內(nèi)容來源：CB Insights

智能增強技術(shù)有助于提高人類的潛能——通過提高工人生產(chǎn)力、減輕一般任務(wù)的工作量以及為我們的生活提供更多方便。本文的作者是 Anupam Rastogi，他是 NGP 的成長期技術(shù)投資者，專注于企業(yè)中的物聯(lián)網(wǎng)、數(shù)據(jù)與機器學(xué)習(xí)的交叉領(lǐng)域。

自 20 世紀(jì) 50 年代以來，人工智能（The Artificial Intelligence/AI）與智能增強（Intelligence Augmentation/IA）之間的爭論已經(jīng)持續(xù)了半個多世紀(jì)。一般來說，智能增強指的是利用信息技術(shù)來增強人類能力。這個想法自 1950 年被首次提出后，現(xiàn)在已經(jīng)變得無處不在。如今人工智能越來越多地被用于廣泛描述那些能夠模仿人類功能（比如學(xué)習(xí)和解決問題）的機器，但它最初所建立的前提條件是：人類智能可以被精確描述，且能夠用所制作的機器進行模擬。人工通用智能（Artificial General Intelligence/AGI）這個術(shù)語通常僅僅表示后者，該定義較前者更嚴(yán)格。當(dāng)下存在許多人工智能方面前所未有的炒作——其近來令人難以置信的增長曲線、無數(shù)的潛在應(yīng)用、及其潛在的社會威脅。

更廣泛的人工智能定義給一些人造成了困惑，特別是那些或許不太緊跟技術(shù)潮流的人。機器學(xué)習(xí)應(yīng)用近期所帶來的一些十分顯著的進步有時會被錯誤理解和推斷，使我們以為人類即將取得 AGI 方面的進展、正在逼近為了社會秩序所需要的一切。

智能增強與人工通用智能技術(shù)之間可能會有一段持續(xù)進步的過程。我在本文中談到，我們所目睹的人工智能領(lǐng)域的快速進展是來自于機器學(xué)習(xí)對其產(chǎn)生的強大驅(qū)動力。然而，滿足人工智能——以及人工通用智能——的原始前提條件是大量的、額外的、在近期進展之上的技術(shù)突破。智能增強技術(shù)有助于提高人類的潛能——通過提高工人生產(chǎn)力、減輕一般任務(wù)的工作量以及為我們的生活提供更多方便。我們目前所看到的是機器在任務(wù)執(zhí)行方面的能力提升，在這方面它們幾十年前就勝過人類了。而未來十年中，我們會看到機器學(xué)習(xí)技術(shù)進一步滲透眾多行業(yè)和生活領(lǐng)域，推動這種能力進一步地快速提高。

舊聞新炒

如今所使用的許多人工智能和機器學(xué)習(xí)算法是幾十年前發(fā)明的。國防機構(gòu)使用高級機器人、自動駕駛車輛和無人機的時間已將近半個世紀(jì)。第一個虛擬現(xiàn)實原型開發(fā)于 20 世紀(jì) 60 年代。然而截至 2016 年底，沒有一份主流出版物不對人工智能即將產(chǎn)生的社會影響發(fā)表高論。根據(jù) CB Insights 的數(shù)據(jù)，對利用人工智能的創(chuàng)業(yè)公司的投資資金將于 2016 年達到 42 億美元，僅僅四年就翻了 8 倍以上。

發(fā)生了哪些變化？

影響因素有很多，但也有這樣一個共識：最近的許多事態(tài)發(fā)展，比如近期谷歌翻譯的巨大進展、谷歌 DeepMind 在圍棋游戲中的勝利、亞馬遜 Alexa 的自然會話接口以及特斯拉的自動駕駛功能，都由機器學(xué)習(xí)的進步所推動，更確切地說是深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)——它是人工智能的一個分支。深度學(xué)習(xí)理論已經(jīng)存在了幾十年，但是它開始看到了新一輪的焦點，以及自 2010 年左右開始顯著加快的進展速度。我們當(dāng)下所看到的現(xiàn)象是一個雪球效應(yīng)——深度學(xué)習(xí)在用例與行業(yè)中的影響——的開端。

影響因素有很多，但也有這樣一個共識：最近的許多事態(tài)發(fā)展，比如近期谷歌翻譯的巨大進展、谷歌 DeepMind 在圍棋游戲中的勝利、亞馬遜 Alexa 的自然會話接口以及特斯拉的自動駕駛功能，都由機器學(xué)習(xí)的進步所推動，更確切地說是深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)——它是人工智能的一個分支。深度學(xué)習(xí)理論已經(jīng)存在了幾十年，但是它開始看到了新一輪的焦點，以及自 2010 年左右開始顯著加快的進展速度。我們當(dāng)下所看到的現(xiàn)象是一個雪球效應(yīng)——深度學(xué)習(xí)在用例與行業(yè)中的影響——的開端。

