人工智能革命探秘

推荐会员: goodway 所属分类: 行业精选 发布时间: 2016-04-06 23:23
Pieter Abbeel的机器人学习实验室
在美国加州大学伯克利分校,人工智能领域著名的Robot Learning Lab就坐落在校园北面一个建筑的第七层。作为一个“机器人幼儿园”,该实验室培育着Brett人形机器人以及工业机器人等。
作为一个典型的研究型实验室,其实验内容同样的杂乱无章:自行车就那么直接放在实验室内,实验室成员的位置也看起来有些混乱,白板上也经常画着一些旁人很难理解的符号和公司。就在这看起普通甚至有些杂乱的表面背后,该实验室对人工智能的研究却十分深入。
作为该实验室的核心成员,Pieter Abbeel在2000年从比利时来到美国,并在斯坦福大学开始攻读计算机专业的博士。现在,38岁的Abbeel已经成为了全世界机器人方面的专家。他现在的主要工作就是带领其团队其他成员和学生不断尝试如何让机器人更加智能。
六英尺高的Brett是曾经著名的硅谷机器人制造商Willow Garage的产品。其名字的含义为 Berkeley Robot for the Elimination of Tedious Tasks (用于解决繁杂任务的伯克利机器人)。它拥有着像“瓦力”一样的外表——扁扁的头上安装着两个可爱的摄像头“眼睛”,机械握爪充当手臂,轮子就是其腿和脚。平时,他们就通过木锤、塑料玩具飞机以及乐高积木等来训练Brett。此外,实验室中还有18英寸高的机器人和其他用于医疗和无人机等的工业机器人。

Brett机器人
目前,可编程工业机器人已经在很多领域得以应用。但是,它们一直执行的都是特定任务。近些年,语音及图像识别等机器学习算法的不断改进使得机器智力的提升变成了可能。Abbeel团队的目标就是培养机器人的智力,使得他们可以自主完成任务。他们以教会机器人叠毛巾作为了研究对象。以往,机器人是不可能完成这项看似简单的任务的——它们无法识别毛巾,也不知道该如何折叠。
然而,在不断的实验中,Abbeel创造了一种通过不断调整方法来完成任务的自学法。目前,Brett已经学会了如何根据不同的毛巾形状来进行折叠和整理。这个任务看似很简单,但它却体现着机器的智力。一旦机器人可以很好的完成这项工作,其在其他领域的应用前景将不可估量。也许未来的机器人不但能进行做饭、手术,还能进行自我思考。由此还可能引起像很多电影中所描述的有关机器人的思考——机器人应该享有和人类一样的权利吗?我们该如何看待机器人呢?是像宠物一样,还是像朋友一样呢?这些有关人性的问题一旦处理不好就可能引起机器人革命。
无论前景如何,人工智能的革命已经开始。去年夏天,该团队就曾经遇到了一个神奇的现象。为了测试仿真机器人的记忆能力,他们首先编写程序来教会机器人如何正确的将钉子放到左右两个洞中。令人感到惊奇的是,机器人在移除原有记忆程序的情况下,仍然可以很好的完成之前的动作。它们已经能够从之前的行为中学习到一些东西。参与该项目的Sergey Levinew至今想起都觉得兴奋而又对机器人智力表示些许的担心。
此外,Abbeel还曾分享了DeepMind团队遇到的一个例子。在没有被告知游戏规则的情况下,计算机通过强化学习可以自行探索太空入侵者之类的雅达利视频游戏的玩法。而且,他们可以玩的非常好。强化学习算法使得计算机可以根据目标和奖励规则不断调整,迅速学习。
由此得到启发,Abbeel团队决定开始尝试类似的强化学习算法——信任区域策略优化算法(Trust Region Policy Optimization,TRPO)。结果表明,该算法可以让机器人在没有内置规则支撑的情况下学会自己走路,并不断接近目标。Abbeel表示,他们只给机器人规定了三个目标:有多远走多远,不要踩到自己的脚,以及躯干要高于一定高度。机器人并不知道自己有手有脚,也不知道如何走路,只知道自己应该不断接近目标。视频显示,刚开始,机器人完全不清楚自己该如何行动。它只能通过不断的探索,发现把腿抬起来可以推动自己前进后,学会了跌跌撞撞的走路。然后,它继续分析探索,很快就掌握了走路的技巧,并越走越快。最后,机器人虽然不了解跑的含义,它却能够快速跑向目标。而且,机器人可以很快学会如何在游戏中击败人类——简直像魔术一样。
人工智能的未来
而这背后提供支撑的是人工智能算法。这些算法就如同19世纪的煤矿,为机器的运行提供了核心动力。目前,相关的算法已经在很多领域得到了应用,并为人类生活和工作提供了很大帮助。例如,GoogleMaps、Google Voice以及Facebook等等都采用了一定的人工智能算法。更能表明机器智力的则是计算机可以自己编写算法。例如,在告诉计算机有关直升机控制方的数据后,它可以利用机器学习自己找到让直升机倒着飞的方法。未来,机器学习等人工智能算法或许可以帮助寻找爱人、识别声音甚至设计出创造总结者的天网。华盛顿大学教授、《The Master Algorithm》的作者Pedro Domingos曾表示,如果人工智能算法停止工作,现在的社会马上就会终结。而能够让机器变得像人类一样聪明的算法就是“圣杯”一样的存在。
那么,机器智能未来会走向何方呢?相比于人类的发展速度,计算机及人工智能的速度超乎想象。从第一台计算机的诞生到现在无所不在、带来社会的巨大变革,该过程只用了60年左右。近日,AlphaGo多次击败了韩国冠军棋手李世石,证明了机器智能在围棋领域已经达到并超过人类。很难想象,机器在不久的将来会发展到何种情况。

