摘要：周二，白宮發(fā)布了一份關(guān)于人工智能與經(jīng)濟(jì)的令人寒心的報(bào)告。更重要的是，我們必須超越這種狹隘的思考方式受到人工智能威脅的工作崗位。今年，最矚目的人工智能與人類的對(duì)決就來(lái)自。然而，人工智能在年碾壓人類的一系列勝利僅僅是個(gè)開始。

去年以來(lái)關(guān)于人工智能（AI）的討論非?；馃?，最近讀到一篇這個(gè)主題的文章覺(jué)得非常不錯(cuò)，翻譯過(guò)來(lái)分享下。這不是一篇燒腦的關(guān)于人工智能技術(shù)文，而是一篇開闊的思辨性文章。

下面是原文：

是的，數(shù)百萬(wàn)低報(bào)酬、低技能的工作崗位將面臨風(fēng)險(xiǎn)，但人工智能革命還是會(huì)帶來(lái)很多好處的。

周二，白宮發(fā)布了一份關(guān)于人工智能與經(jīng)濟(jì)的令人寒心的報(bào)告。報(bào)告以如下推斷開頭：“可以預(yù)計(jì)機(jī)器將在越來(lái)越多的任務(wù)上達(dá)到甚至超越人類的表現(xiàn)?！?，之后它警告了大量人工崗位的消失。

然而，為了應(yīng)對(duì)這種威脅，政府做出了一個(gè)可能聽(tīng)起來(lái)很荒謬的建議：我們必須加大對(duì)人工智能的投資。美國(guó)生產(chǎn)力和競(jìng)爭(zhēng)優(yōu)勢(shì)的風(fēng)險(xiǎn)實(shí)在太高，以至我們不得不加倍投入。

這個(gè)方法不僅有意義，而且是唯一有意義的方法。擔(dān)憂數(shù)百萬(wàn)的工作職位，像小車或卡車司機(jī)，將會(huì)被自動(dòng)駕駛革新，這是有道理的，但我們也有巨大的需求鴻溝需要機(jī)器學(xué)習(xí)來(lái)幫助填平。我們的醫(yī)療系統(tǒng)是有深度缺陷的，智能終端可以在更多的地方向更廣的人群傳播更實(shí)惠的、支付得起的更高質(zhì)量醫(yī)療服務(wù)。我們的基礎(chǔ)教育設(shè)施還不足以覆蓋以讓學(xué)生準(zhǔn)備好面對(duì)陰然逼近的經(jīng)濟(jì)動(dòng)蕩。在這方面，人工智能系統(tǒng)可以切入到教師力量薄弱的地區(qū)。我們也可能通過(guò)開發(fā)更智能的基礎(chǔ)設(shè)施來(lái)獲得能源獨(dú)立性，就像 Google 子公司 DeepMind 為其母公司的電力使用所做的事一樣（譯注：DeepMind 利用人工智能技術(shù)使得 Google 數(shù)據(jù)中心制冷消耗的電力賬單降低了 40%）。這里面的機(jī)會(huì)實(shí)在大到不能忽視。

更重要的是，我們必須超越這種狹隘的思考方式 —— 受到人工智能威脅的工作崗位。因?yàn)榻裉斓娜斯ぶ悄茴I(lǐng)導(dǎo)者（在 Google 這樣的公司或其他地方）已經(jīng)為一個(gè)更加雄心勃勃的愿景（曾經(jīng)幻想的通用人工智能）奠定了基礎(chǔ)。

要探訪人工智能降臨的前沿陣地，那就去觀察機(jī)器學(xué)習(xí)系統(tǒng)在狹窄的受限領(lǐng)域是如何完敗人類的。今年，最矚目的人工智能與人類的對(duì)決就來(lái)自 Google。三月份，世界級(jí)圍棋選手（李世乭九段）對(duì)決 DeepMind 的 AlphaGo 遭遇屈辱的慘敗。DeepMind 的研究人員還制作了一個(gè)可以針對(duì)視頻讀唇的系統(tǒng)，其精確度相對(duì)人類而言一騎絕塵。幾周前，Google 的計(jì)算機(jī)科學(xué)家和醫(yī)學(xué)研究人員合作推出了一個(gè)算法，該算法可以像眼科醫(yī)生一樣通過(guò)眼睛圖像檢測(cè)發(fā)現(xiàn)糖尿病性視網(wǎng)膜病變。這是許多公司目前正在追逐的目標(biāo) —— 通過(guò)自動(dòng)分析醫(yī)療掃描來(lái)幫助醫(yī)生 —— 的一個(gè)早期步驟。

