看得見的“學(xué)習(xí)”成果

詹姆斯·馬圭爾

雖然人工智能常常被認為是超未來的技術(shù)，但它已經(jīng)滲透到了日常生活中，甚至已司空見慣。

當你用谷歌搜索東西、使用地圖軟件、在亞馬遜上購物，或者對智能手機中的語音識別軟件說話，其實都在使用人工智能。當你登錄到Facebook，欣賞那些可愛的嬰兒照片，人工智能都在塑造你的體驗。

所有這些應(yīng)用的背后都使用了算法，算法本質(zhì)上是形成分析過程的一組規(guī)則，能夠?qū)ψ兞枯斎胱龀鲰憫?yīng)。如今的算法，尤其是來自亞馬遜和Facebook等巨頭的算法，響應(yīng)速度快，還不斷學(xué)習(xí)。它們事先經(jīng)過編程，可采集來自用戶的更準確的響應(yīng)；也就是說，結(jié)果是為控制算法的那些廠商服務(wù)的。

了解和響應(yīng)

當你在亞馬遜上購物時，算法在后臺基于一個包含眾多購買模式的龐大數(shù)據(jù)庫，執(zhí)行異常高級的運算，之后決定將什么產(chǎn)品展示在你面前。它實時響應(yīng)你的點擊軌跡。

你可能覺得，有一個活生生的私人購物助手是最好不過的選擇；她了解潮流，對你本人很了解。可是人工智能技術(shù)廠商Ayasdi的首席營銷官丹尼爾·德魯克（Daniel Druker）表示，這樣的私人購物助手與亞馬遜沒法比。亞馬遜“利用人工智能，結(jié)合你之前的購買活動，從100萬件商品中推測眼下哪些商品最能吸引你的眼球。沒有哪個人能做到這一點。”

在Facebook上，出現(xiàn)在你個人動態(tài)（feed）中的朋友不多，那是因為Facebook的人工智能算法知道：你受不了個人動態(tài)內(nèi)容太多的情況。于是，F(xiàn)acebook使用人工智能，對你關(guān)于私人關(guān)系圈的訊號做出敏感的反應(yīng)，打造你的個人動態(tài)，建立起一種更有效的情感聯(lián)系。要是你以為人工智能冷若冰霜、缺乏人情味，F(xiàn)acebook用它來窺視你的內(nèi)心（以及Facebook另外12.3億日常用戶的內(nèi)心）。它威力強大，說Facebook人工智能影響了美國總統(tǒng)大選毫不為過。

盡管人工智能目前具有巨大的影響力，但它仍被看作是太過遙遠的一項神奇技術(shù)。人工智能技術(shù)廠商Sentient Technologies的創(chuàng)始人兼首席科學(xué)家巴巴克·霍加特 （Babak Hodjat）說：“算法或應(yīng)用有多誘人、多新潮、多強大，并不重要。我常常出去介紹這些系統(tǒng)時，人們總是會說‘是的，那很智能、那很酷，但這不是人工智能。”

人們之所以會有這種懷疑，是因為“普通公眾而非從業(yè)人士常常誤以為人工智能是包含情感智能、創(chuàng)造力、自主性等一系列能力的人類級一般智能。”霍加特說，因而，人工智能“總是被認為是我們會發(fā)明的下一大技術(shù)。我認為，今后10年至15年還會是這種情況。”

他表示，在許多當前的應(yīng)用中，人工智能比人類更強大。“你只要說一個方面，我可以告訴你這個方面是如何實施的、如何比人類更強大。起碼，人工智能運行起來更快，所以當下人工智能的決策和行動周期要比人類響應(yīng)世界的速度快得多。”

人工智能在過去幾年得到了突飛猛進的發(fā)展。百度硅谷人工智能實驗室主任亞當·科茨（Adam Coates）說：“這在10年前是很難實現(xiàn)的。當然，未來幾年，我們認為在人類非常擅長處理、但計算機向來不擅長的許多問題上，人工智能會取得巨大進展。比如說，識別圖像中的實體，或者理解語音、對口語做出響應(yīng)，那些是深度學(xué)習(xí)和人工智能技術(shù)在未來幾年會持續(xù)改進的問題。”

推動與向前

什么功能在推動這些進展？人工智能必須獲得什么樣的功能才能向前發(fā)展？

皮特·阿貝爾（Pieter Abbeel）是加州大學(xué)伯克利分校的計算機科學(xué)系教授，也是人工智能教育初創(chuàng)公司Gradescope的聯(lián)合創(chuàng)始人。他表示，首先，人工智能系統(tǒng)需要能夠在沒有人類干預(yù)的情況下自主學(xué)習(xí)。此外，它還在被告知諸如“你從這個角度堆方塊，也許效果會更好”之類的信息時，應(yīng)該有溝通和理解能力。“要是它無法領(lǐng)會這樣的信息，我們不會認為它具有真正的智能。”

