描述
开 本: 32开纸 张: 胶版纸包 装: 精装是否套装: 否国际标准书号ISBN: 9787505747685
FT商业图书大奖
美国国家图书奖
《商业与策略》年度*科普类商业图书得主
写给每一位地球居民的「复杂AI的简单说明书」
“从来没有一部作品,能如此清晰、简单、幽默地回答人工智能是如何运作的,在可预见的未来会发生什么,人类应不应该为此感到害怕”
如同飞机的出现彻底改变了人类的旅行轨迹,催生出一个全新的行业,人工智能也正在迎来属于它的“基蒂霍克时刻”。它将在未来20年内,从根本上改变人类的生活、工作、经济和社会,未来,我们将无法想象没有人工智能的生活,就像现在我们无法想象没有电的生活一样。
回看*次工业革命,被自动化机器取代的工人愤怒地砸毁机器,但短短几十年后,自动化就以更高的工资和更好的社会福利惠及了人类的子孙后代,而当时砸机器的那批人成了巨变中迷失的一代。历史学家把这称为“恩格斯停顿”。
如今,如果我们不尝试去理解人工智能是什么,未来它会带来什么,只是盲目地对它感到恐惧,我们这一代人恐怕会再次制造历史的“恩格斯停顿”。
为什么说人工智能也分强人工智能、弱人工智能?
未来学家们预言的“奇点临近”会如期到来吗?
如果机器可以在几分钟内创造出更智能的自己,并不断升级,它们会变得像《2001太空漫游》里一样恐怖吗?
未来,我们会和“阿丽塔”这样的超级人类一起生活吗?
数字专政、新机器伦理又是怎么一回事?为什么它们才是我们眼下更该关心的问题?
这本书将带你找到答案,得出新的思考。
序
1自动化的下一步:机器决策
识别、洞察、行动
博兰尼悖论
强弱人工智能
对机器的愤怒?
机器的瑕疵
2 图灵的继承人:人工智能简史
聊天机器人的智商测试
在达特茅斯开球
计算机专家与专家计算机
炒作周期中的人工智能
原始计算能力
Jeopardy!,围棋和 TexasHold’em
3 机器如何学会学习:人工神经网络、深度学习和反馈效应
人工大脑?
图形卡片的力量
有监督与无监督的学习
反馈创造数据垄断
4 人类提问,机器回答:人工智能成为日常助理、销售人员、律师和医生
虚拟助手
销售机器
机器人律师
我怎么了,Watson医生?
5 机器人成为计算人类的合作者:网络物理系统、合作机器人和能计算感情的机器
参与救援任务的机器人
网络物理系统
人机协作
如果机器人可以读取情绪
硅胶克隆机器人
6 超智能与奇点:机器人会夺取控制权吗?
HAL变得严肃起来
智能大爆炸与超人类主义
竞争与数据垄断资本主义
AI代理人的行为代表谁的利益?
数字专政
新机器伦理
基蒂霍克(Kitty Hawk)时刻——为什么一切都将加速发生……
100万美元奖金。一条长度为241公里的公路横穿莫哈韦沙漠的军事管制区域。2004年,美国国防部首次在此举办了DARPA自动驾驶汽车挑战赛。当时参赛的队伍大约有100支,最佳队伍的自动行驶成绩仅为14公里,其他队伍的表现则更糟糕。8年后,也就是在2012年,谷歌发布了一份低调的新闻稿:它所研发的在YouTube上人气很高的自动驾驶汽车,已经创造了数十万公里的零事故公路行驶记录。而截至目前,特斯拉汽车的司机已经使用自动驾驶系统行驶了数百万英里。可以肯定的是,时不时地,驾驶员还是需要在情况棘手的时候控制方向盘——自动驾驶系统会及时让他们意识到这一点。这意味着在原则上,这个看似无法解决的问题已经被解决了。虽然2018年发生了几次自动驾驶汽车事故,但是为大众提供全自动汽车已经只是规模和微调的问题。
人工智能正在经历它的基蒂霍克时刻。今天的人工智能研究者就像是机动飞行的先驱。几十年中,机动飞行的先驱们许下远大的抱负,但他们的试验却一次又一次地以失败告终。直到莱特兄弟取得了重大突破——他们在北卡罗来纳的基蒂霍克进行了第一次试飞,然后相关技术才突然开始飞速发展,于是几年前的天方夜谭突然成真了。
