透过《边界》看AI——生而为“人”才是AI最终的宿命

来源:A5专栏 时间:2022-09-20

爱因斯坦说,“知识是有限的,而想象力却能漫游世界。”

想象力是打开科技进步之门的第一把钥匙。

早在莱特兄弟发明世界上第一套飞机飞行控制系统以前,人类在壁画、诗歌以及各种各样的艺术作品中早就开始了遨游天空的畅想。到了现代,艺术与科技越发融合,以科幻电影为代表的文艺作品,正在向人们揭示更多未来科技社会演化的图景。

科技的本质是创造,而对于造物者而言,最大的成就莫过于“创造自我”。

2001年,斯皮尔伯格执导的科幻电影《人工智能》再度唤醒了人类对于人性的自我创造的愿景和期待,2004年的一部《机械公敌》(又名“我,机器人”)演绎出人与AI的信任和默契,2008年漫威的一部钢铁侠,让AI管家贾维斯的荧幕形象深入人心……

现实总是美好畅想最恰当的注解。

2006年,深度学习之父,加拿大多伦多大学教授,杰弗里辛顿和他的学生提出降维和逐层训练的方法,推动了深度学习在具体应用上的进步。自此,人类开始真正跨进了AI时代的大门。

中秋节假日期间难得空闲,便读了最近买的两本新书,一本是温铁军教授和他团队著作的《去依附》,讲的是宏观经济。另一本是商汤科技主编的《边界》,讲的是AI的本质、发展路径、与认知观。

显然,AI还是比枯燥的宏观经济要更吸引人。读完《边界》这本书后,使我感受良多,对于人工智能对于科技与社会发展的思考也有了一些新的闪光。

突破边界:人性是AI最好的答案

前两年5G基站开始铺设的时候,5G也成了邻居们的话题。倒不是说大爷大妈们对科技多有兴趣,而是他们关心5G基站这东西会不会有辐射,对人有没有影响。

彼时我曾想,科技社会发展进步这么快,对于尚未适应的人们来说,也许前期科普教育与技术落地的进度也同样重要。

如果把这个问题放到AI领域,那么事情就变得更加严肃:毕竟AI一旦成熟,对人们的影响远比5G要大得多。AI作为一项可能会颠覆人类历史的技术,社会化的认知可能比技术发展本身更为重要。

那么问题来了:

当下的人们该如何去认知人工智能?人工智能的发展还要解决哪些问题?未来人工智能究竟会走向何方?会不会颠覆人类自己?我们人类究竟该怎样去发展人工智能?对于大众而言,这些问题似乎很难有答案。

尝试去为这些问题做出系统性的解答,是《边界》这本书的一个主线。

首先是对AI的定义。

1950年,达特茅斯会议上正式提出了人工智能的概念,但长久以来并没有统一的共识。在广泛的对人工智能的定义上,人工智能并不一定是“人形”,而是“能够像人一样分析决策,甚至具有感情”的“图灵机”。

到了现代,人工智能的内涵仍然在不断发展。

对于人工智能,《边界》这本书中提到这样一个观点:人工智能是定量和变量的混合体。

人工是定量,而智能是变量。这个变量带来两条发展的路线,一个是“类人智能”,另一个是非类人智能。也就是说,不管是不是人型,其实都是AI,只不过,一种是真实存在的AI,能与你聊天、互动,能帮做家务,另一种则是“工具人”AI,默默的为你解决问题,为你打工。

两种路线背后,透出的是人们对AI演化发展的两种思考。

一方面,人们希望AI在思维、决策以及意识等方面与人类相似,拥有与人相同的情感观、世界观,并能够为人类提供各种帮助。

目前来看,AI语音识别、知识图谱已经展现出这样的能力,但离人们理想中的应用还有很长距离。

另一方面,AI早已在体能、技能层面大大超过人类的非类人智能(算法),已经在部分领域展现出人类遥不可及的能力,人们显然希望能够更好地用这种能力提高社会生产力。

大众开始认识到算法这种“超人”的能力,其实很早就有,比如大学设立的“自动化”学科。自动化能够帮助人类“简单”地使用很多超级工具,无限放大人类自身的力量和技巧,比如飞机的自动驾驶系统、高精数控机床设备等等,它们将人类社会带入到了全新的高度。

