|
接上篇：人工智能不可能超越人類(lèi)，原因居然是這樣的……（上）
多樣性vs.奇點(diǎn) Goldberg說(shuō)，大部分恐懼主要源于奇點(diǎn)，屆時(shí)AI和機(jī)器人將超越人類(lèi)智能。與其擔(dān)心遙不可及的奇點(diǎn)，他建議我們多關(guān)注多樣性，即人與機(jī)器人協(xié)作解決問(wèn)題及創(chuàng)新。 搜索引擎，社交媒體平臺(tái)的后端，以及電影觀眾，購(gòu)物者和度假者的許多應(yīng)用程序已經(jīng)出現(xiàn)了多樣性。當(dāng)我們與AI支持的服務(wù)交互時(shí)，每次點(diǎn)擊或查看都會(huì)發(fā)出一個(gè)關(guān)于我們的興趣，喜好和意圖的信號(hào)。獎(jiǎng)勵(lì)？更好的結(jié)果與我們的偏好一致，并更好地預(yù)測(cè)我們接下來(lái)可能要做的事情。這是一個(gè)相互依存的關(guān)系。每個(gè)人都需要改善。而且互動(dòng)越多樣化，他們（我們）就變得越全面。 從研究到現(xiàn)實(shí)世界 從實(shí)驗(yàn)室到AI在現(xiàn)實(shí)世界中的應(yīng)用，多樣性是非常重要的。另一位致力于將人工智能帶到工業(yè)世界的專(zhuān)家，也強(qiáng)調(diào)人類(lèi)和機(jī)器共同工作的重要性。 Pieter Abbeel表示，“這是挑戰(zhàn)的一部分。人類(lèi)如何能夠利用這項(xiàng)技術(shù)，并利用它來(lái)使自己變得更加智能，而不僅僅是將這些機(jī)器與我們分開(kāi)？當(dāng)機(jī)器是我們?nèi)粘Ｉ畹囊徊糠謺r(shí)，我們可以利用自己的力量來(lái)提高自己的生產(chǎn)力，這真是令人興奮。” （2010年， Abbeel的研究團(tuán)隊(duì)發(fā)布了一個(gè)機(jī)器人折疊洗衣機(jī)的視頻時(shí)，每個(gè)人都非常興奮）。 Abbeel是加州大學(xué)伯克利分校機(jī)器人深度強(qiáng)化學(xué)習(xí)的先驅(qū)，電機(jī)工程和計(jì)算機(jī)科學(xué)系教授，也是機(jī)器人學(xué)習(xí)實(shí)驗(yàn)室主任。2011年，他登上了《麻省理工科技評(píng)論》評(píng)選的全球35位35歲以下創(chuàng)新者榜單。Abbeel是Embodied Intelligence的總裁兼首席科學(xué)家，這是他最近在加州埃默里維爾（Emeryville）聯(lián)合創(chuàng)辦的一家創(chuàng)業(yè)公司，該公司正在開(kāi)發(fā)人工智能軟件，可以讓機(jī)器人自己學(xué)習(xí)新的技能。
他也對(duì)AI的前景感到興奮，但認(rèn)為需要謹(jǐn)慎。 Abbeel表示，“我認(rèn)為AI領(lǐng)域有很大的進(jìn)步，因此感到非常興奮。關(guān)于恐懼，我認(rèn)為應(yīng)該記住，像語(yǔ)音識(shí)別、機(jī)器翻譯和識(shí)別圖像內(nèi)容等最突出進(jìn)展的例子就是所謂的監(jiān)督學(xué)習(xí)，” Abbeel說(shuō)，理解正在構(gòu)建的不同類(lèi)型的AI是很重要的。在機(jī)器學(xué)習(xí)中，有三種主要類(lèi)型的學(xué)習(xí)：監(jiān)督學(xué)習(xí)，無(wú)監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。 他解釋道，“監(jiān)督學(xué)習(xí)只是模式識(shí)別。從語(yǔ)音到文本，或者從一種語(yǔ)言到另一種語(yǔ)言的轉(zhuǎn)換，這是一個(gè)非常困難的模式識(shí)別。用英語(yǔ)告訴它一些東西，它會(huì)告訴你中文是什么。