AlphaGo对战李世石
未来的机器可能会变得比人来还聪明吗?对此,Google公司的Ray Kurzweil、Tesla和SpaceX的创始人Elon Musk都表达了自己的担忧。Ray甚至提出了“奇点”论,认为机器智能会在2045年左右赶超人类。这些向我们提出了一个严重的问题——我们需要考虑,作为人类我们是谁?我们希望建设一个怎样的未来?甚至物理学家霍金都表达了对智能机器的担心。霍金表示,机器智能一旦超越人类,就会成为一种威胁。一旦它们与人类的目标不一致,后果将无法想象。
幸运的是,现在机器人的智能还远远不及人类。它们可以快速处理复杂的数据,却无法理解类似“人呼吸空气”等简单的语句。IBM的Watson、Allen Institute for Artificial Intelligence的Aristo以及Skype Translator都还不能很好的完成语音或语义识别。因此,对杀手机器人的担心仍是多余的。
实际上,智能机器人所带来的真正威胁包括:很多工人可能会失业、武器的杀伤力越来越强、人类对机器的依赖以及个人隐私愈发不能保证。但是,另外一方面,包括DeepMind的Demis Hassabis和Microsoft的Eric Horvitz等在内的很多专家仍然力挺智能机器的好处。它们可以帮助在医疗、环保等方面贡献很多。
人工智能所带来的恐慌
历史上,每次的技术革命都会带来一定程度的恐慌。从18世纪的工业革命到后来电的出现引起的一系列社会变革,再到电器的不断涌现,人们总会有失业、人生安全等方面的担心。而人工智能从一开始就出现就被大家过度猜疑。在1958年,第一个神经网络系统Perceptron出现后,有报纸就认为机器在不久就会有自己的意识。而“人工智能之父”John McCarthy曾在上世纪60年代提出,人工智能系统会在10年内实现。然而,十年之后,人工智能领域进入了所谓的“冰封期”。
直到最近,人工智能才又再度变得火热。一方面,计算机性能的飞速提升为人工智能算法提供了基础的支撑。尤其是GPU在计算方面的应用,更是极大的提高了算法的执行速度。另一方面,就是大数据的出现。与人类以及动物相同,机器同样需要从大量的例子中来学习。大数据提供了绝佳的学习平台。DeepMind团队的机器人在围棋和Atari游戏方面的成功就得益于其前期大量的训练。
此外,现在的人工智能研究不再局限于学术范围。Facebook、IBM和Microsoft等大企业也都纷纷参与其中,希望从中获利。Google的成功就与它所采用的高效搜索算法密切相关。而Apple、Microsoft、Google以及Dropbox都在争夺图像识别/语音识别的高地。甚至在很多关联较弱的领域,大家也都在纷纷提出“智能化”的理念。
尽管如此,人工智能系统也还只是能够识别物体和理解特定的语言。它们距离拥有智慧还有很远的距离。Facebook人工智能实验室负责人Yann LeCun举了一个形象的例子。他表示,我们现在就像是在一个大雾天、在一条有一面墙挡着的告诉公路上开车。我们知道下一步该怎么走,也看不见未来的墙,现在就只是快乐的往前走,直到燃料耗尽。
现年48岁的MIT物理学家Max Tegmark一直专注于平行宇宙的研究。近些年,它开始关注人工智能,并成为“机器威胁论”的主要拥护者。Tegmark联合了若干同事和朋友,成立了Future of Life组织,用来分析那些可能对人类构成威胁的技术。在去年,该组织曾在《The New York Times》和《The Washington Post》发表文章,提出自动武器的危险。该文章联合了包含霍金、Musk、Steve Wozniak在内的20000人进行签名。而在2015年1月,Tegmark召开了第一届讨论人工智能威胁的会议。该会议以1975年召开的有关重组DNA的Asilomar会议为模板,在Puerto Rico进行了三天的讨论。据参会者透露,其中的一个核心讨论内容就是机器智能何时能够赶超人类。像Ng这样的人工智能专家认为这还需要数百年,而Musk和Stuart Russel等则认为这很快就会实现。最终,Tegmark给出的中间答案是40年。他表示,机器不需要本身就是邪恶的才会对人类构成威胁。以无人车为例,如果我们让它带我们尽快去机场,它却因为超速和违章驾驶而引来大批警察,就不太好了。

