人类与AI合作,才能让人工智能更强

分享到:

当人工智能可以帮助人类承担一些工作时,我们总是把双方的职责划分的很清楚。人类工作时,很少看到人工智能的主动参与,人工智能做事时,人类更是完全不插手。
 
这一点最明显的体现就在于辅助驾驶上,人类驾驶时辅助驾驶顶多会通过灯光闪烁、方向盘震动来提示人类驾驶环境的变化,而不会主动去掌握主动权,影响汽车行动的方向和速度。在辅助驾驶自动泊车时,也会让人类双手离开方向盘。
 
其中的原因或许是人类的行为实在太千差万别,如果引入智能解决方案之中会加更多的计算量。想象一下,在自动泊车时人工智能认为一个车位要倒两把才能进去,人类老司机却认为倒一把就能进去,这种对问题解决方式设定的不同会让双方根本无法合作。
 
可如果人类可以在各个领域人工智能亲密合作,会是怎样一种景象?
 
从复制双手到复制思想:人类和人工智能的合作史
关于人机合作这件事,我们已经历经了很多年的研究,双方合作的模式可以被分为三种类型。
 
第一类合作模式是主从操纵。
 
在40年代,人类为了研究不宜人体接触的放射性物质,研发出了一种主从机械手对其进行远程操控。从机械手(或机器人)负责在不适宜人类前往的地方工作,通过传感系统收集和传达信息,而人类负责控制主机械手,将动作映射到从机械手上,就形成了完美的远程操作。
 
如今这种方式已经应用在很多地方,水下机器人、手术机器人等等都是这种人机合作的成果。

5add60f510124-thumb
可这样的操作方式有着很多不便,比如动作映射之间会有一定的误差,从机器人传感器收集来的信息也可能有一定的延迟,最后就会导致操作的低效。
 
于是出现了第二种人机合作模式——协作智能。
 
这种合作模式是让人和自动化的智能体一起协作,先让智能体预测人的目标,再来协助人实现这一目标。就拿简单的分拣动作来说,一张桌子上放置着不同形状的物体,人类向正方体的方向伸出手,机械手就分拣出了所有的正方体。读懂人类的目标并完成目标,这就是典型的协作智能。
 
可这种模式的问题在于,人类在工作时的想法往往是多变的——那些目标流程单一,可以被套路化的工作早就被自动化了,也用不上协作智能。那些可以从多种途径实现的工作,却需要对智能体进行大量训练才能使其读懂人类每一个动作的意图,于是协作智能在应用上也迟迟没有什么进展。
 
第三种合作模式则是目前热度很高的脑机接口,通过对脑电信号的读取和解码实现对器械的操控。这样的方式虽然已经和“读懂人类意图,协助实现目标”非常接近。
 
但对于脑机接口我们此前也有过很多介绍,由于捕捉脑电信号十分困难,现在我们至多可以利用脑机接口完成一些非常简单的动作,距离提升生产力效率还很遥远。
 
人工智能+人类,可不可能比人工智能更强?
这样看来,第二种协作智能的模式更接近我们理想中的人机合作模式:智能体通过人类动作、操作信号等等更明确同时也更容易理解的信息判断人类目标,同时拥有一定的自主性,不至于事事都让人类亲手教学。
 
最近伯克利的人工智能研究院推出了一篇论文,显示了如何利用深度强化学习来增强协作智能的效果。
 
简单来说就是让智能体和阿尔法狗一样,把人类的动作当做“棋谱”大量输入给神经网络,让神经网络自行挖掘动作和实现目标之间的关系。在训练时,为神经网络加入奖惩机制,每一次当智能体帮助人类更接近一步目标时,智能体就会获得奖励,从而促使智能体越来越接近正确的合作模式。

5add60f533525-thumb
在研究院的实验中,相比直接告诉智能体目标,让其自己寻找解决方案,这种让智能体分辨人类目标,和人类一起寻找解决方案的方式,训练时间会大大缩短,并且帮助人类完成自己无法完成的事情。
 
举例来讲,研究员们测试了一款Lunar Lander的游戏,游戏目标是操纵一辆从天而降左右摇晃的小车,使其降落在两只旗帜中间。人类用键盘进行这项游戏时很大几率会以失败告终,让人工智能冲着目标独自摸索更是需要无穷尽的训练。但当人类和人工智能合作时,仅需一段时间的训练,人工智能就可以帮助人类以各种姿势实现目标了。
 
让人工智能坐上副驾驶,一起探索未知
协作智能给了我们一个提示:当世界上出现人类和人工智能都无法单独完成的工作时,我们应该怎么办?
 
