的人都知道,這個(gè)進(jìn)步有多大。
圖像識(shí)別
就像在語(yǔ)音識(shí)別上一樣,AI也可以在圖像識(shí)別領(lǐng)域大有作為。在2015年,研究人員首次得出結(jié)論:在1000多個(gè)類別中,谷歌和微軟研發(fā)的兩個(gè)深度學(xué)習(xí)系統(tǒng)識(shí)別圖像的效果比人類更好。
圖像識(shí)別可以應(yīng)用在數(shù)不清的方面,谷歌在推廣其TensorFlow機(jī)器學(xué)習(xí)平臺(tái)時(shí)舉一個(gè)有趣的例子,就是對(duì)黃瓜進(jìn)行分類:通過(guò)使用計(jì)算機(jī)視覺(jué),農(nóng)民不需要雇用人員來(lái)決定黃瓜是否合適采摘了,而是讓機(jī)器來(lái)自動(dòng)做出決定,只要這些機(jī)器接受過(guò)早期數(shù)據(jù)的培訓(xùn)即可。
GPU讓AI變得更便宜
AI現(xiàn)在如此引人矚目,一個(gè)重要原因就是在過(guò)去的幾年里,處理大量數(shù)據(jù)的成本已經(jīng)變得沒(méi)有那么高昂了。
據(jù)《財(cái)富》報(bào)道,研究人員直到21世紀(jì)末才意識(shí)到,為3D圖形和游戲而開(kāi)發(fā)的圖形處理單元(GPU)在深度學(xué)習(xí)計(jì)算方面比傳統(tǒng)的CPU強(qiáng)20到50倍。在那之后,人們可以利用的計(jì)算能力就大大增加了,如今的AI云平臺(tái)可以為無(wú)數(shù)AI應(yīng)用提供動(dòng)力。
所以,要感激玩家。你的父母和配偶可能不會(huì)喜歡你花這么多時(shí)間來(lái)玩游戲 —— 但人工智能研究人員確實(shí)很感激你。
AlphaGo和AlphaGoZero征服世人
2016年3月,人工智能又達(dá)到了一座里程碑——谷歌的AlphaGo擊敗了圍棋九段李世石。
從數(shù)學(xué)上說(shuō),圍棋比國(guó)際象棋更加復(fù)雜,但這次勝利的重要之處在于,AlphaGo是用人類和AI對(duì)手組合進(jìn)行訓(xùn)練的。據(jù)報(bào)道,谷歌使用了1920個(gè)CPU和280個(gè)GPU,在和李世石的五局比賽中贏得了四局。
而更新之后的版本AlphaGo Zero更加厲害,它不像AlphaGo和深藍(lán)那樣使用任何以前的數(shù)據(jù)來(lái)學(xué)習(xí)下棋,而是直接打了數(shù)以千場(chǎng)的比賽,經(jīng)過(guò)三天這樣的訓(xùn)練,它就能擊敗AlphaGo了。也就是說(shuō),這臺(tái)機(jī)器擁有自學(xué)能力。