第2章 知化 Cognifying
很难想象有什么事物会像廉价、强大、无处不在的人工智能那样拥有“改变一切”的力量。首先,没有什么比把迟钝的东西变聪明更富有成效。在某个现有进程中植入极少量有效的智能都会将其效率提高到全新水平。我们在知化[1],没有生气的物体后会得到许多的好处,而这对日常生活的颠覆将是工业化的百倍。但是让东西变智能不会带来极乐世界。与开发先前各种能源时一样,我们将把人工智能浪费在那些看上去愚蠢的事情上。当然,我们会运用综合智能解决诸如治愈癌症之类的科研难题,或是某个棘手的技术问题,但是把机敏的头脑置入普通事物之中才能带来真正的颠覆,这些事物可以是自动贩卖机、鞋子、书、报税单、卡车、电子邮件、手表以及手机。我们的日常行为将被彻底改变。
理想情况下,这种额外的智能只是廉价还不够,还应当完全免费。一项免费的人工智能技术和网页上的免费公共内容一样,比其他任何我们能想到的事情更能满足商业和科学的需求,并且很快就能自给自足。直到最近,传统的看法认为,超级电脑将首先成为这种人工心智的载体,然后是家中的个人电脑,接着我们会把它放进我们的个人机器人中。人工智能将是一些有界限的实体,而我们能清楚地区分我们和它们的思维。
事实上,真正的人工智能不太可能诞生在独立的超级电脑上。它会出现在网络这个由数十亿电脑芯片组成的超级组织中。它将是轻巧、嵌入式的,没有固定形态,并且内部的联系松散。把它的思维和我们的区分开会很困难。任何与这个网络人工智能的接触都是对其智能的分享和贡献。这种人工智能连接了70亿人的大脑、数万兆联网的晶体管、数百艾字节[2] 的现实生活数据以及整个文明的自我修正反馈循环。那种单独的人工智能无法像它一样快速而聪明地学习。因此网络本身将会知化为一种完善速度惊人的事物。过时的独立综合智能技术可能会被看作是有缺陷的,它对于远离机动性人工智能的人来说简直是种惩罚。
当这种新兴人工智能问世的时候,它会由于无处不在,反而让人们无法察觉。我们会利用它不断增长的智慧处理各种单调的杂活,但它却无影无形。我们将能够通过地球上任何地方的电子屏幕,用数百万种方式获得它分布在各处的智能,因此很难说它到底在哪里。还因为这种综合智能结合了人类的智能(包括所有人类过去的智慧以及所有互联网上的人),要准确地指出它到底是什么也很困难。它是我们的记忆,还是我们的一种共识?是我们在搜索它,还是它在寻找我们?
人工智能思想的到来加速了本书中描述的其他所有颠覆性趋势的进程,它在未来世界中的威力与曾经的“铀元素”相当。我们可以肯定地说,知化是必然的,因为它已经近在咫尺。
大约两年前,我长途跋涉来到IBM研究实验室位于纽约州约克敦海茨的林间园区,想要尽早一窥让人期待已久的人工智能的到来。在2011年的《危险边缘》[3] 中夺魁的超级电脑“沃森”就诞生于此。
最初的沃森电脑仍被留在这里,它与一间卧室体积相当,10台貌似柜式冰箱的机器围成了四面墙,通过中间的微小孔隙,技术人员得以操作机器背后的电线和电缆。里面的温度高得出奇,让人觉得这个机群是活生生的。
如今的沃森与从前大不一样。它不再仅仅存在于一墙机柜当中,而是在大量开放标准的服务器之间传播。这些服务器可以同时运行上百个人工智能项目。只要能用手机、台式机或是自己的数据服务器连上沃森,它就像所有云端化的事物一样,同时为世界各地的客户提供服务。这类人工智能的规模可以根据需求进行调整。由于人工智能会随着人们的使用自我改进,沃森将越来越聪明,它在一个项目中习得的东西能够被立即运用到其他项目上。它并非一个单独的程序,而是多种软件引擎的集合,其逻辑演绎引擎和语言解析引擎可能使用不同的代码,分别在不同地点的不同芯片上运行,而所有这些都汇集成一条统一的“智能流”。
消费者可以直接连入这个不断运转的智能系统,也可以经由使用这个人工智能云端的第三方应用程序连入。就像许多聪明小孩的父母一样,IBM希望沃森从事医学工作,因而他们正在开发的应用程序中有一款是医疗诊断工具并不奇怪。之前,与诊断有关的人工智能尝试都以惨败告终,但是沃森确有实效。简单地说,当我告诉它自己在印度感染的某种疾病的症状后,它给我一张按照得病可能性由高到低排列的疾病推断清单。它声称我最有可能感染了贾第鞭毛虫,结果确实是这样。这项专门技术还未对病人直接开放,IBM让合作伙伴使用沃森的智能,帮助他们开发供病人预约医生和医院的用户友好界面。“我相信类似于沃森这样的机器(人)将很快成为世界上最好的诊断专家,”Scanadu公司[4] 的首席医疗官艾伦·格林(Alan Greene)说道。这家创业公司受到《星际迷航》中医用三录仪的启发,正在借助沃森的人工智能制造一种诊断设备。他还说,“从人工智能技术的发展速度来看,现在出生的孩子在成年后可能很少需要依靠医生来诊断了。”