也是在今年秋天，微軟公布了一個(gè)可以轉(zhuǎn)錄人類語(yǔ)音的系統(tǒng)，相比專業(yè)的速記員它的準(zhǔn)確度高的多。語(yǔ)音識(shí)別是 Cortana（微軟）、Alexa（亞馬遜） 和 Siri（蘋果） 這些語(yǔ)音助手系統(tǒng)的基礎(chǔ)，并且在這項(xiàng)任務(wù)中達(dá)到人類的表現(xiàn)水準(zhǔn)已是數(shù)十年的目標(biāo)。對(duì)于微軟首席語(yǔ)音科學(xué)家黃學(xué)東（XD Huang）來(lái)說(shuō)：“這本身就像一個(gè)夢(mèng)，在三十年后變成了現(xiàn)實(shí)?！?/p>

然而，人工智能在 2016 年碾壓人類的一系列勝利僅僅是個(gè)開始。最新研究表明，我們很快將從這些“狹義”（受限于特定領(lǐng)域，應(yīng)用范圍相對(duì)窄）人工智能轉(zhuǎn)變到“廣義”（更豐富和復(fù)雜的應(yīng)用領(lǐng)域）的人工智能。雖然離一個(gè)真正的通用人工智能至少還有幾十年，但因?yàn)檫@些人工智能系統(tǒng)不斷擴(kuò)張的應(yīng)用領(lǐng)域，社會(huì)仍將見(jiàn)證巨變。這就是為什么白宮（好吧，至少奧巴馬還在位時(shí)）沒(méi)有縮減投入人工智能的預(yù)算。我們正在發(fā)展一種強(qiáng)大的力量來(lái)徹底改變?cè)?jīng)我們創(chuàng)造的一切。

忽略這種趨勢(shì)，而非積極投身其中去理解、塑造和監(jiān)控它，很可能是一個(gè)國(guó)家所能犯的最大錯(cuò)誤。

之前提及的那些成功的人工智能產(chǎn)品選擇的工具都是深度學(xué)習(xí)。人工智能技術(shù)的競(jìng)爭(zhēng)進(jìn)入白熱化，它的特殊性體現(xiàn)了我們?yōu)槭裁刺幵谕ㄓ萌斯ぶ悄艿倪吘墶＃ㄗg注：深度學(xué)習(xí)模擬的是人腦的思維過(guò)程，所以作者才特別提及它和過(guò)去方法相比的特殊性）

雖然我們已經(jīng)能夠訓(xùn)練人工智能來(lái)完成任務(wù)數(shù)十年了，但是專家們不得不煞費(fèi)苦心的為每一個(gè)應(yīng)用手工打造許多定制組件。例如，在讓人工智能識(shí)別圖像中的物體這件事上，人類耗費(fèi)了數(shù)年的工作積累，但在面對(duì)解析轉(zhuǎn)錄聲音的問(wèn)題時(shí)這些積累卻毫無(wú)用處。換句話說(shuō)，我們不得不預(yù)先咀嚼喂給人工智能的食物，一次，又一次，再一次。（譯注：形象的形容過(guò)去訓(xùn)練人工智能的工作過(guò)程）

過(guò)去四年的教訓(xùn)是，這類枯燥乏味的“預(yù)咀嚼”過(guò)程，從目前來(lái)看在很大程度上是不相關(guān)的。取而代之的是，本質(zhì)上存在一個(gè)算法（包含很多微變量）可以直接從你喂給它的任意大小數(shù)據(jù)集開始，通過(guò)調(diào)整自身的結(jié)構(gòu)來(lái)解決問(wèn)題。結(jié)果帶來(lái)的不僅是表現(xiàn)更好的系統(tǒng)，而且能更快的進(jìn)行實(shí)驗(yàn)?！霸S許多多曾經(jīng)讓我們竭盡全力但卻困頓不前的問(wèn)題，如今，六個(gè)月內(nèi)將迎刃而解?！?Google 副總裁與工程師 Fernando Pereira 如是說(shuō)。

然而，與人類相仿的語(yǔ)音識(shí)別，唇讀和圖像標(biāo)記質(zhì)量一樣令人印象深刻，深度學(xué)習(xí)是否是偉大而全能的人工智能的基石，這在目前并非顯而易見(jiàn)。它稍微有點(diǎn)像你的孩子帶回家的成績(jī)單，其中涉及了像英語(yǔ)（母語(yǔ)課）、織襪子（手工課）、閃避球（體育課）和計(jì)算三角斜邊（數(shù)學(xué)）的各類科目。你可能想知道這個(gè)聰明的孩子是否能夠在這些領(lǐng)域之間建立聯(lián)系，并成為一個(gè)批判性的思想家嗎？那么，深度學(xué)習(xí)確定走在能夠挑戰(zhàn)真正人類智能的道路上嗎？（譯注：作者這段把人工智能比作小孩，其應(yīng)用的各種領(lǐng)域就像孩子上學(xué)的各個(gè)科目）

