方陵生

“機(jī)器能思考嗎？”能夠模仿人類智慧的計(jì)算機(jī)曾經(jīng)只是一個(gè)遙遠(yuǎn)的夢(mèng)想，人工智能研究幾經(jīng)跌宕起伏，最終取得了意料之外的成功。如今，人工智能已神奇地進(jìn)入我們生活的各個(gè)方面，但卻是以與當(dāng)年預(yù)言者所想象不到的方式……

60年前科學(xué)家的預(yù)想

1956年夏天，一群科學(xué)家和工程師在美國(guó)達(dá)特茅斯學(xué)院聚集一堂，其中包括計(jì)算機(jī)科學(xué)家馬文·明斯基，信息理論家克勞德·香農(nóng)，以及后來(lái)的兩位諾貝爾得主赫伯特·西蒙和約翰·納什。他們聚在一起的任務(wù)是要?jiǎng)?chuàng)建一個(gè)被稱為“人工智能（AI）”的新的科學(xué)領(lǐng)域。

這群科學(xué)家不乏雄心壯志，他們認(rèn)為：從理論原則上來(lái)說(shuō)，包括學(xué)習(xí)能力和人類智能等其他任何一個(gè)方面，都能用機(jī)器模擬的方式準(zhǔn)確地表現(xiàn)出來(lái)?？梢宰寵C(jī)器學(xué)會(huì)使用語(yǔ)言，形成抽象概念意識(shí)，以解決人類目前面對(duì)的一系列問(wèn)題，提升人類自身能力。他們甚至預(yù)計(jì)，通過(guò)這幫精英科學(xué)家用一個(gè)夏天的集思廣益，就一定能夠取得其中一兩個(gè)問(wèn)題的重大進(jìn)展。

結(jié)果，為實(shí)現(xiàn)人工智能之夢(mèng)，他們花了遠(yuǎn)遠(yuǎn)不止一個(gè)夏天的時(shí)間。在經(jīng)過(guò)60年不懈的努力和許多次的失敗挫折之后，人工智能終于走出了自己的發(fā)展之路。到了今天，我們可以向電腦提問(wèn)，可以坐在半自動(dòng)駕駛汽車?yán)镌诜泵Φ能嚵髦写┬校梢酝ㄟ^(guò)智能手機(jī)進(jìn)行演講材料或文本材料的多種語(yǔ)言翻譯；我們還可以將護(hù)照檢查、拼寫錯(cuò)誤修正這類事情都放心地委托給計(jì)算機(jī)去做。不過(guò)，我們很難想象，如果一旦計(jì)算機(jī)系統(tǒng)出現(xiàn)重大故障或崩潰，會(huì)給我們已經(jīng)如此習(xí)慣并依賴于人工智能的社會(huì)秩序帶來(lái)多大的影響。

當(dāng)人們迅速適應(yīng)了人工智能給我們帶來(lái)的種種便利之時(shí)，我們也許并不清楚，當(dāng)年科學(xué)家設(shè)想的人工智能其實(shí)并不像今天人們所體驗(yàn)到的這樣。

在當(dāng)年的達(dá)特茅斯會(huì)議上，以及隨后召開(kāi)的各種會(huì)議上，明確提出的人工智能這一領(lǐng)域的未來(lái)目標(biāo)是機(jī)器翻譯、計(jì)算機(jī)視覺(jué)、文本理解、語(yǔ)音識(shí)別、機(jī)器人控制和機(jī)器人學(xué)習(xí)。雖然在之后的幾十年里，大量資源投入了人工智能的研究，但并沒(méi)有達(dá)到其中任何一個(gè)目標(biāo)。直到1990年代末，1956年科學(xué)家預(yù)言的人工智能研究才開(kāi)始有了轉(zhuǎn)機(jī)，人工智能的種種神奇才紛紛開(kāi)始融入人們的社會(huì)生活之中。

