機(jī)器和人類將繼續(xù)合作的四個(gè)理由

AI文化的轉(zhuǎn)變是一個(gè)循序漸進(jìn)的工作，但有四個(gè)主要原因，解釋了為什么機(jī)器和人類將繼續(xù)合作。

卡內(nèi)基梅隆大學(xué)工程學(xué)院材料科學(xué)與工程教授，桑迪亞國(guó)家實(shí)驗(yàn)室計(jì)算材料科學(xué)家伊麗莎白·霍爾姆說(shuō)：我們正處于AI（人工智能）文化的轉(zhuǎn)折點(diǎn)。

她還表示，機(jī)器并不能取代人類專家。

“盡管機(jī)器擅長(zhǎng)處理很多事情，比如大量的數(shù)據(jù)，但機(jī)器仍然需要人類專家來(lái)分析數(shù)據(jù)、設(shè)置參數(shù)并指導(dǎo)它們進(jìn)行決策?！被魻柲氛f(shuō)。

“工程和科學(xué)決策是建立在理解事物如何工作的基礎(chǔ)上的。一座橋梁是如何支撐它的負(fù)載的？一個(gè)發(fā)動(dòng)機(jī)是如何將燃料轉(zhuǎn)化為動(dòng)力的？與人類相比，AI只能將數(shù)據(jù)轉(zhuǎn)換為決策，而不了解任何基本原則?！被魻柲氛f(shuō)，“想要將AI應(yīng)用于工程和科學(xué)，就需要文化上的轉(zhuǎn)變：我們要么學(xué)會(huì)信任我們不理解的決定，要么讓AI進(jìn)化得更高級(jí)，將它們的決定建立在人類能夠解釋和控制的原則之上?！?/p>

霍爾姆說(shuō)，目前，人們正在探索如何平衡這些選擇。

“駕駛自動(dòng)駕駛汽車(chē)的AI軟件是基于數(shù)據(jù)，而不是預(yù)先編程的駕駛原則?！被魻柲氛f(shuō)，“因?yàn)槲覀兿嘈臕I能從數(shù)據(jù)中學(xué)習(xí)到正確的東西，所以我們同意讓自駕車(chē)進(jìn)入我們的道路。不過(guò)，當(dāng)一個(gè)行人被自駕車(chē)撞死時(shí)，我們就不會(huì)再允許它們上路，并要求AI解釋它自己的行為，我們?cè)俑鶕?jù)人類可以控制的規(guī)則讓AI進(jìn)行決策?！?/p>

霍爾姆說(shuō)，AI文化的轉(zhuǎn)變是一個(gè)循序漸進(jìn)的工作，但有四個(gè)主要原因，解釋了為什么機(jī)器和人類將繼續(xù)合作。

壹

智能機(jī)器在處理大量數(shù)據(jù)方面

非常出色

霍爾姆認(rèn)為，像需要收集大量數(shù)據(jù)的制造過(guò)程，比如3D打印，將受益于計(jì)算機(jī)視覺(jué)這樣的AI原理，這些原理可以將所有的數(shù)據(jù)進(jìn)行分類。

“AI也是增材制造研究的一個(gè)重要領(lǐng)域，”她補(bǔ)充道，“增材制造與大多數(shù)生產(chǎn)流程不同，因?yàn)樗梢詫?shí)時(shí)地收集數(shù)據(jù)，這為數(shù)據(jù)科學(xué)提供了很大的空間?！?/p>

霍爾姆指出，F(xiàn)acebook和亞馬遜正在使用的AI應(yīng)用程序，如面部識(shí)別和有針對(duì)性的廣告，已經(jīng)讓我們所有人意識(shí)到整合大量社會(huì)數(shù)據(jù)的力量了。

“3D打印在每一步都會(huì)生成大量的視頻、音頻和儀器數(shù)據(jù)。我們的目標(biāo)是使用相同的AI概念來(lái)優(yōu)化增材制造工藝中的質(zhì)量和成本?！被魻柲氛f(shuō)。

貳

機(jī)器能夠增強(qiáng)人的能力

“當(dāng)我們使用電腦來(lái)尋找缺陷時(shí)，就像我們用電腦來(lái)讀取放射照片、X光和CAT掃描一樣，”霍爾姆說(shuō)?！耙馑际?，電腦的確可以首先查找相關(guān)的領(lǐng)域，但電腦無(wú)法替代那些能看著這個(gè)缺陷說(shuō)：‘不，這沒(méi)什么可擔(dān)心的’或者‘是的，機(jī)油變黑時(shí)就會(huì)發(fā)生這種情況，這里確實(shí)出問(wèn)題了’的人類專家們。