MIT的物理学教授Max Tegmark
此外,Tegmark还表示,现在讨论人工作智能的威胁或许有些早。但是,这就和原子弹研究很像,科学家们在刚开始都没想到它可能对世界带来的影响,也没有提前采取措施。如果提前想到了它可能带来的威胁,现在的世界是不是另外一番景象呢?
LeCun眼中的人工智能
最后,有关人工智能算法的应用方面。现在,全世界包括摄像头、手机等在内的图像/视频采集终端已经达到几十亿的规模。在2012年,FBI花费10亿美元构建了下一代的识别系统,利用算法收集人脸图像、指纹以及虹膜等生物信息,供执法部门使用。作为人工智能领域的热门人物,LeCun在图像识别方面贡献了很多。
LeCun的AI实验室就坐落在Manhattan地区离IBM的Watson不远的地方。目前,该实验室拥有20名左右的研究人员。与一般的研究人员很像,LeCun对自己的着装并不十分注重——保罗衫配牛仔裤。他从小在法国长大,身上经常带有浪漫主义的气息。而LeCun对人工智能的接触要追溯到1958年。当时,他正在读大学本科,无意间读到了有关“perceptron”的内容。其中有关神经网络的东西打动了LeCun。于是,他的博士课题就研究了如何训练神经网络使得它们能够更加精确的识别模式。最终,这些算法用在了ATM机上,用于识别支票。之后,有关机器视觉和语音识别等方面的研究才开始慢慢开始。