機器和人類

在某些類型的任務(wù)上，機器的表現(xiàn)長期以來一直優(yōu)于人類，尤其是那些與計算速度和規(guī)模相關(guān)的任務(wù)。三位學(xué)院派經(jīng)濟學(xué)家（Ajay A. et al）在最近的一篇論文和哈佛商業(yè)評論上一篇文章假定最近機器學(xué)習(xí)的進展可以歸為機器「預(yù)測」中的進展一類。

機器的工作原理是機器使用了之前的蘋果圖像中的信息來預(yù)測當(dāng)前的圖像中是否有蘋果。為什么會用『預(yù)測』這個詞？預(yù)測使用的信息是你沒有的但必須要生成的信息。機器學(xué)習(xí)使用的數(shù)據(jù)是從傳感器、圖像、視頻、輸入的注釋、或者其他任何能被用比特/二進制（bit）表示的東西。這就是你擁有的信息，機器用這樣的信息去填補它缺失的信息來識別物體，并預(yù)測下面會發(fā)生什么。這是你沒有的信息。換句話說，機器學(xué)習(xí)是一種預(yù)測技術(shù)。

完成任何的主要任務(wù)都涉及這幾個要素：數(shù)據(jù)收集、預(yù)測、判斷和行動。人類仍然在基于判斷的任務(wù)（廣義）上遠超機器，而且 Ajay 等人假設(shè)這些任務(wù)的價值會隨著機器學(xué)習(xí)帶來的預(yù)測成本下降而增加。

 過去幾年中，在深度學(xué)習(xí)的驅(qū)動下，雖然已經(jīng)有了能夠展示類似人類軟技能的機器，機器在這些領(lǐng)域的能力幾乎無法達到「預(yù)測」中的水平。下面是一些人類擅長的領(lǐng)域，讓機器來模擬這些技能可能需要的新技術(shù)突破：

• 學(xué)會學(xué)習(xí)：最近機器學(xué)習(xí)使用中一些驚人的成果包括，觀察人類在多種實例任務(wù)中的行為（這種在手問題輸入和輸出的大數(shù)據(jù)集），同時「學(xué)習(xí)」使用深度神經(jīng)網(wǎng)絡(luò)方法。

  
  

• 常識：人類擅長運用「常識」，即用一種不加開放思考或無需大數(shù)據(jù)集的通用方法來做出判斷。在這個領(lǐng)域，除了在使用深度學(xué)習(xí)處理自然語言任務(wù)上有大進展外，機器相對來說還處在初步階段。研究常識推理的科學(xué)家估計機器想要運用常識就需要其他新的技術(shù)進展。我們（或者我們的孩子）在和 Alexa 或 Siri 時都要面對這個問題。

  
  

• 直覺和歸零：人類大腦擅長直覺和歸零，例如從一個非常大的復(fù)雜又模糊的選擇集合中發(fā)現(xiàn)某個事實、想法或者行動過程。學(xué)界一直有人在嘗試做將直覺帶給機器的研究，但是在這個維度上的機器智能還普遍處于初級階段。

  
  

• 創(chuàng)造力：雖然有很多機器已經(jīng)能生成一些和人類藝術(shù)大師的作品難以區(qū)分的作品，但它們在很大程度上還是基于學(xué)習(xí)這些大師已經(jīng)創(chuàng)造出的模式。真正的創(chuàng)造力需要為問題生成之前從未見過的全新解決方案或真正創(chuàng)新的藝術(shù)成果。

  
  

• 共情：理解情緒、價值系統(tǒng)、設(shè)置愿景、領(lǐng)導(dǎo)力和其他仍然還是人類專屬的軟能力。

  
  

• 多功能：同樣一個人可以合理地執(zhí)行許多人物，比如拿起盒子、駕駛汽車去工作、帶小孩和發(fā)表演講。目前的機器和機器人都還是為特定的任務(wù)而打造的。

IA 和 AI

根據(jù)以上的總結(jié)，我們可以得知：機器已經(jīng)在學(xué)習(xí)（或者被稱為「預(yù)測」）的技能方面取得了長足的進展，它們進入了模仿「人類」真正的技能的早期階段。我們建議的分類方式是：將預(yù)測、第一階段的機器學(xué)習(xí)以及需要人類參與的自動化功能（human-in-the-loop automation capabilities）歸為「IA」技術(shù)。這些技術(shù)通常是使用機器獨有的能力（處理巨大數(shù)據(jù)集的能力）來有效地增強人類能力，系統(tǒng)最終的輸出通常還是由設(shè)計和訓(xùn)練它們的人來決定，因為系統(tǒng)設(shè)計者會提供一些與機器互補的技能。

