編者按:生成式人工智能確實(shí)是一個(gè)非常有潛力的工具,,但我們需要暫時(shí)停止對它的炒作,靜下來仔細(xì)審視它的缺陷和弊端,然后以一種謹(jǐn)慎的,、經(jīng)過深思熟慮的方式推出各類工具。本文來自編譯,,希望對您有所啟發(fā),。
人工智能來了,。它被過度炒作,且存在缺陷,。我們對其理解不足,,但它已經(jīng)是我們生活的核心了,而且只會(huì)越來越擴(kuò)大其影響范圍,。
人工智能可以為無人駕駛汽車研究提供支持,,可以幫助在醫(yī)學(xué)圖像中發(fā)現(xiàn)原本看不見的疾病跡象,可以讓你迅速得到一個(gè)問題的答案,。這些只是人工智能觸及我們生活的幾種方式,,還有很多方面。但別擔(dān)心,,超級智能算法不會(huì)搶走所有的工作,,也不會(huì)消滅人類。
目前所有人工智能領(lǐng)域的繁榮,,都是由機(jī)器學(xué)習(xí)領(lǐng)域的突破推動(dòng)的,。計(jì)算機(jī)經(jīng)過“訓(xùn)練”后,,可以根據(jù)實(shí)例執(zhí)行任務(wù),而不是依賴于人的編程,。一種名為深度學(xué)習(xí)的技術(shù),,使這種方法更加強(qiáng)大。只要問問李世石(Lee Sedol)就知道了,,他在復(fù)雜的圍棋比賽中獲得了 18 個(gè)國際冠軍,。而 2016 年,他被一個(gè)名為 AlphaGo 的軟件擊敗了,。
有證據(jù)表明,,人工智能可以讓我們更快樂、更健康,。但也有理由讓我們對人工智能保持謹(jǐn)慎,。不管是抄襲問題,還是擴(kuò)大社會(huì)偏見的問題,,都讓我們認(rèn)識(shí)到人工智能強(qiáng)化的未來不會(huì)自動(dòng)變得更好,。
1. 人工智能的開端
塑造人工智能的時(shí)刻
1956
達(dá)特茅斯夏季人工智能研究項(xiàng)目(Dartmouth Summer Research Project on Artificial Intelligence)為一個(gè)致力于“讓軟件像人類一樣聰明”的新領(lǐng)域起了個(gè)名字。
1965
麻省理工學(xué)院的約瑟夫·魏岑鮑姆(Joseph Weizenbaum)創(chuàng)造了第一個(gè)聊天機(jī)器人 Eliza,,它以心理治療師的身份出現(xiàn)。
1975
Meta-Dendral 是斯坦福大學(xué)開發(fā)的一個(gè)用于解釋化學(xué)分析的程序,。
1987
在工程師恩斯特·迪克曼斯(Ernst Dickmanns)領(lǐng)導(dǎo)的一個(gè)學(xué)術(shù)項(xiàng)目中,,一輛裝有兩個(gè)攝像頭和一堆電腦的奔馳貨車,以超過 55 英里/小時(shí)的速度在德國一條高速公路上自動(dòng)行駛了 20 公里,。
1997
IBM 電腦“Deep Blue”擊敗國際象棋世界冠軍加里·卡斯帕羅夫(Garry Kasparov),。
2004
五角大樓舉辦了 Darpa 大挑戰(zhàn)賽,這是一場在莫哈韋沙漠舉行的機(jī)器人汽車比賽,,促進(jìn)了自動(dòng)駕駛汽車產(chǎn)業(yè)的發(fā)展,。
2012
深度學(xué)習(xí)這一小眾領(lǐng)域的研究人員,通過展示深度學(xué)習(xí)可以使語音和圖像識(shí)別更加準(zhǔn)確,,激發(fā)了企業(yè)對人工智能的新興趣,。
2016
AlphaGo 擊敗了圍棋世界冠軍。
我們所知道的“人工智能”最初只是一個(gè)假期項(xiàng)目,。達(dá)特茅斯大學(xué)教授約翰·麥卡錫(John McCarthy)在 1956 年夏天創(chuàng)造了這個(gè)詞,,當(dāng)時(shí)他邀請了一個(gè)小組花幾周時(shí)間思考如何讓機(jī)器做一些事情,比如使用語言,。
