這個(gè)人打敗了Google的超級(jí)人工智能，但也許再?zèng)]有下次了

Andrej Karpathy 知道和人工智能比賽時(shí)的感受。

他第一次和人工智能正面對(duì)抗是在 2011 年。當(dāng)時(shí)斯坦福大學(xué)的一群研究人員剛剛制造出全世界效果最好的圖像識(shí)別軟件，而他想看看自己的大腦與他們的數(shù)字造物在進(jìn)行標(biāo)準(zhǔn)圖像識(shí)別測(cè)試時(shí)有多大優(yōu)勢(shì)。

斯坦福大學(xué)的軟件分析了一個(gè)由近 5 萬(wàn)張圖片組成的圖片庫(kù)，將每一張圖片歸為十類中的一類，如“狗”,“馬”和“卡車”等。軟件當(dāng)時(shí)的識(shí)別準(zhǔn)確度大約為 80%。Karpathy 進(jìn)行了同樣的測(cè)試，以 94% 的準(zhǔn)確度完敗人工智能。Karpathy是斯坦福大學(xué)的研究生，他以為在很長(zhǎng)一段時(shí)間內(nèi)，人類都能這類測(cè)試中勝過(guò)機(jī)器。Karpathy 在一篇提及人工智能算法的博文中說(shuō)道：

“人工智能算法的準(zhǔn)確度很難超過(guò) 80%，不過(guò)我猜還是可以將準(zhǔn)確度提高到 85% 至 90%。”

但他錯(cuò)了。

去年，Google研究人員搭建了一個(gè)系統(tǒng)，在更復(fù)雜的ImageNet圖像識(shí)別測(cè)試中達(dá)到93.4% 的準(zhǔn)確度。Karpathy 與斯坦福大學(xué)的一些同事一道，又與這一系統(tǒng)進(jìn)行了正面對(duì)抗。不過(guò)這次，他們的準(zhǔn)確度在一開(kāi)始只達(dá)到了 85%。

2011 年的測(cè)試并不能與 ImageNet 相提并論，但重要的是：人類在 2011 年能輕易地打敗人工智能軟件；現(xiàn)在卻不行了。絕對(duì)沒(méi)有希望獲勝。

這個(gè)故事可以延伸很遠(yuǎn)，從Google到 Facebook，從 IBM 到百度，到處洋溢著對(duì)目前人工智能的興奮之情。這些巨頭都在一個(gè)名為深度學(xué)習(xí)的新興領(lǐng)域投入巨資，深度學(xué)習(xí)是按照大腦積累知識(shí)的方式進(jìn)行建模。自 2013 年以來(lái)，ImageNet 競(jìng)賽的冠軍都是深度學(xué)習(xí)算法，而且其在語(yǔ)音識(shí)別、視頻識(shí)別乃至金融分析中都有驚人表現(xiàn)。

加州大學(xué)伯克利分校教授、人工智能專家 Stuart Russell 表示，這讓人工智能領(lǐng)域?yàn)橹饎?dòng)，因?yàn)橐郧叭藗冮L(zhǎng)期認(rèn)為不可能被計(jì)算機(jī)解決的問(wèn)題突然被計(jì)算機(jī)解決了。

換言之，計(jì)算機(jī)還有很多東西要學(xué)。

人工智能訓(xùn)練營(yíng)

Karpathy 及其同事被Google的系統(tǒng)完虐的原因之一是，ImageNet 處理狗等事物的方式。在 Karpathy 參加 2011 年的測(cè)試時(shí)，只有一個(gè)狗的類別。但在 2014 年，ImageNet需要你分辨出 200 種狗。

也就是說(shuō)，Karpathy 必須知道羅得西亞脊背犬和匈牙利獵犬（這都什么狗...）之間的區(qū)別。

“當(dāng)我看到所有這些狗的照片時(shí)，我的感覺(jué)是‘噢，不！在機(jī)器認(rèn)出這張圖片時(shí)，我還在忙著確認(rèn)這只狗的品種’?！?/p>

因此，Karpathy 參加了自己制作的人工智能訓(xùn)練營(yíng)，在這一過(guò)程中成了鑒定狗品種的小權(quán)威。兩周后，在經(jīng)過(guò) 50 個(gè)小時(shí)隨機(jī)點(diǎn)擊圖片的培訓(xùn)和測(cè)試后，他贏了機(jī)器。Karpathy 在測(cè)試中的準(zhǔn)確度達(dá)到了 94.9%，比Google的軟件高 1.7%。

人類又勝利了一次，不過(guò)勝得并不輕松。Karpathy 表示道：

“比賽讓我有點(diǎn)精疲力竭，但我覺(jué)得知道人類的準(zhǔn)確度很重要?！?/p>

抽象思維

與此同時(shí)，Karpathy 及其同事希望人工智能可以提高。他們正在研究如何消除人工智能系統(tǒng)中的缺陷，在試圖了解計(jì)算機(jī)的性能能否達(dá)到人類水平的同時(shí)，也在嘗試分析它們的錯(cuò)誤。

在測(cè)試時(shí)，如果出現(xiàn)抽象圖片，Karpathy 基本上都能打敗機(jī)器。比如，人類能立刻判斷出一張圖片上是不是描繪了弓。Karpathy 還能認(rèn)出鹽罐上的“salt shaker”字樣，明白看到的東西，而計(jì)算機(jī)不是很擅長(zhǎng)處理抽象事物。

計(jì)算機(jī)也不擅長(zhǎng)識(shí)別 3D 圖像。計(jì)算機(jī)也許能識(shí)別杰克羅素梗犬，但要測(cè)算其大小，或者弄清楚它與同一房間中其他物體的相對(duì)位置，就是另一碼事了。這也是Google所夢(mèng)寐以求解決的問(wèn)題之一，他們希望計(jì)算機(jī)能像人類一樣識(shí)別圖片中的深度和微妙之處。

下一次，人類還能戰(zhàn)勝人工智能嗎？

via wired

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。