近年來(lái)，關(guān)于人工智能和機(jī)器人技術(shù)的進(jìn)步將如何在各種工作中取代人類(lèi)的言論越來(lái)越多。

但大多數(shù)人工智能專(zhuān)家認(rèn)為結(jié)果并不那么悲觀。在未來(lái)，人們?nèi)匀豢梢耘c智能系統(tǒng)一起工作：技術(shù)不足以完全接管，或者決策人類(lèi)的生產(chǎn)方式。很多重要的策略，還無(wú)法完全交付給機(jī)器。

麻省理工學(xué)院教授大衛(wèi)明德?tīng)栒f(shuō)，這種混合決策應(yīng)該比讓人工智能單獨(dú)工作能產(chǎn)生更好的結(jié)果。只有一個(gè)問(wèn)題：當(dāng)人類(lèi)和半智能系統(tǒng)試圖一起工作時(shí)，情況并不總是好轉(zhuǎn)。

失控的智能，沒(méi)有人類(lèi)該怎么辦

今年在亞利桑那州坦佩的街道上發(fā)生了災(zāi)難性的示威活動(dòng)，原因是進(jìn)行最新自動(dòng)駕駛技術(shù)的優(yōu)步試驗(yàn)車(chē)撞死了一名過(guò)馬路的人。像今天幾乎所有的自動(dòng)駕駛汽車(chē)一樣，如果軟件出現(xiàn)故障，還會(huì)有一名備用駕駛員介入。但當(dāng)?shù)鼐降囊豁?xiàng)分析得出結(jié)論，司機(jī)當(dāng)時(shí)心煩意亂，可能一直在觀看智能手機(jī)上的電視節(jié)目。

優(yōu)步汽車(chē)依賴(lài)于一定程度的自治系統(tǒng)，該自治系統(tǒng)將于明年推出。所謂的3級(jí)系統(tǒng)設(shè)計(jì)在大多數(shù)情況下可以讓汽車(chē)實(shí)現(xiàn)自我驅(qū)動(dòng)，但在面對(duì)無(wú)法處理的情況時(shí)，控制權(quán)還是得回到人類(lèi)身上來(lái)。

圖：調(diào)查人員在檢查了一輛優(yōu)步自動(dòng)駕駛車(chē)，該車(chē)涉及一起道路交通事故

一些批評(píng)者說(shuō)，一個(gè)旨在完全自主但突然偏離的系統(tǒng)對(duì)人類(lèi)提出了不切實(shí)際的要求。美國(guó)初創(chuàng)企業(yè)Nauto的首席執(zhí)行官斯特凡赫克說(shuō)：“如果你每天只需要一分鐘，那就不行了。”他的技術(shù)用于防止職業(yè)司機(jī)分心。

失敗指向采用AI的困境遠(yuǎn)遠(yuǎn)超出無(wú)人駕駛汽車(chē)。如果沒(méi)有精心設(shè)計(jì)，智能系統(tǒng)進(jìn)入世界可能會(huì)引發(fā)人類(lèi)對(duì)技術(shù)的強(qiáng)烈抵制。

一旦人們開(kāi)始了解今天的機(jī)器學(xué)習(xí)系統(tǒng)有多么有限，他們所引起的夸大的希望將會(huì)迅速消失，專(zhuān)門(mén)研究學(xué)習(xí)心理學(xué)的AI專(zhuān)家Roger Schank警告說(shuō)。他預(yù)測(cè)，未來(lái)將是一個(gè)新的“人工智能冬天”——這是對(duì)20世紀(jì)80年代后期的一個(gè)時(shí)期的提及，當(dāng)時(shí)對(duì)技術(shù)進(jìn)步的失望導(dǎo)致了退出戰(zhàn)場(chǎng)。

預(yù)防這將需要對(duì)新自治系統(tǒng)更加切合實(shí)際的期望，以及精心設(shè)計(jì)以確保它們與人類(lèi)世界相融合。但技術(shù)本身就是一個(gè)嚴(yán)重障礙。