2016年,谷歌AlphaGo大比分战胜李世石、柯洁。

人类下围棋下了有千百年,AI才学习了几年?人类吃过的盐比AI用过的电都要多!但这恰恰说明无论是类人AI还是非类人AI,它们的潜能是十分惊人的,甚至是颠覆性的。

这就延伸出来另一个重要的问题:相比AI的定义,对人类来说,AI的立场究竟是什么?

书中另一个非常有意思的观点或许可以从侧面解答:AI不仅是创新,也同样是传承。

技术的创新的另一面,往往也是文化内核中的人性的传承。

书中提到一个很有意思的案例,中国古代“符合”的概念,皇帝调兵遣将,要先验虎符,虎符这个物件儿,承载着古代可信验证的理念内核。

在现代,可信验证的内核没有变,只不过,古时的虎符变成了如今的AI人脸识别。

再比如,中国古典文化中非常注重归纳总结,比如中医,《黄帝内经》《本草纲目》都是归纳总结法下,古代人民智慧的结晶。这与人工智能的发展相契合,基于深度学习的人工智能,也是从数据中发现规律,并实现应用……

也就说,解决问题的工具变了,但目的没变,都是为了满足人的需求,这也是技术中最底层的人性底色。

从虎符到AI,时代虽然变了,但其中的文化内核依然以电子的形式在传承。

这样的传承也似乎印证书中提出的“AI发展的存在路径依赖”的看法。

为什么中美两国AI行业发展那么快?答案其实很简单,美国有先进的半导体、芯片产业,这是AI发展的物质基础,中国有更多的应用场景,这同样是AI演化的必要条件。

我认为,AI对人类,也同样存在“路径依赖”。

赋予技术真实的人性,一直是人类谱写AI“狂想曲”最真挚、朴实的精神内核。

从《列子·汤问》中“偃师造人”的奇思妙想,到1921年《罗素姆万能机器人》智能人造人概念的诞生,再到电影《机械姬》《人工智能》中的细腻情感,充满人性光辉的AI始终是AI科幻的主题之一。

也就是说,我们或许不必过度担心机器人三原则带来的疑问,也不必过度担心AI最终会超越人类,因为人性就是AI最好的答案,生而为“人”,才是AI最终的宿命。

拓展边界:AI的目的在于驱动“第四次工业革命”

如果说谈AI与人性还是有些遥远,那么,我们再来唠唠离我们比较近的AI,这也是一些对AI有些兴趣,但了解不深的朋友们所关心的问题。

比如,当下的AI技术究竟有什么用?

你能接触到的,人脸识别、AI抠图,AI摄影等等,但这都不算是真正的答案。

在真正回答这个问题之前,先普及一个概念:技术的本质其实是工具,它的最大价值,就是降低了生产力的成本。

比如说,电灯发明以前,人们晚上获得照明的成本是很高的,可能得去买煤油、掏马粪、买蜡烛。电力的普及以及电灯的发明,本质上降低了人们获取照明的成本。反过来讲,如果把“照明”看作一种商品,那么电灯的发明其实提高了“照明”的生产。

从刀耕火种,再到青铜时代再到工业时代,人类文明进步的一个主线是单位生产力的成本更低了。

这种成本的降低,得益于GPT(通用目的技术)的进步和驱动,比如 蒸汽机、电力、半导体、计算机。

书中认为,在计算机之后,AI是一种新的GPT。

理由有两个:

像电力、半导体、计算机那样,AI技术下能够诞生新的产业。

电力行业出现以后,不仅带动了制造业的电气化,也同样促进了消费经济的发展,出现了夜经济。因此,一个国家的用电量也往往与经济增长呈正相关关系。

半导体出现以后,诞生了计算机、互联网,后来又诞生了智能手机,最终有了如今繁荣的电商产业、物流产业以及互联网产业。

AI技术出现后诞生了什么?

