人工智能 :是狼来了?还是造福来了?-----与上海大学机电工程设计院副院长李明教授一席谈

来源:荣格

发布时间:2018年1月31日下午 03:01:45

在前不久的“世界智能制造大会”上,众人的目光焦点不约而同地落在了“人工智能(Artificial Intelligence,简称“AI”)”上,由此展开了激烈的讨论。德国工程院科技部主任、德国国家工程院人工智能平台主席约翰内森·温特(Johannes Winter)在会上指出,“人工智能对于社会、对于工业都有很大的潜力,目前自动化已经在各个工厂得到运用,机器也可以自主学习。但是我们也面临着挑战,例如完善一系列法律漏洞和安全隐患。像汽车自动化(自动驾驶)就需要明确责任,是谁来为这些事情负责,是保险公司还是其他人,我们需要设立一个框架和规则,现在面临很好的机会,同时亦是挑战。”

上海大学机电工程设计院副院长李明教授

在前不久的“世界智能制造大会”上,众人的目光焦点不约而同地落在了“人工智能(Artificial Intelligence,简称“AI”)”上,由此展开了激烈的讨论。德国工程院科技部主任、德国国家工程院人工智能平台主席约翰内森·温特(Johannes Winter)在会上指出,“人工智能对于社会、对于工业都有很大的潜力,目前自动化已经在各个工厂得到运用,机器也可以自主学习。但是我们也面临着挑战,例如完善一系列法律漏洞和安全隐患。像汽车自动化(自动驾驶)就需要明确责任,是谁来为这些事情负责,是保险公司还是其他人,我们需要设立一个框架和规则,现在面临很好的机会,同时亦是挑战。”

同样,对于人工智能,上海大学机电工程设计院副院长李明教授也抛出了三个有意思的命题讨论——人工智能最基本的需求是什么?人工智能完全无约束自主学习的结果会是什么(大善,大恶还是中庸)?未来的人工智能又会以何种形式存在?他认为应该从一些新视角来看待和讨论“人工智能”会更有意义和价值。本期中,且让我们听听李明教授对于人工智能的深刻解读。

人和机器,应该各司其职还是融为一体?

根据Gartner公司的报告预测,到2020年人工智能将严重冲击制造业,成为积极的工作动力。甚至于,到2022年,五分之一从事非常规任务的工人将依靠人工智能来完成工作。这看似遥远的大转变正在一步步向我们靠近。

马云曾经这样定义人与机器的关系,“过去30年,我们把人变成了机器,未来30年,我们将把机器变成人,但最终应该让机器更像机器、人更像人。” 他似乎用简单易懂的主线把我们对人工智能的真正需求解锁了。

“我认为马云的这句话挺有意思,这映射到实际的制造业中会是怎样的概念呢?”在李明看来,“把人变成机器”对于制造业而言,意味着需要规范地、协同地开展大批量、高精度、高质量的制造操作。这种把人固化成一种模式去做,也恰恰是现在制造业最基本的东西。但随着质量和效率要求越来越高,也会产生一些问题,而人工智能将在这方面带来很大的助力,即赋予机器智能,使其越来越智慧,慢慢替代人工去作业。至于能代替到什么程度,则完全取决于智能技术的发展。

当然在这个过程中也会遇到机器拥有智能后可能产生的问题,譬如AlphaGo的出现,就令围棋界甚至整个人类社会都陷入了思考。“它在玩算法,是用机器思维在下棋。换句话说,AlphaGo的胜利,更大程度上要归功于全样本采集、自主深度学习、规则高效应用等。这是一种机器思维的胜利,这和目前的人类思维是两码事儿。但也从另一个方面提醒我们,人工智能软件在目前仍有其局限性——国际象棋、围棋等虽然复杂,但是其规则和玩法总体还是相对固定,这就使机器思维能很好地利用计算机的能力,甚至可以快速枚举出N个下一步(甚至未来)可能的位置并进行合理有效的选择。但是,生活中的大多数情况和问题并不会那么有“结构性”。