霍爾姆說(shuō)，我們已經(jīng)從所接觸到的醫(yī)學(xué)圖像中意識(shí)到了這一點(diǎn)。

“如今，對(duì)于許多像乳房X光檢查這樣的常規(guī)放射檢查，第一個(gè)檢查結(jié)果的實(shí)體就是計(jì)算機(jī)。AI軟件能夠定位出正常和異常的區(qū)域，并將結(jié)果告訴人體放射科醫(yī)生來(lái)進(jìn)行進(jìn)一步檢查并提出建議?！被魻柲氛f(shuō)。

叁

機(jī)器能以更少的時(shí)間完成單調(diào)乏味的

任務(wù)，從而節(jié)省了人們的時(shí)間

單調(diào)重復(fù)的任務(wù)可能要成為過(guò)去了。

霍爾姆說(shuō)：“一個(gè)研究生最不想做的事大概就是畫(huà)工程分拆圖了，因?yàn)楫?huà)圖可能要花費(fèi)好幾個(gè)小時(shí)，而且這會(huì)引起很多的焦慮。他們發(fā)誓自己畢業(yè)后就再也不會(huì)做這樣的事了，而這也將接著成為其他研究生的苦惱。但電腦就不會(huì)有這種煩惱，因?yàn)殡娔X可能永遠(yuǎn)不會(huì)感到無(wú)聊，因?yàn)殡娔X根本不懂什么是無(wú)聊。”

“例如，一家公司通過(guò)對(duì)其產(chǎn)品的每一批樣品進(jìn)行顯微掃描來(lái)進(jìn)行質(zhì)量控制。絕大多數(shù)樣本都是完全正常和不重要的，只有罕見(jiàn)的異常樣本才是重要的，”霍爾姆補(bǔ)充道，“所以這個(gè)過(guò)程會(huì)花費(fèi)人類專家大量的時(shí)間，而且還不會(huì)用到他或她的專業(yè)知識(shí)，但AI系統(tǒng)可以耐心地掃描樣本并剔除正常的結(jié)果，這樣人類專家就可以把更多的時(shí)間和注意力集中到相關(guān)的和更加具有挑戰(zhàn)性的發(fā)現(xiàn)上了。”

肆

智能機(jī)器都是人類制造的

“卷積神經(jīng)網(wǎng)絡(luò)的每一步都是我們本科時(shí)在工程學(xué)院學(xué)過(guò)的信號(hào)處理過(guò)程，”霍爾姆說(shuō)，“當(dāng)然，還有一個(gè)反饋回路，它是關(guān)于如何開(kāi)發(fā)濾波器和信號(hào)處理器的結(jié)構(gòu)的學(xué)習(xí)回路。但它不是魔法，它只是一組所有工程師都已經(jīng)知道的簡(jiǎn)單的事情?！?/p>

“我認(rèn)為重要的是不要賦予機(jī)器深度學(xué)習(xí)算法的強(qiáng)大能力，至少不能比人腦更強(qiáng)大。”霍爾姆補(bǔ)充說(shuō)。

卡內(nèi)基梅隆大學(xué)自20世紀(jì)50年代以來(lái)一直是人工智能的先驅(qū)。赫伯特·西蒙和艾倫·紐威爾在1955年創(chuàng)立了“邏輯理論家”這門(mén)課程，這被認(rèn)為是他們?cè)诖髮W(xué)任教期間的第一個(gè)人工智能課程。西蒙在1978年獲得諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)，他還和紐維爾在1975年共同獲得了圖靈獎(jiǎng)。

2018年5月，該大學(xué)的計(jì)算機(jī)科學(xué)學(xué)院(SCS)在2018年秋季增加了人工智能本科學(xué)位，這也被看作是全美國(guó)所有大學(xué)中的第一個(gè)這種學(xué)位。

卡內(nèi)基梅隆大學(xué)SCS機(jī)器人學(xué)和計(jì)算機(jī)科學(xué)的研究教授里德·西蒙斯說(shuō)，像這樣的課程將對(duì)未來(lái)科技的發(fā)展產(chǎn)生影響。

西蒙斯說(shuō)：“隨著社會(huì)中數(shù)據(jù)的激增，我們?cè)絹?lái)越有必要尋找方法來(lái)分析所有的這些數(shù)據(jù)，并對(duì)其進(jìn)行解釋，這也是AI能夠?yàn)槲覀兲峁椭牡胤?。無(wú)論是通過(guò)更好地了解金融市場(chǎng)，還是通過(guò)提高運(yùn)輸?shù)陌踩院托?，亦或是通過(guò)使我們的生活更有效率和樂(lè)趣…”

西蒙斯補(bǔ)充道：“畢業(yè)于AI專業(yè)的學(xué)生不僅會(huì)懂得如何使用AI來(lái)改善社會(huì)，他們還會(huì)擁有專業(yè)的技能和敏銳的洞察力來(lái)幫助開(kāi)發(fā)下一代更強(qiáng)大的AI工具?！?/p>