第254章 倒行逆施

請關閉瀏覽器的閱讀/暢讀/小說模式並且關閉廣告遮蔽過濾功能，避免出現內容無法顯示或者段落錯亂。

透過求解淺度監督學習問題而實現的net層的序列學習是一種可替代端到端反向傳播的方法。

這一策略可以直接指定每一層的目標，例如透過激勵對錶徵的特定屬性的精細化，比如漸進的線性可分性。然後，就可以根據對淺度子問題的理論理解來開用於深度貪婪式方法的理論工具。

人工智慧的前景是廣闊的，但章杉覺得一味追求利用人的優勢去改造機器，完全是倒行逆施。

真正合理的做法反而應該是利用人工智慧去輔助人類更好的二次進化！

這才是真正的革命方向！

未來十年，人工智慧將會出現哪些值得關注的新進展？

章杉記得一家全球性資訊分析公司——愛思唯爾（e1sevier）詢問過一些人工智慧研究領域的研究者，他們認為該領域最重要的進展是什麼？

南漢普頓大學的溫迪·霍爾教授:“人工智慧進展的一個有趣之處是，試圖解決‘通用人工智慧’問題——這是一個更大的問題，即我們能否創造出像人類一樣思考和行動的機器，創造了一些非常智慧的工具。我們已經看到了很多進步，比如面部識別、語音翻譯、服務自動化。機器比我們更擅長處理資料和從中學習。在過去的3o年裡，像人臉識別這樣的事情已經有了很大的展。這種深度學習應用程式的開是一個驚人的展。”

代爾夫特理工大學的弗吉尼亞·迪格納穆教授說:“最大的進步可能是我們尚未取得的。目前，我們過於依賴人工智慧的隨機機率方法……“

紐約大學心理學和神經科學教授加里·馬庫斯“許多最好的進展都是在早期取得的，當時人們現了一些基本的東西。例如，人們找到了進行符號操作的基本邏輯，這是進行搜尋的基礎。神經網路的東西在8o年代就被現了，但是它有著更長的歷史，顯然對分類這樣的一大堆問題非常有用。”“但我們還沒有取得大量進展。客觀地說，這就像在16oo年問我化學最大的進步是什麼。我不知道——在人工智慧的許多方面，我們仍在嘗試鍊金術。”

加州大學伯克利分校電氣工程和電腦科學教授斯圖爾特·拉塞爾教授說:“人工智慧所做的最大貢獻是這種基於知識的系統的概念，它具有內部表示的知識和基於這些知識進行推理的程式。”“我們需要一種更有機的感知和推理相結合的形式。人們在眼睛和大腦之間有一個反饋迴路——大腦不僅僅對眼睛看到的東西做出反應，它還控制著我們所感知的東西，我們所認識到的剛剛生和將要生的事情，我們可以忽略的事情，我們特別關注的事情。在人工智慧系統中，我們現在還沒有這樣的系統。“

愛思唯爾網路分析公司的伊麗莎白·林指出:“人工智慧已經在社會的許多系統中使用。……它們只是看起來不像人們期望的那樣。”

章杉也覺得雖然深度學習和aI的相關性是無限的，但這不是我們創造智力的方式。

人們需要使用因果抽象和其他我們還沒有的機制，以一種可擴充套件和可大規模使用的方式。這才是下一件大事。

眾所周知，深度學習是一個熱門話題。

過去1o年令人興奮的是模式研究的進展方式，以及這如何影響計算機視覺。

這可能是深度學習產生最大影響的領域。你可以在無人駕駛汽車上看到它，

但是在醫學成像中，同樣的過程可以更準確地識別你是否患有某種癌症。

將這種影象提取與自然語言處理聯絡起來，然後應用於健康問題非常有趣。

除了深度學習、計算機視覺和自然語言處理將會繼續成為下一個1o年人工智慧研究的熱點以外，上述幾位專家提到的通用人工智慧、因果抽象、感知和推理相結合等，很可能是下一個1o年值得關注的新熱點。

但是，正如迪格納穆教授所言，“最大的進步可能是我們尚未取得的”。例如，量子計算是當前前沿科技研究領域，已經在很多國家得到了政府的大力支援。人工智慧框架，如搜尋和產生式系統理論，是否能夠利用量子計算機快執行？是否能夠利用量子現象（如疊加、糾纏）實現量子計算對量子態表示的資料進行操作，大規模提升機器學習能力，並有助於展級人工智慧？人工智慧和機器學習追求的目標是雄心勃勃的，量子計算是否有助於這些雄心壯志進一步展？這些都還沒有公認的答案。

在人們興高采烈談論人工智慧革命將如何變革我們的世界的同時，章杉對未來的人工智慧革命可能產生的負面效應憂心忡忡——擔心人工智慧被用來愚弄人類和對人類造成傷害。

的確，人工智慧肯定會帶來很多好處，改善我們的生活，例如，娛樂，危險場所的工作，老年護理，遠端購物、旅遊等。但是，人們常說，科技革命是把“雙刃劍”，也就是說，存在負面效應。如何應對人工智慧存在的負面效應，減少或避免受到不良影響，是值得關注的問題。

人工智慧給人類和社會帶來挑戰，其中最明顯的問題是失業。有人預測，機器將會先接管電話營銷、自動化運輸服務、下水道管理、稅務籌劃者、照片處理、資料錄入工作、圖書館員和圖書館技術員等工作。例如，數以百萬計的卡車司機的工作中的大部分，都將會因自動駕駛實現自動化。儘管這似乎令人擔憂，但實際上從18世紀工業革命開始，人類勞動自動化就是一個大趨勢——當然，人工智慧帶來的自動化的廣度和深度，將是前所未有的。另一個問題是隱私。例如，人工智慧可以從我們的社交媒體反饋中準確預測我們的習性、喜好和隱私。還有人對人工智慧自主武器深感不安——自主武器有權決定是否奪走人的生命（雖然也有人認為自主武器可以被設計得比人類更可靠）。

更嚴重的問題是演算法偏見——雖然人工智慧決策軟體原則上可以被設計成沒有偏見的，但糟糕的演算法設計會導致做出糟糕的決策。如果一個機器學習程式是由具有偏見的人或具有偏見的資料訓練的，那麼這個程式也會有偏見。最後，從長遠看令人擔憂的的問題是，如果我們到達“奇點”——通用人工智慧系統變得比人類聰明的假設時間點——會生什麼。也許人工智慧將出人類的控制，甚至可能對人類生存構成威脅——當然，關於奇點是否會生，科學界至今意見不一。

無論如何，人工智慧的長遠未來有很大的不確定性。應該針對這種可能的負面影響，研究防禦措施，防範機器欺騙、威脅和人工智慧駭客的攻擊，教人工智慧辨別是非。

這也是為什麼之前章杉在講人工智慧的時候提到了淺度思考。

淺度思考就在於賦予機器一些思辨性，使得機器能夠最起碼的辨明是非。

儘管聽起來有些理想主義，但章杉可不想有著一日因為自己研究的aI機器不小心惹出的麻煩而引火上身。

喜歡讀書成神豪請大家收藏讀書成神豪本站更新度全網最快。