Facebook的AI先驱Yann Lecun
LeCun表示,虽然神经网络在名字中有“神经”二字,它和人脑是存在很大差别的。这就像从鸟的形状来学习造飞机一样。人类可以从鸟的翅膀以及飞行模式中得到灵感。但是,造飞机和造小鸟那就是两码事了。从鸟的行为中,人类只能看到一些表象的东西。而造一个新的物体是需要理解其基本原理的。由于人脑实在过于复杂,从中详细推到神经网络算法是不可能的。
博士毕业后,LeCun曾经在纽约大学当教授。在2013年,Facebook的创始人Mark Zuckerberg找到了LeCun,并聘请他来组建Facebook的AI研究实验室。Zuckerberg试图构建一个能够更好理解和处理Facebook网站上大量照片的智能系统。Moments就是该实验室的产物。此外,Facebook内部使用的很多东西也都加入了AI的元素。尽管如此,LeCun认为目前的人工智能还处在初步阶段。它们最大的障碍是如何像人类一样实现无监督的学习。
LeCun认为,其中一种可能的方案就是预测。例如,给机器播放一段视频,然后让其预测未来一段时间事情会如何发展。而LeCun目前正在研究的则是将Facebook的所有东西用向量来表示。这些多打4000维的向量可以表示图像、文字或人类的兴趣等信息。而对这些向量的识别和分析就可以得到很多有趣的结论。在人工智能的威胁方面,LeCun表示,这还是一个非常遥远的事情。他认为,能够威胁到人类存在的机器智能基本还存在于科幻小说中。而且,机器的行为是受人类所设计的算法控制的。无论未来如何,这都是我们人类自己创造出来的。
Google无人车近况
对于很多人而言,体验无人驾驶仍然是一项充满挑战而又有趣的事情。Google近期就接受了一些人的申请,让它们尝试了一下。与普通车辆不同,经过改装的雷克萨斯SUV多了一些雷达和摄像头。它就是依靠这些传感器的输入,结合特定的人工智能算法实现了无人驾驶。
目前,Google的无人车体现了很好的安全性,但在驾驶方式上与人类明显不同。它会在设有停车观察的路口完全停车,会突然变道来远离货车以及在没有明显原因的情况下突然停车。
由于无人车可以对周围360度范围的大小物体进行不间断检测,其停车都是为了保证绝对安全。该项目的首席软件工程师Dmitri Dolgov就曾自豪的表示,无人车看起来比人类还要安全很多。一项研究也表明,无人车可以减少多达90%左右的车祸。Google无人车项目的负责人chris Urmson表示,无人车将每年可以挽救30000个美国人的生命,在世界范围内可以挽救120万。

Google无人车中电脑“眼”中的周边环境
在无人车看来,它将轿车、卡车、自行车以及行人按不同的颜色进行了分类。激光器提供了物体的深度和距离,摄像头负责识别路况标志以及信号灯。而车载电脑则负责根据实时处理这些系统,决定无人车的行动。细想一下,也许一个小小的程序错误就可能导致车祸的发生。体验无人车的确有些恐怖!但实际上,无人车目前都是采用的最保守的方案——只有在确保安全的情况下,它才会转弯或做其他带有危险性的动作。Dolgov表示,目前无人车的驾驶水平看起来还停留在新手阶段。
无人车引起的革命
但是,无人车对人类社会带来的影响必将是巨大的。与智能手机、智能化照片整理等不同,无人车影响着人们社会的交通方式以及这个社会的架构。除了更加安全,无人车一般都采用电驱动方式,可以有效降低环境污染。
无人驾驶技术目前已经开始在很多车辆中部分采用。Mercedes在部分车辆中加入了自动泊车功能;Tesla提出了高速公路上、沿着一条道行驶的自动驾驶功能。Google、Toyota、Uber、Baidu全都加入了无人车的阵营中。Urmson更是表示,该公司的无人车将争取在若干年内上路。除了机器学习算法、传感器以及地图导航技术等的进步,真正推动无人车技术发展的原因也是经济利益。
当然,无人车的迅速发展也提出了人类该如何与高科技和谐共处的问题。人类应该让机器承担哪些任务?愿意为此承担多少风险?计算机有没有可能犯错,从而引发事故?车辆如何避免被黑客入侵?这些类似的问题都需要被考虑到。对此,各个公司在研究时也有所考虑。Google和Uber的无人车完全没有方向盘,但Tesla和Toyota仍然提供了方向盘。
Goolge无人驾驶计划的发展历程
虽然是无人车计划的负责人,Chris Urmson经常骑车去公司。现年39岁的Urmson性格有些腼腆,完全没有“大牛”的那种生人勿近的感觉。现在,Urmson的办公室就坐落在距离Googleplex总部很近的二层红砖建筑中——X建筑。据透露,该园区内包含了带有磨砂玻璃窗的会议室、自动驾驶赛车、还有画着太空升降梯图示的白板,处处体现出了神秘气息。X项目是由Astro Teller和Google联合创始人Sergey Brin共同管理的实验室。该实验室主要进行一些前沿技术的研究。其已经公开的研究包括Google无人车、Google Glass、用气球提供互联网服务的 Project Loon、用风筝发电的 Makani,以及无人机快递服务 Project Wing等。

