<mark id="oztn4"></mark>
1
| 本文作者： 楊曉凡 | 2018-04-22 20:35 |
雷鋒網(wǎng) AI 科技評論按：正如大家討論人工智能時經(jīng)常把它和機(jī)器學(xué)習(xí)甚至深度學(xué)習(xí)近似等價，工業(yè)界和學(xué)術(shù)界的許多研究、開發(fā)人員們也往往過于關(guān)注深度學(xué)習(xí)，忽略了實(shí)際上范圍更廣的機(jī)器學(xué)習(xí)和人工智能領(lǐng)域還有許多有價值的問題等待研究。
近日，UC 伯克利大學(xué)電子工程與計(jì)算機(jī)學(xué)院和統(tǒng)計(jì)學(xué)院教授、機(jī)器學(xué)習(xí)領(lǐng)域的宗師、被稱為「人工智能界的邁克爾喬丹的」Michael I. Jordan 就發(fā)表了一篇文章，提醒大家不僅深度學(xué)習(xí)不是「人工智能」的全部，甚至我們?nèi)粘Ｓ懻摰摹溉斯ぶ悄堋苟疾皇钦嬲饬x上的「人工智能」的全部；這里不僅有許多我們忽略了的問題，而且為了真正造福全人類，還有一個關(guān)于如何構(gòu)建人工智能系統(tǒng)的新學(xué)科才剛剛萌芽、 等待建立。雷鋒網(wǎng) AI 科技評論把這篇文章全文編譯如下。
人工智能（AI）是這個時代的人們的口頭禪，它被技術(shù)專家、學(xué)者、記者和投資者們一遍遍反復(fù)念叨。就像以往許許多多先從技術(shù)學(xué)術(shù)領(lǐng)域出現(xiàn)再傳播到普羅大眾中的短語一樣，人們使用 AI 這個短語時存在嚴(yán)重的誤解。以往可能是因?yàn)楣姏]能理解科學(xué)家，但這次是科學(xué)家們和公眾一樣迷惑。這個時代出現(xiàn)和我們具有同等智力的硅基智慧的可能性讓我們所有人都覺得有趣，它既吸引我們又讓我們害怕。但是，它還會讓我們分心。
對于這個時代發(fā)生的事情，我想講一個視角獨(dú)特的故事。這個故事里涉及到人類、計(jì)算機(jī)、數(shù)據(jù)和生死抉擇，但這里的重點(diǎn)是硅基智能的幻想之外的一些東西。14 年前，當(dāng)我的妻子懷孕時，我們做了超聲波檢查。為她檢查的遺傳學(xué)家指出胎兒心臟周圍有一些些白色斑點(diǎn)。「這些是唐氏綜合癥的標(biāo)志，」她說，「患病風(fēng)險已經(jīng)上升到二十分之一了。」她進(jìn)一步告訴我們，可以通過羊膜穿刺術(shù)檢查出胎兒是否帶有唐氏綜合癥突變基因。但是羊膜穿刺術(shù)存在風(fēng)險，在手術(shù)過程中胎兒的死亡率大約是三百分之一。
作為一名統(tǒng)計(jì)學(xué)家，我決定找出這些數(shù)字的來源。長話短說，我找到了一份來自英國的 10 年前的針對這一疾病的統(tǒng)計(jì)分析，其中認(rèn)為這些白色的斑點(diǎn)反映了鈣的積累，是唐氏綜合癥的預(yù)測因子之一。但我也注意到，檢查我妻子的成像機(jī)器比英國研究中使用的機(jī)器每平方英寸多幾百個像素。我就回去告訴遺傳學(xué)家，這些白色的斑點(diǎn)很可能是假陽性——它們實(shí)際上是「白噪音」。她說到，「啊，那我知道為什么我們診斷出的唐氏綜合癥幾年前一下子變多了，我們就是那個時候換的新機(jī)器?！?/p>
