《AI的25种可能》：人工智能背后的故事

如果人工智能是故事，那么背后的故事更令人深思。《AI 的 25 种可能》所提出的观点，将会更好地推动人工智能领域的发展。

本书核心内容概述

《AI 的 25 种可能》集结了包括史蒂芬·平克、朱迪亚·珀尔、丹尼尔·丹尼特、迈克斯·泰格马克等 25 位计算机科学家、心理学家、物理学家、科技史学家的前沿洞见，AI 的 25 种可能，就是人类未来的 25 种可能。

 
本书提供了跨学科视角的人工智能发展洞见，尤其睿智地指出，人工智能不仅需要更有智慧的科技属性，更需要本身固有的善良本质。
 
因此，在本文中，靠谱地讨论人工智能会怎样改变商业的面貌，减少了戏剧化的猜想。

AI 让新技术=新感知

在人工智能出现之前，控制论大行其道。这是维纳在 1948 年的奠基性著作中阐述的一种理念，意指自动的、自我调节的一种控制。
 
从那往后，人们开始把大脑比作计算机在接下来的另一个 20 年里，当我们把计算机连成互联网时，大家才意识到大脑不是一台计算机，而是一个计算机网络。
 
关于 AI，单纯“智商”的迭代是可能的，基于这种可能性，如何教会它“情商”才是最大的挑战。
 
关于 AI 对艺术的影响，艺术本身包含很大一部分的不确定性，而这种有关于艺术的不确定性并不是随机产生的。这是现阶段 AI 无法理解的鸿沟。
 
但毫无疑问，AI 必然会推高艺术表达的效率，人们也许将会面临一个艺术表达过剩的明天，但黄金时代的黎明来源于此。
 
物理生命层面，AI 的发展，也许会让我们期待永生，但此刻我们深知死亡的无力，这种无力感让很多平常事体现出美好和珍贵，而非无聊的重复。人性来源于此，而非永生之后每年选择格式化某个分区寻求刺激。

AI 趋势总体概览

2019 年 AI 的 25 个趋势总体可以分为基础框架、体系架构和应用三类。其中应用又分为智能预测、自然语言处理与合成和计算机视觉三类。
 
对于这 25 个重要的 AI 趋势，CB Insights 采用 NExTT 框架，使用行业采用率和市场优势两个维度进行分析，分为实验阶段、过度阶段，必要、的和紧迫性四个象限。每个象限的评判标准为。
 
实验阶段：除了早期创业公司之外，没有被广泛采用;

过度阶段：公司合作意愿，市场机会的不确定度;

必要性：广泛的行业基础，客户采用度和投资;市场接纳度;

紧迫性：大型可行的市场预测;值得注意的投资活动;不稳定 / 不确定的应用。
 
必然的 AI 趋势：开源框架、人脸识别、医疗成像与诊断、预测性维护、电子商务搜索、胶囊网络、新一代假肢、AI 临床试验、生成式对抗网络 GANs、联合学习、高级医疗保健生物学、自动索赔处理、假货识别、后台办公自动化、综合训练数据、增强学习、网络优化、自动驾驶、作物监测、网络安全识别、药物研发等方向。

探讨人工智能未来好与坏

认知心理学家史蒂芬·平克反对悲观的末日语言，他认为那些预言源自于心理偏见。机器对社会造成的危险不来自机器本身，而来自人类如何看待它。
 
迈克斯·泰格马克从物理学家的角度表示，智能不独属于人类，所以通用人工智能的出现只是时间问题，现在的关键问题在于让 AI 能理解、采纳和保留我们的目标。
 
塞思·劳埃德则认为，人们对深度学习等方法的期待要适度，虽然 AI 有了长足的发展，但机器人“还是不会系鞋带”。
 
这种对征服的恐惧来自对智能的模糊理解，其模糊之处在于将智能归于一种存在之链和尼采式的权力意志，而不是根据信息、计算和控制对智能和目的进行的维纳式分析。
 
但是这些场景混淆了智能与动机、信念与欲望、推理与目标、图灵阐明的计算和维纳阐明的控制。
 
即使发明了超人智能机器人，但是这些目标与智能无关，因为聪明并不等同于一定要追求某些东西。没有任何一个复杂系统定律表明，智能主体一定会变成无情的自大狂。
 
迈克斯·泰格马克认为，通用人工智能的真正风险不是它的恶意，而是它的能力。这表明，我们仅仅看到了智能的冰山一角，存在这么一种惊人的可能性：也许我们能释放出自然界中所蕴藏的全部智能，利用它来帮助人类繁荣发展，或挣扎求生。
 
人工智能也是一样的，它会被广大企业和消费者用在数不清的实际用途上，其中大多数用途谈不上好也谈不上不好，但其累积效果是无法预见的。
 
在我们思考人工智能的未来时，关键是不要把自己放在一个道德的高地上，而是要像现实世界的每一个趋利避害的人一样思考。

计算的未来是模拟

模拟计算和数字计算之间没有精确的区别。一般而言，数字计算涉及整数、二进制序列、确定性逻辑和被理想化为离散增量的时间。
 
而模拟计算涉及实数、非确定性逻辑和连续函数，以及存在于现实世界中的连续时间。
 
许多系统在模拟和数字之间转换运行。一棵树将各种各样的输入整合成连续函数，但是如果你砍倒那棵树，你就会发现它一直在用数字方法计年。
 
在模拟计算中，复杂性存在于网络拓扑结构而不是代码里。信息被处理为诸如电压和相对脉冲频率之类的值的连续函数，而不是对离散的位串的逻辑运算。
 
因为不能容忍错误或模糊，数字计算需要随时纠正错误。而模拟计算可以容忍错误，允许错误的出现。
 
从物流到车流再到意识流，所有这些系统都按照统计运行，就像脉冲频率编码信息在神经元或大脑中处理一样。智能的出现引起了智人的注意，但我们应该担心的是控制的出现。

共享语言就是共享一种本质

在人工智能时代,当我们有能力以机器能够理解的语言来表达自己的意愿,乃至习惯于运用机器能够听懂的语言来实现自己的目标时,我们就需要共享机器语言,以编码的方式来描述愿望和目标。
 
如此一来,我们就需要学习编程,以便扩展我们的本体论前景。问题在于,当我们改变了用来描述愿望和目标的语言时,也就相应地改变了我们的愿望和目标本身,这是我们在智能化人类文明未来必须要面对的深层次本体论问题。
 
因为人类的语言是人类历史所固有的,是我们的生理、心理和文化所蕴含的长期演化的产物,而机器人所能理解的语言是程序化的人工语言。
 
因此,机器赋予人类语言意义的能力是极其有限的,人类不能与运用人类语言的机器进行随机应变的机敏对话,也不能完全用自然语言描述机器所遭遇的数据世界。

结尾

人类的愿望与目标是人类建构的,超越了自动化与智能化的范围。从机器模拟人的功能意义上来看,我们对通用人工智能人的向往与追求,已经全方位地向人类发出了必须彻底反思自身及未来文明走向的强烈信号。