從匹諾曹、愛德華到大黃蜂、賈維斯,人類對于機器智能的憧憬和追求就從沒離開過熒幕。而在現(xiàn)實生活中,最引人注意的莫過于“機器人司令”馬克·雷波特(MarcRaibert)。他是麻省理工學(xué)院(MIT)的教授,在1992年時創(chuàng)辦了波士頓動力公司,全力研發(fā)各樣智能機器人。
2009年時,波士頓旗下的BigDog(大狗)亮相互聯(lián)網(wǎng),它雖然體積龐大,但行走平穩(wěn)、轉(zhuǎn)向靈活,仿生狀態(tài)非常驚艷。4年后,其發(fā)布的人形機器人Atlas更是名聲大噪,初代產(chǎn)品可以伸展雙臂平衡通過狹窄的“獨木橋”;隨后更具備了倒立、翻轉(zhuǎn)、空中劈叉等動作,甚至跑酷的姿勢也非常優(yōu)美。
波士頓動力的每一款產(chǎn)品問世,都能成為網(wǎng)紅焦點。而雷波特及其公司也成為談及AI時所無法避開的行業(yè)典范。因此在11月4日東莞舉辦的企業(yè)創(chuàng)新生態(tài)圈大會上,雷波特也遠(yuǎn)程參會交流。和他對話的,則是中國AI(人工智能)公司云從科技的創(chuàng)始人周曦。后者也是學(xué)霸創(chuàng)業(yè),從中國科學(xué)院走出來的行業(yè)中堅。
兩位科技大佬對話的一大背景是,當(dāng)下人工智能正在從又一波高峰滑落:外界總期待AI人工智能無所不能,但實際卻像個“廢柴巨人”。
就拿波士頓動力來說,就連充滿探索精神的谷歌,收購公司之后,看著商業(yè)化進(jìn)程這么緩慢,也坐不住了,最終賣出轉(zhuǎn)手。而國內(nèi)的AI,在大眾認(rèn)知里似乎依然停留在語音、人臉識別這些不夠“性感”的方向。
確實,歷經(jīng)六十多年發(fā)展,AI技術(shù)已有大幅提升,甚至學(xué)術(shù)界擔(dān)憂,AI過于強大從而帶來威脅、統(tǒng)治人類。然而,現(xiàn)實卻是,成熟商業(yè)化的領(lǐng)域依然不多,對社會的影響也感知頗淺。因而,社會普遍認(rèn)為,AI就像個“廢柴巨人”,看上去很有創(chuàng)造力和破壞力,但除了飯(燒)量(錢)大(多)也沒啥本事。
那么,AI該如何擺脫廢柴的尷尬?該如何秀出肌肉、舞動拳頭、發(fā)揮力量又不至于統(tǒng)治人類呢?
人類的狂喜與失望
人工智能之父可以追溯到在二戰(zhàn)中做出密碼破譯機的圖靈,而行業(yè)的起點則從1956年達(dá)特茅斯學(xué)院的暑期會議,世界第一座AILab實驗室開始。自此后的十年,AI領(lǐng)域一片紅火:美國政府投資了數(shù)百萬美元、西洋跳棋程序誕生并戰(zhàn)勝了人類大師、會文本聊天的機器人、專家系統(tǒng)、根據(jù)指令抓積木的機器人相繼誕生。
然而,這波熱潮卻在1973年被一份報告潑了冷水、濕得透透:到目前為止,該領(lǐng)域的任何發(fā)現(xiàn)都沒有產(chǎn)生當(dāng)初承諾的重大影響。[1]隨后學(xué)術(shù)界進(jìn)行了一輪深刻的批評與自我批評,AI的研究進(jìn)入平靜階段。
1976年,誕生了十余年的專家系統(tǒng),終于開始在商業(yè)中發(fā)揮作用,借助數(shù)據(jù)庫積累參與醫(yī)療診斷咨詢。借助專家系統(tǒng),AI復(fù)興快速展開,日本政府撥款8個多億美元支持研發(fā)、英國耗資3億多英鎊打造AI工程。然而,又過了十年后,人們遺憾發(fā)現(xiàn),機器專家也不靈光,AI研發(fā)再次陷入低谷。
1960s年代、1980s年代,兩次產(chǎn)業(yè)的迸發(fā)與消退、人類的狂喜與失望,歸根結(jié)底就是一句話:機器沒有人們期望的那么智能。
事后來看,結(jié)果是顯而易見的。硬件方面,晶體管、芯片的集成度仍處于早期,視覺、觸感等信息的獲取,也十分困難。軟件方面,支持建立模型的數(shù)據(jù)量仍嚴(yán)重不足,算法規(guī)則理念也不夠先進(jìn)??梢哉f,不是機器不夠智能,而是人類的功課還沒準(zhǔn)備充分。