我們最終沒有做羊膜穿刺術(shù)，幾個月后，我們的女兒出生了，非常健康。但這件事讓我心中五味陳雜，尤其是在粗略計(jì)算之后，我確信，在醫(yī)生告訴我們診斷結(jié)果的那一天，全世界上有成千上萬的人得到了與我們相同的診斷結(jié)果，他們中的許多人選擇了羊膜穿刺術(shù)，許多嬰兒不必要地死去。這種事情每天都會發(fā)生，直到某一天人們找出原因。這一事件體現(xiàn)出的醫(yī)療問題并不是只有我一個人會遇到，這是整個醫(yī)療系統(tǒng)的問題 —— 在某一些時間地點(diǎn)測量變量、得出結(jié)果，進(jìn)行統(tǒng)計(jì)分析，然后在其他時間地點(diǎn)使用這些結(jié)論。
準(zhǔn)確地說，問題不僅在于數(shù)據(jù)分析本身，還在于數(shù)據(jù)庫研究人員所稱的「溯源（provenance）」—— 廣義上說，數(shù)據(jù)出現(xiàn)在哪里，從數(shù)據(jù)中得出了什么推論，以及這些推論與當(dāng)前情況關(guān)聯(lián)性有多大？雖然一個受過專業(yè)訓(xùn)練的人可能能夠針對每一種情況具體分析、具體解決，但真正需要解決的問題是全世界范圍使用的醫(yī)療系統(tǒng)如何在不需要精細(xì)的人類監(jiān)督情況下就能做到這一點(diǎn)。
我也是一名計(jì)算機(jī)科學(xué)家，我突然意識到建立這種世界性規(guī)模的推理和決策系統(tǒng)的學(xué)科 —— 將計(jì)算機(jī)科學(xué)與統(tǒng)計(jì)學(xué)融合，并將人類經(jīng)驗(yàn)考慮在內(nèi) —— 從來就沒有任何學(xué)校教授過。我也意識到，不僅在醫(yī)學(xué)領(lǐng)域，在商務(wù)、運(yùn)輸和教育等領(lǐng)域也類似，這種法則的建立至少與構(gòu)建 AI 系統(tǒng)（讓我們眼花繚亂的游戲 AI 和運(yùn)動感知系統(tǒng)）同等重要。
無論我們能否在短時間內(nèi)理解「智能」，我們都面臨著一個巨大的挑戰(zhàn)，那就是如何將計(jì)算機(jī)和人類結(jié)合，讓人類更好地生存。這一難題被一些人看作是「人工智能」的誕生，但我們也可以用平常心、以敬畏之心把它看作工程學(xué)科的一個新的分支。
就像幾十年前的土木工程和化學(xué)工程一樣，這個新學(xué)科的目標(biāo)是集合一些關(guān)鍵思想的力量，安全地為人們帶來新的資源和能力。就像土木工程和化學(xué)工程是建立在物理理論和化學(xué)理論的基礎(chǔ)之上，這個新學(xué)科建立在我們在上個世紀(jì)中發(fā)現(xiàn)的思想之上，在諸如「信息」、「算法」、「數(shù)據(jù)」、「不確定性」、「計(jì)算」、「推理」和「優(yōu)化」等概念之上。此外，由于這一學(xué)科的大部分重點(diǎn)都是來自于人類、關(guān)于人類的數(shù)據(jù)，它的發(fā)展也需要社會科學(xué)和人文學(xué)科提供幫助。
雖然這個學(xué)科的一些基礎(chǔ)理論已經(jīng)逐漸出現(xiàn)，但把它們組合到一起的法則還不見蹤影。這些基礎(chǔ)理論之間現(xiàn)在就只能單個單個地產(chǎn)生聯(lián)系、堆在一起。
就像土木工程學(xué)科出現(xiàn)之前人們就已經(jīng)在造房子、造橋一樣，人們現(xiàn)在也是在沒有建立起新的學(xué)科的情況下，就在著手建造把機(jī)器、人類、環(huán)境都包含在內(nèi)的全社會尺度的推理和決策系統(tǒng)。同樣地，就像早期的建筑和橋梁有時會以完全無法預(yù)料的方式倒塌，造成悲劇的后果，我們許多早期的全社會尺度的推理和決策系統(tǒng)也已經(jīng)暴露出了嚴(yán)重的觀念問題。