他對推動(dòng)機(jī)器人達(dá)到人類的水平寄予厚望,。“我們認(rèn)為,,如果一組經(jīng)過精心挑選的科學(xué)家花一個(gè)夏天的時(shí)間一起研究,,就可以取得重大進(jìn)展,。”麥卡錫及其共同組織者寫道,。
這些希望并沒有實(shí)現(xiàn),,麥卡錫后來承認(rèn)他當(dāng)時(shí)過于樂觀了。但這個(gè)研討會(huì)幫助那些有著共同夢想的研究人員,,整合成了一個(gè)公認(rèn)的學(xué)術(shù)領(lǐng)域,。
人工智能研究領(lǐng)域早期的工作通常集中在解決數(shù)學(xué)和邏輯中的抽象問題上。但沒過多久,,人工智能就開始在更多的人類任務(wù)上顯示出希望,。在 20 世紀(jì) 50 年代末,亞瑟·塞繆爾(Arthur Samuel)創(chuàng)建了學(xué)習(xí)下跳棋的程序,。1962 年,,其中一個(gè)程序在比賽中戰(zhàn)勝了一位下棋高手。1967 年,,一個(gè)名為 Dendral 的程序證明,,它可以復(fù)制化學(xué)家解釋化學(xué)樣品構(gòu)成的質(zhì)譜數(shù)據(jù)的方式。
隨著人工智能領(lǐng)域的發(fā)展,,制造更智能機(jī)器的不同策略也在發(fā)展,。一些研究人員試圖將人類知識(shí)提煉成代碼,或?yàn)樘囟ㄈ蝿?wù)(如理解語言)制定規(guī)則,。其他人則受到了人類和動(dòng)物智力的啟發(fā),,他們構(gòu)建的系統(tǒng)可以隨著時(shí)間的推移在一項(xiàng)任務(wù)上做得更好,也許是通過模擬進(jìn)化或從示例數(shù)據(jù)中學(xué)習(xí),。隨著計(jì)算機(jī)掌握了以前只能由人類完成的任務(wù),,這一領(lǐng)域取得了一個(gè)又一個(gè)里程碑。
深度學(xué)習(xí)是當(dāng)前人工智能熱潮的火箭燃料,,是人工智能領(lǐng)域最古老思想之一的復(fù)興,。該技術(shù)涉及通過數(shù)學(xué)網(wǎng)絡(luò)傳遞數(shù)據(jù),而數(shù)學(xué)網(wǎng)絡(luò)的靈感來自于被稱為人工神經(jīng)網(wǎng)絡(luò)的腦細(xì)胞工作方式,。當(dāng)網(wǎng)絡(luò)處理訓(xùn)練數(shù)據(jù)時(shí),,網(wǎng)絡(luò)各部分之間的連接會(huì)進(jìn)行調(diào)整,從而建立起解釋未來數(shù)據(jù)的能力,。
在達(dá)特茅斯研討會(huì)之后不久,,人工神經(jīng)網(wǎng)絡(luò)就成為了人工智能領(lǐng)域的一個(gè)既定理念。例如,,1958 年的感知機(jī) Mark 1 學(xué)會(huì)了區(qū)分不同的幾何形狀,,并被《紐約時(shí)報(bào)》稱為“為閱讀和變得更聰明而設(shè)計(jì)的計(jì)算機(jī)胚胎”。但 1969 年,麻省理工學(xué)院(MIT)的馬文·明斯基(Marvin Minsky)與人合著的一本頗具影響力的書指出,,神經(jīng)網(wǎng)絡(luò)不可能變得非常強(qiáng)大,,此后神經(jīng)網(wǎng)絡(luò)就失寵了。
然而,,并不是所有人都被懷疑論者所說服了,,一些研究人員在過去幾十年里一直保持著對這種技術(shù)的研究。他們在 2012 年被證明是正確的,,當(dāng)時(shí)一系列實(shí)驗(yàn)表明,,經(jīng)過大量數(shù)據(jù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)可以賦予機(jī)器新的感知能力。使用傳統(tǒng)的計(jì)算機(jī)芯片處理如此多的數(shù)據(jù)是很困難的,,但顯卡的使用導(dǎo)致了處理能力的爆炸式增長,。