智能经济。

AI是智能经济的基础设施,AI技术也能推动产业形成新的商业模式。

比如,在出行领域,智慧交通产业开始飞速发展,自动驾驶开始实际应用到汽车上;在金融领域,AI人脸识别加速了身份验证的流程,提高了验证效率;在工业领域,AI开始参与到生产管理上,AI质检、无人机作业,都降低了工业生产的风险,提高了效率;在医疗领域,AI开始应用到临床影像诊断……

第二,在诞生新产业的过程中,要有新的创新方法论。

比如,AI对产业链的重构,正在重塑产业端的流通生产的方式。

我们以汽车产业为例,传统汽车整车走完整个开发流程需要3年,而智能汽车的迭代时间会更短,比如在底盘系统开发中,AI知识图谱与算法结合,引入到零件设计中则能提高设计工作效率,进而缩短开发周期,提高产品迭代节奏。

再比如,流通端,AI与物流的融合后诞生了智能仓储系统,汽车零部件物流、整车物流配送效率都进一步提高了。

这些AI引发的行业变化,都需要新的生态架构做基础,也需要新规则制度推动,也就是说,AI诞生的新产业不仅是产生了新技术,也产生了新的创新方法。

而这些新的技术、新的体系、新的创新方法,都有可能成为“第四次工业革命”的关键要素。

因此,可以断言的是,AI作为一种GPT技术,它的目的在驱动“第四次工业革命”。

不过,从落地端来看,它距离真正的“工业革命”,也确实还有很长的路要走。

理性看待AI产业的发展,也是《边界》这本书透露出的一个重要观点。必须要认识到,AI真正的大规模落地,渗透到千行百业,还需解决一系列的问题。

1:基础设施的问题。

AI是程序,需要运行的物理承载,因此基础设施的高度,决定着AI实用价值的最终高度。这也是商汤的产业实践,希望通过构建大装置去解决的问题。

2:算法的通用化、以及泛化问题。

AI赋能千行百业,首先要解决的问题就是适应性问题。越通用的算法,适应性就越强,落地行业越多,算法的效果也就更好,更容易实现技术落地到商业化场景拓展,再到算法优化的正循环。

3:AI技术的量产应用问题。

不得不承认,AI技术的开发成本其实是很高的,这与人才的规模,市场需求程度,以及实际的商业化空间等因素相关。

解决AI技术量产的关键,就在于解决长尾算法生产问题,最理想的方法是“用AI生产AI”,如果能实现这一点,那么就能通过规模化的AI算法模型生产,进一步降低AI的成本。

纵使AI行业需要解决的问题很多,也很难,但AI仍然是目前最有希望改变人类社会的技术之一。

人类历史的经验是,当一项底层技术的成本有效降低,生产力的革命往往就会发生。

第二次工业革命的本质,其实就是内热燃气的高效率使得单位生产力成本降低了,再比如,电力的广发应用,促使信息化、电气化降低了单位生产力的成本。这引发第三次工业革命。

脑洞一下,如果有一天算法生产的成本能够被有效降低,AI技术应用变得更廉价,那么我们为什么没理由相信,下一次工业革命是由AI带来的呢?

重塑边界:人类认知、知识、思维扩容

当然,变革不会一夜发生。

这需要人类认知、知识以及思维的不断扩容,然后由量变引发质变。事实上,人工智能技术发展的过程,也是一个人类认知体系不断扩容的过程。

人工智能技术的发展,需要跨行业跨学科的耦合创新,一方面是要加速技术、人才的双向流通,另一方面,要充分发挥“产学研”体系的创造性。

AI知识的容量绝对值越大,AI技术转化生产力效率也就越高。

科技发展的一条规律是,重大问题的突破以及创新,往往都是在多个领域交叉发展创新的过程中诞生的。而AI领域,也是仿生、数学、编程、逻辑等多学科交叉领域。

这意味着一件事,一个成熟的AI必然是一个超大的知识容量的合集。为了完成这个合集,也需要人类认知、知识不断扩容。在这个过程中,科技的边界被打破,伦理、逻辑甚至哲学都将融入其中。因此,AI技术发展的过程,也是一个不断重塑边界的过程。

