ITBear旗下自媒体矩阵:

《硅谷百年史》作者:不怕人工智能 只怕它来得不够快

   时间:2016-04-28 09:22:43 来源:第一财经网编辑:星辉 发表评论无障碍通道

——你害怕人工智能吗?

——“我不害怕人工智能,我怕的是它来得不够快。” 4月27日,来到中国的《硅谷百年史》作者、人工智能认知科学家皮埃罗·斯加鲁菲(Piero Scaruffi)这样说。

两年前,他与朋友合写的《硅谷百年史——伟大的科技创新与创业历程(1900-2013)》在中国翻译出版之后,被中国IT界奉为了解硅谷最为便捷生动的必读书。

而对于现在的硅谷,他提到,现在硅谷到处都有人在讲奇点——未来可能有一个机器比我们人类更加聪明,甚至聪明到我们都没有办法控制了,“这个听起来特别吓人。”

《硅谷百年史》作者Piero Scaruffi

《硅谷百年史》作者Piero Scaruffi:“我怕人工智能来得不够快。”

在皮埃罗·斯加鲁菲看来,现在人们谈论的奇点其实都是在四个假设上面建立起来的。第一个假设,是人工智能系统正在向前极大的飞跃;第二个假设,是这个飞跃比以前任何的飞跃都要更快;第三个假设是,我们不得不去应对这些超人工智能;第四个假设则是,可能有机器能做一些我们做不了的事情。

上述假设听起来比较有道理,而且很多人都同意,但皮埃罗·斯加鲁菲认为这些假设其实都是错的,或者说从某种角度来讲是错的。

“奇点其实还没到来。”皮埃罗·斯加鲁菲说。

他给出的理由是,在第一个假设里,其实很多人工智能的飞跃建立在摩尔定律的基础上,有很多深度学习上的进展,特别是数学上的进展是非常快的,但是没有摩尔定律任何事情都不会出现。“我们仍然会用庞然大物的计算机来做处理,所以这种情况下不可能出现AlphaGo,也就是说摩尔定律仍然是让我们看到AI(人工智能)现在有如此大进步的原因。我认为人工智能这样的一个定律不断往前走,而摩尔定律基本到了一个停滞的状态。”

以AlphaGo为例,这的确是一个了不起的成就,但它是通过了无数局游戏来学习的,所以你必须有一个足够便宜而且足够快的计算机来完成。

“除了下围棋之后AlphaGo能干什么,什么都干不了,只能做一件事儿,可能比人类大师做的还好,但是在座任何一位你们都可以做很多的事情,不仅仅是下围棋,而且AlphaGo也是向人类大师学习到的,人类告诉它怎么做。” 皮埃罗·斯加鲁菲说。

他透露,自己其实也做了一个计算,AlphaGo用了这么多处理器,基本上要消耗440千瓦的能力,而人类的大脑只需要20瓦,也就是AlphaGo消耗的能量是人类的2000倍。

第二个假设里提到,我们现在这个时代人工智能在加速前进。皮埃罗·斯加鲁菲表示,过去20年里人类制造了汽车、电话、飞机等,同时我们也造出了高楼,而且家用电器领域也都有很大的飞跃,这些都极大的改变了世界。

但是,早在47年前,硅谷就已经造出一个可以移动的机器人了,可是47年后的现在,“到底有谁家有机器人呢?” 皮埃罗·斯加鲁菲反问。

第三个假设是说超人工智能即将到来,但是皮埃罗·斯加鲁菲认为其实超人工智能已经存在了。

“想想蝙蝠它们在黑暗当中飞行,可以抓昆虫,可以倒立在墙上,你可以吗?我们已经习惯了,机器能不能做一些我们人类做不了事情,,当然可以了,而且很长时间我们都这么做了,比如用手表计时,所以没有必要担心。” 皮埃罗·斯加鲁菲说。

在他看来,奇点这些假设过程当中可以发现很多漏洞。

“其实对于我来讲,人类的智慧才更需要我们来担忧,我们总是在制定各种各样的规则、制度等。” 皮埃罗·斯加鲁菲举例,如果人们不在道路上划线就没有办法做智能驾驶、自动驾驶等,像这些规矩不会让人类更加的聪明,只会让人类像机器一样运转,皮埃罗·斯加鲁菲把它叫做“图灵点”,就是机器比人类更加聪明。

“我们看人类和机器,一个方式是机器变得越来越聪明;另外一个方式就是机器不怎么变,但是人类变得越来越笨。所以我们希望这个图灵点不要通过错误的方式达到就好。” 皮埃罗·斯加鲁这样说。

他同时坦言,自己最担心的,就是可能奇点没有办法足够快来到,“因为我们的确需要机器人。”

他举例说,对于老年人和对于病人的照顾,像日本这样老龄化国家没有足够的年轻人照顾老年人,因此人们需要这样的机器人。此外人类需要可以做危险工作的机器人。

而在深度学习领域,他认为今天的机器人只能在高度化的结构中才能做得更好,但是常识并不是机器人来学习,而是需要人们重新找到一个逻辑的通道,要让机器人可以按常理做事情,“比如说当你说饿了的时候它不会把你的猫给煮了。”

如果从乐观的一面来讲,皮埃罗·斯加鲁菲预计,未来机器人会创造非常复杂的社会,那时,人类智慧变得更加的珍贵了,而不是不珍贵,或者不值钱了。

“未来总是让我们觉得惊讶的。”皮埃罗·斯加鲁菲说。

举报 0 收藏 0 打赏 0评论 0
 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  RSS订阅  |  开放转载  |  滚动资讯  |  争议稿件处理  |  English Version