更難堪的是，我們?nèi)祟惒⒉皇呛苌瞄L預(yù)測下一次會在哪里出現(xiàn)嚴(yán)重問題。我們現(xiàn)在缺少它對應(yīng)的工程學(xué)科，缺少其中的分析和設(shè)計(jì)的法則。
當(dāng)下的公眾談起這些問題的時候總是用「人工智能」這個詞寬泛地囊括了所有和智慧相關(guān)的概念，這也就讓新出現(xiàn)的科學(xué)技術(shù)的影響范圍和后果變得很難討論。我們先仔細(xì)看看「人工智能」這個詞近期以及歷史上都表示過哪些含義吧。
如今的「人工智能」在大多數(shù)情況下所指的，尤其是在公眾討論中，就是過去的幾十年中我們稱作「機(jī)器學(xué)習(xí) Machine Learning」的東西。機(jī)器學(xué)習(xí)是一門研究算法的學(xué)科，它從統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)和其它一些學(xué)科汲取了思想，用來設(shè)計(jì)能處理數(shù)據(jù)、做出預(yù)測、幫助人類決策的算法。至于對真實(shí)世界的影響，機(jī)器學(xué)習(xí)的影響是實(shí)實(shí)在在的，而且遠(yuǎn)不止是近期才有影響。實(shí)際上，早在 1990 年代初的時候機(jī)器學(xué)習(xí)就已經(jīng)表現(xiàn)出了明顯的跡象可以對工業(yè)界產(chǎn)生巨大的影響，到了二十一世紀(jì)，亞馬遜這樣的有前瞻性的公司就已經(jīng)把機(jī)器學(xué)習(xí)用到了公司業(yè)務(wù)的上上下下當(dāng)中，處理著詐騙檢測、邏輯鏈預(yù)測這樣的后端問題，也構(gòu)建了推薦系統(tǒng)這樣的面向用戶的創(chuàng)新服務(wù)。隨著數(shù)據(jù)集的大小和計(jì)算資源在過去的 20 年里突飛猛進(jìn)，我們現(xiàn)在可以清楚地看到，不只是亞馬遜，幾乎任何可以依據(jù)大規(guī)模數(shù)據(jù)做出決策的企業(yè)都很快會把機(jī)器學(xué)習(xí)作為動力。新的商業(yè)模式會涌現(xiàn)。也已經(jīng)出現(xiàn)了「數(shù)據(jù)科學(xué)」這個短語用來稱呼這種現(xiàn)象，其中反應(yīng)的就是機(jī)器學(xué)習(xí)算法專家和數(shù)據(jù)庫、分布式系統(tǒng)專家攜手構(gòu)建可拓展的、魯棒的機(jī)器學(xué)習(xí)系統(tǒng)的需求，也反應(yīng)了這樣的系統(tǒng)對更大的社會和環(huán)境范圍的影響。
在過去的幾年里，這種思想和技術(shù)潮流的融合也被我們稱作了「人工智能」。然而這種稱呼是值得我們仔細(xì)審視的。
歷史上來說，人們在 50 年代末產(chǎn)生了一股用軟硬件共同重現(xiàn)出人類水平智慧的熱情，同時也創(chuàng)造出了「人工智能」/「AI」這個詞。這種志向我們可以稱為仿人類人工智能（human-imitative AI），在這種觀念里具有人造智慧的實(shí)體應(yīng)當(dāng)被看作我們的伙伴，即便看上去不像，精神上也應(yīng)當(dāng)像。這很大程度上可以看作學(xué)術(shù)研究領(lǐng)域的一種野心。