医学只是个开端。所有的主流云公司加上几十家创业公司都争先恐后地启动类似于沃森提供的认知服务。根据量化分析公司Quid的数据,自2009年以来,人工智能已经吸引了超过170亿美元的投资。仅2014年,322家拥有类似人工智能技术的公司获得的投资就超过20亿美元。脸谱网和谷歌都为自己的人工智能研究团队招募研究员。
2014年以来,雅虎、英特尔、Dropbox、领英、Pinterest以及推特都收购了人工智能公司。人工智能领域的民间投资在过去4年里平均每年增长62%,这个速度还会持续下去。
总部位于伦敦的DeepMind是谷歌收购的早期人工智能公司之一。2015年,DeepMind的研究人员在《科学》杂志上发表了一篇文章,描述了他们如何教人工智能程序玩20世纪80年代的街机类电子游戏,比如“电子弹珠台”(Video Pinball)。他们教它学习玩游戏的方法,而不是具体游戏的玩法,二者有着根本的区别。他们只是打开基于云端的人工智能,放手让它去玩雅达利(Atari)公司的游戏——例如Pong的变种Breakout,它会学着如何不断提高分数。从实验记录影像上可以看出,人工智能的进步速度惊人。起初,人工智能几乎是在随机地玩,但它在逐渐进步。半小时后,每4次操作,它才失误1次。一小时后,它在第300局游戏中做到了零失误。之后,它继续飞快地学习,以至于在第二个小时里,它算出了Breakout中的一个漏洞,而此前数百万人类玩家都没有发现。利用这个漏洞,它可以通过打通一面墙赢得游戏,这连游戏开发者也没想到。在没有DeepMind开发者指导的情况下,一种叫做“深度强化机器学习”(deep reinforcement machine learning)的算法在接触49个雅达利游戏数小时后,能在其中约一半游戏中打败熟练掌握游戏的人类。
在所有这些活动中,一幅未来人工智能的图景正浮现出来,它既不像哈尔9000(HAL 9000)这个由非凡(却有嗜杀倾向)的类人意识驱动的独立机器,也不像奇点[5] 论者(Singularitan)迷醉的超级智能。即将到来的人工智能更像亚马逊的网络服务——廉价、可靠、工业级的数字智能在一切事物背后运行,除了闪现在你眼前的短暂时刻,它近乎无影无形。这种常见的设施会根据你的需求提供你想要的智能水平。即使人工智能改变了网络、全球经济以及文明,它也会像所有设施一样让人感到极度无聊。就像一个多世纪前电力所做的那样,它会让没有生气的东西活跃起来。如今我们将知化从前所有被电气化的东西。新的实用人工智能还会通过加深我们的记忆力,加速我们的认识能力等方法来强化个体以及全体人类的能力。通过注入额外的智能,我们几乎想不到什么东西不能变得新奇、不同和有趣。事实上,我们可以轻而易举地预测接下来10000家创业公司的商业计划:挑选一个领域并加入人工智能。
关于加入人工智能的神奇力量,摄影术是个很好的例子。20世纪70年代,我是个拖着笨重的摄影器材到处奔波的旅游摄影师。除了背包中的500卷胶卷外,我还扛着两个铜制尼康机身,一个闪光灯以及5个奇重无比(每个1磅)的玻璃镜头。光线暗的时候得用“大镜头”捕捉更多的光。摄影术要求一台用复杂而惊人的机械工程手段制造的密封相机在千分之一秒内聚焦、测量以及折射光线。那么后来的情况呢?如今我使用的尼康傻瓜相机的重量几乎可以忽略,在近乎黑暗时也能拍摄,焦距能从我的鼻尖一直延伸到无限远。显然,我手机里的相机更轻、更易用并且能和又重又老的家伙拍摄同样质量的照片。新相机体积更小、反应更快、声音更小且更便宜,这不仅是微型化造成的,还因为许多传统相机的功能被智能因素取代,摄影术被知化了。
当今的手机照相机通过加入算法、计算以及智能成分淘汰了层层笨重的镜头,完成了物理镜头过去所做的工作。这些新相机使用无形的智能因素取代物理快门。而暗房和胶卷则被更多计算以及视觉智能因素取代。甚至有一种没有镜头的纯平相机,其中,纯平的光传感器代替了镜头,利用疯狂的计算识别能力,根据照在不聚焦的传感器上的不同光束,计算出一张图片。知化摄影术的结果是革命性的,它使得相机能塞进各个角落(太阳镜的镜框中、衣服上的某个色块中、写字的笔中),并能做更多事,如3D或高清计算以及其他曾经需要数十万美元以及一卡车设备才能进行的工作。现在,知化的摄影几乎成了任何设备都能完成的附带功能。