人類（至少理論上）能夠利用過去的經(jīng)驗來推斷和處理新環(huán)境，在這方面機器人則差的很遠。為機器人編程、以便它在有限的環(huán)境下提供輔助要容易得多。人工智能科學(xué)家們想為機器人編程，以便處理相關(guān)的變化。

阿貝爾說：“它們需要運用過去獲得的經(jīng)驗，推廣到不一樣但相類似的新場景，了解這種關(guān)聯(lián)性。我對于機器人如何能真正從頭開始學(xué)會做事很感興趣。”從頭開始學(xué)起是人類特有的能力；如果機器人能夠真正做到填補其空白，它有望成為獨立的個體。

但人工智能機器人的“學(xué)習(xí)能力”可能有許多不同的方式來定義，一些是很普通的“嘗試和獎勵”方式，類似于教狗學(xué)新花招。比如說，人工智能強化學(xué)習(xí)可編寫機器人的軟件，從試錯過程中學(xué)習(xí)。加州大學(xué)伯克利分校的BRETT機器人基于行動后獎勵的多少來使用強化學(xué)習(xí)技術(shù)。阿貝爾說：“獎勵的變化讓該機器人得以分辨什么是好的，什么是不好的，進而重點采用獲得獎勵多的策略。”

與之相仿，人工智能科學(xué)家使用監(jiān)督式學(xué)習(xí)，為計算機饋送標記輸入（這些是貓，這些是狗）的許多實例，并給出明確的目標輸出（這是貓還是狗？）。非監(jiān)督式學(xué)習(xí)給計算機饋送非標記數(shù)據(jù)（比如說許多動物的照片），計算機進行分類，或者以其他方式為該數(shù)據(jù)定義結(jié)構(gòu)模型（這些動物身上的毛比其他這些動物多得多）。科茨表示，非監(jiān)督式學(xué)習(xí)是“非常重要的研究熱點，因為我們知道人類所做的在很大程度上是非監(jiān)督式學(xué)習(xí)。”

人工智能“學(xué)習(xí)”的核心是神經(jīng)網(wǎng)絡(luò)，它類似人類大腦。跟大腦一樣，面對更多的輸入，神經(jīng)網(wǎng)絡(luò)會自我調(diào)整。阿貝爾說：“你展示足夠多的那些實例，神經(jīng)網(wǎng)絡(luò)就會自我調(diào)整，說‘針對那個輸入，我需要那個輸出；所以，要做到這一點，唯一的途徑是，我需要調(diào)整聯(lián)系的部分強度，那樣我才能搞好那種對應(yīng)。所以，在某種意義上，你在訓(xùn)練神經(jīng)網(wǎng)絡(luò)時，是讓計算機學(xué)習(xí)它的計算機程序，而不是將計算程序編入到里面。”

科茨解釋，不過打造神經(jīng)網(wǎng)絡(luò)并非易事。“一大挑戰(zhàn)在于，我們不是非常清楚如何僅憑一些非標記、非結(jié)構(gòu)化的數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。我們不知道如何量化神經(jīng)網(wǎng)絡(luò)在處理這些種類的任務(wù)中的好壞。等到我們在這方面有了發(fā)現(xiàn)，那將是一大進步。但我們還沒有到那一步。所以，這離人類智能相差甚遠。”

雖然人工智能還不是人類智能，但像谷歌的DeepMind這些人工智能領(lǐng)導(dǎo)者表明了，人工智能學(xué)習(xí)的響應(yīng)速度有多快。比如說，一臺計算機想玩好井字棋游戲，不需要什么特殊的智能；這個游戲很簡單，計算機憑蠻力（計算能力）即可取勝。阿貝爾說，相比之下，DeepMind玩經(jīng)典的雅達利游戲《打磚塊》時，它“實際上得學(xué)習(xí)概念”。DeepMind在學(xué)會玩的過程中，“知道要學(xué)習(xí)視覺系統(tǒng)，要學(xué)習(xí)基于操縱桿動作的運動控制。其神經(jīng)網(wǎng)絡(luò)實時響應(yīng)多個變量的能力不亞于人類。

隨著神經(jīng)網(wǎng)絡(luò)技術(shù)不斷改進，人工智能學(xué)習(xí)變得更像人類。不過作為一名人工智能未來學(xué)家，阿貝爾設(shè)想有朝一日，可以把教人類學(xué)生的人類專家擁有的所有微妙特征和個人洞察力統(tǒng)統(tǒng)教給機器人。比如說，就像職業(yè)籃球員教初學(xué)者：“投籃的時候雙眼盯著籃筐……利用籃板有好處。”也就是說，像人類那樣有無數(shù)種響應(yīng)方式。“現(xiàn)階段遠未能做到這點，但那是你希望未來會出現(xiàn)的一幕。” 阿貝爾說。