今天，雖然可以說(shuō)已經(jīng)達(dá)到了當(dāng)年的預(yù)期目標(biāo)，但創(chuàng)造人工智能的方法卻有了很大的不同。早期的工程師設(shè)計(jì)人工智能的辦法是從頭到尾為機(jī)器全程編程，他們創(chuàng)建的人工智能行為采取的是一種“自上而下”的途徑：首先創(chuàng)建一個(gè)如何處理語(yǔ)音、文本或圖像的數(shù)學(xué)模型，然后通過(guò)計(jì)算機(jī)程序?qū)崿F(xiàn)這個(gè)模型中預(yù)想的功能。這聽(tīng)起來(lái)是一個(gè)很合理的設(shè)想，但結(jié)果證明是錯(cuò)了。他們還預(yù)測(cè)，人工智能的任何突破都將有助于進(jìn)一步了解人類自身的智慧，但結(jié)果也錯(cuò)了。

1956年后的多年中，越來(lái)越明顯的是，當(dāng)年設(shè)想的這些系統(tǒng)并不適合處理現(xiàn)實(shí)世界中紛雜的各種問(wèn)題。到了上世紀(jì)90年代初，由于人工智能領(lǐng)域幾乎沒(méi)有取得任何進(jìn)展，大多數(shù)工程設(shè)計(jì)人員開(kāi)始放棄了以邏輯推理方式創(chuàng)造一種萬(wàn)能型思考機(jī)器的夢(mèng)想，他們開(kāi)始將目光瞄準(zhǔn)了一些較具體的低級(jí)目標(biāo)，專注于讓機(jī)器完成某個(gè)更有希望解決的特定任務(wù)。

一些早期的成功事例來(lái)自于產(chǎn)品的推薦。雖然很難了解為什么客戶會(huì)想要購(gòu)買某種產(chǎn)品，但根據(jù)之前的交易或其他類似客戶的喜好，卻很容易推斷他們可能會(huì)喜歡什么樣的產(chǎn)品。例如，如果你喜歡《哈利波特》系列的第一部和第二部電影，那么你很可能也會(huì)喜歡第三部。要獲得某種解決方案，你可能不需要很深入的全面理解，就可以通過(guò)對(duì)大量數(shù)據(jù)的分析梳理，發(fā)現(xiàn)其中有用的相關(guān)性。

那么，有沒(méi)有辦法讓機(jī)器通過(guò)相類似的“自下而上”的捷徑來(lái)模仿其他形式的人類智能行為呢？關(guān)于人工智能領(lǐng)域的許多問(wèn)題雖然沒(méi)有現(xiàn)成的理論，但卻有足夠多的可用以分析的數(shù)據(jù)。正是這種務(wù)實(shí)的態(tài)度導(dǎo)致了一些AI技術(shù)的誕生，如語(yǔ)音識(shí)別、機(jī)器翻譯，以及像手寫體數(shù)字識(shí)別這樣簡(jiǎn)單的計(jì)算機(jī)視覺(jué)任務(wù)。

數(shù)據(jù)比理論更強(qiáng)大

到了2005年左右，人工智能已有了大量的成功例案例，在走向成功之路的過(guò)程中，人工智能的研究獲得了一個(gè)強(qiáng)大的經(jīng)驗(yàn)教訓(xùn)：數(shù)據(jù)比理論模型更強(qiáng)大。在以一個(gè)小集的統(tǒng)計(jì)學(xué)學(xué)習(xí)演算法和大量數(shù)據(jù)為啟動(dòng)動(dòng)力的基礎(chǔ)上，創(chuàng)造和誕生了新一代的智能機(jī)器。

研究人員曾假設(shè)，人工智能將為進(jìn)一步了解我們自己的智慧提供線索，但嘗試從機(jī)器算法來(lái)了解人類大腦是如何執(zhí)行這些任務(wù)的，這純屬是浪費(fèi)時(shí)間。人工智能的語(yǔ)言不再是通過(guò)邏輯表達(dá)，而是通過(guò)數(shù)據(jù)比對(duì)算法。AI領(lǐng)域在經(jīng)歷了一次思考模式的轉(zhuǎn)變后，進(jìn)入了數(shù)據(jù)驅(qū)動(dòng)的人工智能時(shí)代，新的核心技術(shù)是機(jī)器學(xué)習(xí)，其語(yǔ)言不再是邏輯語(yǔ)言，而是統(tǒng)計(jì)數(shù)據(jù)語(yǔ)言。