这样的问题绝对是大范围存在的,就像阿尔法元经过自我对弈进行训练,打败了用人类棋谱训练出的阿尔法狗一样。很多时候我们自以为找到了最好的解决方案,只需悉数传授给人工智能时,却未曾想过这可能是一种自大。尤其在物理世界,人工智能无法像解决围棋的数学问题一样自己寻找解法。这时人类和人工智能的亲密合作,或许才是最高效的解决方案。
 
可以应用到协作智能的场景很多,比如在伯克利人工智能研究院的测试中,用降落无人机到指定地点为标准,人类独自操作的速度、精准度都要远远落后于于智能协作操作的速度和精准度。人工智能就好像是人类的副驾驶,以另一种视角帮助人类更好的达成目标。

5add60f53760e-thumb
换句话说,我们对辅助驾驶系统的种种不满,或许都能用这种方式解决。例如自动泊车不再仅仅限于奢侈的大车位,人类或许可以和人工智能一起尝试在小车位中上演极限操作。不仅仅辅助驾驶,无人机操纵、工业自动化……人类和人工智能的一切工作都可以通过这种方式达到更强的成果。
 
当然,协作智能也并非是完全的解决方案。最典型的问题是其训练数据来自于人类与人工智能的协作操作,很难获得现成的数据只能亲手制造,所以对于驾驶、工业操作等等物理世界中的项目,需要耗费极大的人力去训练人工智能。
 
但我们相信这些问题总会被一一解决,更重要的是我们要知道人类和人工智能是互相需要的。创造出一种技术仅仅为了使其替代自己,完成已知的工作是一种懒惰和愚蠢,双方协作创造更多未知,才是技术真正的价值所在。

继续阅读
自动驾驶领域最为热门的四大技术趋势窥探

虽然跟得太紧或是刹车太晚等驾驶行为很容易处理,但是预测其他驾驶员行为以及处理复杂的交叉路口情况只能依赖有经验的驾驶员。自动驾驶汽车(AV)就像新手驾驶员,只是其拥有发展得更好的大脑以及价值数十亿美元的技术,可帮助缩短学习时间。但是即使使用其所有的传感器和软件,自动驾驶汽车在可以完全自信且有能力驾驶之前,仍有需要克服的缺陷。

特朗普再出新招,中国半导体迎来新一轮打击

据台湾“中央社”10月11日报道,11月10日生效的上述新规定更新了已施行30年的法令,让特朗普拥有广泛权力,可以阻挡外国投资敏感产业或被视为危害美国国安的外国投资。

物联网大行其道,传感器如何凭借自己的“感知技术”迎风而行?

当前伴随面部识别、语音命令、眼球追踪和手势控制等“感知技术”的浪潮,由物联网而带动的智慧城市、智能汽车、智慧交通等一系列新兴业态应运而生。而作为这一系列新兴业态的基础,物联网的感知技术和仪器的发展显得格外的重要。今天我们就随工釆网小编了解一下“感知技术”的物联网时代下,未来的传感器是什么样的光景?

八仙过海,各显神通?细数人工智能未来的八个发展方向

人工智能已实实在在来到了这个世界并在改变我们的生活,但我们今天所知道的人工智能仍然处于起步阶段。目前虽然有大量的人工智能使用案例,其中的大部分都是对具体流程的改进,但要成功部署却需要一定的时间。未来已来,但人工智能之路任重而道远。谁能把握住人工智能的发展趋势,谁就能率先赢取AI时代。此外,当前身处人工智能行业内的企业并不多,我们要学会认识和辨别有关人工智能的应用与炒作。

对话李彦宏——我们研发人工智能的目的,是帮助人类而不是取代人类。

在第73届联合国大会举行期间,李彦宏作为企业家代表出席在纽约举行的彭博全球商业论坛,并与国际货币基金组织总裁拉加德就“科技与全球经济发展”这一主题对话。