AI大比拼，到底哪家強？

肖虎

人工智能時代的到來最大的益處在于，各種人工智能將幫助我們定義人性。我們需要人工智能告訴我們——我們是誰？

AI（人工智能），早已在我們的生活之中，只是你沒意識到而已。而在接下來的幾十，不，應該說十幾年里，你必須對它抱以足夠的重視——它可能會搶了絕大多數(shù)人的飯碗！

這絕不是危言聳聽，會思考，會計算，會7*24小時不間斷工作并且毫無怨言，你根本找不到它的缺點——除了離不了電和網。目前為止，人工智能商業(yè)化的主要方向包含以下幾個方面的內容：自然語言處理（包括語音和語義識別、自動翻譯）、計算機視覺（圖像識別）、知識表示、機器與機器人學等。下面我們就來看看它們到底都走到哪一步了？

語音助手：增加理解力

Siri無疑是其中的佼佼者。它能聽懂我們的口頭命令，幫我們在網上搜索，幫我們在列表中找到聯(lián)系人。但它的原理很簡單：通過聲音識別技術，將聲音轉化成語言的基本元素，比如元音、輔音、單詞，然后和系統(tǒng)中內置的特殊命令比較。如果對比出來的是一個實際問題，那就執(zhí)行相應的指令;如果對應上了一個空泛的問題，就從相對的段子庫里挑個段子出來。

所以它的問題也就一目了然：要是你命令它去做系統(tǒng)中沒有的命令，它就傻眼了。Siri雖然是AI，但它是一個非常局限的AI：只能解決預先寫好的問題。

不過在去年10月，蘋果收購了一家人工智能企業(yè)——英國語音技術初創(chuàng)公司VocalIQ，用于幫助計算機與用戶進行更為自然的對話，以此來改進Siri的智能化。

微軟在一次活動上公開演示了一個全自動的同聲傳譯系統(tǒng)，講演者用英文演講，后臺的計算機一氣呵成自動完成語音識別、英中機器翻譯和中文語音合成，效果非常流暢。（細思極恐，一大幫同聲翻譯是不是要失業(yè)了？我們還有必要花大量時間和精力去學習外語嗎？）

自動駕駛：邁出新步子

的原理其實很簡單，就是利用大量傳感器替代人的眼睛，利用電控部件替代人的手腳，利用智能AI系統(tǒng)替代人的大腦。

汽車自動駕駛技術包括視頻攝像頭、雷達傳感器以及激光測距器來了解周圍的交通狀況，并通過一個詳盡的地圖（通過有人駕駛汽車采集的地圖）對前方的道路進行導航。

車輛頂部安裝了加速度傳感器以探測車輛行駛時加速度以及轉向變化，安裝在車頂部的GPS天線可以在汽車啟動前檢測出車輛角度以及方位。這一切都通過谷歌的數(shù)據中心來實現(xiàn)，谷歌的數(shù)據中心能處理汽車收集的有關周圍地形的大量信息。就這點而言，自動駕駛汽車相當于谷歌數(shù)據中心的遙控汽車或者智能汽車。

早在2005年左右，Google X實驗室就開始了谷歌無人汽車計劃（Google Driverless Car Project），2009年開始上路，目前約有23輛車分9種模型在測試。谷歌去年11月曾聲稱，無人駕駛項目啟動6年來，測試車輛以自動和手動駕駛方式累計行駛320萬公里，遭遇18起輕微車禍，均非測試車輛引起，而2016年2月份，谷歌旗下的一輛自動駕駛車在美國和一輛巴士發(fā)生輕微碰撞。谷歌首次承認自動駕駛車在事故中負有“一定的責任”，而他們意識到的過錯則是自動駕駛也敵不過不遵守法規(guī)的“人”。谷歌對軟件進行了優(yōu)化升級，并給自動駕駛車“灌輸”了一種理念：與其他類型的車輛相比，公交車和其他大車不太可能實施避讓。他們希望未來自動駕駛車能夠更妥善地應對類似的狀況。

另一個天才少年George Hotz也于2015年研發(fā)出了自己的無人駕駛操作系統(tǒng)。他覺得最值得說道的就是“我們弄明白了使用深度學習的方法解決駕駛問題的方法”。

