转载

人工智能和未来社会

自从人类迈入文明社会后,技术革新就一直推动着社会的不断进步。在此过程中,不断有旧的工种消失,又有新的工种出现。尤其是从近现代的工业革命开始,社会变革的速度越来越快。大量自动化的机器也不断涌现,很快替代了传统的手工作业。

计算机问世后更是迅速在很多计算问题中替代了人工操作。当然,计算机也催生了很多相关的学科和领域,创造出了很多新的工作类型——软件工程师、处理器架构师、计算机系统工程师等等。人工智能(Artificial Intelligence,AI)面临着同样类似的情况。然而,人工智能所引导人类前行的方向也许出乎很多人的想象。近日,CrowdFlower/Dolores Labs的创始人 Lukas Biewald 就结合Google、Facebook和其他在人工智能方向领先公司的产品, 分析了AI设计模式的变化方向 。

设计模式1:训练数据

人工智能和未来社会

迄今为止,AI应用最广泛的领域仍然是有监督的机器学习。而“有监督”即意味着算法需要从训练数据中进行学习,而不能像人类一样可以从很多地方进行间接学习。因此,训练数据的数量和质量对于机器学习算法就显得尤为重要。大公司搜集训练数据的过程也极其慎重——Google每年花费大量的时间和经历来搜集并整理用于机器学习算法的数据。

然而,搜集训练数据的过程是永无止境的。例如,每当Twitter推出一个新的单词或表情,机器学习算法就需要额外的用例来了解这些新事物的合适使用情形。因而,搜集训练数据就成为了机器学习算法中最需要人工参与的部分。

设计模式2:人工参与的循环链

人工智能和未来社会

在很多领域,计算机能够很好的实现问题的加速解决(如,数学运算)。然而,计算机又在很多看似容易的方面(如,引导类人机器人双足走路)无可奈何。人工智能也存在类似的问题:人工智能算法可以很容易的实现80%的预测或分类精确度,却很难将精确度提高到99%。不过,机器学习算法十分清楚自己所擅长的处理的方面,而不擅长处理的方面。而且,在精确度比较低的时候,算法可以非常明确地将情况告诉工程师。因此,机器学习算法的当前典型使用情形就是“人工参与的循环链”模式。在机器不能果断做出决定时,人类参与相关过程并进行决策。

以往,人们总以为该设计模式下的产品离现实还很远。但实际上,该设计模式的发展速度远超大家的想象。例如,Facebook M和Clara Labs就是符合这种设计模式的产品。他们利用人工智能算法来处理邮件和易于利用相关规则解决的问题,然后把复杂的信息和请求交予人类进行亲自解决。自动驾驶和ATM也是很好的例子。当前,自动驾驶技术仍然不能脱离人工参与:在正规停车场内停车可以采用自动泊车系统;在通行顺畅的高速公路,可以采用自动驾驶;然而在复杂的路况下,仍然需要采用人工驾驶的方式。ATM也只处理能够清晰识别的支票或现金,而有所破损的支票或现金还需要柜台进行亲自处理。在这些例子中,机器已经能够处理绝大部分的问题,但是仍然有部分问题需要交给人类来解决。

因此,与上一节中的设计模式不同,该设计模式只是把部分工作替换为了机器学习算法,用于提高相关工作的效率。在某些情况下,它可能引起工作所需的员工数量减少。但它也可以创建出新的市场,从而带来更多的就业机会。

设计模式3:主动学习

人工智能和未来社会

主动学习融合了训练数据和人工参与的循环链这两种设计模式。设计模式2中收集的训练数据可以反馈给机器学习算法,来提高算法的性能。对于初始算法不能解决的问题,人类解决该问题的思路和方案正好可以给机器提供很好的借鉴。因此,人类未来在处理机器无法解决的问题的同时,也在慢慢训练着自己的“竞争对手”。当然,反过来看,机器也在更多的解放人类的双手,提高工作效率。

人类正以前所未有的速度迈入这样的时代

以往,人类的绝大部分工作仍然没有采用机器学习算法。其主要原因就是机器学习算法都是需要定制的。针对每一种应用场景,算法都各不相同。因此,只有大公司或企业才能负担得起这样的费用,使用机器学习模型。

然而,两大趋势正在迅速拉低机器学习的费用:计算的能耗越来越低和机器学习算法的产品越来越多。例如,仅仅是在2015年一年,就有Alibaba、Microsoft、Amazon和IBM四家企业发布了通用的云机器学习平台。很快,越来越多的小企业就可以依赖这些平台使用机器学习。人类正以前所未有的速度迈入机器学习无处不在的时代。

感谢杜小芳对本文的审校。

给InfoQ中文站投稿或者参与内容翻译工作,请邮件至editors@cn.infoq.com。也欢迎大家通过新浪微博(@InfoQ,@丁晓昀),微信(微信号: InfoQChina )关注我们,并与我们的编辑和其他读者朋友交流(欢迎加入InfoQ读者交流群 人工智能和未来社会 (已满),InfoQ读者交流群(#2) 人工智能和未来社会 )。

正文到此结束
Loading...