人工智能简介
1、什么是人工智能
人工智能(AI)已经走入了普通大众的视野,我们在生活中可以看到很多跟AI相关的产品。例如,AI美颜、AI换脸等
虽然大家听得多,但是大部分人并不了解AI,甚至存在一些误解。本文将不涉及任何技术细节,帮助所有人理解人工智能的本质
那么,什么是人工智能呢?
很多人可能对人工智能存在一些误解:
- 电影里的机器人就是人工智能的典型代表
- 人工智能好像是无所不能的
- 人工智能未来会威胁到人类的生存
大家之所以对人工智能存在很多误解,主要是因为大家只是看到一些人的言论,但是并不了解AI的基本原理,本文就帮助大家理解AI的基本原理,事物的本质往往并没有大家说的那么复杂
我们用传统软件和人工智能进行比较,有了参照系就更容易理解一些
1.1、传统软件与人工智能
1)传统软件
传统软件是if-then
的基本逻辑,人类通过自己的经验总结出一些有效的规则,然后让计算机自动的运行这些规则。传统软件永远不可能超越人类的知识边界,因为所有规则都是人类制定的
简单的说:传统软件是基于规则的,需要人为的设定条件,并且告诉计算机符合这个条件后该做什么
这种逻辑在处理一些简单问题时非常好用,因为规则明确,结果都是可预期的,程序员就是软件的上帝
但是现实生活中充满了各种各样的复杂问题,这些问题几乎不可能通过制定规则来解决,比如人脸识别通过规则来解决效果会很差
2)人工智能
人工智能现在已经发展出很多不同分支,技术原理也多种多样,这里只介绍当下最火的深度学习
深度学习的技术原理跟传统软件的逻辑完全不同:
机器从特定的大量数据中总结规律,归纳出某些特定的知识,然后将这种知识应用到现实场景中去解决实际问题
这就是人工智能发展到现阶段的本质逻辑。而人工智能总结出来的知识并不是像传统软件一样,可以直观精确的表达出来。它更像人类学习到的知识一样,比较抽象,很难表达
上面的说法还是比较抽象,下面通过几个方面来帮助大家彻底搞明白:
1.2、什么是人工智能
1)人工智能是一种工具
AI跟我们使用的锤子、汽车、电脑……都一样,其本质都是一种工具
工具必须有人用才能发挥价值,如果他们独立存在是没有价值的,就想放在工具箱里的锤子一样,没有人挥舞它就没有任何价值
人工智能这种工具之所以全社会都在说,是因为它大大扩展了传统软件的能力边界。之前有很多事情计算机是做不了的,但是现在人工智能可以做了
归功于摩尔定律,计算机的能力呈指数级的上涨,只要是计算机能解参与的环节,生产力都得到了大幅提升,而人工智能让更多的环节可以搭上摩尔定律的快车,所以这种改变是意义非凡的
但是不管怎么变,传统软件和人工智能都是工具,是为了解决实际问题而存在的。这点并没有变化
2)人工智能只解决特定问题
《终结者》、《黑客帝国》…很多电影里都出现了逆天的机器人,这种电影让大家有一种感觉:人工智能好像是无所不能的
实际情况是:现在的人工智还处在单一任务的阶段
A、单一任务模式
打电话用座机、玩游戏用游戏机、听音乐用MP3、开车用导航…
B、多任务模式
这个阶段类似智能手机,在一台手机上可以安装很多 App,做很多事情
但是这些能力还是相互独立的,在旅行App上定好机票后,需要自己用闹钟App定闹钟,最后需要自己用打车App叫车。多任务模式只是单一任务模式的叠加,离人类智慧还差的很远
C、融会贯通
你在跟朋友下围棋,你发现朋友的心情非常不好,你本来可以轻松获胜,但是你却故意输给了对方,还不停的夸赞对方,因为你不想让这个朋友变得更郁闷,更烦躁
在这件小事上,你就用到了多种不同的技能:情绪识别、围棋技能、交流沟通、心理学…
但是大名鼎鼎的AlphaGo绝对不会这么做。不管对方处在什么情况下,哪怕输了这盘棋会丧命,AlphaGo也会无情的赢了这场比赛,因为它除了下围棋啥都不会!新闻链接:“阿尔法星际”10比0人类职业选手
只有将所有的知识形成网状结构,才能做到融会贯通。例如,商业领域可以运用军事上的知识,经济学也可以用到生物学的知识
3)知其然,但不知所以然
当下的人工智能是从大量数据中总结归纳知识,这种粗暴的归纳法有一个很大的问题是:并不关心为什么
庞氏骗局的诈骗手段就充分利用了这一点!