OpenAI 聯(lián)合創(chuàng)始人兼研究主管 Ilya Sutskever 說(shuō)：“我們目前所見(jiàn)的人工智能系統(tǒng)，之所以應(yīng)用在非常窄的領(lǐng)域，是因?yàn)樗鼈兎浅Ｓ杏?。良好的翻譯是非常有用的，良好的癌癥篩查是非常有用的，這正是人們所追求的?！?/p>

但他補(bǔ)充說(shuō)道：“盡管今天的人工智能系統(tǒng)看起來(lái)應(yīng)用領(lǐng)域狹窄，但我們已經(jīng)開始看到了通用智能的種子。原因是底層技術(shù)本質(zhì)上是同一概念在不同應(yīng)用領(lǐng)域上略有差異的反復(fù)重演。這些想法就像粘土一樣可揉捏組合，你只需去混合和搭配它們就能工作起來(lái)?！?/p>

通過(guò)揉捏組合今天這些狹窄領(lǐng)域的系統(tǒng)，我們將會(huì)登陸更寬廣的明天 —— 一種更明顯的智能。

一個(gè)早期的誘人例子，更高級(jí)的智能看起來(lái)可能最終會(huì)出自 Google 的翻譯研究。九月 Google 宣稱，通過(guò)使用其神經(jīng)機(jī)器翻譯系統(tǒng)（GNMT：Google Neural Machine Translation，后文將使用這個(gè)英文簡(jiǎn)寫），翻譯的效果取得了巨大提升。Google 的 Pereira 稱：“翻譯質(zhì)量獲得了飛躍，我從未想過(guò)會(huì)在此生的工作中得以見(jiàn)到?！保ㄗg注：Pereira 就是前文提及的 Google 副總裁，另外，至少目前在中文翻譯上貌似也還是不行，要不我也不用這么辛苦的手打翻譯了，嘿嘿:-)）

他補(bǔ)充道：“曾經(jīng)我們一直在穩(wěn)步的前進(jìn)，但現(xiàn)在這不再是穩(wěn)步前進(jìn)，而是突飛猛進(jìn)。”。

新的翻譯系統(tǒng)在從一門語(yǔ)言到另一門語(yǔ)言之間逐步鋪開，一些「谷歌人」決定更進(jìn)一步。他們想知道是否可以構(gòu)建一個(gè)單一的翻譯系統(tǒng)來(lái)同時(shí)應(yīng)對(duì)許多語(yǔ)言，并潛在的展現(xiàn)出人類智能的標(biāo)志性能力 —— 轉(zhuǎn)移學(xué)習(xí)。轉(zhuǎn)移學(xué)習(xí)是一種應(yīng)用一種技能（比如，彈鋼琴）來(lái)加速習(xí)得另一種技能（比如，指導(dǎo)學(xué)習(xí)管弦樂(lè)或另一種樂(lè)器）的能力。

通曉音樂(lè)基礎(chǔ)可以幫助一個(gè)鋼琴家彈起尤克里里琴（一種四弦琴），這似乎是顯然的，但對(duì)于語(yǔ)言的翻譯而言卻并非如此。在 GNMT（Google 神經(jīng)機(jī)器翻譯系統(tǒng)）中，一種深度學(xué)習(xí)系統(tǒng)必須吸收數(shù)百萬(wàn)從德語(yǔ)到英語(yǔ)的翻譯，教會(huì)自己如何吃進(jìn) “der rote Hund”（這句是德語(yǔ)）并吐出「紅狗」。一個(gè)孤立的系統(tǒng)獨(dú)立學(xué)習(xí)如何在另一個(gè)方向上翻譯，如從英語(yǔ)到德語(yǔ)。同樣，從法語(yǔ)到英語(yǔ)，英語(yǔ)到法語(yǔ)，韓語(yǔ)到日語(yǔ)等等，每對(duì)語(yǔ)言都使用自己的獨(dú)立系統(tǒng)，這就像翻譯行為每次都被重新發(fā)明一樣。為了支持 100 種語(yǔ)言之間的翻譯，你最終可能得訓(xùn)練近 10,000 個(gè)獨(dú)立的系統(tǒng)。這很費(fèi)時(shí)。