一些相關(guān)的學(xué)術(shù)領(lǐng)域當(dāng)時就已經(jīng)存在，比如運(yùn)籌學(xué)、統(tǒng)計(jì)學(xué)、模式識別、信息學(xué)和控制學(xué)這些學(xué)科，而且他們也經(jīng)常從人類的智慧（以及動物的智慧中）獲得啟發(fā)，但一定程度上這些學(xué)科都關(guān)注的是“低層次”的信號和決策。比如說一只松鼠理解它所居住的森林的三維結(jié)構(gòu)的能力、在樹枝間跳躍的能力，都對這些學(xué)科有啟發(fā)作用。而「人工智能」應(yīng)當(dāng)關(guān)注的是另一些東西，是人類推理、思考中的「高層次」的、「認(rèn)知性」的能力。一晃六十年過去了，高層次的推理和思考能力我們?nèi)匀蛔矫坏?。如今被稱作人工智能的技術(shù)進(jìn)步基本都來自于低層次模式識別、運(yùn)動控制相關(guān)的工程領(lǐng)域，以及在數(shù)據(jù)中尋找模式，據(jù)此做出預(yù)測、驗(yàn)證猜想和決策的統(tǒng)計(jì)領(lǐng)域。
實(shí)際上，David Rumelhart 在八十年代重新發(fā)現(xiàn)的、如今被看作是所謂「人工智能革命」的核心的反向傳播算法，最早在五六十年代就出現(xiàn)在了控制領(lǐng)域。當(dāng)時它最早的應(yīng)用之一就是為阿波羅飛船計(jì)算飛向月球時的推力。
六十年代以來，我們的技術(shù)有了許多突破性發(fā)展，但是很大程度上這些進(jìn)步并不是來自于對仿人類人工智能的追求的。倒不如說，就像阿波羅飛船的這個例子里一樣，這些思想都是隱藏在幕后的，是嘗試解決一些非常具體的工程挑戰(zhàn)的研究人員們的研究成果。雖然一般大眾看不到，但在文檔索引、文本分類、腐敗監(jiān)控、推薦系統(tǒng)、個性化搜索、社交網(wǎng)絡(luò)分析、規(guī)劃、診斷和 A/B 測試方面的研究和系統(tǒng)構(gòu)建都非常的成功；谷歌、Netflix、Facebook、Amazon 這些大公司的驅(qū)動力也正是這樣的技術(shù)進(jìn)步。
現(xiàn)在我們會簡單地把上面這些東西全都統(tǒng)稱為「人工智能」，看上去也似乎確實(shí)是那么回事。對于優(yōu)化或者統(tǒng)計(jì)領(lǐng)域的研究員來說，這種歸類方式算是一個不大不小的驚喜，他們一下子就變成了「人工智能研究員」。但除了研究員的歸類問題之外，更大的問題是這種單個的、定義得并不準(zhǔn)確的縮寫詞匯會阻止我們清晰地理解當(dāng)下大規(guī)模的智能化和商業(yè)化問題。
過去的 20 年里我們有許多重大突破，工業(yè)界和學(xué)術(shù)界也一同創(chuàng)造出了一種新的思維，作為仿人類人工智能的補(bǔ)充；我們常常把它稱作「智慧增強(qiáng)」（Intelligence Augmentation）。在這里，我們用計(jì)算能力和數(shù)據(jù)構(gòu)建一些服務(wù)，它們可以增強(qiáng)人類的智力和創(chuàng)造能力。搜索引擎就可以看作是智慧增強(qiáng)的一個例子，它增強(qiáng)了人類的記憶能力、增強(qiáng)了人類對客觀事實(shí)的認(rèn)識；自然語言翻譯也是這樣，它增強(qiáng)了人類的溝通的能力?；陔娔X的聲音和圖像生成也可以成為藝術(shù)家創(chuàng)作時的調(diào)色板和創(chuàng)新思想的增強(qiáng)。不過，雖然這樣的服務(wù)最終不可避免地會涉及到高層級的推理和思維能力，目前它們卻在這方面是一篇空白：它們所做的只不過是通過各種各樣的字符串匹配和數(shù)值計(jì)算找到一些人類可以加以利用的模式而已。
