笔趣吧

手机浏览器扫描二维码访问

中信出版2020年度好书经济管理套装共12册第十一章 人工智能与伦理 不要问计算机能做什么要问它们该做什么（第2页）

在此之前几年，艾萨克·阿西莫夫就在其短篇小说《环舞》中提出了他著名的“机器人三定律”

。

这是一个科幻故事，讲述了人类试图创造伦理规则，以便规范机器人基于人工智能的自主决策。

正如2014年威尔·史密斯主演的电影《我，机器人》中以戏剧性的方式所展现的那样，它的效果并不尽如人意。

20世纪50年代后期以来，人工智能不断发展，尤其在20世纪80年代中期的短暂时间内，“专家系统”

受到热烈追捧，相关的投资、初创企业和媒体兴趣也迅速激增。

不过，是什么让人工智能在出现60年后的2017年，以如此引人注目的方式突然闪亮登场的呢？这并不是因为它是一种时尚。

相反，它反映了一些更普遍，并且积蓄已久的趋势和问题。

科技界尚未对人工智能做出一个普遍认可的定义，因而科技大咖自然都在大力宣扬自己的观点。

2016年，我曾与微软的戴夫·海纳一起花时间研究了人工智能领域出现的一些新问题，海纳当时正在和埃里克·霍维茨一起工作，后者长期领导着我们在该领域的大部分基础研究工作。

在我的追问下，戴夫教给我一种思考人工智能的有用方式（我目前仍然这样认为）：“人工智能是一种计算机系统，通过识别输入数据的模式，可以从经验中学习并因此做出决策。”

埃里克则使用了一个更宽泛的定义，指出“人工智能是对思维和智能行为的计算机制的研究。”

虽然这通常涉及数据，但它也可以基于经验，如玩游戏、理解自然语言等。

计算机从数据和经验中学习并做出决策的能力——人工智能定义的本质——基于两种基本的技术能力，即人类感知和人类认知。

所谓人类感知，是指计算机模拟人类通过视觉和声音感知周遭世界的方式，感知正在发生的事情的能力。

从某种程度上说，自从19世纪30年代照相机发明以来，机器就已经能够“看到”

世界，只不过还需要一个人来理解照片上到底描绘了什么。

同样，自从托马斯·爱迪生于1877年发明留声机以来，机器已经能够听到声音。

但是，还没有一台机器能够像人类那样准确地理解和转录声音。

视觉和语音识别一直是计算机科学领域研究者的圣杯。

1991年，比尔·盖茨创立微软研究院时，当时的负责人内森·迈尔沃德的首要目标之一就是招募视觉和语音识别领域的顶尖学者。

我还记得，微软的基础研究团队在20世纪90年代曾乐观地预测，计算机很快就能像人类一样理解语言。

微软研究人员的这种乐观观点得到了学术界和科技界专家的普遍认同。

不过在现实中，语音识别技术的进步花了更长时间，远远超过专家的预测。

视觉识别和语音识别的目标都是令计算机能够以与人类相当的准确率来感知世界，该比率并非100%。

我们都会犯错误，包括在辨识他人对我们说了什么的时候。

专家估计，人类理解言语的准确率约为96%，只不过我们的大脑能够迅速填补这个缺口，因而我们不会意识到这一点。

但在人工智能系统达到同样的水平之前，我们更有可能会被计算机所犯的错误困扰，而不是被其90%的准确率打动。

到2000年，计算机的视觉和语音识别准确率已达到90%的门槛，但在随后10年中几乎没有进展。

2010年之后，计算机视觉和语音识别技术的发展再次加速。

如果100年后的人回顾21世纪的历史，很可能会得出结论称，从2010年到2020年的10年是人工智能取得突破性发展的时期。

人工智能的起飞

近期出现的三大科技进步为人工智能的起飞提供了平台。

第一，计算能力终于提升到可执行大量计算所需的水平。

第二，由于云计算，个人和组织可获得大量计算能力和存储容量而无须进行大规模的硬件资本投资。

第三，数字数据的爆炸性增长使得建立更大的数据集，以训练基于人工智能的系统成为可能。

倘若没有这些要素，人工智能是否能如此迅猛地发展将是一件值得商榷的事。

不过，人工智能的发展还需要第四个基本要素，它对于帮助计算机和数据科学家让人工智能有效发挥作用至关重要，而它涉及了人工智能所需的另一个甚至更基本的技术能力，即认知，换句话说，就是计算机推理和学习的能力。

几十年来，业界一直在激烈地争论什么是使计算机能够思考的最佳技术方法。