一個(gè)引人注目的結(jié)果是,多倫多大學(xué)的研究人員在一年一度的軟件圖像分類比賽中擊敗了對手,。在另一項(xiàng)研究中,,來自 IBM、微軟和谷歌的研究人員合作發(fā)布的結(jié)果顯示,,深度學(xué)習(xí)也可以在語音識(shí)別的準(zhǔn)確性上實(shí)現(xiàn)顯著提升,。科技公司開始瘋狂招聘他們能找到的所有深度學(xué)習(xí)專家,。值得注意的是,,人工智能領(lǐng)域在過去經(jīng)歷了幾次繁榮和蕭條后(也就是“人工智能寒冬”),今天仍然有可能再次發(fā)生翻天覆地的變化,。
2. 人工智能的現(xiàn)狀
人工智能硬件的改進(jìn),、機(jī)器學(xué)習(xí)培訓(xùn)課程的增長,以及開源機(jī)器學(xué)習(xí)項(xiàng)目加速了人工智能向其他行業(yè)的傳播,,從國家安全到商業(yè)支持和醫(yī)療。
Alphabet 旗下的 DeepMind 已將其人工智能用于解決各種問題:足球運(yùn)動(dòng)員的移動(dòng),、古代文本的修復(fù),,甚至是控制核聚變的方法。2020 年,,DeepMind 表示,,其 AlphaFold 人工智能可以預(yù)測蛋白質(zhì)的結(jié)構(gòu),這是一個(gè)長期以來阻礙研究的問題,。這被廣泛認(rèn)為是第一次用人工智能來回答真正的科學(xué)問題,。AlphaFold 隨后被用于研究 Covid-19,而現(xiàn)在它正在幫助科學(xué)家研究被忽視的疾病,。
與此同時(shí),,消費(fèi)者可以期待看到更多帶有人工智能功能的小工具和服務(wù)。尤其是谷歌和亞馬遜(Amazon),他們相信機(jī)器學(xué)習(xí)的改進(jìn)將使他們的虛擬助手和智能音箱更加強(qiáng)大,。例如,,亞馬遜的設(shè)備帶有攝像頭,可以觀察用戶和周圍的世界,。
人工智能在過去的二十年里已經(jīng)取得了很大的進(jìn)展,,但還有很多工作要做。盡管人工智能領(lǐng)域最近成效顯著,,人們也對其不久的未來做出了瘋狂的預(yù)測,,但仍有許多事情是機(jī)器無法做到的,比如理解語言的細(xì)微差別,、進(jìn)行常識(shí)推理,,以及僅從一兩個(gè)例子中學(xué)習(xí)新技能。
只有掌握上述這些任務(wù),,人工智能軟件才能接近人類的多面性,、適應(yīng)性和創(chuàng)造性智能——這一智能被稱為通用人工智能,盡管它也可能永遠(yuǎn)都實(shí)現(xiàn)不了,。深度學(xué)習(xí)的先驅(qū)之一,、谷歌的杰夫·辛頓(Geoff Hinton)認(rèn)為,要在這一重大挑戰(zhàn)上取得進(jìn)展,,就需要重新思考人工智能領(lǐng)域的一些基礎(chǔ),。
3. 生成式 AI 及其爭議
有一種特殊類型的人工智能正成為頭條新聞。生成式人工智能是一個(gè)包羅萬象的術(shù)語,,它可以將數(shù)字世界的碎片拼湊起來,,做出一些新的東西,比如藝術(shù)作品,、插圖,、圖像、完整的代碼,,而且它不僅能通過圖靈測試,,還能通過 MBA 考試的部分內(nèi)容。
像 OpenAI 的 Chat-GPT 文本生成器和 Stable Diffusion 的文本-圖像生成器這樣的工具,,通過吸納令人難以置信的數(shù)據(jù)量,,用神經(jīng)網(wǎng)絡(luò)分析模式來完成上述任務(wù),。Chat-GPT 背后的自然語言系統(tǒng)已經(jīng)瀏覽了整個(gè)互聯(lián)網(wǎng),,以及數(shù)不清的書籍,,讓它可以回答問題,,根據(jù)提示編寫內(nèi)容,并且為網(wǎng)站編寫解釋性文章以匹配搜索詞,。
當(dāng)投資者垂涎的時(shí)候,,作家、視覺藝術(shù)家和其他創(chuàng)作者自然會(huì)擔(dān)心:聊天機(jī)器人很便宜(或者至少看起來很便宜),,而人類則需要一份穩(wěn)定的收入,。如果你能讓 Dall-E 免費(fèi)做一些東西,為什么還要花錢請插畫師來制作圖像呢,?