中国工程院院士陈杰认为,在这个过程中,AI需要面临四大挑战。

人工智能与生物智能的距离很远。

突变环境下智能协同

复杂环境下的脆弱性

安全问题

陈院士用一个生动的例子,来说明当下人工智能与生物智能的差距:

当乌鸦想吃核桃时会把核桃放在马路上,让车轮碾碎后吃到核桃,但马路有汽车太危险,于是它就通过学习把核桃放到斑马线上,汽车遇到红灯,乌鸦就安全地吃到了果实。

目前,机器难以实现这样的智能,如何借助生物行为研究复杂环境下的机器智能,仍然是一个巨大的挑战。

中国科学院院士毛军发认为,挑战的确存在,但人工智能的赋能空间依旧很广。

比如,在有数据、有规则,边界比较清晰明确的场景中,人类有一天会被打败,围棋大战就是一个很好的例子。

再比如,2018年佳士得拍卖行以432500美元卖出一幅人物肖像画《爱德蒙·贝拉米肖像》,而这幅肖像画由AI所作。

如果说,AI在逻辑领域打败人类,尚可接受,那么,在更为感性以及评价更为主观的艺术领域,AI与人类并驾齐驱则冲击了人们的固有观念:艺术的本质究竟是感性创作还是基于数据的理性创造?

再进一步来看,AI的边界不仅包括技术边界,也同样包括一个认知边界的问题。

比如,大众何时能真正接受?技术的发展远比大多数人想的快得多,如何被接受?比如自动驾驶带来的交通安全问题,再比如AI伴侣能否合法意义上成为真正的伴侣?

这些问题可能需要整个社会来回答。

这说明一点,当AI技术知识扩容,边界拓展之后,AI技术也同样会进一步影响人的思维方式。一些传统的固有观念和思维可能会被颠覆。

由此来看,认知、知识扩容之后,人类真正接受AI,可能还需要一个思维扩容的过程,而这个过程,可能比AI成熟所需要的时间更加漫长。

未来边界:AI时代未来已来

未来AI如何发展,不仅取决于技术,也同样取决于社会大众的认知。毕竟,“科学无边界”不仅是科学家的问题,是整个人类社会需要思考和回答的问题。

“很多技术在发展过程中的一个重要任务就是让社会认识这项技术的特点以及风险,这样人们就能做出更好,更理性的选择”。

《边界》一书最后对话中实录中,清华大学苏世民书院院长薛澜教说道。

1950年的图灵之问,把AI技术与人类的从哲学层面联系起来,数十年之后,真正意义上能够通过图灵测试的AI仍未诞生。

面对这个经典的AI之问,商汤科技CEO徐立在书中提出了另一个思路,如果把“机器会思考吗”转变为“机器会猜想吗”?

这些年人工智能的发展显然已经给出了肯定的答案。

但我相信,机器会猜想只是一个起点,是AI迈向未来的一大步也同样是一小步,AI时代的新生与变化,一定比人们预测的更加精彩。

时代的大幕已经拉开,接下来,AI,能够怎样改造这个我们所熟知的世界,我们不得而知。

不过,影响世界的前提是认识世界,对于这个渴求科技创新的世界来说,改变总是一件好事。

最后发起一个小调查 :

最近也在读一些书,也希望能够与大家一起分享自己读书感悟,如果大家喜欢的话,以后在科技评论之外,我也会新开一个读书分享系列专题,大家可以一起学习交流。

当然,一千个读者中就有一千个哈姆雷特,以上絮絮叨叨的长文,也只是我自己有感而发。

毕竟读书这件事儿,听别人讲,肯定会少点原汁原味,倒不如自己去看来的简单直接,也许会有许多不同的感受和体会。

项目推荐

相关文章

标签:

A5创业网 版权所有