這些研究人員想知道是否他們可以針對(duì)多語(yǔ)言構(gòu)建一個(gè)單一的模型，相對(duì)那些孤立的一次性系統(tǒng)保留自己的模型。首先，這樣可能更有效率。而且把所有這些語(yǔ)言和詞匯放在一個(gè)單一架構(gòu)的內(nèi)部相互碰撞，也許一些更有趣的事便會(huì)發(fā)生。

他們從小處著手，用一個(gè)神經(jīng)網(wǎng)絡(luò)訓(xùn)練葡萄牙語(yǔ)和英語(yǔ)，以及英語(yǔ)和西班牙語(yǔ)。到目前為止還不錯(cuò)，這個(gè)單一的多語(yǔ)言系統(tǒng)做得很好，幾乎和最先進(jìn)的基于 GNMT 特定語(yǔ)言模型（從英語(yǔ)到西班牙或葡萄牙語(yǔ)）的翻譯系統(tǒng)一樣好。然后他們想知道，這個(gè)算法是否也可以用在西班牙和葡萄牙語(yǔ)之間的翻譯？—— 即使它從未學(xué)習(xí)過(guò)任何一例從葡萄牙到西班牙語(yǔ)的翻譯。

正如他們?cè)谑辉路輬?bào)道的，他們得到的結(jié)果是“符合預(yù)期且不錯(cuò)的質(zhì)量” —— 還未到驚人的完美，但是對(duì)一個(gè)新手來(lái)說(shuō)已不錯(cuò)了。然而當(dāng)他們給機(jī)器喂了一小組從葡萄牙到西班牙語(yǔ)的句子對(duì) —— 一些數(shù)據(jù)開胃菜，系統(tǒng)突然就表現(xiàn)的和基于葡萄牙到西班牙特定語(yǔ)言模型的 GNMT 一樣好了。而且它也適用于其他語(yǔ)言包。正如 Google 的作者們?cè)谡撐闹兴鶎懙赖模骸斑@是我們第一次認(rèn)識(shí)到，真正的轉(zhuǎn)移學(xué)習(xí)的一種形式體現(xiàn)在了機(jī)器翻譯的工作中?！?/p>

我們很容易忽略這里面的不同尋常之處。這個(gè)神經(jīng)網(wǎng)絡(luò)教會(huì)了自己使用間接信息這種非常原始的（相對(duì)人類）新技能。它幾乎沒(méi)有學(xué)習(xí)過(guò)從葡萄牙到西班牙語(yǔ)的翻譯，然而現(xiàn)在它處理起這項(xiàng)工作時(shí)卻非常得心應(yīng)手。在系統(tǒng)深處的某些地方，系統(tǒng)作者似乎看到了一些詞匯共同本質(zhì)的跡象，這可是意義的要領(lǐng)所在。

Google 的 Pereira 這樣解釋道：“這個(gè)模型有一個(gè)共同層，用于從任意一門語(yǔ)言翻譯到任意另一門語(yǔ)言。這個(gè)共同層代表了許多文本的含義，獨(dú)立于語(yǔ)言，這可是我們從來(lái)沒(méi)有見(jiàn)過(guò)的東西?！?。

當(dāng)然，目前這個(gè)算法的推理能力還非常有限。它不知道企鵝是一種鳥，或者巴黎是在法國(guó)。但是它體現(xiàn)了一個(gè)即將到來(lái)的跡象：基于一套不完整的例子可以使認(rèn)知產(chǎn)生飛躍的新興智能。如果今天深度學(xué)習(xí)在你所在乎的某項(xiàng)技能上還沒(méi)能擊敗你，別慌，等等，它終究會(huì)的。

訓(xùn)練一個(gè)系統(tǒng)來(lái)做許多事正是開發(fā)一個(gè)通用智能所需的，并且積極促進(jìn)這個(gè)過(guò)程正是如今人工智能的熱心擁躉們的核心關(guān)注點(diǎn)。本月早些時(shí)候 OpenAI，Elon Musk（都認(rèn)識(shí)吧，硅谷鋼鐵俠，特斯拉 CEO） 和 Sam Altman（Y Combinator 新任總裁）創(chuàng)造的研究聯(lián)盟，發(fā)布了「宇宙」（Universe）—— 這是一個(gè)訓(xùn)練系統(tǒng)環(huán)境，它不僅僅完成單一任務(wù)，而是在不同活動(dòng)之間跳躍轉(zhuǎn)變，以讓系統(tǒng)變得適應(yīng)多樣化的任務(wù)活動(dòng)。

正如 OpenAI 的另一位聯(lián)合創(chuàng)始人 Sustkever 所說(shuō)：“如果你期待看到我們所指的真正意義上的「智能」，它絕不僅僅解決一個(gè)問(wèn)題，而是解決大量的問(wèn)題。但是對(duì)于一個(gè)通用終端，到底什么才算是好且智能的？這些還不是那么完全明確的問(wèn)題?！?/p>