這里我還需要再提出一個概念，就是廣義地認(rèn)識到「智慧基礎(chǔ)設(shè)施」（Intelligent Infrastructure）這個學(xué)科。它是指一種計(jì)算能力、數(shù)據(jù)和相關(guān)的物理實(shí)體組成的網(wǎng)絡(luò)，這個網(wǎng)絡(luò)可以讓人類的生存環(huán)境對人類更有幫助性、更有趣、也更安全。這樣的基礎(chǔ)設(shè)施已經(jīng)在物流運(yùn)輸、醫(yī)藥、商業(yè)和金融這樣的領(lǐng)域顯露頭角，影響到了無數(shù)的個人和社會活動。有時候人們談起物聯(lián)網(wǎng)（IoT）也會提起某種網(wǎng)絡(luò)的建立，不過物聯(lián)網(wǎng)領(lǐng)域的網(wǎng)僅僅是把「物」連接到了「網(wǎng)」上而已，對于如何讓這些「物」處理數(shù)據(jù)流、發(fā)現(xiàn)關(guān)于世界的信息、與人類互動等等超越 0 和 1 組成的數(shù)據(jù)的高級抽象問題完全沒有觸及。
比如我可以再講一個自己的想法，我們可能幻想過生活在一個「全社會尺度的醫(yī)療系統(tǒng)」中，它會設(shè)置好醫(yī)生和病人身邊的醫(yī)療設(shè)備間的數(shù)據(jù)流和數(shù)據(jù)分析流，從而在疾病診斷和醫(yī)療護(hù)理中為人類的智慧提供幫助。這個系統(tǒng)可以收集身體細(xì)胞中的信息、DNA 中的信息、血液診斷中的信息、環(huán)境、群體遺傳學(xué)以及關(guān)于藥物和醫(yī)療方法的海量文獻(xiàn)中的信息，然后把它們集成在一起。它關(guān)注的不是單個病人和醫(yī)生，而是所有人類之間的關(guān)系，就像現(xiàn)代的醫(yī)學(xué)實(shí)驗(yàn)是在某一部分人身上（或者動物身上）做實(shí)驗(yàn)，然后用依據(jù)實(shí)驗(yàn)結(jié)果醫(yī)治別的人。同樣，就像現(xiàn)代銀行系統(tǒng)可以在金融和支付領(lǐng)域中注重關(guān)聯(lián)性、可追溯性和可靠性這些問題一樣，這個醫(yī)療系統(tǒng)也最好可以注重這些理念。并且，雖然我們可以預(yù)見到構(gòu)建這樣的系統(tǒng)會遇到各種各樣的問題，包括隱私問題、責(zé)任問題、安全問題等等，但這些問題都應(yīng)當(dāng)被正確看待為等待解決的挑戰(zhàn)，而不是阻止構(gòu)建這樣系統(tǒng)的理由。
我們現(xiàn)在就遇到了這樣一個關(guān)鍵問題：面對這些更大的挑戰(zhàn)，研究仿人類人工智能是應(yīng)對它們的最好的方法，甚至是唯一的方法嗎？機(jī)器學(xué)習(xí)領(lǐng)域最常被提起的成功故事里有不少就是和仿人類人工智能相關(guān)的，比如在計(jì)算機(jī)視覺、語音識別、游戲 AI 和機(jī)器人領(lǐng)域。所以似乎看起來我們就只要等著這樣的領(lǐng)域里不斷出現(xiàn)新的進(jìn)步就好了。