跟它說(shuō)幾句話，它會(huì)將其轉(zhuǎn)換成文字序列。這只是模式匹配。你給它輸入圖像和標(biāo)簽等數(shù)據(jù)，它將學(xué)習(xí)你從圖像得到標(biāo)簽的方式。” Abbeel 還指出，“無(wú)監(jiān)督學(xué)習(xí)是你只給它輸入圖像，而沒(méi)有標(biāo)簽。你希望從看到很多圖像開(kāi)始了解這個(gè)世界趨向于什么樣子，然后通過(guò)建立這種理解，也許在將來(lái)它可以更快地學(xué)習(xí)其他東西。無(wú)監(jiān)督學(xué)習(xí)沒(méi)有任務(wù)，只是給它提供大量的數(shù)據(jù)（就像Google用很多貓做的那樣）。” “還有強(qiáng)化學(xué)習(xí)，這是非常不同的，更有趣的，但更難（強(qiáng)化學(xué)習(xí)是自動(dòng)駕駛汽車(chē)技術(shù)進(jìn)步的保證）。當(dāng)你給你的系統(tǒng)一個(gè)目標(biāo)，它可能是電子游戲中的高分，或者贏得一盤(pán)棋，或者兩個(gè)部分組合，這就是一些恐懼可以證明的地方。如果AI得到的是錯(cuò)誤的目標(biāo)，會(huì)發(fā)生什么？目標(biāo)應(yīng)該是什么？” 這就是為什么人類(lèi)和人工智能不會(huì)在真空中進(jìn)化的重要原因。當(dāng)我們構(gòu)建更智能的機(jī)器時(shí)，我們的人類(lèi)能力將得到增強(qiáng)。 Abbeel表示，“讓我非常興奮的是，我們?cè)?span lang="EN-US">Embodied Intelligence的最近研究成果表明，AI已經(jīng)能理解他們看到的圖片。不是人類(lèi)層面的理解，但相當(dāng)好。如果計(jì)算機(jī)能真正理解圖像中的內(nèi)容，或許它可以拿起兩件物品并將他們組裝在一起。或者它可以通過(guò)包裝來(lái)分類(lèi)，或從貨架上挑選東西。在我看來(lái)，在不久的將來(lái)，一個(gè)巨大的變化是依賴(lài)?yán)斫庀鄼C(jī)的饋送內(nèi)容來(lái)完成任務(wù)即將成為現(xiàn)實(shí)。” 到底什么是AI 人工智能已經(jīng)成為一個(gè)營(yíng)銷(xiāo)口號(hào)。就像之前的機(jī)器人一樣，現(xiàn)在一切似乎都是人工智能。有時(shí)候人工智能是什么不是什么很難界定，甚至連專(zhuān)家都會(huì)猶豫不決。正如Brooks指出的那樣，上世紀(jì)60年代被認(rèn)為是人工智能的課程，現(xiàn)在是計(jì)算機(jī)編程的第一課，但那不叫AI。 Brooks表示，“某個(gè)時(shí)候稱(chēng)為AI的，后來(lái)可能又變成了計(jì)算機(jī)科學(xué)?！?/p> 機(jī)器學(xué)習(xí)及其所有變體，包括深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)和模仿學(xué)習(xí)，都是AI的子集。 Goldberg解釋說(shuō)，“人工智能在一段時(shí)間內(nèi)是一個(gè)非常狹窄的領(lǐng)域，有些人在一套基于搜索的技術(shù)方面非常具體?，F(xiàn)在人們普遍認(rèn)為人工智能是機(jī)器人和機(jī)器學(xué)習(xí)的一個(gè)總稱(chēng)，所以現(xiàn)在人們已經(jīng)把它作為一個(gè)整體的子領(lǐng)域?！?/p> 計(jì)算機(jī)視覺(jué)的高級(jí)形式是AI的一種形式。 Goldberg表示，“如果你只是檢查一個(gè)螺釘是否在正確的位置，那么從上世紀(jì)60年代以來(lái)我們就已經(jīng)擁有了這種功能。但與此同時(shí)，一個(gè)能夠識(shí)別工人臉部的計(jì)算機(jī)視覺(jué)系統(tǒng)，我們通常把它想象成AI，這是一個(gè)非常復(fù)雜的挑戰(zhàn)?！?