首頁熱門文章
深度學(xué)習(xí)驅(qū)動(dòng) 人工智能發(fā)展
發(fā)布時(shí)間：2019-03-11 分類：趨勢(shì)研究
|
|||
|
如果說一般人對(duì)于人工智能這一“物種”有什么深刻記憶的話，大概有兩件事。一件是1997年，IBM的“深藍(lán)”戰(zhàn)勝了國際象棋大師卡斯帕羅夫。另一件是2016年3月，谷歌的AlphaGo與圍棋世界冠軍李世石進(jìn)行人機(jī)大戰(zhàn)，結(jié)果以4比1的總比分獲勝。之前，很多人曾認(rèn)為計(jì)算機(jī)并不能掌握圍棋的復(fù)雜規(guī)則。 次年5月，在中國烏鎮(zhèn)圍棋峰會(huì)上，AlphaGo的升級(jí)版AlphaGoZero與排名世界第一的世界圍棋冠軍柯潔對(duì)戰(zhàn)，以3比0的總比分完勝。 令人震驚的是，AlphaGoZero一開始就沒有接觸過人類棋譜。它使用了新的強(qiáng)化學(xué)習(xí)方法，只是從單一神經(jīng)網(wǎng)絡(luò)開始，通過神經(jīng)網(wǎng)絡(luò)強(qiáng)大的搜索算法，進(jìn)行自我對(duì)弈訓(xùn)練。隨著自我對(duì)弈的增加，神經(jīng)網(wǎng)絡(luò)逐漸調(diào)整，提升預(yù)測(cè)下一步的能力，最終成為具備超強(qiáng)棋力的“選手”。 更為厲害的是，隨著訓(xùn)練的深入，阿爾法圍棋團(tuán)隊(duì)發(fā)現(xiàn)，AlphaGoZero還獨(dú)立發(fā)現(xiàn)了游戲規(guī)則，并走出了新策略，為圍棋這項(xiàng)古老游戲帶來了新的見解。 曾經(jīng)，人工智能在人們心目中的形象大多停留在《星球大戰(zhàn)》等科幻片中，但AlphaGo的面世，讓人們真正意識(shí)到，人工智能真的來了。 但是，人工智能究竟是如何走到現(xiàn)在的，它進(jìn)化的路線究竟是什么樣，同時(shí)它將走向什么方向？很多人可能并不了解。 特倫斯·謝諾夫斯基作為深度學(xué)習(xí)領(lǐng)域的先驅(qū)及奠基者，來回答這一問題，是最合適不過了。他所寫的《深度學(xué)習(xí)》一書，可以看作是人工智能的發(fā)展簡史。 這不是一本講技術(shù)的書，而是一本故事書，它不是寫給程序員看的，而是寫給大眾看的。 著名作家尤瓦爾·赫拉利在《今日簡史》中寫道，人們普遍認(rèn)為，機(jī)器學(xué)習(xí)將改變幾乎所有的工作，從制作酸奶到教授瑜伽都無法幸免。我們有充分的理由相信這次情況不同，機(jī)器將會(huì)真正讓整個(gè)情況徹底改變。 可能有人對(duì)此并無明晰的觀感，那么，我們可以看幾個(gè)例子。比如貸款審核員，他們?cè)u(píng)估借款人的信用好壞，是通過分析對(duì)方的面部表情、聲調(diào)、手部動(dòng)作甚至體味來識(shí)別生化模式。而人工智能只要搭配適當(dāng)?shù)膫鞲衅鳎^對(duì)可能把這些工作做得比人類更精確可靠。比如現(xiàn)在的測(cè)謊儀，在測(cè)謊方面就已經(jīng)超過了大多數(shù)人，不是嗎？ 所以，尤瓦爾·赫拉利指出，在過去幾十年中，在神經(jīng)科學(xué)和行為經(jīng)濟(jì)學(xué)等領(lǐng)域的研究，讓科學(xué)家能夠“破解”人類，更清楚地了解人類究竟是如何做出各種決定的。事實(shí)證明，我們從選擇食物到選擇伴侶，都不是出于什么神秘難解的自由意志，而是數(shù)十億神經(jīng)元在瞬間計(jì)算各種可能性的結(jié)果。過去大受贊賞的“人類直覺”，其實(shí)只是“辨識(shí)模式”罷了。 而謝諾夫斯基正是推動(dòng)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的先驅(qū)。或許是冥冥之意，他出生的上世紀(jì)五十年代，正是人工智能的萌芽期，深度學(xué)習(xí)革命的種子，正在那時(shí)開始播下。 