在這里我想指出兩件事。一，雖然報紙上不會這樣講，但仿人類人工智能方向的研究實(shí)際上有很大限制，我們距離達(dá)到真正的仿人類人工智能的目標(biāo)還非常遠(yuǎn)。不幸的是，仿人類人工智能領(lǐng)域的有限的進(jìn)步也很容易引發(fā)人們的激動（以及恐懼），這讓這個方向的研究本身過于火熱、媒體關(guān)注也過多。任何其它的工程領(lǐng)域都看不到這樣的現(xiàn)象。二，而且更重要的是，如果是為了解決重要的智慧增強(qiáng)和智慧基礎(chǔ)設(shè)施問題，那么仿人類人工智能相關(guān)領(lǐng)域的成功既不充分也不必要。
對于充分性這一邊，可以想想自動駕駛汽車。為了實(shí)現(xiàn)這樣的技術(shù)，等待解決的一系列工程問題和人類勝任駕駛的程度（以及人類不勝任駕駛的程度）幾乎沒有任何關(guān)系。一個總體性的交通運(yùn)輸系統(tǒng)（一個智慧基礎(chǔ)設(shè)施）會非常接近現(xiàn)代的空中管制系統(tǒng)，而不太像目前的幾乎沒有分組的、前向的、漫不經(jīng)心的人類司機(jī)的集合體。它將會比目前的空中管制系統(tǒng)復(fù)雜得多，尤其在于它可以利用海量數(shù)據(jù)和自適應(yīng)性建模能力，做出細(xì)粒度決策。我們最先需要考慮的正是這樣的問題，而對于這樣的問題，仿人類人工智能方面的努力反倒會分散我們的注意力。
對于必要性，有一些人提出仿人類人工智能的愿望其實(shí)包含了智慧增強(qiáng)和智慧基礎(chǔ)設(shè)施在內(nèi)，因?yàn)榉氯祟惾斯ぶ悄軐⒉粌H可以解決各種經(jīng)典 AI 問題（字面意思上，比如圖靈測試），而且它最有可能同時解決智慧增強(qiáng)和智慧基礎(chǔ)設(shè)施問題。這樣的觀點(diǎn)其實(shí)找不到什么歷史先例作為支撐。土木工程的發(fā)展難道靠的是設(shè)想如何設(shè)計(jì)人造的粉刷匠和泥瓦匠嗎？難道化學(xué)工程的學(xué)科框架是如何創(chuàng)造出一個人造化學(xué)家？甚至更有意思的是，如果我們的目標(biāo)是建造一個化學(xué)工廠，那我們難道應(yīng)該要先造出一個人造化學(xué)家，然后讓它來思考如何建造一個化學(xué)工廠？
還有一種有關(guān)聯(lián)的觀點(diǎn)，是說人類智能是我們唯一知道的一種智能，我們發(fā)展人工智能的第一步就應(yīng)當(dāng)是嘗試模仿這種智能。但是實(shí)際上有一些類型的推理人類并不是很擅長，人類有很多失誤、偏見和限制。更重要的是，人類進(jìn)化的目的就不是為了處理現(xiàn)代智慧基礎(chǔ)設(shè)施那樣的大規(guī)模決策問題的，也同樣不是為了處理智慧基礎(chǔ)設(shè)施環(huán)境下的不確定性問題的。有的人可能會說，一個人工智能系統(tǒng)將不僅可以模仿人類的智慧，而且還可以「糾正」它，當(dāng)然也就可以拓展到任何大規(guī)模問題上去。但這樣的想法就跑到了科幻小說的領(lǐng)域去了，這樣的純粹猜想性的觀點(diǎn)當(dāng)然符合科學(xué)幻想，但不應(yīng)當(dāng)作為我們面對逐漸顯現(xiàn)的重要的智能強(qiáng)化和智慧基礎(chǔ)設(shè)施問題時的主要策略。我們應(yīng)當(dāng)分別以它們應(yīng)有的方式處理智能強(qiáng)化和智慧基礎(chǔ)設(shè)施問題，而不是僅僅當(dāng)作仿人類人工智能目標(biāo)的推論。
