当前位置:首页 > 企业新闻 > 正文
Rodney Brooks: 我们需要更理性看待人工智能技术
发布时间:2017-12-27     作者:www.planteng.cn
摘要:Rethink Robotics创始人Rodney Brooks指出我们现在被人工智能和机器人技术的话题包围,热议机器人发展将有多快、多强大。但是错误的推断、有限的想象力和其它常见的谬误,

  Rethink Robotics创始人Rodney Brooks指出我们现在被人工智能和机器人技术的话题包围,热议机器人发展将有多快、多强大。但是错误的推断、有限的想象力和其它常见的谬误,使我们无法真正地、更有效地思考未来。
  错误的推测会导致人们对那些不会发生的事情产生恐惧,比如机器人会造成大规模的失业,甚至是机器人会反抗人类等等。我们需要更理性看待这些技术,避免错误的预测。我们需要反思一下为什么会出现这些错误的推测。Rethink Robotics的联合创始人、主席兼首席技术官Rodney Brooks概括了主要的七点:


  1. 高估和低估
  Roy Amara是美国未来研究所(Institute for the Future)的联合创始人。他提出了一条著名的法则,被称为「阿马拉定律」:人们总是高估一项科技所带来的短期效益,却又低估它的长期影响
  这法则虽短但包含的信息很多。 乐观主义者和悲观主义者的解读可迥然不同。
  美国的全球定位系统(GPS)的发展就是展示「阿马拉定律」两个方面的绝佳例证。从1978年开始,24颗卫星(现在包括备件有31颗)被陆续放置在轨道上。全球定位系统的目标是让美国军方提供精确的弹药补给。但这项计划在20世纪80年代数次险些就被搁置了。到1991年海湾战争的沙漠风暴军事行动才算真正被启用。之后经过多次成功应用,GPS才被美国军方所接受。
  如今,全球定位系统的用途是当初人们无法想象的,这符合Roy Amara所说的长期影响。 当我外出跑步时,我的智能手表通过全球定位系统能准确地记录我的位置,可以精确地分辨出我沿街跑步的痕迹。 但对于早期的全球定位系统工程师来说,现在接收器的大小和价格令人有些难以理解。我们所有的飞机(无论大小)都使用它来导航;它还可以被用来追踪那些假释出狱的人,又或者通过追踪车队的卡车以及记录司机的表现。
  全球定位系统始于一个目标,但让它发挥除了最初预期之外的作用,这是一个艰辛的过程。但现在,GPS几乎渗透到我们生活的许多方面。
  在过去的30年里,我们看到其它技术的发展也呈现出相类似的模式。我们先是对其予以重望,接着逐渐陷入失望,但是最后又对其取得超出最初预期的效果慢慢产生信心。在计算、基因组测序、太阳能、风能、甚至家庭送货等技术发展历程都是这样。
  在二十世纪六十年代和八十年代,人工智能的短期影响一再被高估了,现在亦是如是,但我坚信,它的长期发展前景可能被低估了。
  2. 想象力的魔力
  当一位德高望重、年长的科学家称某件事情是有可能发生的,那他可能是对的;但是,如果他说有什么事情是不可能发生的,那他非常有可能是错的。
  任何足够先进的技术最初看起来都与魔法无异。
  我和别人讨论人类是否需要恐惧强人工智能(AGI)的时候经常遇到这个问题。他们经常说Rodney Brooks还没有看到AGI将有多么强大。但是这并不是一场辩论。我们甚至连AGI是否真正存在都不确定。我希望AGI是存在的,这也是这么多年来我在机器人、AI行业工作的动力。但是事实上,目前AGI研究进展得一点都不顺利。这些研究似乎在推理和常识方面都遇到了同样的阻滞,而这些问题在至少50年前就已经存在于AI领域了。所有证据都表明我们对如何去建立人工智能还没有具体的想法。AGI的属性是完全未知的,因此大家会觉得它很有魔力、很强大,并且是没有限制的。
  然而,宇宙中,没有什么是无限制的。
  关于未来技术的争论是不可思议的,这些论点不会被驳倒。但是要注意,很多情况下,这些争论更多的是基于信仰的争论,而不是基于科学的论证。


