對(duì)于人工智能的理解,基本上來(lái)自于科幻電影。那么,致力于人工智能領(lǐng)域的世界頂尖專家究竟在做什么、在想什么。今年是美國(guó)人工智能協(xié)會(huì) ( AAAI – the Association for the Advance of Artificial Intelligence)組織首次在冬天舉辦旗幟性年會(huì):AAAI 2015大會(huì)。鑒于此,我們共同探討人工智能與機(jī)器人技術(shù)相關(guān)問(wèn)題。

帶你深入了解人工智能與機(jī)器人技術(shù)
人工智能研究的道德問(wèn)題:
與人工智能有關(guān)的職業(yè)和社會(huì)道德問(wèn)題是主題演講中最熱門(mén)的話題。最近一段時(shí)間這個(gè)問(wèn)題似乎確實(shí)受到了整個(gè)社會(huì)的廣泛關(guān)注。一些為大眾所熟知的科技明星,如 Stephen Hawking和Elon Musk,表達(dá)了人工智能技術(shù)的突破會(huì)對(duì)人類(lèi)自身構(gòu)成威脅的擔(dān)憂。而加州大學(xué)伯克利分校計(jì)算機(jī)系教授Stuart Russell(目前最權(quán)威的人工智能專著的作者)則在他的主題演講中表示:現(xiàn)有人工智能技術(shù)水平距離引發(fā)“機(jī)器人統(tǒng)治人類(lèi)”之類(lèi)的風(fēng)險(xiǎn)還為時(shí)尚早。不過(guò),他也認(rèn)為人工智能技術(shù)的研究和應(yīng)用與核武器、生化技術(shù)、基因技術(shù)等其他影響巨大的技術(shù)一樣,應(yīng)該受到規(guī)范化約束。“ACM通訊”雜志的主編Moshe Vardi教授做了一個(gè)關(guān)于人工智能技術(shù)進(jìn)步引發(fā)的失業(yè)問(wèn)題的主題演講。他提到以往的幾次技術(shù)革命在導(dǎo)致失業(yè)的同時(shí)也創(chuàng)造了大量新型工作。但人工智能技術(shù)的發(fā)展有可能從本質(zhì)上對(duì)創(chuàng)造新工種貢獻(xiàn)有限,從而在整體上對(duì)就業(yè)產(chǎn)生負(fù)面影響。另外,大會(huì)還組織了一個(gè)關(guān)于自治武器的倫理問(wèn)題的公開(kāi)辯論也相當(dāng)有趣。
對(duì)人工智能技術(shù)的這一波“擔(dān)憂”浪潮實(shí)際上反映了外界對(duì)人工智能技術(shù)近年來(lái)進(jìn)步的認(rèn)可(我猜一些人工智能領(lǐng)域的學(xué)者在聽(tīng)到這些“質(zhì)疑”時(shí)其實(shí)是欣慰遠(yuǎn)大于困擾吧)。也許與“機(jī)器是否會(huì)過(guò)于聰明”相比,“機(jī)器是否已經(jīng)真如公眾想象的那樣聰明”才是更值得人工智能學(xué)界擔(dān)心的問(wèn)題。從歷史上看,人們對(duì)機(jī)器智能水平的理解似乎極易產(chǎn)生偏差,往往一開(kāi)始過(guò)于高估,覺(jué)得它們無(wú)所不能,然而在發(fā)現(xiàn)機(jī)器能力達(dá)不到他們的想象之后又轉(zhuǎn)向過(guò)于低估,覺(jué)得現(xiàn)有的技術(shù)什么都不是。這兩種看法又經(jīng)常在媒體的推波助瀾下走向極端化,長(zhǎng)期來(lái)看無(wú)論是哪種極端化看法都會(huì)對(duì)正常嚴(yán)謹(jǐn)?shù)娜斯ぶ悄苎芯吭斐韶?fù)面影響。

人工智能與機(jī)器人技術(shù)
“人工智能與機(jī)器人技術(shù)”是AAAI 2015大會(huì)的一個(gè)主題。從學(xué)科基礎(chǔ)看,人工智能學(xué)科從“什么是智能”的哲學(xué)問(wèn)題出發(fā),從原理上研究在“智能行為機(jī)械化”過(guò)程中的一些根本限制和技術(shù)原則。另一方面機(jī)器人學(xué)科則從工程應(yīng)用的角度出發(fā),考慮如何實(shí)際制造滿足特定“智能化”要求的機(jī)器。兩個(gè)領(lǐng)域本應(yīng)是相輔相成的關(guān)系,機(jī)器人領(lǐng)域?yàn)槿斯ぶ悄茴I(lǐng)域提供實(shí)驗(yàn)和實(shí)踐的機(jī)會(huì),而人工智能領(lǐng)域?yàn)闄C(jī)器人領(lǐng)域提供知識(shí)儲(chǔ)備和技術(shù)工具。”但事實(shí)上兩個(gè)領(lǐng)域的研究在很大程度上是相互脫節(jié)獨(dú)立發(fā)展的。所以現(xiàn)在人們開(kāi)始考慮如何加強(qiáng)這兩個(gè)領(lǐng)域的合作和相互滲透”,本次大會(huì)的學(xué)術(shù)委員會(huì)主席Sven Koenig教授在一次交談中提到。事實(shí)上美國(guó)國(guó)家科學(xué)基金會(huì)(NSF-National Science Foundation)專門(mén)就這個(gè)問(wèn)題在會(huì)議期間組織了一個(gè)專題研討會(huì)(只有受邀的領(lǐng)域?qū)<也拍軈⒓樱?/div>