從根源上講，很容易把它與 AGI 弄混淆，所以我們使用了術(shù)語 AI 來描述我們在前面提到的機器擁有的那些屬于人類的判斷、學(xué)習(xí)和具備常識的能力以及具有先天創(chuàng)造力和同情心的特征。對于強大的 AGI 而言，這也許只是它的一部分，但是要實現(xiàn)復(fù)雜的工作流程的全自動化就需要具有大多數(shù)這些技能的機器。

明確了這些概念以后，我們就可以知道如何對當(dāng)前或者即將出現(xiàn)的那些可能會影響我們?nèi)粘Ｉ詈凸ぷ鞯募夹g(shù)進行分類了：

IA 和 AI 帶來的影響

有一個眾所周知的諺語：「我們總是更傾向于在短期內(nèi)高估技術(shù)產(chǎn)生的影響，而在長遠上低估它」。這也被稱為「阿馬拉定律（Amara』s Law）」，人們經(jīng)常用下圖來表示它。

我們可以在這個圖上看到，這條曲線在任何一個軸上都沒有刻度。對于曲線開始處的任何一點，我們不能準(zhǔn)確地知道它距離拐點有多遠。但是這條曲線確實說明了一個很重要的趨勢——一項新技術(shù)的影響在其初始階段十分緩慢，然后隨著技術(shù)的發(fā)展和市場的大規(guī)模采用，該技術(shù)的影響顯著變大，最終趨于飽和。人們對于市場預(yù)期通常都會忽視這個趨勢。

然后，當(dāng)進入了所謂的著名的「市場炒作周期」，人們對于技術(shù)初期影響的預(yù)期遠遠超過了技術(shù)的真實影響力，因此，人們就會陷入一種失望的境地。隨著技術(shù)的影響繼續(xù)擴大并且達到一種較大的規(guī)模之后，該技術(shù)會達到生產(chǎn)率的巔峰。

我相信我們今天所看到的有關(guān)于術(shù)語「AI」的那些重大的發(fā)展和認知其實是「IA」曲線的上升階段，其中使用人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)（以及前面提到的一些驅(qū)動力如硬件、數(shù)據(jù) 、云經(jīng)濟學(xué)、連接性和其他算法上的進步）正在推動我們走向該曲線上拐點。在許多情況下，相對于回歸（regression）和其他統(tǒng)計工具以及基于規(guī)則的系統(tǒng)和人工編碼實現(xiàn)的邏輯等現(xiàn)有「預(yù)測」方法而言，深度學(xué)習(xí)進行了進一步的提升。機器學(xué)習(xí)通過提高模型精度，增加處理數(shù)據(jù)能力以及提高對輸入的適應(yīng)性而推動了發(fā)展的速度。

由于機器智能仍然存在上述限制，所以我認為全自動化技術(shù)的發(fā)展應(yīng)該是一條全新的曲線。并且我相信我們還處于這條曲線的早期階段。

之前已經(jīng)有多個和 AI 以及奇點（singularity）相關(guān)的并且預(yù)測不準(zhǔn)確的炒作周期了。許多 AI 先驅(qū)在 20 世紀(jì) 50 年代的早期認為，具備人類所有能力的機器將在十年或二十年之內(nèi)就出現(xiàn)。這個目標(biāo)沒有實現(xiàn)的原因不是因為沒有足夠強大的計算能力，而是在多個新的維度上的科學(xué)還沒有突破。然而這種根本性突破的時間很難預(yù)測以及調(diào)整。根據(jù)斯蒂芬·霍金所言，截至到 2015 年，「人工智能研究員還不能明確什么時候可以建造出擁有或超過人類的 AI 機器?！?/p>

我們可能正處于對于「AI」進行炒作的巔峰階段。然而，IA（如同上邊定義的那樣）提供了一個 5 至 10 年的巨大的投資機會。人類和機器正處于一個互補的階段，他們都有一些不同于對方的卓越的才能。這表明人類能夠?qū)Ｗ⒂谒麄儶氂械募寄芡瑫r還可以享受鍛煉的樂趣，而機器專注于處理大多數(shù)那些不需要人類的判斷力，創(chuàng)造力和同情心等能力就能完成的常規(guī)任務(wù)。目前有很多文章已經(jīng)寫了關(guān)于 IA 技術(shù)將會引起工作和勞動的性質(zhì)的變化，并且這些變化并不容易。這篇文章就很好地進行了總結(jié)：「你使用機器的能力將決定你未來的薪資。」

即時創(chuàng)新和投資機會在何處？

我相信智能增強技術(shù)（運用深度學(xué)習(xí)以及其他機器學(xué)習(xí)技術(shù)實現(xiàn)人工增強自動化）在中期階段的影響比多數(shù)人認為的要大，而全自動化的影響則遠遠超出近期相關(guān)報道中指出的范圍。

