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
X86也能用上大小核了?来看看英特尔推出的新堆栈型CPU

在昨日CES开展前的发布会上,英特尔推出了3D堆栈型小型主板,板载大小核设计的“混合X86架构”10nm SOC,这也是他们最新的第九代处理器,但最吸引人的莫过于 keynote 当中,为我们带来开发代号“Lakefield”未来产品的惊鸿一瞥。

光子人工智能芯片为何具有超过电子芯片1000倍的计算能力

算力是传统电子人工智能芯片的1000倍,但功耗只有其百分之一,低延迟还抗电磁干扰,由清华、北大、北交大等高校博士生创业研发的光子人工智能芯片,在技术上实现不少突破,未来可广泛应用于手机、自动驾驶、智能机器人、无人机等领域。近日,该光子人工智能芯片项目落户顺义,将这项新技术推向了台前。

京瓷展示未来汽车驾驶新技术,AR+AI组合成为新的发展契机

在前几天的“2018深圳国际电子展(ELEXCON 2018)”上,京瓷集团展示了其正在研发中的针对未来汽车驾驶的新技术,并且在展台上搭建了一个模拟驾驶舱,让观众可以亲身体验未来汽车的高科技。

物联网技术发展有了新的动向,2019年LoRaWAN技术将成为发展最快的一员

全球城市化的快速发展,特别是亚太地区的发展,正在创造对新技术的需求,尤其在物联网(IoT)领域,以开发低成本交付的智能解决方案(如LoRaWAN™)。这种转化技术可以解决由于人口密集地区带来的压力而造成的诸多挑战。例如,智能水表计量解决方案通过监测和分析控制消耗,除了欺诈和操纵检测外,还能够快速检测泄漏和远程关闭。所有这些服务可以降低劳动密集度,同时降低运营成本。物联网还将通过支持粮食生产、清洁水供应、高效能源使用等方式对新兴经济体的人类福祉产生重大影响。

NXP“芯”愿:携手生态伙伴,共推人工智能物联网应用落地

12月18日,是一个非常重要的日子。到这一天,中国的改革开放正好走过了40年的光辉历程。这40年里,改革开放不断延续,奇迹也在不断地发生。这40年也见证了中国集成电路产业的快速发展、整体实力的显著提升,集成电路设计、制造能力与国际先进水平差距的不断缩小,封装测试技术逐步接近国际先进水平,以及部分关键装备和材料不断被国内外生产线所采用,特别是中国不断涌现出一批具备一定国际竞争力的企业,产业集聚效应日趋明显。

精彩活动