若干年來(lái),人工智能一直面臨著應(yīng)用范圍有限的尷尬。但是隨著研究的深入和技術(shù)的不斷成熟,人工智能將越來(lái)越切實(shí)可行。
- 沈建苗 編譯
Stair是一臺(tái)樣子古怪的設(shè)備,像一個(gè)架在輪椅上的花架,但是實(shí)際上它是一部人工智能機(jī)器人。
坐在會(huì)議室桌旁邊的工作人員對(duì)Stair說(shuō): “Stair,請(qǐng)從實(shí)驗(yàn)室拿來(lái)訂書(shū)機(jī)。”站在旁邊的Stair回復(fù)道: “我會(huì)為您去拿訂書(shū)機(jī)。”如果仔細(xì)分辨,Stair說(shuō)話時(shí),還帶著一種鼻音。
Stair迅速啟動(dòng)——它靠?jī)蓚€(gè)輪子行進(jìn),在實(shí)驗(yàn)室內(nèi)自由穿行,一路上自如地避開(kāi)各種障礙物。它的“眼睛”是一部立體照相機(jī),這對(duì)“大眼睛”不斷靈活地來(lái)回轉(zhuǎn)動(dòng),拍下房間里面的內(nèi)容,以確定行進(jìn)的路徑以及判斷哪些是障礙物。
Stair穿過(guò)零亂的實(shí)驗(yàn)室后,來(lái)到一張桌子前,似乎考慮了一下后,仔細(xì)打量了桌子上的長(zhǎng)方形金屬物體——訂書(shū)機(jī)。然后它伸出關(guān)節(jié)臂,轉(zhuǎn)來(lái)轉(zhuǎn)去,用外面裹以橡膠的長(zhǎng)長(zhǎng)手指緩緩地夾起了訂書(shū)機(jī),然后原路返回會(huì)議室。Stair將訂書(shū)機(jī)交給工作人員說(shuō): “給您訂書(shū)機(jī)。祝您今天過(guò)得愉快。”
以上的場(chǎng)景并不是出現(xiàn)在科幻電影或書(shū)籍中,而是在現(xiàn)實(shí)生活中活生生地存在著。
如今,人工智能領(lǐng)域研究人員的心情越來(lái)越好,他們所研究的成果在不斷地取得突破。盡管Stair的表現(xiàn)與替主人撿報(bào)紙的小狗相比似乎強(qiáng)不了多少,但這在幾年前還是不敢想象的。
Stair代表了新一代的人工智能,集成了學(xué)習(xí)、視覺(jué)、導(dǎo)航、操縱、規(guī)劃、推理、語(yǔ)音和自然語(yǔ)言處理等多項(xiàng)技術(shù)。它還標(biāo)志著人工智能從細(xì)分的狹小領(lǐng)域,進(jìn)入到系統(tǒng)能夠?qū)W會(huì)處理復(fù)雜數(shù)據(jù)、適應(yīng)不確定情況的現(xiàn)實(shí)世界。
咸魚(yú)翻身
人工智能在自身發(fā)展中,經(jīng)歷了不少磨礪。技術(shù)先在幕后隱藏了幾年,經(jīng)過(guò)一輪輪炒作后,突然閃亮登場(chǎng)。隨后要是技術(shù)沒(méi)有兌現(xiàn)不切實(shí)際的承諾,就名譽(yù)掃地。取得了顯著成就后,終于被人們所接受?!?/p>
人工智能步入壯年期
人工智能起源于上世紀(jì)50年代末期,后來(lái)在80年代憑借“專家系統(tǒng)”而備受矚目。專家系統(tǒng)先與真實(shí)世界的專家(比如國(guó)際象棋冠軍)“過(guò)招”,然后通過(guò)軟件把專家的一套邏輯規(guī)則編入到系統(tǒng)中。如果情況A發(fā)生,就做X,如果情況B發(fā)生,就做Y。微軟研究部門(mén)的人工智能研究人員Eric Horvitz表示: “盡管專家系統(tǒng)在處理下棋等特殊的任務(wù)時(shí)表現(xiàn)不俗,但它們實(shí)際上‘功能很弱’。”
Horvitz認(rèn)為,專家系統(tǒng)的作用主要是獲取大量的人類(lèi)知識(shí),然后設(shè)法把這些知識(shí)組合成具有人類(lèi)推理本領(lǐng)的推理系統(tǒng)。但是它們無(wú)法“擴(kuò)展”,也就是說(shuō)無(wú)法適應(yīng)編程人員之前沒(méi)有明確預(yù)料到的情況。
如今,人工智能系統(tǒng)已經(jīng)發(fā)展到可以在“非常龐大而復(fù)雜的世界”執(zhí)行有用的工作。Horvitz說(shuō): “因?yàn)檫@些小小的軟件代理無(wú)法完整地表現(xiàn)這個(gè)世界,它們對(duì)自己該執(zhí)行什么樣的動(dòng)作并不確定。于是,它們學(xué)習(xí)了解各種事情出現(xiàn)的概率,它們學(xué)習(xí)用戶偏好,它們變得有了自我意識(shí)。”
這些功能來(lái)自于所謂的機(jī)器學(xué)習(xí),這項(xiàng)技術(shù)是許多現(xiàn)代人工智能應(yīng)用的核心。實(shí)質(zhì)上,編程人員最初為自己要解決的某個(gè)問(wèn)題建立一個(gè)簡(jiǎn)陋模型,然后添加讓軟件能夠通過(guò)經(jīng)驗(yàn)不斷適應(yīng)、完善的功能。以語(yǔ)音識(shí)別軟件為例,這一類(lèi)軟件日臻完善,已經(jīng)能學(xué)會(huì)察覺(jué)人的聲音的細(xì)微變化。比方客戶在網(wǎng)上購(gòu)物時(shí),通過(guò)聲音輸入,一些網(wǎng)站就能夠更準(zhǔn)確地預(yù)測(cè)客戶的購(gòu)物偏好。
數(shù)據(jù)是關(guān)鍵
機(jī)器學(xué)習(xí)當(dāng)然離不開(kāi)靈巧的算法,但是近些年來(lái)促使機(jī)器學(xué)習(xí)備受矚目的背后原因是,現(xiàn)實(shí)生活中存在大量數(shù)據(jù)可供分析使用,這些數(shù)據(jù)來(lái)自互聯(lián)網(wǎng)以及數(shù)量激增的物理傳感器。Carlos Guestrin是卡內(nèi)基·梅隆大學(xué)的計(jì)算機(jī)學(xué)和機(jī)器學(xué)習(xí)助理教授,他專注于傳感器、機(jī)器學(xué)習(xí)和優(yōu)化等技術(shù)。
Guestrin說(shuō): “南加州大學(xué)和加州大學(xué)洛杉磯分校的科學(xué)家們把傳感器裝在機(jī)器人船上,以便檢測(cè)及分析大片水域的破壞性赤潮。人工智能通過(guò)算法學(xué)會(huì)預(yù)測(cè)水藻的地點(diǎn)和成長(zhǎng)情況。相似的是,卡內(nèi)基·梅隆大學(xué)的研究人員把傳感器裝在地方供水系統(tǒng)中,以便檢測(cè)及預(yù)測(cè)污染物的擴(kuò)散。在這兩種情況下,機(jī)器學(xué)習(xí)都逐漸提高了預(yù)測(cè)的準(zhǔn)確性,而優(yōu)化算法知道把成本高昂的傳感器放在哪個(gè)地方最適合。”