Google无人驾驶计划的负责人Chris Urmson及无人车
作为X项目中的明星,无人车是最接近商业化的项目。目前,在加州注册的105辆无人车中,Google拥有着73辆。虽然Google并不是第一个提出无人车概念的公司,它却后来居上:兼并初创公司、聘请专家、研发地图和导航技术。现在,Google无人车项目主要瞄准了车内的控制软件。
Urmson对无人驾驶的研究源于2003年的第一届DARPA Grand Challenge。当时,Urmson仍然在Carnegie Mellon大学读书。作为该学校代表队的领队,其团队分别在第一次和第二次挑战赛中获得了第二名和第三名。但是,Urmson表示,这两次比赛已经表明,无人驾驶技术开始快速提升。
在2009年,Google开始进行无人车的研究。Urmson也就是在这一年加入该项目,跟随Sebastian Thrun进行工作。刚开始,该团队采用的是Toyota Priuses,并加装了摄像头、传感器以及价值75000美元的激光雷达。随后,它们不断通过实验来改进相关设计和技术。而随着技术的进步,他们遇到了一个根本性的问题——无人车究竟是为了实现全自动驾驶还是为了辅助人类进行驾驶呢?
在2012年秋,无人车项目走到了一个十字路口。当时,Google无人车仍然配有方向盘。在测试过程中,当无人车无法确定下一步的行驶方案时,它会发出警告,并把驾驶权交给测试人员。但测试者总是由于人类自身的原因无法投入足够的精力。此外,Urmson还考虑到了对残障人士的照顾以及Google自身的利益。全自动驾驶可以更好的为残障人士提供帮助,为Google带来经济利益。于是,Urmson开始率领团队往全自动驾驶方向进行努力。
在2013年,他们开始设计一个没有方向盘的全自动驾驶汽车的原型。为了安全起见,该车辆的最高时速只有25公里。现在,Google无人车每周要行驶1万公里,累计总行程已经超过1百万公里。Toyota无人车项目的负责人Gill Pratt表示,他们现在的主要任务就是让无人车能够应对更加复杂的状况——地图中没有的路段、小朋友突然出现在车前方等等。
当然,很多情况仍然是无人车十分难以处理的。这其中牵涉到了情感和法律的问题。例如,由于周围车辆的违法驾驶导致事故无法避免时,无人车是很难决定究竟哪种做法才合适的。其实,类似的情况对于人类而言也无法说明对错。而Google无人车在上个月变道过程中引起的小事故,已经成为了舆论的焦点。因此,Nvidia自动化方面的高级经理Danny Shapiro表示,一旦无人车导致了人员伤亡,这肯定会是一个大新闻。
机器人方面的先驱Rodney Brooks也表示,无人车的问题不仅仅在于技术不够成熟,也在于人类还没做好准备。但是,微软AI实验室的负责人Eric Horvitz表示,未来必然会出现城市开始接受无人车。其中生活的人类将依靠无人车进行交通运输。
人工智能对社会职业的影响
人工智能对人类的影响还包括了对很多职业的冲击。以波音公司为例,相比于上世纪90年代,该公司的雇员数量减少了三分之一,生产效率却提高了20%。从2000年到2015年,仅美国就有大约500万个职位消失——大部分已经被机器所取代。人工智能所带来的影响将堪比蒸汽机。而机器所带的影响还不仅仅如此。以GM的一处工厂为例,在经历了汽车的巅峰时代后,该工厂迅速走向没落,引起大量工人失业。而Tesla收购该工厂后,迅速将其转变为了高级自动化的工厂。超过1千台工业机器人在流水线上进行工作。然而,Tesla的生产效率为每周大约1000辆。更令人惊奇的是,相比于GM工厂,每辆车需要的人工是其三倍。这意味着工厂的自动化非但没有带来工人失业,反而带来了新的就业机会。而且,有些体力劳动的职位被替代后,更多的高科技职位开始出现。