- 它利用超高的回报来吸引韭菜,然后让早起参与的所有人都转到钱
- 当旁观者发现所有参与者都真实赚到了钱,就简单的归纳为:历史经验说明这个靠谱
- 于是越来越多的人眼红,加入,直到有一天骗子跑路
当我们用逻辑来推导一下这个事情就能得出骗子的结论:
- 这么高的回报并不符合市场规律
- 稳赚不赔?我不需要承担高回报的高风险?好像不太合理
- 为什么这么好的事情会落在我头上?好像不太对劲
正是因为当下的人工智能是建立在归纳逻辑上的,所以也会犯很低级的错误
- 左:摩托车的遮挡让AI把一只猴子误认为人类
- 中:自行车的遮挡让AI把猴子误认为人类,同时丛林背景导致AI将自行车把手误认为是鸟
- 右:吉他把猴子变成了人,而丛林把吉他变成了鸟
上图显示了在一张丛林猴子的照片中PS上一把吉他的效果。这导致深度网络将猴子误认为人类,同时将吉他误认为鸟,大概是因为它认为人类比猴子更可能携带吉他,而鸟类比吉他更可能出现在附近的丛林中
也正是因为归纳逻辑,所以需要依赖大量的数据。数据越多,归纳出来的经验越具有普适性
2、人工智能的发展历史
AI并不是什么全新的东西,它已经发展了几十年了!下面我们介绍一下最具代表性的3个发展阶段
上图是从1950年至2017年之间,人工智能领域出现的一些里程碑式的事件。总结下来会分为3大阶段:
1)第一次浪潮(非智能对话机器人)
区间:20世纪50年代到60年代
1950年10月,图灵提出了人工智能(AI)的概念,同时提出了图灵测试来测试AI。图灵测试提出没有几年,人们就看到了计算机通过图灵测试的“曙光”
1966年,心理治疗机器人ELIZA诞生。那个年代的人对他评价很高,有些病人甚至喜欢跟机器人聊天。但是他的实现逻辑非常简单,就是一个有限的对话库,当病人说出某个关键词时,机器人就回复特定的话
第一次浪潮并没有使用什么全新的技术,而是用一些技巧让计算机看上去像是真人,计算机本身并没有智能
2)第二次浪潮(语音识别)
区间:20世纪80年代到90年代
在第二次浪潮中,语音识别是最具代表性的几项突破之一。核心突破原因就是放弃了符号学派的思路,改为了统计思路解决实际问题
在《人工智能》一书中,李开复详细介绍了这个过程,他也是参与其中的重要人物之一
第二次浪潮最大的突破是改变了思路,摒弃了符号学派的思路,转而使用了统计学思路解决问题
3)第三次浪潮(深度学习+大数据)
区间:21世纪初至今
2006年是深度学习发展史的分水岭。杰弗里辛顿在这一年发表了《一种深度置信网络的快速学习算法》,其他重要的深度学习学术文章也在这一年被发布,在基本理论层面取得了若干重大突破
之所以第三次浪潮会来主要是2个条件已经成熟:
- 2000年后互联网行业飞速发展形成了海量数据。同时数据存储的成本也快速下降。使得海量数据的存储和分析成为了可能
- GPU的不断成熟提供了必要的算力支持,提高了算法的可用性,降低了算力的成本
深度学习是当前最主流的AI技术。深度学习引领了第三波人工智能的浪潮。从图中可以发现,深度学习大大降低了语音识别的错误率,让语音识别达到了可用的程度
在各种条件成熟后,深度学习发挥出了强大的能力。在语音识别、图像识别、NLP等领域不断刷新纪录。让AI产品真正达到了可用的阶段。例如,语音识别的错误率只有6%,人脸识别的准确率超过人类,BERT在11项表现中超过人类…
第三次浪潮来袭,主要是因为大数据和算力条件具备,这样深度学习可以发挥出巨大的威力,并且AI的表现已经超越人类,可以达到“可用”的阶段,而不只是科学研究
机器学习、人工智能、深度学习之间的关系见文章:传送门
人工智能3次浪潮的不同之处:
- 前两次热潮是学术研究主导的,第三次热潮是现实商业需求主导的
- 前两次热潮多是市场宣传层面的,而第三次热潮是商业模式层面的
- 前两次热潮多是学术界在劝说政府和投资人投钱,第三次热潮多是投资人主动向热点领- 域的学术项目和创业项目投钱
- 前两次热潮更多时提出问题,第三次热潮更多时解决问题
3、人工智能不能做什么
3.1、人工智能的3个级别
在探寻AI的边界时,我们可以先简单粗暴的把AI分为3个级别:
- 弱人工智能
- 强人工智能
- 超人工智能
1)弱人工智能
弱人工智能也称限制领域人工智能(Narrow AI)或应用型人工智能(Applied AI),指的是专注于且只能解决特定领域问题的人工智能。例如:AlphaGo、Siri、FaceID…
2)强人工智能
又称通用人工智能(Artificial General Intelligence)或完全人工智能(Full AI),指的是可以胜任人类所有工作的人工智能
强人工智能具备以下能力:
- 存在不确定性因素时进行推理,使用策略,解决问题,制定决策的能力
- 知识表示的能力,包括常识性知识的表示能力
- 规划能力
- 学习能力
- 使用自然语言进行交流沟通的能力
- 将上述能力整合起来实现既定目标的能力
3)超人工智能
假设计算机程序通过不断发展,可以比世界上最聪明,最有天赋的人类还聪明,那么,由此产生的人工智能系统就可以被称为超人工智能
我们当前所处的阶段是弱人工智能,强人工智能还没有实现(甚至差距较远),而超人工智能更是连影子都看不到。所以“特定领域”目前还是AI无法逾越的边界
3.2、人工智能的能力边界
如果再深入一点,从理论层面来解释AI的能力边界,就要把图灵大师搬出来了。图灵在上世纪30年代中期,就在思考3个问题:
- 世界上是否所有数学问题都有明确的答案?