其實(shí)不難看到，智慧基礎(chǔ)設(shè)施系統(tǒng)中的算法和基礎(chǔ)設(shè)施挑戰(zhàn)并不是仿人類人工智能研究中的核心主題。智慧基礎(chǔ)設(shè)施需要的是管理快速變化的、而且很有可能全局不相干的分布式知識存儲的能力。這樣的系統(tǒng)需要云計(jì)算和邊緣計(jì)算之間的互動，才能做出即時的、分布式的決策；而且還需要能夠處理數(shù)據(jù)中的長尾現(xiàn)象，即關(guān)于某一些個體有很多的數(shù)據(jù)，但大多數(shù)個體都只有很少的數(shù)據(jù)。它們需要能處理在穿越管理性和競爭性的邊界分享數(shù)據(jù)的問題。最后，而且也非常重要的是，智慧基礎(chǔ)設(shè)施系統(tǒng)需要把動機(jī)和定價這樣的經(jīng)濟(jì)學(xué)理念融入到連接了人與人、人與商品的統(tǒng)計(jì)和計(jì)算基礎(chǔ)設(shè)施中。這樣的智慧基礎(chǔ)設(shè)施系統(tǒng)就不僅僅是提供了服務(wù)，更重要的是它提供了市場。音樂、文學(xué)、新聞等一些領(lǐng)域就非常需要這樣的市場，其中的數(shù)據(jù)分析就可以吧創(chuàng)作者和消費(fèi)者連接到一起。而這一切也都需要在進(jìn)化出社會性的、符合道德的、合乎法律的前提之下。
當(dāng)然了，經(jīng)典的仿人類人工智能問題也仍然是重要的研究課題。但是，目前的人工智能研究都是借助收集數(shù)據(jù)、借助部署深度學(xué)習(xí)基礎(chǔ)架構(gòu)，這些系統(tǒng)所展現(xiàn)出的模仿某一些非常專門的人類技術(shù)的能力、同時還無法在解釋其中的規(guī)律上起到什么幫助的現(xiàn)狀，實(shí)際上分散了我們的注意力，讓我們忽視了經(jīng)典人工智能中的許多開放性問題。這些問題包括：如何給能夠處理自然語言的系統(tǒng)增加意義和推理能力，如何推理和表示因果關(guān)系，如何開發(fā)出可計(jì)算的不確定性的表示方法，以及如何開發(fā)出能夠形式化并追尋長期目標(biāo)的系統(tǒng)，等等。這些同樣都是仿人類人工智能中的經(jīng)典目標(biāo)，但在當(dāng)下的「人工智能革命熱潮」中，我們很容易忘記這些問題都還沒有解決。
智能增強(qiáng)也依然是足夠關(guān)鍵的，在真實(shí)世界狀況的抽象推理這件事上，在可見的未來內(nèi)計(jì)算機(jī)都不可能達(dá)到人類的水平。人類和計(jì)算機(jī)之間需要構(gòu)建思考足夠深入的溝通方式才能解決我們最緊迫的問題。而且我們也希望用計(jì)算機(jī)把人類的創(chuàng)造力推向新的高度，而不是用計(jì)算機(jī)取代人類的創(chuàng)造力（各種意義上的）。
John McCarthy（約翰麥卡錫）在達(dá)特茅斯學(xué)院時提出了「人工智能」這個詞，當(dāng)時明顯是為了把他和 Norbert Wiener（諾伯特維納）兩人的不同的研究目標(biāo)區(qū)分開。Wiener 提出詞是「神經(jīng)機(jī)械學(xué)」（cybernetics），以表示他對智能系統(tǒng)的憧憬是和運(yùn)籌學(xué)、統(tǒng)計(jì)、模式識別、信息論和控制理論緊密相關(guān)的。McCarthy 則更看重的是智能和邏輯之間的聯(lián)系。不過后來發(fā)生了有趣的反轉(zhuǎn)，目前正是 Wiener 闡述的智力目標(biāo)統(tǒng)治了這個領(lǐng)域，但打的卻是 McCarthy 的旗號。（目前的現(xiàn)狀當(dāng)然是暫時的；AI 領(lǐng)域的風(fēng)向轉(zhuǎn)換得比其它領(lǐng)域快得多）