Tesla的工厂流水线
加州大学伯克利分校的机器学家Ken Goldberg表示,机器和人都有其优势和劣势。这样的问题需要从两个方面来看待。其中,人类和机器合作的典型案例就是外科手术。一些人类难以完成的动作可以很好的交给机器来完成。另外一方面,机器对人类工作带来威胁的就是体力劳动比重大的地方。
人工智能对战争的影响
此外,机器还会带来战争形态的变化。机器人时代的战争将更多的采用无人机、智能化单兵作战装备、无人驾驶潜艇等等。驱动军事技术变革的因素包括了减少风险、减少花费以及对中国崛起的恐惧。而军队采用智能装备的问题就是该在哪些地方采用这些机器以及多宽的范围内采用。

可控制机器人的士兵
目前,美国的F-18战斗机已经能够自动从航母甲板上起降。这大大减少了人类操作的难度和风险。当然,更多的智能装备智能算是人类能力的扩展。DARPA在研的很多项目都是以士兵为根本,研究哪些辅助装备可以减少人员伤亡,提高作战能力。从DARPA资助的机器人挑战赛,我们可以看出这些研究的部分进展。在新一期的挑战赛中,冠军是重达400多磅的Chimp。该机器人具有非常强的负载能力。但是比赛中状况百出的场景表明,智能机器仍然有很长的路要走。
机器人投入战争引起了一个非常有争议的话题——机器有权利去杀人吗?去年7月,一位年轻人在无人机上加装了一把手枪便引起了社会的恐慌。但是,自动武器早就已经出现。地雷就是非常典型的例子。目前的导弹或反导系统也多采用自动化的设备。曾因反对使用地雷而获得诺贝尔和平奖的Jody Williams近期正在发起反对杀人机器人的活动。而联合国从2014年便开始呼吁制定相关的公约。
另外一方面,自动武器可以有效避免由于失误所引起的伤亡。因此,自动武器的问题仍然无法直接定论为完全拒绝或完全接受。作为计算机科学家和作者的Jaron Lanier举了一个例子,如果敌人利用我们的无人机来消灭我们,我们该怎么办呢?这就如同手枪等武器的出现一样,我们不能埋怨创造武器的人或者武器本身。
而且,随着各大企业在人工智能方面的飞速发展,自动武器的智能化也将不可避免。想像一下,如果美国军方要求Google或Amazon提供技术援助,它们能拒绝吗?!幸运的是,以现在人工智能的发展速度,这些都还需要一定的时间,而且技术从实验室走到真实世界也需要很长的实验期。
作者介绍
张天雷,清华大学计算机系博士生,主要研究方向为人工智能,曾参与MSRA EntityCube知识图谱和Q20群体智能游戏的研发,目前从事无人车研究,参与自然科学基金委视听觉认知重大项目,以及智能车未来挑战赛,多次担任裁判工作。所在课题组的无人车多次在挑战赛中获得优异成绩,特别在2012年底有央视和第三方(北京理工大学)裁判车监督跟拍情况下,首次完成北京-天津高速全程无人驾驶。他还是概率论、机器人和Python的狂热爱好者,致力于用概率图模型等方法,让机器变得更聪明。
来源:http://bi.dataguru.cn/article-9122-1.html
关键词:

版权声明:本站原创和会员推荐转载文章,仅供学习交流使用,不会用于任何商业用途,转载本站文章请注明来源、原文链接和作者,否则产生的任何版权纠纷与本站无关,如果有文章侵犯到原作者的权益,请您与我们联系删除或者进行授权,联系邮箱:service@datagold.com.cn。

发表评论

电子邮件地址不会被公开。 必填项已用*标注

This site uses Akismet to reduce spam. Learn how your comment data is processed.