也有人说这已经是人工智能的一种渗入,但如果真是,应该其中还有着人类思维的影子,人还能控制它。然而问题似乎并不那样简单,人工智能是在大数据下形成的产物,而且是超维度的。“实际上围棋等游戏也有超维度现象,譬如高手除了比你更熟悉规则,还远比你看得深、远。那么,今天的大数据+人工智能又能看到什么?——它能看到全局,这就是差距。超维度包括时间上的超越,也包括空间上的超越。再加上物理、信息、实体、虚拟全部在一起,这是以前做不到的,也是人做不到的。另一方面,还存在着集合与模式上的超越,通过不同的组合模式,它能全视角、全模式地去研判各类组合的利弊,这在以前几乎是不可能的。当然最高层次的还有思维模式的超越。我们现在还未能完全理解机器思维、神经网络。尤其神经网络算法是个‘黑箱’,我们只知道给了它什么,至于它如何运算得出结果人类一无所知。这就带来了风险,如果完全让机器自主学习和思考,会带来什么?”

当然,今天的人类总体上对人工智能带来的威胁还是比较乐观的,因为目前人工智能系统仍然无法真正理解我们的意思和我们真正的想法。波特兰州立大学教授梅兰妮·米切尔(Melanie Mitchell)就坦言:“我们能够把学到的概念以不同的方式结合起来,并在新的情况下应用。但人工智能并不能做到这一点。”但对人工智能发展的趋势的探讨仍然具有深远的意义。

命题讨论之人工智能

最近,美国、中国都非常重视人工智能,虽然目前的竞争还是人的竞争,但未来谁掌握人工智能,就等于拥有了一个AlphaGo,竞争也就一边倒了。所以这也是我们需要奋起追赶的原因之一。在开始有目标的追赶前,让我们先回到李明教授在本文开头抛出的三个本源问题——人工智能最基本的需求是什么?人工智能完全无约束自主学习的结果会是什么?未来的人工智能又会以何种形式存在?这几个问题不仅是人工智能最根本的问题,同时也在探讨未来人与人工智能的关系问题。

首先,今天人工智能的基本需求建立在“人的需求”之上,人的基本需求包括生存、安全感,以及对美好生活的追求等。此时的机器思维追求是什么?——最优地处理问题,这实际上是人类对它的设置。“但如果仅就机器而言,它又有哪些最基本问题需要解决?这是我们要思考的,有趣的是,这也许是机器思维本身要思考的问题。”李明教授说道。讨论这个问题的目的在于探讨未来人与机器如何相处的基础。

其次,当机器能够进行深度学习后,甚至完全自主无约束自主学习,又会冒出哪些新问题?也就是说,它会成为“大善?大恶?还是中庸?”,它可能也会走一遭人类进化的历程,再找到思维的平衡点。对这个问题的探讨,会引起我们对机器学习约束的思考。

最后,未来人工智能存在形式又是什么?“今天看来,它可能只是存于电脑中,那一旦它们与人类有冲突,我们只要拔电就可以解决问题。未来呢?它一定是无处不在,当它也开始学会保护自己,并有着和人相似,甚至超越人类的智力时,这时,它必然会设法解决生存问题,也许还会像人类一样去集群,到时它会如何看待人类?人类又如何应对呢?

人类对于机器智能不是没有思考,阿西莫夫就提出所谓“机器人三原则”以保护人类,但当未来真正实现了机器的自主思考,它还会坚守初衷吗?在未来,机器思维需要有“道德”吗?

带着这一连串的问号,我们将自己置身于5-10年后的制造业时,工厂里的各型机器人各司其职、井然有序地进行着。有一点可以肯定,那就是人还是不可缺的,这是由成本和效率决定的。但“替换下来的部分人”出路又在哪里?一部分会走到更前端了,就像目前的设计一样,大量工作前移,后续的工作交由机器去做。这对工程师的能力、水平、理解提出了更高的要求。第二部分是在生产现场与机器协同工作的人。这类人则需要有超凡的学习能力、适应能力、创新能力。”李明教授预测道,未来我们再提到“工匠”两字,会是与现在完全不同的概念。以前提到工匠,是一种有自我追求的人,他们会将自己想做的事做到极致。但今后,在自动化系统、未来制造中的人机协同中,当我们往极致的方向前行时,则需要人和机器各自优势的组合。任何东西都是一把双刃剑,一方面它给了我们优越的生活环境,另一方面它也会把人逼到一种境地。”

Tell A Friend

评论

Image CAPTCHA