/p> 機(jī)器人抓取的深度學(xué)習(xí) Goldberg的AUTOLAB專(zhuān)注于人工智能十多年，將其應(yīng)用于云機(jī)器人項(xiàng)目，深度強(qiáng)化學(xué)習(xí)，示范學(xué)習(xí)以及對(duì)倉(cāng)庫(kù)物流，家庭機(jī)器人和手術(shù)機(jī)器人的強(qiáng)大機(jī)器人抓取和操縱。 該實(shí)驗(yàn)室的敏捷網(wǎng)絡(luò)（DEX NET）項(xiàng)目已經(jīng)表明，通過(guò)饋送數(shù)以百萬(wàn)計(jì)的3D對(duì)象模型、圖像，以及它們掌握的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的度量標(biāo)準(zhǔn)，AI可以幫助機(jī)器人學(xué)習(xí)不同大小和形狀的物體。以前，機(jī)器人可以通過(guò)反復(fù)練習(xí)學(xué)習(xí)如何掌握和操作不同的物體，這是一個(gè)非常耗時(shí)的過(guò)程。利用合成點(diǎn)云代替物理對(duì)象訓(xùn)練神經(jīng)網(wǎng)絡(luò)識(shí)別魯棒抓取，最新迭代的DEX網(wǎng)絡(luò)效率更高，達(dá)到99%的精確抓取率。 據(jù)了解，ABB的YuMi機(jī)器人可以操縱各種不同類(lèi)型的物體，包括此前從未見(jiàn)過(guò)的，就是在Dex-Bet 2.0的輔助下完成的。神經(jīng)網(wǎng)絡(luò)根據(jù)先前相似形狀物體的經(jīng)驗(yàn)學(xué)習(xí)如何抓取新物體。
從長(zhǎng)遠(yuǎn)來(lái)看，Goldberg希望開(kāi)發(fā)出高度可靠的機(jī)器人，能夠抓住各種剛性物體，如工具、家居用品、包裝物品和工業(yè)零件。 他對(duì)可以在不同機(jī)器人類(lèi)型上工作的算法也非常感興趣。這個(gè)實(shí)驗(yàn)室的研究是由一些巨頭贊助的，包括谷歌、亞馬遜、豐田、英特爾、歐特克、思科和西門(mén)子。 大數(shù)據(jù) 美國(guó)職業(yè)橄欖球大聯(lián)盟也在使用AI技術(shù)，任何觀看過(guò)NFL賽事或賽前和賽后節(jié)目的人可能已經(jīng)留意到。隨著2018年超級(jí)碗日趨臨近，Brooks提供了另外一個(gè)AI的例子，星期天可能會(huì)有許多“沙發(fā)土豆”。 上世紀(jì)90年代后期，卡內(nèi)基梅隆大學(xué)機(jī)器人和計(jì)算機(jī)視覺(jué)方面的世界知名研究人員Takeo Kanade共同開(kāi)發(fā)了一個(gè)由機(jī)器人相機(jī)和先進(jìn)算法組成的系統(tǒng)，可以在場(chǎng)地周?chē)远鄠€(gè)角度拍攝運(yùn)動(dòng)場(chǎng)，然后無(wú)縫集成到動(dòng)態(tài)3D全景中。通過(guò)將單獨(dú)的鏡頭一起編輯成3D重建，該系統(tǒng)產(chǎn)生一個(gè)沉浸式的360度渲染。2001年在超級(jí)碗賽上首次亮相后，在EyeVision 360成為超級(jí)碗50的談話中，該技術(shù)已經(jīng)取得了重大進(jìn)展。 Brooks表示，“他們將所有圖像進(jìn)行實(shí)時(shí)編輯，并給所有球員建立了一個(gè)完整的三位模型，因此你可以在虛擬現(xiàn)實(shí)中隨意放大并查看每個(gè)人所在的位置?！?這是十年前人工智能的一個(gè)熱門(mén)話題。 我們?nèi)绾潍@得三維重建？ 現(xiàn)在這是你在電視上看到的東西。 技術(shù)不斷進(jìn)步，現(xiàn)在用于各種體育場(chǎng)館。流暢的算法使大量的數(shù)據(jù)緊縮，使多維視頻得以出現(xiàn)在我們眼前。 未完待續(xù)…… |
|
|