兩次的周期往返讓產(chǎn)業(yè)深深質(zhì)疑,AI到底是不是一個方向?未來會好嗎?甚至有人開始反思,大象根本不玩象棋(ElephantsDon’t Play Chess),但大象卻可以根據(jù)環(huán)境變化做出判斷、反應(yīng)。用人類設(shè)定規(guī)則的方法,也許是錯誤的。
幸運的是,科學(xué)家并沒有停止探索。寒冬中播下的種子,在暖風(fēng)之下,開始生根發(fā)芽。
跨學(xué)科研究:概率論、統(tǒng)計學(xué)、控制理論、工程學(xué)、神經(jīng)學(xué)等等,越來越多學(xué)科跨界進(jìn)入AI研究,交叉體系打破了先行設(shè)定規(guī)則的思路,神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)技術(shù)開始發(fā)展。
硬件大提速:在摩爾定律的促使下,芯片集成度指數(shù)型發(fā)展,CPU、GPU、MPU等等功能芯片層出不窮。而云的誕生,也使得算力可以近乎無限擴大。光學(xué)鏡頭、紅外等傳感器也性能提升,對外界環(huán)境的辨別、關(guān)鍵信息的捕捉也更加高效。
軟件爆發(fā)潮:在互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)時代,產(chǎn)生的數(shù)據(jù)量爆炸性增加,每年產(chǎn)生的量就等于過去人類上千年積累的百萬倍,真實世界的活動得到了前所未有的記錄,為建立模型提供了充分的素材。在互聯(lián)網(wǎng)大潮中,碼農(nóng)數(shù)量也隨之增加,如今全球達(dá)到了3000萬人左右。
在這些因素的促使下,AI產(chǎn)業(yè)再次昂首闊步:“深藍(lán)”戰(zhàn)勝國際象棋冠軍,AlphaGo完虐人類圍棋高手,無人駕駛車也行駛在路上,AI甚至出現(xiàn)在了美國禁令清單中。技術(shù)爆發(fā)性“奇點”似乎就要到來,以至于比爾蓋茨、霍金等大佬紛紛勸阻,別搞太快了,很危險;AI會取代人類。
實際情況是,機器學(xué)習(xí)、深度學(xué)習(xí)、強化學(xué)習(xí)技術(shù)支撐的這一輪AI熱潮,也根本快不起來,純粹深度學(xué)習(xí)的算法演進(jìn),已走入絕境。OpenAI的GPT-3模型訓(xùn)練成本高昂,其智商卻無法理解“冰箱里的奶酪是否會融化”這樣的常識。
2008年金融危機后,為避免再次發(fā)生世界性危機,全球最頂級的金融人才開始修訂《巴塞爾協(xié)議》,而如果交給GPT-3,起碼要經(jīng)歷千百次金融危機它才能學(xué)會。
周曦認(rèn)為,“這個時候我們需要另外一條路,我們叫專家知識。我們要相信人的力量,把人工智能和人結(jié)合。人能夠在很復(fù)雜的環(huán)境,很小樣本的情況下,作出創(chuàng)造性的決定。”
如此一來,人機協(xié)同,成為人工智能進(jìn)化的必然方向,同時,也是人類合理使用AI的必然要求。
機器的輔助與統(tǒng)治
電影《黑客帝國》中展示了這樣一副圖景:人類生活在一個虛擬世界中,而創(chuàng)造并控制這個世界的是叫做“母體”的AI人工智能系統(tǒng)。人類仿佛是AI飼養(yǎng)的動物,沒有真實的自由,而實際上,人類不過是一行行代碼程序。然而,更可怕的是,99%的人類對虛擬世界完全沒有察覺。
電影結(jié)尾,黑客Neo用人類的愛情戰(zhàn)勝了機器的理性,但電影仍令人后背發(fā)涼,人類的肉身如何抵抗AI的超級之軀。盡管超級AI還為時尚早,但AI已經(jīng)開始取代部分人類工作:
比如計算機開始取代機關(guān)機組人員工作,負(fù)責(zé)編排航班時刻表、分析異常報告;算法也取代了編輯,自動向用戶推送內(nèi)容;機器人替代搜救隊員到危險地方工作,替代了醫(yī)生進(jìn)行高效診療,減少失誤;雷達(dá)和算法,替代人腦更快判斷車距和避險。毫無疑問,AI的智能化正改善著人類的生活。
然而,AI未必能永久智能。2010年,交易算法故障導(dǎo)致紐交所閃電崩盤,幾分鐘內(nèi)蒸發(fā)了萬億美金;2018年,計算機故障導(dǎo)致歐洲1.5萬個航班嚴(yán)重延誤或取消。[2]除了金錢損失之外,AI過度使用,也在沖擊著人類社會文明:
劍橋分析公司不當(dāng)使用數(shù)千萬用戶信息,個人隱私遭到破壞;而DeepFake帶來的換臉等應(yīng)用,流行于網(wǎng)絡(luò),社會秩序、公共安全遭到極大沖擊。甚至軍事領(lǐng)域,也開發(fā)了大量AWS(無人指揮下,自主尋找目標(biāo)并進(jìn)行擊殺)武器,大大加大了殺戮的殘暴。
而在討論超級智能AI對人類的威脅時,總有人會說,到時關(guān)閉電源不就好了,但詭異的是,AI的目標(biāo)是為了完成人類賦予的任務(wù)而克服萬千困難,“被斷電”顯然也是它認(rèn)為需要克服的困難。因此,如果AI只是被設(shè)定用來實現(xiàn)“最大化目標(biāo)”,那么AI的終極,就是超級AI、就是全面接管人類。
畢竟,初出茅廬的AI,并不能短時間內(nèi)具備人類的社會經(jīng)驗和價值判斷。基于此,人工智能學(xué)者斯圖爾特·羅素(StuartRussell)認(rèn)為,人類應(yīng)該致力于研發(fā)“可證明對人類有益的人工智能”(ProvablyBeneficial AI),而不是人類及超人類級別的AI。
羅素對AI提出了三個原則:最大化實現(xiàn)人類目標(biāo);對人類保持敬畏之心;基于人類行為設(shè)定機器偏好。濃縮成一句話的話,好AI應(yīng)該是“以人為本的人機協(xié)同”:人類居于主導(dǎo)地位,基于人類的經(jīng)驗、判斷與偏好,研發(fā)服從于人類利益的AI,最終拍板的依然是“我們”。既不做半機器半人類,也不做機器下的人類。
而要讓AI成為助手,總共分三步:第一步,在多個人機協(xié)同感知端實現(xiàn)技術(shù)突破,將人力從繁復(fù)的工作中解放出來;第二步,在感知、認(rèn)知到?jīng)Q策全流程提升效率,助力決策;第三步,在人機交互體驗幫助創(chuàng)造者,豐富終端的產(chǎn)品和服務(wù)內(nèi)容。
這個“三步走”戰(zhàn)略,邏輯嚴(yán)密前景美好,但要實現(xiàn)卻并非易事。它要求每一步都算數(shù),每一步都得踏實走。不少國內(nèi)公司都在邁出第一步,在感知端的工作已經(jīng)成為追求精度的競賽。率先邁開第二步的,才能更快完成人機協(xié)同的目標(biāo)。而這則有一個先決條件:市占率說了算。
只要在終端分布的感知端數(shù)量越多、喂給認(rèn)知與決策算法的數(shù)據(jù)才會越多,而經(jīng)過訓(xùn)練反饋的結(jié)果也才會趨近于最優(yōu)。這也是統(tǒng)計學(xué)、概率論發(fā)揮作用的基礎(chǔ)。
國內(nèi)不少企業(yè)也在如此布局。2015年成立的云從科技,憑借“行業(yè)專家+工程師”模式的充分開發(fā),云從對銀行和機場進(jìn)行了最為廣泛的AI覆蓋。這保證了公司在向認(rèn)知與決策端延伸時,有足夠優(yōu)質(zhì)海量的數(shù)據(jù)可以使用,為成功邁出第二步做了充分保障。
人機協(xié)同成為人類和AI的親密接觸,而需求則成為了AI競爭的關(guān)鍵,也成為了中國AI發(fā)展的優(yōu)勢。
人機協(xié)同,復(fù)制1000個鐘南山
截止2016年,全球深度學(xué)習(xí)領(lǐng)域,中國論文總量與引用均位列第一,AI領(lǐng)域的發(fā)明專利中國位列第二;而在商業(yè)化方面,2011年成立的曠視,2012年成立的依圖,2014年成立的商湯,以及2015年成立的云從,都在短期內(nèi)快速崛起,被并列稱為中國的“AI四小龍”,趕著來投錢的資本,從中國一直排到了美國。
這幾家基本都是以計算機視覺技術(shù)CV起家,所以大眾普遍認(rèn)為所謂的AI,不過是認(rèn)臉、下棋、刷論文、或者套著AI名義做個政府集成外包。雖然AI商業(yè)化的進(jìn)程緩慢,但毫無疑問,這些印象還是刻板過時了。
AI商業(yè)化的良性之路,正在形成。