那么，機(jī)器會(huì)學(xué)習(xí)嗎？我們通常所說(shuō)的機(jī)器人學(xué)習(xí)指的是機(jī)器建立在其經(jīng)驗(yàn)分析基礎(chǔ)上的改變其行為的學(xué)習(xí)能力（當(dāng)然希望是向更好的方向改變）。這聽(tīng)起來(lái)有如變魔術(shù)般神奇，但實(shí)際上在很大程度上是一種機(jī)械的過(guò)程。

想象一下，你郵箱里的垃圾郵件過(guò)濾器是如何根據(jù)郵件內(nèi)容來(lái)對(duì)大量郵件進(jìn)行篩查，以做出是否要將它們阻擋在外的決定的呢？每一次你將某份電子郵件拉入到垃圾郵件文件夾時(shí)，AI就能通過(guò)收件人給出的信息，以及是否含有收件人不需要的詞語(yǔ)等線索來(lái)估算其屬于垃圾郵件的概率。綜合所有這些信息，就可以對(duì)新郵件做出判斷，是否要將它阻擋在外。對(duì)于AI來(lái)說(shuō)，并不需要對(duì)郵件有很深刻的了解，它所要做的只是根據(jù)統(tǒng)計(jì)學(xué)原理計(jì)算一些字詞出現(xiàn)的頻率，然后做出判斷就可以了。

將這種思路大規(guī)模付諸實(shí)際應(yīng)用所取得的效果之好令人驚訝。機(jī)器可以學(xué)會(huì)做一些很難直接編程的事情：比如將不完整的句子補(bǔ)充完整，預(yù)測(cè)用戶下一次的鼠標(biāo)點(diǎn)擊行為，或者推薦某個(gè)產(chǎn)品等。當(dāng)以這種思路開(kāi)發(fā)人工智能達(dá)到極致之時(shí)，機(jī)器為我們做到了許多之前難以想象的事情，比如語(yǔ)言翻譯、手寫識(shí)別和人臉識(shí)別等。與60年前科學(xué)家對(duì)人工智能未來(lái)的假設(shè)完全不同的是，讓機(jī)器模擬人類行為，我們并不需要對(duì)具體的功能進(jìn)行精確的描述和編程。endprint

雖然具體到個(gè)別的每一種機(jī)械行為都相對(duì)簡(jiǎn)單，但當(dāng)我們?cè)趶?fù)雜的軟件中同時(shí)部署了許多這樣的機(jī)械行為，并為其提供了數(shù)以百萬(wàn)計(jì)的數(shù)據(jù)實(shí)例后，其產(chǎn)生的效果就是，這種高度自動(dòng)適配的行為，使得機(jī)器看起來(lái)就像真正擁有人類一樣的“聰明”。但值得注意的是，這些都只是簡(jiǎn)單的統(tǒng)計(jì)學(xué)計(jì)算結(jié)果，機(jī)器并不了解為什么要這么做，它只是“知其然”，而并“不知其所以然”。

更多的數(shù)據(jù)優(yōu)于更好的算法

人工智能研究的這一重大發(fā)現(xiàn)有時(shí)被稱為“數(shù)據(jù)的不合理的有效性”。對(duì)于人工智能研究者來(lái)說(shuō)，這是看似微不足道但卻很重要的一課：簡(jiǎn)單的統(tǒng)計(jì)學(xué)方法，結(jié)合大量的數(shù)據(jù)，解決了困擾人工智能理論學(xué)家?guī)资昕嗨疾坏闷浣獾臋C(jī)器人行為的難題。

通過(guò)機(jī)器人強(qiáng)大的學(xué)習(xí)能力和龐大的可用數(shù)據(jù)集，終于實(shí)現(xiàn)了一些有實(shí)際用途的人工智能系統(tǒng)，包括視覺(jué)、語(yǔ)音、翻譯和自動(dòng)問(wèn)答系統(tǒng)等。將這些系統(tǒng)融入更大的系統(tǒng)中，產(chǎn)生了一些功能更強(qiáng)大的產(chǎn)品和服務(wù)，從Siri（iPhone/iPad上的語(yǔ)音控制功能）到亞馬遜購(gòu)物網(wǎng)，再到谷歌的概念車。