本文無意揣測人工通用智能（AGI）是否還遠在十年或百年之后，亦非討論其將成為對社會的威脅與否。我的立足點在于，你是否對正在進行的投資或者即將創(chuàng)立的公司亦或項目有著五至十年的大規(guī)模愿景。由機器學(xué)習(xí)推進的智能增強或人類增強技術(shù)具有立竿見影且顯著的價值，況且，在這條商業(yè)和社會成功之路上鮮有阻力，可謂是一片坦途。

一如傳統(tǒng)的 B2B 模式，我們尋找的方案是止痛藥而不是維他命，不僅能夠做到解決明顯的現(xiàn)有痛點，展示其強勁的投資回報率，與現(xiàn)有的工作流程高度合拍，還能與企業(yè)中買方、用戶和協(xié)調(diào)人三者利益一致。在這個領(lǐng)域，我保證有人參與的智能技術(shù)（智能增強）將有助于提高整體生產(chǎn)力、優(yōu)化投資成本、提供個性化解決方案、或者助力為客戶提供新的產(chǎn)品。

機器學(xué)習(xí)技術(shù)正被應(yīng)用于各大垂直產(chǎn)業(yè)的許多方面。這是一個關(guān)乎整體投資立論的全景話題（至少是獨立于其中），但我們可以通過一個簡明的列表來窺見一斑，看業(yè)內(nèi)如何通過機器學(xué)習(xí)這一優(yōu)勢來增強人類自身的能力、提高生產(chǎn)力以及優(yōu)化資源使用方式。

• 企業(yè)——完成單調(diào)重復(fù)任務(wù)的機器人助手將更具功能性，并將在十年之內(nèi)更加深入企業(yè)各個方面。使用增強技術(shù)實現(xiàn)的可穿戴式設(shè)備將有助于順利完成危險或者成本高昂的工作。

  
  

• 生產(chǎn)制造——合作型的智能機器人可以安全地與人類共事，并且完成那些復(fù)雜高?；蛘咧貜?fù)性的勞動，從而提高生產(chǎn)效率。

  
  

• 交通和運輸——各大科技公司和傳統(tǒng)制造商們正在就自動駕駛汽車開發(fā)進行一場公開而激烈的角逐。而一般駕駛情況下的減少駕駛員工作量的相關(guān)技術(shù)在短期內(nèi)其收效是更可預(yù)見的。比如：高速公路，降低因人工駕駛車輛造成的誤操作率和交通意外，改善交通車流量及提高燃料使用效率。假以時日，完全自主的生態(tài)保障系統(tǒng)將改變都市生活結(jié)構(gòu)，并隨之帶來更多衍生發(fā)展機會。

  
  

• 醫(yī)療保健——機器學(xué)習(xí)技術(shù)基于更為廣泛的數(shù)據(jù)庫，從而有助于醫(yī)療人員提供高精度，實現(xiàn)個性化診療。

  
  

• 農(nóng)業(yè)——各類農(nóng)用機器人、作物優(yōu)化技術(shù)、自動灌溉技術(shù)以及蟲害預(yù)警系統(tǒng)將有助于大幅提高農(nóng)業(yè)生產(chǎn)力。

到了術(shù)語更迭的時候了

由于人工智能的范疇已經(jīng)遠遠超出了其在科技工業(yè)的既有領(lǐng)域而滲入到各大傳統(tǒng)行業(yè)當(dāng)中，它開始觸及許多并不深諳人工智能科技相關(guān)術(shù)語的普羅大眾。

我們最好謹慎地使用「人工智能」這個術(shù)語。為避免混淆，減小不利趨勢和監(jiān)管的風(fēng)險，以及更好地認知即將到來的術(shù)語更為豐富的時代，我們應(yīng)該使用例如「智能增強」（IA）這類的術(shù)語來指代近期使用機器學(xué)習(xí)技術(shù)所取得的先進成果。我認為智能增強可以更好地闡釋人類與機器的共生關(guān)系，而現(xiàn)有技術(shù)的影響力正取決于這種關(guān)系。之所以這樣提，是因為我們不乏先例。隨著機器變得越發(fā)無所不能，從前被認為需要智能的情形就會從人工智能的定義中清除。比如，光學(xué)字符識別（OCR）曾被認為是一種人工智能科技，但它如今已相當(dāng)普遍，并不在人工智能考慮范圍之內(nèi)了。

還是把人工智能這個詞用做描述全自動技術(shù)吧，那些我們已經(jīng)論證過的，那些讓我們糾于現(xiàn)狀卻不甚明朗的技術(shù)。而與此同時，我們更應(yīng)該抓住因為智能增強的高歌猛進而帶來的機會。

慕編組成員：大葉子