在公開(kāi)活動(dòng)中,大會(huì)隆重舉行了一個(gè)對(duì)機(jī)器人項(xiàng)目“Shakey, the robot”的紀(jì)念活動(dòng)。上世紀(jì)60年代末到70年代中期,幾個(gè)研究員為設(shè)計(jì)制造一個(gè)名為Shakey的機(jī)器人發(fā)明了一系列后來(lái)影響廣泛的人工智能技術(shù),包括啟發(fā)式搜索中的A*算法,自動(dòng)規(guī)劃中的STRIP模型,計(jì)算機(jī)視覺(jué)中的霍夫變換,以及如今幾乎已成為標(biāo)準(zhǔn)的機(jī)器人系統(tǒng)框架。在紀(jì)念活動(dòng)中領(lǐng)銜發(fā)言的是人工智能領(lǐng)域元老級(jí)人物Edward Feigenbaum教授,他以一篇極具感染力的演講高度評(píng)價(jià)了Shakey項(xiàng)目的巨大影響。有趣的是,以他的名字命名的Feigenbaum獎(jiǎng)也同時(shí)在紀(jì)念活動(dòng)中頒發(fā),而今年獲獎(jiǎng)?wù)呤俏④浝椎旅裳芯吭旱脑洪L(zhǎng)Eric Horvitz。Feigenbaum獎(jiǎng)是當(dāng)今人工智能界的一個(gè)主要獎(jiǎng)項(xiàng),用來(lái)獎(jiǎng)勵(lì)對(duì)人工智能的實(shí)驗(yàn)方面研究做出突出貢獻(xiàn)的個(gè)人和團(tuán)體。
圖靈測(cè)試的改進(jìn)方案
去年關(guān)于Eugene Goostman通過(guò)圖靈測(cè)試的新聞似乎讓一些研究者們看到一個(gè)“推翻”圖靈測(cè)試的好機(jī)會(huì)。他們先后組織了一個(gè)專題研討會(huì)和一個(gè)正式會(huì)議,主題都叫“Beyond Turing Test”。會(huì)議期間,研究者們提出了一些新的機(jī)器智能的測(cè)試標(biāo)準(zhǔn),試圖代替圖靈測(cè)試。其中有兩個(gè)標(biāo)準(zhǔn)是比較有影響力的:
The Winogard Schema Challenge 這是一個(gè)旨在取代“有缺陷的”圖靈測(cè)試的測(cè)試方案。這個(gè)方案的基本思想是限制圖靈測(cè)試中對(duì)話的內(nèi)容。在標(biāo)準(zhǔn)的圖靈測(cè)試中人類(lèi)提問(wèn)者可以問(wèn)任意問(wèn)題,但在Winogard Schema Challenge中所有問(wèn)題都有關(guān)自然語(yǔ)言中的代詞理解。不過(guò),在和這個(gè)挑戰(zhàn)的主辦方交流之后,我個(gè)人感覺(jué)這個(gè)方案真正的關(guān)鍵似乎在于他們只允許人類(lèi)專家參與提問(wèn),而不像標(biāo)準(zhǔn)圖靈測(cè)試中是普通人在提問(wèn)。而代詞理解,盡管被聲稱是“關(guān)鍵思想”,其實(shí)可以被看作只是對(duì)我們應(yīng)該如何在圖靈測(cè)試中提問(wèn)的一種“建議”。但我個(gè)人并不覺(jué)得這個(gè)建議對(duì)人類(lèi)專家是必要的。比如我—作為人工智能領(lǐng)域一個(gè)普通的研究員—很有自信可以在圖靈測(cè)試中分辨出任何當(dāng)下的聊天機(jī)器人,即使不使用這類(lèi)代詞理解問(wèn)題。所以在我看來(lái),真正的問(wèn)題是要找“對(duì)”的人,而不是找“對(duì)”的問(wèn)題。從這個(gè)角度說(shuō),我并不認(rèn)為目前有特別必要的理由真的要取代現(xiàn)有的圖靈測(cè)試。也許我們應(yīng)該做的是規(guī)范化圖靈測(cè)試在執(zhí)行層的一些細(xì)節(jié),例如更好地挑選甚至培訓(xùn)參與圖靈測(cè)試的人類(lèi)提問(wèn)者。