  3. 表现 Vs 能力
  现在设想一下,如果有人给我们看一张在公园玩飞盘的照片。我们会自然觉得这个人能回答一系列关于飞盘有关的问题,比如飞盘是什么形状的?一个人大概能扔多远?一次大约有多少人一起玩飞盘?今天的天气适合玩飞盘吗?
  和上述的场景一样,那些能给图片贴上“人们在公园里玩飞盘”标签的计算机本身,是不会回答这些问题的。它们不知道什么是人,不知道公园通常都是在室外的,不知道人有年纪,天气对它们来说可能只是一张图像等等。这并不意味着这些系统毫无用处。作为搜索引擎而言,它们的作用是很有价值的。
  但这就是问题所在:人们听说某些机器人或者人工智能系统已经完成了某些任务,就笼统地认为执行相同任务的机器/系统也应该具备相同的能力,然后将它们都归纳为机器人或者人工智能系统。
  4. Suitcase Words
  Suitcase Words 是指一词多义。比如“学习”这个词,可以指各个不同领域的学习。但这当中的体验和过程一定有很大的不同。当人们知道机器学习在某些新领域取得了很大的进步,就很容易将这个过程理解成是人类学习新技能的思维模式。但机器学习和人类学习大相径庭。机器学习是非常复杂的,它需要研究人员或工程师进行大量的准备工作,包括专用的编码,特定的培训数据以及各个领域的定制的学习结构等。今天的机器学习并不是像人类一样海绵般吸水式地学习,它们无法在没有专门设计或定制的情况下就能在一个新的领域取得快速进展。
  5. 指数依据
  有些人正陷入“指数主义”的窘境中。他们认为这些辩证时用的指数是会持续增长的。
  由于深度学习取得成功,促使人工智能系统在性能上有突飞猛进的提升。许多人就会认为这意味着人工智能性能将在这个指数基础上以倍数增长。但事实上,这并没有规律可言。
  6. 好莱坞式场景
  许多人工智能研究人员或者专家,特别是那些沉迷于预言机器人会失控,甚至杀害人类的悲观主义者,都存在同样的想象挑战。他们忽略了这样的一个事实:如果我们最终能够制造如此智能化的设备,那么到时世界将发生翻天覆地的变化,我们不会突然对这些超级智能的存在而感到惊讶。
  随着时间的推移,我们的世界会涌现很多其它的智能体,他们将会不断进化,而我们将拥有与这些智能体相处和共存的丰富经验。早在一些邪恶的超智能体出现并想要摆脱人类控制之前,总会有一些没那么智能、没那么好战的机器。也就是说,在邪恶智能体之前,将会首先出现脾气暴躁,或者很烦人,又或者很傲慢,令人不悦的机器。我们将在这个过程中逐步改变世界,同时调整新技术和调整新技术本身所处的环境。这并不是说人类不会遇到挑战,而是并不会像很多人想象的那样,遭遇到出其不意的、突然的变化。


  7. 部署速度
  在某些行业,新软件版本发布更新非常频繁。比如Facebook等平台几乎时刻都有新功能添加。很多新性能只要通过了集成测试,哪怕在部署之后出现问题需要撤回,经济成本是很低的。
  然而部署新硬件的边际成本则要高很多。很多人工智能研究人员和权威人士认为,这个世界已经进入数字化了,简单地引入新的人工智能系统可以很轻松、快速地在供应链、工厂车间以及产品设计上产生变化。事实并非如此。到目前为止,几乎所有机器人和人工智能领域所取得的创新,都是经过很长时间去实践才能被广泛应用的。