如今，研究者的注意力正集中于點(diǎn)燃人工智能機(jī)器“發(fā)動(dòng)機(jī)的燃料”：數(shù)據(jù)。人工智能從哪里獲取數(shù)據(jù)，并如何開(kāi)發(fā)利用這些數(shù)據(jù)資源呢？

有價(jià)值的數(shù)據(jù)可以免費(fèi)在“自然環(huán)境中”找到。人們?cè)诟鞣N活動(dòng)中生成的副產(chǎn)品，如在博客上共享的一個(gè)推特，或用戶添加的一個(gè)笑臉?lè)?hào)等，這些司空見(jiàn)慣的網(wǎng)絡(luò)行為都是人工智能的數(shù)據(jù)來(lái)源。

工程師和企業(yè)研究人員已經(jīng)發(fā)明了各種各樣的方法來(lái)吸引和收集各種額外的數(shù)據(jù)，如記錄用戶上網(wǎng)行為的cookie（儲(chǔ)存在用戶本地終端上的數(shù)據(jù)），標(biāo)記朋友圈，評(píng)價(jià)某件商品等。這些數(shù)據(jù)都會(huì)成為新的龐大數(shù)據(jù)流中的一部分。

同時(shí)，隨著人工智能找對(duì)了自己的發(fā)展方向，研究人員已開(kāi)發(fā)了一個(gè)前所未有的全球數(shù)據(jù)網(wǎng)，每當(dāng)你上網(wǎng)看新聞、搜索信息資料、網(wǎng)購(gòu)、玩游戲、查看你的電子郵件或銀行存款余額時(shí)，你都在與這個(gè)龐大的數(shù)據(jù)網(wǎng)展開(kāi)交互活動(dòng)。這個(gè)數(shù)據(jù)網(wǎng)的基礎(chǔ)設(shè)施不只是實(shí)體形式的計(jì)算機(jī)和電線網(wǎng)絡(luò)，還包括社交網(wǎng)和微博網(wǎng)站等在內(nèi)的由諸多軟件構(gòu)成的一個(gè)大網(wǎng)絡(luò)。

數(shù)據(jù)驅(qū)動(dòng)的人工智能從這個(gè)網(wǎng)絡(luò)中吸收大量數(shù)據(jù)，同時(shí)利用這些數(shù)據(jù)為這個(gè)網(wǎng)絡(luò)提供動(dòng)力。很難想象現(xiàn)代生活缺少了這樣的數(shù)據(jù)交流會(huì)是個(gè)什么樣子。

人工智能的成就與挑戰(zhàn)

現(xiàn)代人工智能已成為現(xiàn)代科技中最了不起的強(qiáng)大技術(shù)之一，也是一項(xiàng)顛覆性的技術(shù)。

這個(gè)強(qiáng)大的數(shù)據(jù)網(wǎng)絡(luò)非同一般，與之前人類所發(fā)明的任何媒介如電報(bào)或電話時(shí)代的通信網(wǎng)絡(luò)等都大不一樣，它對(duì)我們的行為和行動(dòng)都非常“感興趣”。當(dāng)我們?cè)诰W(wǎng)絡(luò)上瀏覽時(shí)，它也反過(guò)來(lái)“看著”我們，預(yù)測(cè)我們下一步的舉動(dòng)，猜測(cè)我們的意圖。通常目的是為給我們提供更好的服務(wù)，有時(shí)也會(huì)對(duì)我們的行為產(chǎn)生影響。1970年代通信理論家馬歇爾·麥克盧漢的名言是“媒體永遠(yuǎn)無(wú)法保持中立”，人工智能賦予了他這句話以一種全新的詮釋。

人工智能在給我們帶來(lái)諸多便利的同時(shí)，也有可能會(huì)給我們帶來(lái)諸多困擾，如監(jiān)視、歧視、誘導(dǎo)、失業(yè)甚至成癮。面對(duì)這些挑戰(zhàn)，我們做好準(zhǔn)備了嗎？