卡內(nèi)基梅隆大學(xué)（Machnegie Mellon University）機(jī)器人學(xué)教授伊拉·努爾巴赫什（Illah Nourbakhsh）說(shuō)：“人工智能的工作方式及其失敗的方式對(duì)我們來(lái)說(shuō)是陌生的。” “人工智能會(huì)讓我們感覺(jué)更多參與——或者它是否像處理外來(lái)物種一樣？”

圖：華盛頓特區(qū)展出的面部識(shí)別系統(tǒng)，這樣的系統(tǒng)可以從人群中挑選嫌疑人，但也需要人類(lèi)來(lái)清除誤報(bào)

半無(wú)人駕駛汽車(chē)是一個(gè)特別鮮明的例子，它依賴(lài)于與人們密切合作的近自治系統(tǒng)。但隨著人工智能的發(fā)展，諸如此類(lèi)的混合系統(tǒng)正逐漸滲入許多不同的情況。

機(jī)器學(xué)習(xí)——是最近在該領(lǐng)域最引人注目人工智能類(lèi)型——是一種先進(jìn)的模式識(shí)別形式。它已經(jīng)證明機(jī)器自己優(yōu)于人類(lèi)的能力，如識(shí)別照片中的圖像或識(shí)別語(yǔ)音。

但是，當(dāng)它必須根據(jù)訓(xùn)練的具體數(shù)據(jù)做出判斷時(shí)效果較差。在現(xiàn)實(shí)世界中，人們經(jīng)常會(huì)對(duì)以前沒(méi)有遇到的情況做出決定。

問(wèn)題在于可以匹配數(shù)據(jù)但不了解其重要性的系統(tǒng)。“他們是強(qiáng)大的東西，但他們沒(méi)有世界的感覺(jué)，”Vishal Sikka，前SAP和Infosys專(zhuān)門(mén)從事人工智能的高管說(shuō)道。

三種理想的人與智能機(jī)器共存方式

1 人類(lèi)充當(dāng)機(jī)器人的后援，在機(jī)器人達(dá)到其能力極限時(shí)接管

許多工作流程正在以這種方式進(jìn)行重新設(shè)計(jì)——例如自動(dòng)呼叫中心，其中語(yǔ)言理解系統(tǒng)嘗試處理呼叫者的查詢(xún)，僅在技術(shù)混淆時(shí)向操作員默認(rèn)。

優(yōu)步事故是一個(gè)可能出錯(cuò)的極端例子。根據(jù)斯坦福大學(xué)的研究顯示，人類(lèi)駕駛員至少需要6秒才能恢復(fù)意識(shí)并收回控制權(quán)。但是，即使有足夠的時(shí)間讓人們的注意力得到恢復(fù)，進(jìn)入某種情況的人也可能看到與機(jī)器不同的東西，使得切換遠(yuǎn)非無(wú)縫。

“我們需要在軟件系統(tǒng)和人之間共同努力——這是一個(gè)非常困難的問(wèn)題，”Sikka先生說(shuō)。語(yǔ)言的使用凸顯了難度。Sikka先生補(bǔ)充說(shuō)，人類(lèi)可以用很少的詞來(lái)傳達(dá)意義：對(duì)說(shuō)話(huà)者和聽(tīng)者之間的語(yǔ)境的共同理解將這些詞語(yǔ)用意義進(jìn)行投資。他補(bǔ)充說(shuō)，計(jì)算機(jī)科學(xué)家尚未研究如何在機(jī)器中建立共識(shí)。

2 確保敏感任務(wù)總是依賴(lài)于人

即使在自動(dòng)化系統(tǒng)已經(jīng)完成所有準(zhǔn)備工作并且能夠完全完成任務(wù)本身的情況下，軍事等敏感任務(wù)還是交給人類(lèi)來(lái)處理。

軍事無(wú)人機(jī)，人類(lèi)“飛行員”，通常位于數(shù)千英里之外，被要求做出射擊目標(biāo)的決定，就是一個(gè)例子。 面部識(shí)別系統(tǒng)——用于幫助移民官員識(shí)別可疑旅行者——是另一種。赫克先生說(shuō)，兩者都表明人工智能如何在不剝奪控制權(quán)的情況下使人類(lèi)更有效。