內(nèi)容制作者并不是唯一擔(dān)心人工智能的人,。谷歌正在悄悄加強(qiáng)其在人工智能方面的努力,以回應(yīng) OpenAI 的成就,。這家搜索巨頭在擔(dān)心,,如果聊天機(jī)器人可以為我們回答問題,,那么人們的搜索習(xí)慣會(huì)發(fā)生什么變化,。遇事不再是 Google 一下,而是Chat-GPT 一下,?
然而,,挑戰(zhàn)正在逼近。人工智能模型需要越來越多的數(shù)據(jù)來改進(jìn),,但 OpenAI 很難再找到大量的數(shù)據(jù)來源,而且即使找到,,數(shù)據(jù)也可能不再免費(fèi),。法律挑戰(zhàn)也迫在眉睫:OpenAI 正在訓(xùn)練其系統(tǒng)使用可能受版權(quán)保護(hù)的文本和圖像,,這些文本和圖像甚至可能是由那些因這項(xiàng)技術(shù)而面臨失業(yè)風(fēng)險(xiǎn)的人創(chuàng)作的,。隨著越來越多的在線內(nèi)容使用人工智能創(chuàng)建,它形成了一個(gè)反饋循環(huán),,在這個(gè)循環(huán)中,,在線數(shù)據(jù)訓(xùn)練模型將不是由人類創(chuàng)建,而是由機(jī)器創(chuàng)建,。
拋開數(shù)據(jù)不談,這種語言模型有一個(gè)根本問題:它們輸出的文本讀起來足夠好,,但不一定準(zhǔn)確,。盡管這些模型很聰明,,但它們不知道自己在說什么,也不知道什么是真理,。在瘋狂地利用這些工具開展新業(yè)務(wù)或創(chuàng)建內(nèi)容的過程中,,這一點(diǎn)很容易被遺忘。語言不僅僅是為了聽起來好聽,,它們也要傳達(dá)意思,。
4. 人工智能的挑戰(zhàn)和未來
人工智能的批評者非常之多,考慮到圍繞這項(xiàng)技術(shù)的炒作,,這是個(gè)好消息,。對人工智能的批評涉及到可持續(xù)性、倫理,、偏見、虛假信息甚至版權(quán)等不同的問題,,一些人認(rèn)為這項(xiàng)技術(shù)并不像大多數(shù)人認(rèn)為的那樣強(qiáng)大,另一些人則預(yù)測它將成為人類的終結(jié)者,。要考慮的東西還有很多,。
首先,深度學(xué)習(xí)本身就需要大量的數(shù)據(jù),,盡管芯片的創(chuàng)新意味著我們可以比以往任何時(shí)候都更快,、更有效地獲取海量數(shù)據(jù),但毫無疑問,,人工智能研究需要大量的精力。一家初創(chuàng)公司估計(jì),,OpenAI 在教一個(gè)系統(tǒng)用機(jī)械手解魔方的過程中,,消耗了 2.8 千兆瓦時(shí)的電力,相當(dāng)于三個(gè)核電站一小時(shí)的發(fā)電量。還有一些估計(jì)表明,,訓(xùn)練一個(gè)人工智能模型排放的二氧化碳,,相當(dāng)于制造 5 輛美國汽車并駕駛和使用完它們的平均壽命。
有一些技術(shù)可以減少這種影響:研究人員正在開發(fā)更有效的訓(xùn)練技術(shù),,模型可以被分割,,只運(yùn)行必要的部分,數(shù)據(jù)中心和實(shí)驗(yàn)室正在轉(zhuǎn)向更清潔的能源,。人工智能的確在提高其他行業(yè)的效率,,以及幫助解決氣候危機(jī)方面也可以發(fā)揮作用。但提高人工智能的準(zhǔn)確性通常意味著讓更復(fù)雜的模型篩選更多的數(shù)據(jù),,據(jù)報(bào)道,,OpenAI 的 GPT2 模型有 15 億個(gè)權(quán)重來評估數(shù)據(jù),而 GPT3 有 1750 億個(gè)權(quán)重,,這表明人工智能的可持續(xù)性在變得越來越糟,。