以云從為例,已經(jīng)實現(xiàn)了AI從感知(人臉、人體、物體、語音)到認(rèn)知(語義、知識圖譜、大數(shù)據(jù))到?jīng)Q策(風(fēng)控、推薦、畫像)的技術(shù)閉環(huán)。除此之外,云從的“3D結(jié)構(gòu)光人臉識別”、商用跨鏡追蹤(Re-ID)、人體3D重建等技術(shù)也走在技術(shù)前列、商用舞臺。
人機協(xié)同也早已取代計算機視覺,成為這家小巨頭的新標(biāo)簽。周曦做了一個總結(jié):每次科技的進(jìn)步都是效率的提升,都是對人的延展。
既往的幾次科技革命,都只是對人類四肢的延展。而人機協(xié)同則帶來新的質(zhì)變——對人腦的延展,既然人的思維沒有邊界,那么在人機協(xié)同這個方向下,人工智能就不應(yīng)再被束縛在具象化的實物上,而是能夠像思維一樣拓展出無限的邊界。
以AI在醫(yī)療中的應(yīng)用為例,如果僅有傳統(tǒng)的計算機視覺技術(shù)以及語音識別技術(shù),那么AI的最多還是只能看看CT,順便幫醫(yī)生錄入病例。然而,對于那些掙扎在死亡邊緣的的病人來說,他們面對的最大困難則是,能夠耄耋之年沖上一線的鐘南山院士只有一個,能夠殫精竭慮無私奉獻(xiàn)的陶勇醫(yī)生也只有一個。
人機協(xié)同則可以通過在人工智能技術(shù)這個黑匣子中置入專家知識,將鐘南山、陶勇們的知識技能模型化、自動化,通過AI解決掉90%以上診療信息,協(xié)助醫(yī)生付出10%的精力處理其他關(guān)鍵性問題,進(jìn)而讓醫(yī)療專家的服務(wù)能力擴大10倍以上。
在海關(guān)監(jiān)管系統(tǒng)中,云從已經(jīng)開始進(jìn)行人機協(xié)同的階段性實踐,研發(fā)了海關(guān)立體監(jiān)管決策指揮系統(tǒng)、集裝箱全流程監(jiān)管以及智慧查驗等系統(tǒng),將海關(guān)監(jiān)管的現(xiàn)實場景數(shù)字化、結(jié)構(gòu)化、模型化,幫助海關(guān)專家做出更好的決策。
云從之外,商湯的算法平臺,曠視的物聯(lián)網(wǎng),也都已取代計算機視覺,成為各自新的目標(biāo)。中國AI產(chǎn)業(yè),正依靠著廣闊的需求市場,走上世界舞臺。
而無論是銀行風(fēng)控專家,還是三甲醫(yī)院主任醫(yī)生,在中國,都是極其稀缺的資源,但老百姓對高品質(zhì)服務(wù)的需求是實打?qū)嵉摹H藱C協(xié)同,既可以將高質(zhì)量產(chǎn)品與服務(wù)普惠于民,又避免了人機崗位的沖突。
對于我們這樣人口大國來說,發(fā)展人機協(xié)同的普惠型AI,延展我們的智慧,是產(chǎn)業(yè)發(fā)展的趨勢,也是工程師紅利和群眾需求結(jié)合的必然選擇。
結(jié)尾
雖然火器大炮在中國早有使用,但清朝時期的大炮“只知道用鐵鑄成炮身,不知道做炮膛,全無科學(xué)分寸,所以施放不能有準(zhǔn)頭”,[3]火炮內(nèi)外凹凸不平,其中最大的凹陷,可以倒入4碗水而不溢出。最終在和列強的戰(zhàn)斗中,清朝軍隊?wèi)K敗負(fù)辱。
誠然,如今的世界,爆發(fā)大規(guī)模戰(zhàn)爭不再容易,但不可否認(rèn)的是,國與國之間的競爭、甚至對抗,卻從未停止。而科學(xué)、科技,無論在清朝,還是如今,都是自強自立的根本保障。而在AI領(lǐng)域,經(jīng)過幾批人的努力,中國已經(jīng)有資格和海外公司站在同一階段,這是彌足珍貴的成績。
任正非曾說,只有長期重視基礎(chǔ)研究才有工業(yè)的強大,人工智能是影響和塑造一個國家的核心變量。
作為擁有14億人口的中國,我們需要提升效率創(chuàng)造更多的財富、也需要注重平等共同富裕。也許AI看似“廢柴”,但我們卻不能忽視“巨人”的存在。包容創(chuàng)新、包容那些探索的人,我們的基礎(chǔ)教育、我們的技術(shù)強國,也才會有保障。
參考資料
[1]《萊特希爾報告》(LighthillReport),ScienceResearch Council of Great Britain,1973
[2]《AI新生》,斯圖爾特·羅素(StuartRussell),中信出版社
[3]《中國歷史縱橫談全集》,蕭楓,遼海出版社