對(duì)無(wú)人機(jī)等半自動(dòng)武器的一種評(píng)價(jià)是，將它們變成完全自治的系統(tǒng)沒(méi)有技術(shù)障礙?？梢钥焖俑漠?dāng)前的程序和安全措施。

圖：軍隊(duì)正在準(zhǔn)備發(fā)射無(wú)人駕駛飛機(jī)

根據(jù)加州大學(xué)伯克利分校的人工智能教授斯圖爾特拉塞爾的說(shuō)法，在國(guó)家緊急情況下將人類(lèi)無(wú)人機(jī)操作員從循環(huán)中移除是一個(gè)簡(jiǎn)單而容易的步驟，從而促成了一個(gè)機(jī)器人武器的時(shí)代，這個(gè)機(jī)器人武器做出了自己的決定。什么時(shí)候殺人 “你不能說(shuō)技術(shù)本身只能以防御的方式和人為控制。事實(shí)并非如此，“他說(shuō)。

3 涉及使用AI的“人在循環(huán)”系統(tǒng)

機(jī)器人不能完全獨(dú)立地處理任務(wù)，而是用作人類(lèi)決策的輔助。壓縮數(shù)據(jù)并提出建議或指導(dǎo)下一步采取措施的人的算法正在逐漸滲透到日常生活中。

但是，算法只能與他們訓(xùn)練的數(shù)據(jù)一樣好——而且他們不善于處理新情況。需要信任這些系統(tǒng)的人通常也需要信仰這些系統(tǒng)。

Schank先生指出算法在棒球中的作用。分析每個(gè)擊球手的優(yōu)勢(shì)和劣勢(shì)，為球隊(duì)傳統(tǒng)主義者所傾向的領(lǐng)域提供了新的方法。他說(shuō)，這些計(jì)算機(jī)輔助決策的結(jié)果可能最終會(huì)比基于純粹人類(lèi)分析的決策更糟糕。

舊金山優(yōu)步司機(jī)使用的應(yīng)用程序中的一個(gè)錯(cuò)誤將它們發(fā)送到機(jī)場(chǎng)貨運(yùn)站點(diǎn)而不是客運(yùn)站。“有時(shí)人們會(huì)盲目跟隨機(jī)器，有時(shí)人們會(huì)說(shuō)：’堅(jiān)持下去，這看起來(lái)不對(duì)?！?這就像許多其他技術(shù)一樣，人們會(huì)適應(yīng)，“技術(shù)作者蒂姆奧萊利說(shuō)。

這些可能是相對(duì)無(wú)害的情況，其中由于被機(jī)器引入誤導(dǎo)而幾乎沒(méi)有損壞。但是當(dāng)賭注更高時(shí)會(huì)發(fā)生什么？

智能技術(shù)在發(fā)展，但人類(lèi)能理解它的想法嗎？

IBM將醫(yī)療診斷作為Watson的主要目標(biāo)之一，該系統(tǒng)首先是為贏得電視游戲節(jié)目而創(chuàng)建的，然后再改造成為一種更為通用的“認(rèn)知”系統(tǒng)。

這樣的系統(tǒng)旨在由專(zhuān)家做出最終決定。IBM堅(jiān)持認(rèn)為人類(lèi)永遠(yuǎn)都有最終決定權(quán)。但是，對(duì)于醫(yī)生來(lái)說(shuō)，覆蓋計(jì)算機(jī)提供的建議是多么容易，根據(jù)定義，該計(jì)算機(jī)已經(jīng)分析了更多可比較的情況并且比他們擁有的數(shù)據(jù)更多？

如果它有保險(xiǎn)或其他財(cái)務(wù)后果，拒絕技術(shù)可能會(huì)更難。Nourbakhsh先生說(shuō)：“醫(yī)生處于一種他們覺(jué)得服從系統(tǒng)的位置。” “簡(jiǎn)單地說(shuō)他們?nèi)匀粫?huì)做出決定并不能做到這一點(diǎn)?！?/p>