类似的转变将会发生在其他任何一个领域中。拿化学来说,一桌子盛满溶液的瓶瓶罐罐操作起来得费不少力气。移动原子岂不是更费劲?加入人工智能后,科学家们可以进行虚拟化学实验。他们在多如天文数字的化学结合中精挑细选,决定哪些更有希望成功,值得放在实验室中检验。语言学也有可能,比如把人工智能加入语言中,收录过去100年来书籍、杂志和报纸中出现过的数以亿万计的词,然后据此追踪新词的诞生。用这种智能可以打造全新的商标名。把人工智能用在法律上,用它在堆积如山的文件中寻找证据,识别案件中的矛盾,或是对法律论据的使用提出建议。
能够结合人工智能的行业多到数不尽。越是看似不可能的行业,加入人工智能带来的影响会越大。知化的投资呢?像Betterment和Wealthfront这样的公司已经投入实践。他们运用人工智能分析股票指数,优化避税方案或者平衡投资组合的持有比例。这些是一个职业资金经理每年会进行一次的工作,而人工智能每天或每小时都能做。
以下是另一些看似不太可能,却有望得到认知加强的领域:
知化的音乐——人们能运用各种算法即时创作电子游戏或虚拟世界中的音乐。音乐的变化取决于个人的操作。人工智能将为任意玩家创作数百小时的个性化音乐。
知化的洗衣——机器自动识别各类衣物的洗涤方式。智能衣物将指挥洗衣程序根据每次放入的衣物自行调整洗衣方案。
知化的营销——读者或观众个人关注一个广告时,其社会影响力能够成倍提高广告的受关注程度(取决于跟风的人数以及影响力的大小)。商家利用这一点,优化每一份投入的受关注度和影响力。当规模达到百万级别时,这项工作由人工智能完成。
知化的房产——人工智能匹配买方和卖方,并能够提示“喜欢这间公寓的租户还喜欢哪些房子等”。它还能根据你的个人经济状况生成一份财务计划。
知化的护理——遍布病人全身的传感器从早到晚地工作,提供高度个性化的护理方案,并每天做出调整和细化。
知化的建造——复杂工程项目和其众多子项目能被即时纳入计划表,使工程速度和预算得到优化。想象一下,一个足够智能的项目管理软件,不光能考虑设计改动,还会考虑天气、港口交通延误、汇率、意外事故等因素。
知化的伦理——自动驾驶汽车需要被事先教授优先级和行为规则。在考虑司机之前,它们或许应当首先保证行人的安全。任何依赖准则的真正自主事物都需要智能的伦理规则。
知化的玩具——玩具更像宠物。类似宠物的玩具对孩子深深的吸引力是菲比娃娃完全无法相比的。能交谈的玩具更受青睐。或许第一款真正的大众机器人就是一个洋娃娃。
知化的体育——智能传感器能带来新的计分和裁判方式。并且,我们每秒就从运动员身上提取高度细精化的数据,用来打造一个精华版虚拟体育联赛。
知化的编织——谁知道呢?但它迟早会出现!
世界的知化是一桩正在发生的重要事件。
2002年左右,我参加了谷歌的一个小型聚会。当时的谷歌是一家专注搜索的小公司,还未首次公开募股(IPO)。期间,我与谷歌出色的联合创始人——拉里·佩奇(Larry Page)交谈时说道:“拉里,我搞不懂。已经有这么多家搜索公司,干嘛还要做免费网络搜索?这主意有什么好的?”我当时因为缺乏想象力而无法做出正确地判断,这恰好有力地证明了预测是困难的,尤其是预测未来。但我得为自己辩解一下,那是在谷歌加强广告拍卖方案并盈利之前,更别提后来发生的包括YouTube在内的任何一宗大型收购。在所有谷歌搜索网站的狂热用户中,我不是唯一一个认为它撑不了多久的人。然而佩奇的回答让我一直难忘:“哦,我们其实在做人工智能。”
关于那次谈话,我在过去几年里想了很多。期间除了DeepMind外,谷歌还收购了另外13家人工智能和机器人公司。乍看,你会认为谷歌正通过扩充人工智能方面的投资组合改善自己的搜索能力,毕竟搜索贡献了它总收入的80%。我认为事实恰恰相反。谷歌正利用搜索改善它的人工智能,而不是用人工智能强化它的搜索能力。每当你键入一个查询词,点击一个搜索引擎生成的链接或是在网上创建一个链接,你都是在训练谷歌的人工智能。当你在图片搜索栏输入“复活节兔子”(Eastern Bunny),就在告诉人工智能复活节兔子长什么样。
谷歌每天处理的121亿次查询是在一遍又一遍地训练深度学习型人工智能。随着对人工智能算法的稳步改进,加上千倍的数据量以及百倍的计算资源,再过10年,谷歌将拥有一款无可匹敌的人工智能产品。
我的预测是:到了2026年,谷歌的主营产品将不再是搜索,而是人工智能。
这个观点自然会遭到质疑。因为近60年来,人工智能的研究者都预测人工智能时代近在咫尺,然而直到几年前,人工智能似乎还是遥不可及。人们甚至把这个缺乏研究成果,更缺研究资金的时代称作人工智能的冬天。事情真的改变了吗?
是的。近期的三大突破将开启人们期待已久的人工智能时代。
本书评论