《人工智能》读书笔记

2017年05月01日

李开复老师向我们介绍人工智能的概念、发展、对人工智能的思考、人工智能对人类发展的影响、人工智能创业以及人工智能时代的教育学习,其中的观点、概念和相关知识体系的介绍,醍醐灌顶,获益匪浅。

人工智能所带来各种变革和机会,都是极大的。

一、人工智能来了

从投资着的角度看,越是追求与人长得一样,试图像人一样说话、做事的机器人项目,就越没有商业前景。


如果说人工智能未来可以突破到强人工智能甚至超人工智能的层次,那从逻辑上说,在所有人工智能技术中,机器学习最有可能扮演核心推动者的角色。

二、AI复兴

我们说“人工智能来了”,其实是说,人工智能或深度学习真的可以解决实际问题了。


移动互联网的浪潮尚未平息,人工智能的创投就已经进入了让创业者无比兴奋的上升期。只有顺应潮流,在对的时间做对的事情,创业才最有可能成功。


这一波人工智能浪潮的最大特点是人工智能技术真正突破了人类的心理阈值,到达了大多数人心目中“可用”的标准。


深度学习是当今乃至未来很长一段时间内引领人工智能发展的核心技术。


深度学习就是这样一种在表达能力上灵活多变,同时又允许计算机不断尝试,直到最终逼近目标的机器学习方法。

三、人机大战

对于实现人工智能算法而言,不完整信息的博弈游戏在技术难度上要大得多。


AI利用增强学习技术,从自我对局中学习最优的扑克玩法,而避免从人类的既定模式中学习经验。


如果机器能够在自我学习中不断完善对于一种特定策略的掌握程度,能够在不熟悉或者缺乏全部信息的环境中不断试错并积累经验,那么,机器显然可以胜任更多的人类工作。


如果综合考虑人工智能的跨领域推理能力、常识和感性、理解抽象概念的能力等,我们很难给过去数十年间人工智能发展的水平打出一个客观的分数,并据此预测超人工智能到来的时间。


在人工智能领域,大多数人倾向于过于乐观地预测全局大势,而过于悲观地估计局部进展。


人类强大的跨领域联想、类比能力是跨领域推理的基础。


这种从表象入手,推理并认识背后规律的能力,是计算机目前还远远不能及的。


目前的深度学习技术,几乎都需要大量训练样本来让计算机完成学习过程。可人类,哪怕是小孩子要学习一个新知识时,通常只需要两三个样本就可以了。这其中最重要的差别,也许就是抽象能力的不同。


不突破少样本、无监督的学习,我们也许就永远无法实现人类水平的人工智能。


人通常追求“知其然,也知其所以然”,但目前的弱人工智能程序,大多数只要结果足够好就行了。


显然,今天的弱人工智能远未达到具备自我意识的地步。


审美能力同样是人类独有的特征,很难用技术语言解释,也很难被赋予机器。


情感分析技术一直是人工智能领域里的一个热点方向。

四、AI时代

如果说在21世纪,还有哪一种技术可以和历次工业革命中的先导技术相提并论的化,那一定是正在步入成熟增长期的人工智能技术。


技术不仅仅是技术。技术的未来必将与社会的未来、经济的未来、文学艺术的未来、人类全球化的未来紧密联系在一起。


人工智能可能成为下一次工业革命的核心驱动力,更有可能成为人类社会全新的一次大发现、大变革、大融合、大发展的开端。


从全局视角看,历史上还没有哪一次科技革命成为人类的灾难而不是福音。


大多数情况下,工作不是消失了,而是转变为了新的形式。


其实,人类越发展,就越不担心高新科技对社会、经济结构的冲击。如果说第一次工业革命时,历史的进程还伴随着资本原始积累时期的野蛮和残酷,那么,到20世纪第三次工业革命的时候,绝大多数新科技、新产业都是很短时间内调整和适应,之后就迅速占据了产业制高点,引领人类在一个更高层次上,重新安排更高品质的工作和生活。


一项本来由人从事的工作,如果人可以在5秒钟以内对工作中需要思考和决策的问题作出相应的决定,那么,这项工作就有非常大的可能被人工智能技术全部或部分取代。


反之,如果你的工作设计缜密的思考、周全的推理或复杂的决策,每一个具体判断并非人脑可以在5秒钟的时间内完成,那么,以目前的技术来说,你的工作是很难被机器取代的。


基于“五秒钟准则”,我个人预测,从事翻译、新闻报道、助理、保安、销售、客服、交易、会计、司机、家政等工作的人,未来10年将有约90%被人工智能全部或部分取代。


失业问题未必会如某些人想象的那样严重。技术发展将造成一部分简单工作、底层工作的消失或转变,但由此也会催生更多更新型的、更需要人类判断力和创造力的工作类型。


在人类可以预见的近未来,最有可能变成现实的情形是全人类步入一个崭新的人机协作时代。


AI只是人类的工具。技术本身不是问题,问题是我们如何使用技术以及如何围绕人工智能这样一种革命性的新科技,建立与之配合的社会和经济结构,用制度来保证人人都可享用人工智能带来的巨大收益,同时不必担心失业等潜在风险。