智能機(jī)器要能運(yùn)轉(zhuǎn)起來(lái)，就需要收集大量數(shù)據(jù)，通常包括一些涉及個(gè)人隱私的數(shù)據(jù)。但這個(gè)簡(jiǎn)單的事實(shí)卻有可能將人工智能機(jī)器變成監(jiān)視我們個(gè)人行為的設(shè)備：它們知道我們?cè)谑裁次恢?，了解我們?cè)诰W(wǎng)上瀏覽的歷史，對(duì)我們的社交網(wǎng)絡(luò)也一清二楚。我們能決定誰(shuí)可以有權(quán)訪問(wèn)我們嗎？我們能知道收集的數(shù)據(jù)都用來(lái)做什么了嗎？以及這些數(shù)據(jù)是否會(huì)被刪除？如果答案是否定的，那么我們就已經(jīng)失去了對(duì)它們的控制。

人工智能在保險(xiǎn)、貸款和治安監(jiān)控中都非常有用，但預(yù)測(cè)質(zhì)量取決于微妙的設(shè)計(jì)選擇，以及信息收集的方式。但它也有產(chǎn)生意料之外隱形歧視的風(fēng)險(xiǎn)，就像不同的招聘廣告針對(duì)的是不同的族群，這些都顯示了通過(guò)算法和數(shù)據(jù)之間復(fù)雜的相互作用對(duì)我們所產(chǎn)生的種種影響。

另一個(gè)問(wèn)題是誘導(dǎo)。許多人工智能公司的商業(yè)模式是做廣告，它們會(huì)引導(dǎo)人們點(diǎn)擊某些特定的鏈接，這些公司致力于研究如何引導(dǎo)用戶進(jìn)入這些鏈接。機(jī)器對(duì)我們了解越多，推動(dòng)和影響我們的能力就越強(qiáng)。對(duì)于一些易受影響的用戶來(lái)說(shuō)，通過(guò)提供所謂的“豐厚獎(jiǎng)勵(lì)”，甚至?xí)T發(fā)網(wǎng)絡(luò)上的一些成癮行為。

人工智能或是通過(guò)觀察我們?nèi)绾巫?，或是通過(guò)“訓(xùn)練”人工智能的大量數(shù)據(jù)，從我們這里學(xué)會(huì)如何做某些工作，對(duì)就業(yè)形式也會(huì)產(chǎn)生很大影響?；ヂ?lián)網(wǎng)上出現(xiàn)的眾包，可讓企業(yè)自動(dòng)將一些需要人類智能完成的微型任務(wù)在網(wǎng)上“外包”出去，通過(guò)在網(wǎng)站或應(yīng)用程序中發(fā)布任務(wù)，人們可以選擇他們想要接受的任務(wù)，并通過(guò)計(jì)算機(jī)系統(tǒng)加以協(xié)調(diào)。典型的外包任務(wù)包括辨識(shí)手寫體或標(biāo)記圖片等。

由此創(chuàng)造了一個(gè)直接通過(guò)計(jì)算機(jī)管理的勞動(dòng)力大軍，并定義了一整套理想的可自動(dòng)化管理的候選任務(wù)。事實(shí)上，許多基于任務(wù)的工作者實(shí)際上是在為訓(xùn)練AI生成或注釋數(shù)據(jù)。同時(shí)，我們可以預(yù)期，許多呼叫中心和倉(cāng)庫(kù)管理在未來(lái)十年里的自動(dòng)化程度也將越來(lái)越高。

我們的法律和文化也許不足以應(yīng)對(duì)這些和其他許多挑戰(zhàn)。如果某個(gè)智能算法可以否認(rèn)我們的假釋決定或治療方案，我們?cè)撜艺l(shuí)去說(shuō)理？我們希望政府可以隨時(shí)訪問(wèn)我們的網(wǎng)上活動(dòng)，了解我們的偏好嗎？我們希望我們的孩子一直在控制誘導(dǎo)他們行為的“循循善導(dǎo)”的機(jī)器的陪伴下度過(guò)他們的上網(wǎng)時(shí)間嗎？如果因人工智能的發(fā)展而導(dǎo)致大量失業(yè)，對(duì)我們這個(gè)社會(huì)又會(huì)產(chǎn)生什么樣的影響呢？