收集構(gòu)建這些模型所需的數(shù)據(jù)帶來了額外的挑戰(zhàn),。偏見仍然是一個(gè)核心問題:數(shù)據(jù)集反映了我們周圍的世界,,這意味著模型吸收了種族主義、性別歧視和其他文化,。這導(dǎo)致了一系列嚴(yán)重的問題:經(jīng)過訓(xùn)練的人工智能更適合白人,;用來預(yù)測再次犯罪的軟件從一開始就認(rèn)為黑人更有可能再犯;有缺陷的人工智能面部識(shí)別軟件會(huì)錯(cuò)誤地識(shí)別出黑人,,導(dǎo)致他們被捕,。有時(shí)人工智能根本不起作用:由于一個(gè)明顯的代碼錯(cuò)誤,警方的一個(gè)暴力犯罪預(yù)測工具變得非常不準(zhǔn)確,。
同樣,,緩解措施也是能夠被創(chuàng)造的。更具包容性的數(shù)據(jù)集可能有助于從源頭上解決偏見問題,,而迫使科技公司解釋算法可能會(huì)增加一層問責(zé)制,。將行業(yè)多元化,使之可以不僅是為白人服務(wù),。但最重要的是一點(diǎn)是,,在有可能對人類造成風(fēng)險(xiǎn)的情況下,需要監(jiān)管(甚至是禁止)使用人工智能決策,。
雖然我們不希望看到這種情況,,但人們也已經(jīng)在把人工智能用于邪惡的目的了,比如制造深度假象和傳播虛假信息,。雖然人工智能編輯或人工智能生成的視頻和圖像有有趣的用例(比如在配音演員離開演出或去世后代替配音演員),,但生成式人工智能也被用于制作深度偽造的色情片,或用于誹謗普通人。人工智能還被用來在網(wǎng)絡(luò)上傳播虛假信息,,盡管事實(shí)核查人員已經(jīng)開始轉(zhuǎn)而利用人工智能技術(shù)進(jìn)行反擊這一行為,。
隨著人工智能系統(tǒng)變得越來越強(qiáng)大,它們將理所當(dāng)然地招致更多審查,。更強(qiáng)大的人工智能有可能造成更嚴(yán)重的問題,,例如,延續(xù)對女性或黑人的歷史偏見和刻板印象,。民間社會(huì)團(tuán)體,,甚至科技行業(yè)本身,現(xiàn)在都在探索關(guān)于人工智能安全和道德的規(guī)則和指導(dǎo)方針,。
但圍繞生成式模型的炒作表明,,在人工智能方面,我們?nèi)匀粵]有吸取多少教訓(xùn),。我們需要冷靜下來,,了解它是如何起作用的,以及什么時(shí)候不起作用,,然后以一種謹(jǐn)慎的,、經(jīng)過深思熟慮的方式推出這一工具。人工智能確實(shí)有潛力改善我們的生活,,甚至延長人類的壽命,,但要真正受益于人工智能,我們需要在應(yīng)用人工智能這件事上變得更聰明些,。
譯者:Jane
免責(zé)聲明:本文來自網(wǎng)絡(luò)收錄或投稿,觀點(diǎn)僅代表作者本人,,不代表芒果財(cái)經(jīng)贊同其觀點(diǎn)或證實(shí)其描述,,版權(quán)歸原作者所有。轉(zhuǎn)載請注明出處:http://lequren.com/1063697.html
溫馨提示:投資有風(fēng)險(xiǎn),,入市須謹(jǐn)慎,。本資訊不作為投資理財(cái)建議。