一般的無人駕駛汽車有成千上萬行代碼，Hotz 的軟件只有 2000 行代碼。他說平時的做法一般是使用手動編寫代碼規(guī)則來處理特殊情況。有很多讓汽車跟著前面的汽車走，也有很多代碼可以處理路上突然跳出一只鹿的特殊情況。Hotz 的汽車沒有設定這樣的規(guī)則。汽車可以學習到駕駛者在很多種情況下的處理方法，然后嘗試進行模仿，然后使自己的行為完美。

具體說來就是他開著汽車跑了兩個半小時，讓電腦觀察他是如何開車的?；氐杰噹煲院?，他下載數(shù)據，運行算法分析他在不同的情況下是如何處理的。汽車學習到他喜歡在兩條車道之間行駛，并且與前面的車保持一定的安全距離。一旦分析完畢，軟件就可以預測汽車的安全路徑了。

它的系統(tǒng)比一系列的代碼規(guī)則更加智能。它教會計算機像人類一樣不斷地處理各種視覺線索，并用于實踐中處理始料未及的事情，而不是只教它呆板地按照規(guī)則處理情況。

17 歲成為世界上首個完全解鎖 iPhone 手機的人， 20歲成為首次破解索尼 PS3 的核心防御系統(tǒng)的世界第一人，Hotz在自家車庫搗鼓出來的無人駕駛汽車再次讓世人震驚。

Hotz認為交通行業(yè)是 AI 能夠產生重大影響的一個領域。他希望這項技術能夠最終走向零售，創(chuàng)建一個提供完美自動化的系統(tǒng)。他渴望讓 AI 替代很多工作崗位。下次出租車司機要反對的將不是UBER，而是無人駕駛的汽車。幸好這一局面不會很快到來——Hotz設計的無人駕駛汽車還只是針對高速公路，而不是針對混亂的城市道路。

但從學習能力上講，無人駕駛汽車攻克復雜混亂的城市道路恐怕也是遲早的事情吧。自動跟車系統(tǒng)、預先剎車系統(tǒng)、車道偏離系統(tǒng)、輔助泊車系統(tǒng)等由無人駕駛技術發(fā)展出來的各種安全輔助設置已經在你的愛車里了，不是嗎？

IBM Watson：智能醫(yī)療

2011年IBM Watson在美國的真人答題節(jié)目Jeopardy！上擊敗了人類選手，它的技術理念更像AlphaGo。Watson的決策由四個步驟組成：首先是觀察，從環(huán)境中收集數(shù)據，然后對數(shù)據做出假設，再然后是評估這些假設，最后是做出決定。不過也有些和AlphaGo不同的地方，首先它被設計成一個問答機器，其次訓練Watson的時候需要人類專家的參與——比如關于癌癥的問題，需要科學家們在海量的書籍論文中剔除過時的信息、錯誤的信息，把整理出的資料喂給機器。但至少，它能處理許多領域的能力，讓它比它的同行們具有強得多的擴展可能：現(xiàn)在Watson已經被用于醫(yī)療領域了。

2015年5月，IBM 在美國和加拿大的 14 家腫瘤中心部署了沃森 （Watson） 計算機系統(tǒng)，根據患者的腫瘤基因選擇適當?shù)闹委煼桨?。隨后又與在線心理治療初創(chuàng)公司 Talkspace 牽手，通過機器學習在線心理治療生成的心理醫(yī)生匹配數(shù)據，結合自然語言處理和用戶個性分析技術，輔助用戶決策，并幫助醫(yī)生給出最佳治療方案。

8月6日，IBM又宣布以10億美元的價格收購醫(yī)療影像公司Merge Healthcare公司，這樣，Watson不僅可以讀懂這些醫(yī)療圖像，還可以根據巨大的電子病歷數(shù)據庫進行分析診斷。毫無疑問，Watson對醫(yī)療行業(yè)又進行了一次顛覆——醫(yī)生還有飯可吃嗎？

AlphaGo：深度學習

在說到AlphaGo之前，一定不能回避它的前輩——深藍。這位戰(zhàn)勝了當時的國際象棋世界冠軍卡斯帕羅夫的機器，只會做一件事情——下國際象棋。

從1997年到2016年的二十年間，AI獲得長足發(fā)展。深度學習技術，使得非常大的數(shù)據量和計算量可以擴張地使用，這就讓AI的學習力和適應力遠遠超越了我們的想象。

難怪新一代的中國圍棋領軍人物、曾8次擊敗韓國棋手李世石的柯潔明確表示不愿意和谷歌AlphaGo一決高下，因為 “我不想讓AlphaGo拷貝我的比賽思路”。雖然他自信滿滿地表示，“AlphaGo的實力一定是弱于我的。”但我堅信李世石輸了比賽，柯潔上場也只能是輸！