但對我們來說，McCarthy 和 Wiener 兩人的歷史視角我們都需要超越。
我們需要明白，如今普通大眾討論的這種專注于工業(yè)和學(xué)術(shù)中的很小一部分問題的人工智能，有極大的風(fēng)險會讓我們不再注意到人工智能、智能增強(qiáng)和智慧基礎(chǔ)設(shè)施的全部范圍內(nèi)的挑戰(zhàn)和問題。
這個范圍并不僅僅是關(guān)于某些關(guān)于超人類電腦的科幻夢想以及恐懼的，而更關(guān)注的是，隨著科學(xué)技術(shù)在人類的生活中越來越顯著、越來越有影響力，人類需要能夠理解和控制它。并且，在這種理解和控制中，所有人類都應(yīng)該發(fā)出各自的聲音，而不是僅僅在了解技術(shù)的人之間進(jìn)行討論。狹隘地只關(guān)注仿人類人工智能會讓很多應(yīng)當(dāng)被聽到的聲音無法聽到。
雖然業(yè)界公司會繼續(xù)不斷地帶來更多技術(shù)進(jìn)步，學(xué)術(shù)界也要扮演好自己的關(guān)鍵角色。不是僅僅提供一些創(chuàng)新的技術(shù)思路就結(jié)束，而應(yīng)該把計(jì)算學(xué)科、統(tǒng)計(jì)學(xué)科的研究者和值得傾聽的其它學(xué)科的研究者聯(lián)系起來，尤其值得一提的是社會科學(xué)、認(rèn)知科學(xué)以及人文學(xué)科。
另一方面，雖然人文學(xué)科和自然科學(xué)學(xué)科對我們的前進(jìn)來說都非常重要，我們也應(yīng)當(dāng)牢記我們討論的內(nèi)容是關(guān)于一個前所未見的尺度和范圍的工程項(xiàng)目，是這個社會需要構(gòu)建一些新的人造物。這些人造物應(yīng)當(dāng)建造得符合承諾。我們都不希望在一些幫助醫(yī)療的、交通的、商務(wù)的系統(tǒng)建造完畢之后才發(fā)現(xiàn)它們其實(shí)不好使，發(fā)現(xiàn)它們其實(shí)會減少人類的壽命和幸福感。出于這種理念，正如我剛才強(qiáng)調(diào)過的，我們需要一種新的工程學(xué)科來引導(dǎo)這種數(shù)據(jù)向的、學(xué)習(xí)向的領(lǐng)域。雖然這中想法聽起來很不錯，但目前我們還無法真正地把它看作一門學(xué)科。
更進(jìn)一步地，我們正在見證新的工程領(lǐng)域的出現(xiàn)，我們應(yīng)該為此感到高興?！腹こ獭惯@個詞經(jīng)常被人們理解得很狹隘，不管是在學(xué)術(shù)界還是更多語境下，好像都隱喻著冷酷無情的機(jī)器、或者是失去人類的控制。但其實(shí)一門工程學(xué)科可以成為任何我們希望它成為的樣子。
現(xiàn)在這個時代，我們真的可以設(shè)想一種歷史上從未出現(xiàn)過的東西：一個新的以人為中心的工程學(xué)科。
我現(xiàn)在沒法給這個正在萌發(fā)的新學(xué)科給出一個名字，但如果「人工智能」/「AI」這個詞會作為這個學(xué)科的命名的詞根的話，我們一定要謹(jǐn)記這個詞根的極為有限的實(shí)際意義。讓我們放寬視野、收起狂熱，仔細(xì)地觀察觀察我們面前等待著的挑戰(zhàn)吧。
Michael I. Jordan
via Michael I. Jordan，雷鋒網(wǎng) AI 科技評論編譯