從早期的學(xué)術(shù)理論到如今廣泛的實(shí)際應(yīng)用，人工智能已經(jīng)走過(guò)了一條很長(zhǎng)的路。AI現(xiàn)在正在融入我們的生活，并展示了進(jìn)一步發(fā)展的前景。在實(shí)際應(yīng)用中，我們也許并不將其稱為AI，但在它們所融入的諸多領(lǐng)域中，從醫(yī)療保健到公共交通，從通信交流到學(xué)校教育，人工智能都和我們?nèi)缬跋嚯S。

機(jī)器學(xué)習(xí)范式已有效地解決了包括視覺(jué)和語(yǔ)音處理在內(nèi)的許多問(wèn)題，未來(lái)的人工智能也許能找到將早期研究留下來(lái)的“自上而下”推理方法的成果完美結(jié)合起來(lái)的辦法，屆時(shí)，AI能夠做的事情可能會(huì)再一次給我們帶來(lái)巨大的驚喜。endprint

隨著人工智能繼續(xù)開(kāi)辟新的可能性，可以想象，我們將能夠像面對(duì)人類一樣與機(jī)器人對(duì)話，讓機(jī)器人為我們流利地進(jìn)行即時(shí)翻譯，并在智能房屋和自動(dòng)汽車領(lǐng)域內(nèi)開(kāi)發(fā)出更多的自動(dòng)化實(shí)際應(yīng)用。

但是，我們?nèi)匀恍枰种茖⑷斯ぶ悄芤氡M可能多領(lǐng)域中的誘惑，至少在文化和體制同時(shí)得到相應(yīng)進(jìn)展之前，我們必須謹(jǐn)慎從事。廣泛采用的人工智能技術(shù)給我們?nèi)祟悗?lái)許多非凡的機(jī)會(huì)，但同時(shí)也存在著一些潛在的風(fēng)險(xiǎn)。與流行看法相反的是，人工智能威脅到的并不是人類作為一個(gè)種族的安危，而更有可能的是AI對(duì)我們的隱私和自主權(quán)的侵蝕。

人工智能已進(jìn)入我們?nèi)粘Ｉ畹母鱾€(gè)方面，在慶賀AI取得的巨大成就，享受60年來(lái)人工智能研究帶來(lái)好處的同時(shí)，對(duì)于人工智能潛力的深入開(kāi)發(fā)我們?nèi)孕枞级笮小?h4>人工智能發(fā)展時(shí)間表

1950年：英國(guó)數(shù)學(xué)家、計(jì)算機(jī)之父阿蘭·圖靈在他發(fā)表的論文“計(jì)算機(jī)器與智能”中，開(kāi)宗明義第一句話就是“我開(kāi)始考慮這個(gè)問(wèn)題：機(jī)器能思考嗎？”

1956年：在達(dá)特茅斯學(xué)院舉行的一個(gè)研討會(huì)上，正式創(chuàng)造了“人工智能”一詞。

1959年：卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)科學(xué)家開(kāi)發(fā)了程序軟件“通用解題程序”——一個(gè)可以用來(lái)解決邏輯謎題的程序。

1973年：由于缺少資金，第一次AI之冬來(lái)臨。

1975年：一個(gè)被稱為MYCIN的醫(yī)療診斷系統(tǒng)被開(kāi)發(fā)出來(lái)，可用于診斷細(xì)菌感染，在一系列問(wèn)答的基礎(chǔ)上進(jìn)行推理，提出使用何種抗生素的建議，但這一系統(tǒng)一直沒(méi)有被投入實(shí)際使用。

1987年：第二次AI之冬開(kāi)始。

1989年：美國(guó)宇航局AutoClass計(jì)算機(jī)程序發(fā)現(xiàn)了多個(gè)之前未知的恒星類型。

1994年：第一個(gè)互聯(lián)網(wǎng)搜索引擎啟動(dòng)。

1997年：IBM的深藍(lán)擊敗了國(guó)際象棋世界冠軍卡斯帕羅夫。

1998年：美國(guó)宇航局的Remote Agent是首個(gè)控制飛行中宇宙飛船的全自動(dòng)程序。

2002年：亞馬遜網(wǎng)站以自動(dòng)化系統(tǒng)取代了人類產(chǎn)品推薦者。

2007年：谷歌推出機(jī)器翻譯服務(wù)。

2009年：谷歌研究人員發(fā)表了一篇有影響力的論文，題目為“數(shù)據(jù)的不合理有效性”，文章稱“基于大量數(shù)據(jù)的簡(jiǎn)單模型比基于較少數(shù)據(jù)的復(fù)雜模型更勝一籌”。