但由于受計(jì)算機(jī)能力的限制，人工智能發(fā)展緩慢。而馬文·明斯基和西摩爾·帕特普出版的《感知器》一書，則讓人工智能在上世紀(jì)70年代陷入深寒，“寸草不生”。《感知器》一書的觀點(diǎn)是：感知器學(xué)習(xí)算法并不能擴(kuò)展到多層感知器。 謝諾夫斯基回憶說，“這種毫無根據(jù)的‘直覺’（除此之外，這倒是一本好書）對(duì)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的發(fā)展產(chǎn)生了令人不寒而栗的影響，讓一代人的研究就此停滯不前?！? 好在出身生物學(xué)的謝諾夫斯基，對(duì)神經(jīng)網(wǎng)絡(luò)抱有堅(jiān)定的信心，并幸運(yùn)地遇到了他的搭檔杰弗里·辛頓。兩人在此領(lǐng)域堅(jiān)持了下來，一干就是幾十年。 謝諾夫斯基和辛頓合作研究出了一種新型神經(jīng)網(wǎng)絡(luò)模型，叫“玻爾茲曼機(jī)”，打破了阻礙一代人研究多層網(wǎng)絡(luò)模式的僵局，證明了基于大腦式計(jì)算的全新方法是可行的，最終為深度學(xué)習(xí)的發(fā)展奠定了基礎(chǔ)。而且，謝諾夫斯基還有機(jī)會(huì)懟一下學(xué)術(shù)上的“宿敵”。2006年，在達(dá)特茅斯人工智能會(huì)議“AI@50”的晚宴上，他問明斯基：“神經(jīng)網(wǎng)絡(luò)社區(qū)有一種看法：你是上世紀(jì)70年代需要為神經(jīng)網(wǎng)絡(luò)蕭條負(fù)責(zé)的魔鬼。你是魔鬼嗎？”明斯基猶豫了片刻，然后喊道：“是的，我是魔鬼！” 我們都能想象謝諾夫斯基寫這一章節(jié)時(shí)的得意。 但深度學(xué)習(xí)是數(shù)據(jù)密集型的，在當(dāng)時(shí)的計(jì)算機(jī)條件下，人工智能無法取得重大突破。直到30年之后，計(jì)算機(jī)開始變得足夠快，同時(shí)也可以獲得大量可利用的數(shù)據(jù)，這讓深度學(xué)習(xí)實(shí)現(xiàn)了重大突破，并且在當(dāng)前的人工智能領(lǐng)域占據(jù)主導(dǎo)地位。 謝諾夫斯基總結(jié)說，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的重大突破每30年就會(huì)發(fā)生一次。這三個(gè)節(jié)點(diǎn)分別為：上世紀(jì)50年代引入感知器；上世紀(jì)80年代學(xué)習(xí)多層感知器算法；2010年開始興起的深度學(xué)習(xí)。 謝諾夫斯基認(rèn)為，深度學(xué)習(xí)將對(duì)社會(huì)和個(gè)人生活產(chǎn)生深遠(yuǎn)的影響，但你無需擔(dān)心誰將接管你的工作。就像工業(yè)革命時(shí)期蒸汽機(jī)放大了物理能力一樣，人工智能也會(huì)放大人類的認(rèn)知能力，人工智能會(huì)讓你更聰明。 但他也承認(rèn)，預(yù)測(cè)未來很難。 而瓦爾·赫拉利則大膽地進(jìn)行了一些預(yù)測(cè)。他說，2050年的就業(yè)市場(chǎng)，很可能是人類與人工智能的合作，而非競(jìng)爭。雖然“深藍(lán)”擊敗了卡斯帕羅夫，但人類并沒有停止下棋。相反，在人工智能的協(xié)助下，人類的國際象棋大師水平比過去更高。所以很有可能，人工智能也能如法炮制，協(xié)助培養(yǎng)出歷史上最優(yōu)秀的偵探、銀行經(jīng)理和軍人。 不過，令人悲觀的一面是，這些新工作可能需求高水平的專業(yè)知識(shí)，因此無法解決“無技能者”的就業(yè)問題。新的無用階層可能會(huì)日益龐大，一方面許多人找不到工作，另一方面也有許多雇主找不到有技能的雇員。 “這有點(diǎn)像19世紀(jì)汽車取代馬車時(shí)的情景──當(dāng)時(shí)有許多馬車夫轉(zhuǎn)行當(dāng)出租車司機(jī)。只是，我們可能不是那些馬車夫，而是被淘汰的馬?！蓖郀枴ず绽f。 |