早在2012年6月，《紐約時報》就披露了Google Brain項目，就吸引了公眾對于“深度學習”的廣泛關注。這個項目是由著名的斯坦福大學的機器學習教授Andrew Ng和在大規(guī)模計算機系統(tǒng)方面的世界頂尖專家Jeff Dean共同主導，用1.6萬個CPU Core的并行計算平臺訓練一種稱為“深度神經網絡”（DNN，Deep Neural Networks）的機器學習模型，在語音識別和圖像識別等領域獲得了巨大的成功。（內部共有10億個節(jié)點。這一網絡自然是不能跟人類的神經網絡相提并論的。要知道，人腦中可是有150多億個神經元，互相連接的節(jié)點也就是突觸數(shù)更是如恒河沙數(shù)。曾經有人估算過，如果將一個人的大腦中所有神經細胞的軸突和樹突依次連接起來，并拉成一根直線，可從地球連到月亮，再從月亮返回地球）。

項目負責人之一Andrew稱：“我們沒有像通常做的那樣自己框定邊界，而是直接把海量數(shù)據投放到算法中，讓數(shù)據自己說話，系統(tǒng)會自動從數(shù)據中學習。”另外一名負責人Jeff則說：“我們在訓練的時候從來不會告訴機器說：‘這是一只貓。系統(tǒng)其實是自己發(fā)明或者領悟了‘貓的概念?！?/p>

而在搜狗CEO王小川看來，除了圍棋，人工智能在其他博弈類的封閉游戲里，也會橫掃一切，完勝人類?！皬墓_的文獻可以看到，DeepMind做圍棋研發(fā)是基于通用的技術進行，這樣的技術未來可以用到合適的其他領域里去?！?/p>

深度學習的魅力在于，只要一個領域里能夠建模，能夠有充足的數(shù)據，就能夠在這個領域里做到超越人、取代人，短時間能從0分做到99分。如果我們依然是老觀念，用漸進的方式來理解機器智能，比如之前某位大佬宣傳他家的××大腦做到了×歲的智力，這是很誤（che）導（dan）的。

王小川同時認為擔心人工智能對人類有威脅還不到時候，關鍵要看機器是否有意識。

人工智能現(xiàn)在還不能完成自我的進化，現(xiàn)在深度學習的方法只是對已知的數(shù)據去重復，泛化它，其實解決的還是已經有的問題。只是可能做得更好，但不能創(chuàng)造新的問題，它還沒有創(chuàng)造力。

李開復也認為，雖然機器在邏輯分析推算方面，能力會遠超人類，但是依然是屬于人類操控的工具。AlphaGo這類的“人工智能”機器真正可能帶來的危機，不是奴役人類，而是讓人類喪失斗志，無所事事。

AlphaGo能自我學習，經過專家的調節(jié)，它能在任何在可以純憑邏輯分析推算的問題上，把人類遠遠低拋在后面。

基于深度學習的人工智能將帶來什么改變呢？我們將看到無數(shù)的商機和產品，能夠解決問題、拯救生命、產生巨大的商業(yè)和用戶價值。

這些技術可能輔助專家，也可能取代專家。非專家的工作者很多將會面臨失業(yè)。未來十年，大部分今天的人類工作可被機器取代。

人類最應該擔心的是：一旦當機器供養(yǎng)著人類，人類達到了馬斯洛需求的基本需求，人類真的還會有動力去追求更宏偉的目標，自我實現(xiàn)？還是醉生夢死、無所事事？

《連線》雜志創(chuàng)始主編、《失控》作者凱文·凱利（KevinKelly）不僅絲毫不擔心人工智能會對人類產生威脅，反而沉浸于智能技術所蘊含的無窮想象之中，并為此興奮不已。

凱文·凱利在其新書《必然》中說，在一個聯(lián)系超密集的世界中，不一樣的思維是創(chuàng)新和財富的來源。僅僅聰明是不夠的。商業(yè)動機會讓與工業(yè)力量相關的人工智能無處不在，它們廉價而聰明，會被植入到所有我們制造的東西里。當我們開始發(fā)明新的智能種類和新的思維方式時，將獲得更大的回報。

“人工智能時代的到來最大的益處在于，各種人工智能將幫助我們定義人性。我們需要人工智能告訴我們——我們是誰？”