2011年：蘋果公司推出Siri聲控私人助理，它可以回答問(wèn)題、提出建議和執(zhí)行指令，如“打電話回家”。

2011年：IBM的超級(jí)計(jì)算機(jī)沃森在電視智力競(jìng)賽大冒險(xiǎn)中打敗兩位人類冠軍。

2012年：谷歌的無(wú)人駕駛車可自主導(dǎo)航上路行駛。

2016年：谷歌AlphaGo程序擊敗世界頂級(jí)圍棋棋手李世石。

機(jī)器的成功與失誤

最有名的機(jī)器學(xué)習(xí)成功例子之一是名為“阿爾法狗（AlphaGo）”的計(jì)算機(jī)于2016年擊敗了韓國(guó)圍棋大師李世石，如此強(qiáng)大的能力即使是所有為機(jī)器編程的程序員也望塵莫及。阿爾法狗綜合了各種機(jī)器學(xué)習(xí)方法，對(duì)超過(guò)3000萬(wàn)步棋子走法，以及成千上萬(wàn)盤棋局的數(shù)據(jù)庫(kù)進(jìn)行了分析。之前IBM的沃森超級(jí)計(jì)算機(jī)也是通過(guò)類似的方法在電視智力競(jìng)賽大冒險(xiǎn)中戰(zhàn)勝了人類選手。

只要輸入正確的數(shù)據(jù)，機(jī)器就可以通過(guò)對(duì)大量數(shù)據(jù)的分析來(lái)提高其智力。但是我們應(yīng)該記住的一點(diǎn)是，機(jī)器學(xué)習(xí)是一種基于統(tǒng)計(jì)學(xué)的練習(xí)，因此它也有可能會(huì)出錯(cuò)。

近年來(lái)機(jī)器學(xué)習(xí)造成失誤的事例也時(shí)有發(fā)生。例如，2015年谷歌因其產(chǎn)品自動(dòng)將兩位黑人的照片標(biāo)記為“大猩猩”而公開(kāi)道歉；2016年微軟因一款名為Tay的對(duì)話機(jī)器人竟然學(xué)會(huì)了攻擊性語(yǔ)言而不得不將其撤回。這兩個(gè)例子都不是算法上的失誤，而是因給機(jī)器人饋入了不當(dāng)訓(xùn)練數(shù)據(jù)而導(dǎo)致的。

2016年還發(fā)生了首例“無(wú)人駕駛”汽車導(dǎo)致的死亡事件。一名司機(jī)在駕駛特斯拉車的過(guò)程中啟動(dòng)了自動(dòng)駕駛功能，但計(jì)算機(jī)視覺(jué)系統(tǒng)未能檢測(cè)到天光背景下的白色障礙物——一輛白色車身的拖車，從而迎面撞上，導(dǎo)致司機(jī)身亡。這種情況很罕見(jiàn)，但隨著更多公司介入自動(dòng)駕駛車輛這一市場(chǎng)，但愿這樣的機(jī)器失誤是第一次，也是最后一次。

另一方面，人工智能系統(tǒng)正在更多的領(lǐng)域內(nèi)發(fā)揮它們的作用，包括網(wǎng)絡(luò)上的搜索引擎、網(wǎng)店銷售系統(tǒng)和半自動(dòng)汽車等。

我們可能會(huì)將越來(lái)越多敏感的決策委托給機(jī)器人，因此在給機(jī)器人饋入學(xué)習(xí)數(shù)據(jù)的時(shí)候必須要更加慎重。機(jī)器人技術(shù)涉及的不僅僅是技術(shù)，同時(shí)也是對(duì)我們?nèi)粘Ｉ钪刃蚋羁痰睦斫?。endprint