未来生活的样子:大多数汽车可以用共享经济的模式、随叫随到。因为不需要司机,这些车辆可以保证24小时待命,可以在任何时间、任何地点提供高质量的租用服务。


自动驾驶技术可以非常容易地将家庭用车模式转变为共享用车的模式。


判断人工智能技术能在哪个行业最先引起革命性的变革,除了要看这个行业对自动化、智能化的内在需求外,主要还要看这个行业内的数据积累、数据流转、数据存储和数据更新是不是达到了深度学习算法对大数据的需求。


以深度学习为代表的人工智能算法所要做的,就是充分挖掘并有效地利用这些海量弱特征数据,建立起更加符合真实世界规律的数据模型。


那个时候,少数人类经验继续从事科学研究和前沿科技开发,大量简单、重复的初级工作由人工智能完成,大多数人享受生活,享受人生。由此也必然催生娱乐产业的大发展,未来的虚拟现实(VR)和增强现实(AR)技术必将深入每个人的生活中,成为人类一种全新的娱乐方式。

五、机遇来临

高盛认为,人工智能在四个方面的影响力最为显著:生产率、尖端技术、竞争优势和创办新公司。


对中国来说,政府和整个社会一向注重科技发展。今天是一个最好的将AI提升到科技发展战略层面,加强全社会协作与资源共享,发挥人才优势,快速占领AI产业制高点的机会。


对于这样的“巨头风险”,我觉得我们应该从法律和制度建设层面,多做些有前瞻性的事情,包括:

  • 提高大数据和人工智能应用领域的透明度,鼓励公开那些不涉及用户隐私和商业机密的研发成果,鼓励开源。

  • 更多地鼓励利用区块链技术管理数据和信息流动,从技术和制度双方面打破科技巨头对大数据的垄断。

  • 成立有社会责任感的VC基金,专注于新兴的大数据和人工智能方向。

  • 多关注能够帮助落后人群获取信息、享受AI福利的平台。

  • 鼓励大众和媒体去监督行业巨头的商业行为。


下一次生产率革命的关键是“自动化”,而人工智能正是帮助现有流程实现自动化的最好工具。


人工智能商业化大致可以分为三个主要阶段:

  • 第一阶段 ,AI会率先在那些在线化程度高的行业开始应用,在数据段、媒体端实现自动化。

  • 第二阶段,随着感知技术、传感器和机器人技术的发展,AI会延伸到实体世界,并率先在专业领域、行业应用、生产力端实现线下业务的自动化。

  • 第三阶段,当成本技术进一步成熟时,AI会延伸到个人场景,全面自动化的时代终将到来。


AI创业的五大基石:清晰的领域界限,闭环的、自动标注的数据,超大计算能力,千万级的数据量,顶尖的AI科学家。


目前人工智能产业发展面料的六大挑战:一、前沿科研与产业实践尚未紧密衔接;二、人才缺口巨大,人才结构失衡;三、数据孤岛化和碎片化问题明显;四、可复用和标准化的技术框架、平台、工具、服务尚未成熟;五、一些领域存在超前发展、盲目投资等问题;六、创业难度相对较高,早起创业团队需要更多支持。

六、迎接未来

我觉得,人工智能时代最核心、最有效的学习方法包括:

  • 主动挑战极限

  • 从实践中学习

  • 关注启发式教育,培养创造力和独立解决问题的能力

  • 虽然面对面的课堂仍将存在,但互动式的在线学习将愈来愈重要

  • 主动向机器学习

  • 既学习人-人协作,也学习人-机协作

  • 学习要追随兴趣


我们很难准确列举,AI时代该学习什么才不会被机器取代,但是我们大致还是可以总结一个基本的思路:

人工智能时代、程式化的、重复性的、仅靠记忆与练习就可以掌握的技能将是最没有价值的技能,几乎一定可以由机器来完成;反之,那些最能体现人的综合素质的技能,例如:人对复杂系统的综合分析、决策能力、对于艺术和文化的审美能力和创造性思维,有生活经验及文化熏陶产生的直觉、常识,基于人自身的情感(爱、恨、热情、冷漠等)与他人互动的能力。。。这些是人工智能时代最有价值,最值得培养、学习的技能。而且,这些技能中,大多数都是因人而异,需要“定制化”教育或培养,不可能从传统的“批量”教育中获取。


人工智能时代的教育要注重以下几个重点问题:

  • 个性化、定制化的教育如何设计,如果满足不同学生的需要,如何评估定制化教育的效果?

  • 教育如何做到可持续化?最有效的再培训和再教育体系是什么?

  • 教育体系的设计必须更早、更充分地考虑全社会的公平性。


版权声明:本文为博主原创文章,转载请注明出处 本文总阅读量