The Aristo Challenge 這是另一個(gè)要求計(jì)算機(jī)通過(guò)我們?cè)谥行W(xué)里常見(jiàn)的期中或期末考試的測(cè)試方案??荚噧?nèi)容一般包括算術(shù),幾何,和一些常識(shí)問(wèn)題等等。另外還有一些題目需要考生結(jié)合文字和圖片內(nèi)容進(jìn)行理解和作答?,F(xiàn)在的人工智能技術(shù)在這類(lèi)考試中能達(dá)到大概小學(xué)4年級(jí)水平。我個(gè)人覺(jué)得這個(gè)挑戰(zhàn)更有趣一些。不過(guò),如果站在“測(cè)試機(jī)器是否具有智能的方案”的高度,你仍然很難說(shuō)如果真有計(jì)算機(jī)通過(guò)了所有中學(xué)考試是否它就一定具有智能。在我看來(lái),和仔細(xì)設(shè)計(jì)的圖靈測(cè)試相比,似乎還是這個(gè)方案更有可能被破解,就像國(guó)際象棋或者“危險(xiǎn)邊緣“競(jìng)賽那樣。
自動(dòng)游戲博弈的新突破
最近該領(lǐng)域的一個(gè)階段性成果是,德州撲克的一個(gè)最基本的版本被近似完美解決了,具體就是說(shuō)研究員們顯式地找到一個(gè)博弈策略,其平均收益與(這個(gè)游戲的一個(gè))納什均衡策略的差距比連續(xù)玩這個(gè)游戲70年之后結(jié)果的隨機(jī)波動(dòng)還要小。這個(gè)結(jié)果發(fā)表在一月份的一期《科學(xué)》雜志上,而項(xiàng)目的主要負(fù)責(zé)人Michael Bowling教授在會(huì)議期間就這項(xiàng)成果做了一個(gè)主題演講。
會(huì)議期間同時(shí)舉行了General Game Playing比賽。這項(xiàng)比賽要求計(jì)算機(jī)在沒(méi)有人類(lèi)手工輸入領(lǐng)域知識(shí)的情況下進(jìn)行棋類(lèi)游戲博弈。為了保證這一點(diǎn),比賽組織方會(huì)維護(hù)一個(gè)包括各種不同游戲的列表,每項(xiàng)游戲的基本規(guī)則都用一套通用語(yǔ)言進(jìn)行形式化表述,并且只在比賽當(dāng)時(shí)才輸入給計(jì)算機(jī)。另外組織者還進(jìn)行了一場(chǎng)有趣的“碳硅大戰(zhàn)“,也就是讓人跟比賽中優(yōu)勝的計(jì)算機(jī)在這個(gè)比賽規(guī)則下比賽,結(jié)果是機(jī)器取得勝利。
會(huì)議期間同時(shí)舉行了General Game Playing比賽。這項(xiàng)比賽要求計(jì)算機(jī)在沒(méi)有人類(lèi)手工輸入領(lǐng)域知識(shí)的情況下進(jìn)行棋類(lèi)游戲博弈。為了保證這一點(diǎn),比賽組織方會(huì)維護(hù)一個(gè)包括各種不同游戲的列表,每項(xiàng)游戲的基本規(guī)則都用一套通用語(yǔ)言進(jìn)行形式化表述,并且只在比賽當(dāng)時(shí)才輸入給計(jì)算機(jī)。另外組織者還進(jìn)行了一場(chǎng)有趣的“碳硅大戰(zhàn)“,也就是讓人跟比賽中優(yōu)勝的計(jì)算機(jī)在這個(gè)比賽規(guī)則下比賽,結(jié)果是機(jī)器取得勝利。
規(guī)劃、決策、約束補(bǔ)償、優(yōu)化、與搜索算法
這些都是人工智能的傳統(tǒng)領(lǐng)域。讓我其實(shí)有一點(diǎn)意外的是,這次會(huì)上相當(dāng)多這些領(lǐng)域里的論文是關(guān)于蒙特卡洛樹(shù)搜索法(Monte Carlo Tree Search)的內(nèi)容—一個(gè)從計(jì)算機(jī)圍棋領(lǐng)域發(fā)展而來(lái)的技術(shù)。而我這次在會(huì)議中做的論文報(bào)告正是關(guān)于如何結(jié)合Monte Carlo Tree Search與傳統(tǒng)的搜索算法,從而設(shè)計(jì)更為通用的人工智能算法。盡管論文主要討論在假設(shè)最差情況下如何規(guī)劃(adversarial planning),我相信論文的主要結(jié)果同樣適用于更為一般的情況,例如基于概率的規(guī)劃問(wèn)題。
另外有些關(guān)于算法選擇(Algorithm Selection)的論文,討論如何通過(guò)增強(qiáng)學(xué)習(xí)等技術(shù)解決組合優(yōu)化問(wèn)題?;舅枷胧钦f(shuō),一般而言每一個(gè)單獨(dú)的算法在解決這類(lèi)問(wèn)題時(shí)都有自己的“盲點(diǎn)”,也就是在最差情況下性能很差(所謂的“NP困難”問(wèn)題)。但是不同的算法盲點(diǎn)往往不同,因此如果在實(shí)際應(yīng)用中能通過(guò)學(xué)習(xí)技術(shù)了解正在面對(duì)的是“哪些”具體問(wèn)題類(lèi)型,也就有可能有的放矢地選擇合適的算法。個(gè)人認(rèn)為這是一個(gè)有趣的研究方向。
更多>相關(guān)資訊
0 條相關(guān)評(píng)論