類(lèi)似的擔(dān)憂(yōu)在20世紀(jì)80年代出現(xiàn)，當(dāng)時(shí)人工智能領(lǐng)域由“專(zhuān)家系統(tǒng)”主導(dǎo)，旨在引導(dǎo)人類(lèi)用戶(hù)通過(guò)“決策樹(shù)”在任何情況下達(dá)到正確的答案。事實(shí)證明，太難以預(yù)測(cè)所有使現(xiàn)實(shí)世界決策復(fù)雜化的不可預(yù)見(jiàn)的因素。

但是基于機(jī)器學(xué)習(xí)的最新AI看起來(lái)將被廣泛采用，并且可能更難以進(jìn)行二次猜測(cè)。由于他們?cè)谥T如圖像識(shí)別等狹窄領(lǐng)域的成功，對(duì)這些系統(tǒng)的期望一直在飆升。他們的創(chuàng)作者非常樂(lè)意接受炒作。

“我們正在失控的營(yíng)銷(xiāo)部門(mén)，”Schank先生說(shuō)。他特別挑出 ？IBM，認(rèn)為該公司在談到Watson時(shí)嚴(yán)重過(guò)度承諾——這是AI圈子中經(jīng)常聽(tīng)到的批評(píng)。

IBM研究工作的首席運(yùn)營(yíng)官達(dá)里奧吉爾（Dario Gil）捍衛(wèi)了近八年前圍繞沃森（Watson）發(fā)起一項(xiàng)大型計(jì)劃的決定，他認(rèn)為當(dāng)時(shí)沒(méi)有其他科技公司能夠在人工智能方面發(fā)揮核心作用。但是，他補(bǔ)充說(shuō)：“我們對(duì)一般情況之間的差異不夠清楚。 “

評(píng)估人工智能系統(tǒng)的質(zhì)量建議會(huì)帶來(lái)其他挑戰(zhàn)，非專(zhuān)家可能不愿意猜測(cè)他們不理解的工作機(jī)器。

這不是一個(gè)新的困境。30多年前，一臺(tái)名為T(mén)herac-25的放射治療機(jī)的軟件故障導(dǎo)致一些患者大量服用過(guò)量。Nourbakhsh先生說(shuō)，技術(shù)人員無(wú)法識(shí)別缺陷，因此機(jī)器的使用時(shí)間更長(zhǎng)。

一些計(jì)算機(jī)科學(xué)專(zhuān)家表示，他們希望人與機(jī)器之間能擁有更具創(chuàng)造性的關(guān)系。

最先進(jìn)的機(jī)器學(xué)習(xí)系統(tǒng)中使用的技術(shù)，即神經(jīng)網(wǎng)絡(luò)，帶來(lái)了額外的挑戰(zhàn)。它們模仿人類(lèi)大腦如何運(yùn)作的理論，通過(guò)人工神經(jīng)元層傳遞數(shù)據(jù)，直到出現(xiàn)可識(shí)別的模式。與傳統(tǒng)軟件程序中使用的邏輯電路不同，無(wú)法跟蹤此過(guò)程以確定計(jì)算機(jī)為什么會(huì)提出特定答案。這是采用神經(jīng)網(wǎng)絡(luò)的一大障礙。

“這是人工智能的奇特諷刺——最好的系統(tǒng)碰巧是今天最不易解釋的系統(tǒng)，”Nourbakhsh先生說(shuō)。

然而，一些專(zhuān)家表示正在取得進(jìn)展，并且不久之后機(jī)器學(xué)習(xí)系統(tǒng)能夠指出導(dǎo)致他們做出特定決定的因素?！斑@并非不可能——你可以向內(nèi)看，看看它正在發(fā)出什么信號(hào)，”赫克先生說(shuō)。

像許多在該領(lǐng)域工作的人一樣，他表達(dá)了樂(lè)觀的態(tài)度，即人類(lèi)和機(jī)器一起工作，所取得的成就遠(yuǎn)遠(yuǎn)超過(guò)任何一個(gè)人能夠獨(dú)自完成的任務(wù)。但是，在美好的未來(lái)到來(lái)之前，還是有很多嚴(yán)峻的設(shè)計(jì)挑戰(zhàn)等待人類(lèi)解決。