对人工智能来说也是如此:经过多年相对缓慢、疲软无力的发展,技术终于开始发挥作用了。如今的市场上不断涌现出人工智能技术的突破,并且更多的突破还正在酝酿中。现在计算机程序识别人脸的准确度已经超过了大部分人类。谷歌助手可以模仿人类的声音,打电话到发廊预约理发,而电话那头的人根本不知道自己在和一个由丰富数据构成的IT系统交谈。在诊断某些癌细胞方面,今天的计算机已经做到了比世界上最好的医生更精确——更不用说那些在农村医院工作的普通医生了。计算机不仅在看似相当依赖直觉的围棋游戏中打败了人类,而且还比世界上最好的扑克玩家更会虚张声势——这在2017年1月已经得到了官方证实。在日本保险公司Fukoku Mutual里,建立在IBM的Watson系统上的人工智能可以根据每个保险合同的个人条款审核用户提交的医疗账单的报销金额。在世界上最大的对冲基金——桥水基金(Bridge water),算法的作用不再局限于投资决策。这个掌握着大量员工数据的系统已经成为“机器人老板”——它知道对于特定任务,最好的商业战略和最好的团队组成是什么,并且它可以为员工晋升和企业裁员提出建议。
人工智能是自动化的下一步。重型设备已经代替人类做高强度工作很长时间了。自20世纪60年代以来,制造机器人就变得越来越简单。然而到目前为止,IT系统仅仅被用于辅助重复度最高的知识性工作。但是,有了人工智能,机器就能做出以前只有人类才能做出的复杂决定。或者更确切地说,如果基础数据和决策框架是正确的,那么AI系统将比卡车司机、行政人员、销售人员、医生、投资银行家或人力资源经理更快做出更好的决策,而且成本更低。
在基蒂霍克第一次机动飞行成功的20年后,一个新的产业出现了——此后不久,航空旅行从根本上改变了世界。人工智能也可能走上类似的道路。一旦从数据中学习的计算机程序开始在特定领域用更少时间做出比人类更快更好的决策,那么计算机程序在该领域的发展就势不可挡了。内置在汽车、机器人或无人机等物理机器中的计算机程序将极大提升自动化过程。此外,它们彼此互联,组成能够相互合作的智能物联网。
丰田研究所所长吉尔·普拉特(Gil Pratt)促成的历史性飞跃甚至比在基蒂霍克发生的还要大。普拉特将人工智能的最新进展与5.4亿年前进化生物学的寒武纪爆发进行了比较。几乎所有的动物都起源于寒武纪时期,当第一个物种进化出看东西的能力,进化的“军备竞赛”就开始了。有了眼睛的动物就可以征服新的栖息地,可以开拓出新的生态位。生物多样性就此爆炸式增长。这与人工智能识别数字图像非常类似。随着生物技术在数字图像识别方面的突破,人工智能现在也有了眼睛,能够更精确地导航并从环境中学习。麻省理工学院的埃里克·布林约尔松(Erik Brynjolfsson)和安德鲁·麦卡菲(Andrew McAfee)将对比进一步推进到进化的早期阶段,并说道:“今天,我们同样期望看到各种新产品、服务、工序和组织形式。当然,其中也会有大量的‘灭绝’,但也肯定会有一些奇怪的失败和意外的成功。”
人工智能研究人员和学习软件系统的生产者现在被一股强大的力量推动向前。需要资金的初创公司倾向于在每个数字应用上贴上人工智能的标签,而不考虑系统能否真正从数据和示例中学习或是从学习经验中总结出规律来,也不管它是否实际上只是盲目遵循指令的传统编程系统。人工智能的卖家和很多买家——不管是科研赞助商、投资者还是用户——都只能艰难地评估产品的技术操作原理。人工智能目前被一种神奇的光环包围着——而这并不是第一次。
人工智能已经经历了多个炒作周期。然后,人们对它的期望越大,失望越大。在这些所谓的“人工智能的冬天”中,甚至某些狂热的信徒也开始怀疑自己是否在追逐白日梦,而这个白日梦是他们从小痴迷的科幻小说激发他们描绘出来的。
今天我们可以放心地说:人工智能研究已经突破了几十年来其自身一直面临的问题。更公正地说,我们应该给予人工智能更多赞赏。当一台机器比数学天才更会做算术题,或是比世界冠军更会下棋,或能更可靠地指引我们穿过一座城市,我们会在短时间内对此留下深刻的印象。但是,一旦计算器、国际象棋程序和导航应用程序成了大众买得起的便宜产品,我们就会觉得这种技术变得很无聊。当人工智能的时代真正来临的时候,我们又会很快习以为常,而忘了我们曾经认为它们是智能的。
强弱人工智能
1955年,在著名的达特茅斯会议上,马文·明斯基(Marvin Minsky)与一众计算机先驱们发明了“人工智能”这个概念。此后,这个概念一直备受争议。即使今天,科学家们仍然没有就“人类智能”的构成达成共识,那么“人工智能”这样的概念是否能用于机器呢?关于人工智能的讨论很快就转向了其基本问题。例如,没有意识的思考是否存在,机器是否很快就会比人类更聪明,机器是否会聪明到自行迭代,变得越来越智能,甚至发展出自我意识及喜好?如果是这样,我们是否必须授予有自主思维的机器以人权?或者人类和机器是否会融合,形成超级人类,将人类进化提升到下一个阶段?