- 如果有明确的答案,是否可以通过有限的步骤计算出答案?
- 对于那些有可能在有限步骤计算出来的数学问题,能否有一种假象的机械,让他不断运动,最后当机器停下来的时候,那个数学问题就解决了?
图灵还真设计出来一套方法,后人称它为图灵机。今天所有的计算机,包括全世界正在设计的新的计算机,从解决问题的能力来讲,都没有超出图灵机的范畴
通过上面的3个问题,图灵已经划出了界限,这个界限不但适用于今天的AI,也适用于未来的AI
下面我们再进一步把边界清晰的描述一下:
- 世界上有很多问题,只有一小部分是数学问题
- 在数学问题里,只有一小部分是有解的
- 在有解的问题中,只有一部分是理想状态的图灵机可以解决的
- 在后一部分(图灵机可解决的部分),又只有一部分是今天的计算机可以解决的
- 而 AI 可以解决的问题,又只是计算机可以解决问题的一部分
担心人工智能太强大?你想多了!
在一些特定场景中,AI可以表现的很好,但是在大部分场景中,AI并没有什么用
4、AI时代的挑战与机遇
4.1、人工智能会让你失业吗
这个问题是大家最关心的问题,也是对每一个个体影响最大的问题
首先,人工智能替代部分人类的行为是必然的趋势
每一项新技术或者新发明都会替代一部分劳动力:
- 报时间的工作——表
- 拉人力车的工作——汽车
- 挖井的工作——钻进机
需要注意的是,科技替代的只是某些特定的工作。挖井机只能帮你挖洞,但是无法帮你判断应该在哪里挖洞
人工智能也是如此,它并不是针对某些职业或者某些人,而是替代一些具体的劳动行为
其次,失业的同时会出现更好新职业
几次技术革命的历史告诉我们,虽然新技术的出现导致了部分人失业,但是同时也会产生很多新的职业。被替代的工作往往是低效的,而创造出来的工作往往更高效。想想拉人力车,再想想开汽车
当人工智能解放了一部分劳动力,这部分劳动力就可以做更有价值,更有意思的事情
不要怕!用好AI是一种超级技能
本文说过2个观点:
- 人工智能的本质是工具,需要人来用它
- 人工智能替代的不是人,而是某些工作环节
所以,千万不要怕人工智能取代自己,你应该主动去学习AI,成为最早会用AI的人,成为能把AI用好的人
想想20年前会使用电脑和网络的人,他们在那时代是非常稀缺的,所以他们赚到了互联网时代的红利。同样的道理,智能时代的红利将属于会用AI的人
4.2、哪些工作会被人工智能替代
李开复提出过一个判断依据:如果一项工作,它做决策的时间在5秒钟以内,那么大概率是会别人工智能取代的
容易被人工智能替代的工作特征:
这种工作有4个特点:
- 做决策所需要的信息量不大
- 做决策的过程并不复杂,逻辑简单
- 能独自完成,不需要协作
- 重复性工作
很难被人工智能替代的技能:
科学家总结出了3个人工智能很难替代的技能:
- 社交智慧(洞察力、谈判技巧、同理心)
- 创造力(原创力、艺术审美)
- 感知和操作能力(手指灵敏度、协调操作能力、应付复杂环境的能力)
4.3、如何迎接AI时代
人工智能将像工业时代一样,席卷全球。这种情况下,我们要做的不是逃避,而是拥抱这种变化。下面给大家一些具体的建议:
- 了解智能时代的底层逻辑和基本原理,不需要学习写代码,但是需要知道可能会发生什么,不可能发生什么
- 人工智能未来将像计算机一样渗透到各行各业,你要尽量了解人工智能,学习如何利用他解决现有的问题,成为早期使用人工智能的人。
- 做好职业规划。不要选择三无职业(不需要社交、不需要创造力、不需要强感知和操作能力)