所以他和他的團(tuán)隊(duì)設(shè)計(jì)了「宇宙」這個(gè)系統(tǒng)來(lái)幫助其他人，將其作為度量通用人工智能終端解決問(wèn)題能力的一種方式。系統(tǒng)里包含了上千的雅達(dá)利，F(xiàn)lash 游戲和瀏覽器任務(wù)。如果你正在構(gòu)建的人工智能想要在「宇宙」的訓(xùn)練場(chǎng)中輸入任何東西，它會(huì)配備和人類操縱計(jì)算機(jī)同樣的工具：一個(gè)觀察動(dòng)作的屏幕，以及一組虛擬鍵盤和鼠標(biāo)。

它的目的是讓人工智能在一個(gè)「宇宙」環(huán)境 —— 例如，游戲《銀河飛將3》（Wing Commander III）—— 中漫游學(xué)習(xí)，然后快速應(yīng)用習(xí)得的經(jīng)驗(yàn)加速在另一個(gè)環(huán)境 —— 例如，另一個(gè)游戲《粘粘世界》（World of Goo）或者一些不同類型的東西，如 Wolfram Mathematica（Wolfram 公司的一個(gè)現(xiàn)代技術(shù)計(jì)算系統(tǒng)） —— 的學(xué)習(xí)。一個(gè)成功的人工智能終端將會(huì)展示一些轉(zhuǎn)移學(xué)習(xí)能力，并具有一定程度的敏捷性和推理能力。

這個(gè)方法并非沒(méi)有先例。在 2013 年，DeepMind 公司透露了一個(gè)他們自己發(fā)現(xiàn)的單一深度學(xué)習(xí)算法，從七個(gè)雅達(dá)利游戲中挑了六個(gè)來(lái)進(jìn)行“如何玩”的測(cè)試。在其中三個(gè)游戲里 —— Breakout（小時(shí)候玩過(guò)的打磚塊游戲），Enduro（一個(gè)賽車游戲）和 Pong（乒乓游戲）—— 該算法的表現(xiàn)超越了人類專家級(jí)玩家。而「宇宙」系統(tǒng)正是 DeepMind 成功案例的一個(gè)升級(jí)版本。

隨著「宇宙」的成長(zhǎng)，人工智能受訓(xùn)者們可以開始學(xué)習(xí)無(wú)數(shù)有用的計(jì)算機(jī)相關(guān)技能。畢竟，它本質(zhì)上是進(jìn)入現(xiàn)代桌面電子處理工作世界的門戶?！赣钪妗弓h(huán)境的多樣性甚至給了人工智能終端見(jiàn)識(shí)一些更廣闊知識(shí)天地的可能，而在其他地方是很難收獲這些知識(shí)的。

從 Flash 和雅達(dá)利游戲的冠軍到提升醫(yī)療服務(wù)質(zhì)量的智能終端，這是一個(gè)鴻溝，但這是因?yàn)槲覀兊娜斯ぶ悄芟到y(tǒng)還在幼兒園階段。過(guò)去許多年，人工智能從未取得像今天這樣的進(jìn)步。現(xiàn)在它正走在通往一年級(jí)、中學(xué)以及最終的高級(jí)學(xué)位的道路上。

是的，結(jié)果依然不確定。是的，這讓我們害怕。但是如今我們有一個(gè)選擇。我們可以嘗試關(guān)閉這個(gè)我們既不能完全控制也不能預(yù)測(cè)的陰暗未來(lái)，并且冒著技術(shù)自發(fā)滲透和覺(jué)醒的風(fēng)險(xiǎn)，并引發(fā)大規(guī)模的替代潮?；蛘呶覀兛梢試L試積極的引導(dǎo)它走向社會(huì)效益的最大化，并鼓勵(lì)促成我們想要看見(jiàn)的未來(lái)。

在這一點(diǎn)上我站在白宮這邊。一個(gè)深度學(xué)習(xí)推動(dòng)的世界即將來(lái)臨，我們也許可以趕緊跳進(jìn)去。

...

人工智能接管的世界即將來(lái)臨，讓我們擁抱它吧。

作者：Sandra Upson
日期：2016-12-22
原文：The AI Takeover Is Coming. Let’s Embrace It.

寫點(diǎn)文字，畫點(diǎn)畫兒，記錄成長(zhǎng)瞬間。
微信公眾號(hào)「瞬息之間」，既然遇見(jiàn)，不如一起成長(zhǎng)。