这些关于强人工智能(或称为广义的人工智能)——有强认知的、像人类一样的AI——的问题很重要。对这项技术将带来的长远影响的思考应该与技术的发展同步进行,就像我们对待核武器那样。本书的最后一章将谈到这些问题。不过,这些担忧还离我们很远。更紧迫的是“弱人工智能”这个议题,包括那些今天在技术上就已经可以实现的弱人工智能,以及在可见的未来会出现的弱人工智能。那么首先,我们需要搞清楚什么是弱人工智能(狭义的人工智能)。
美国语言哲学家约翰·罗伯特·塞尔(John Robert Searle)在40年前就提出了强弱人工智能的区别。目前,强人工智能还只存在于科幻小说中,而弱人工智能已然存在于计算机系统中,并处理着各种直到最近我们还以为只有人类大脑才能处理的任务。弱人工智能通常涉及经典的知识性工作任务,例如审核保险公司的案卷或写作新闻或体育报道。
人工智能嵌入到物理机器中,不仅能使汽车智能化,而且能使工厂、农业设备、无人机及救援和护理机器人智能化。我们常常将它与人类行为比较,试图找到两者的相似之处,但其实智能机器完全不必模仿人类完成任务的方式或人类大脑中任何意义上的生化过程。它们通常具有自主搜索数学解析路径、改进已有算法,甚至独立开发算法的能力。结果是机器比人类做得更好、更快,也更便宜。在解决问题方面,如果机器比人类更优越,机器系统的普及速度就会更快。然而,正如数字革命的传教士所宣称的那样,根据数字拷贝不花费任何成本的原则,这不会以零边际成本的情况发生。数字技术很贵,这一事实在短时间内也不会改变。如果你对这一事实存有疑虑,你可以去询问任何一位首席信息官。但事实证明,新技术的引进和传播周期正在缩短。
人类对于文明的态度将加速或减缓创新被接纳的速度。正如当前的机器人在欧洲是敌人,在美国是佣人,在中国是同事,在日本是朋友。但从长远来看,投资回报率才是影响全球对机器人态度的关键。而收益通常是以金钱衡量的。当亚马逊在市中心设立无人售货的小商店时,相机、传感器和射频识别芯片会自动计算购物车里商品的总价。虽然亚马逊需要在自动化货架和收银机系统上投资数百万美元,但在人事成本上它却节省了数百万美元,于是它在之后的某月或年中就可以收回成本。但是,如果纽约基因组中心能够在10分钟内用IBM Watson应用程序分析患者的遗传物质,以便提出可能成功的治疗方法,而高水平的医生需要160个小时进行同样的分析,那么这时机器人所带来的回报就不是以美元计算了,这时候的衡量标准变成了被挽救生命的数量。
“人工智能将像电一样改变世界。”这句话出现在许多关于人工智能的文章和研究中。在技术范式转变的时代,专家——尤其是乐观派——在做出有关人工智能的预言时应该谨慎。如果没有根本性的变化,以过去的数据预测未来的可靠性最多只有50%。
在这方面,数字化本身就产生了一个有趣的悖论。更多的数据和分析提高了人们对未来的预测能力。但是数字技术的破坏性造成了不可预知的变化。然而,我们仍然坚持这样的假设,即智能机器将在未来20年从根本上改变我们的生活、工作、经济和社会。如果把从数据中学习的系统看作一种跨界技术,那么将之与电类比是正确的。和内燃机一样,塑料、互联网的发展都在多个领域产生了影响,同时也为那些我们甚至在今天都无法想象的新创新的出现和影响创造了先决条件。
电力使得高效的火车、装配线、图书馆照明、电话、电影工业、微波、计算机和电池驱动的火星漫游者在崎岖的地表上的探索任务成为可能。我们无法想象没有电的现代生活。今天,没有人知道人工智能这种跨界技术是否会产生类似的巨大影响。斯坦福大学教授、谷歌和百度AI团队的前负责人安德烈回答了人工智能将影响哪些领域的问题:“可能思考AI产业将不会改变什么比思考AI产业将会改变什么更容易。”这不再是对未来的陈述。它描述的是现在,包括积极的方面和令人不安的方面。
评论
还没有评论。