伊隆·馬斯克(Elon Musk)正計劃開發(fā)全自動駕駛汽車。這樣的汽車需要強大的人工智能技術，實時閱讀周圍復雜的駕駛環(huán)境，并作出反應。人工智能正取得令人驚喜的成果。例如上周，AlphaGo的開發(fā)團隊報告稱，他們的軟件已經(jīng)可以了解，如何像倫敦本地人一樣在錯綜復雜的倫敦地鐵里找到路。甚至美國白宮也開始關注人工智能。幾天前，白宮發(fā)布了一份研究報告，推動美國迎接人工智能的未來。

　　然而，計算機科學家、艾倫研究所CEO奧林·艾奇奧尼(Oren Etzioni)表示，在人們可以將世界交給計算機，或是擔心計算機對人類的威脅之前，我們還有很長的路要走。過去幾年，艾奇奧尼專注于研究并解決人工智能的基本問題，他目前擔任艾倫人工智能研究所CEO。

　　2014年，微軟聯(lián)合創(chuàng)始人保羅·艾倫(Paul Allen)與他人共同創(chuàng)立了這一研究所(AI2)，專注于研究人工智能可能給人類帶來的幫助。該研究所并不認為，人工智能會像好萊塢大片中所說的一樣，對人類的生存造成威脅。

　　微軟聯(lián)合創(chuàng)始人保羅·艾倫

　　艾倫研究所的項目或許并不那么有趣。這其中包括基于人工智能、用于學術研究的搜索引擎SemanTIc Scholar。不過，他們也會關注推理等人工智能的其他領域。用艾奇奧尼的話來說，這將使人工智能技術不再被局限于“狹窄的領域，只能做好某件事”。

　　在近期于紐約舉行的人工智能大會上，《科學美國人》對艾奇奧尼進行了專訪。在采訪中，他對企業(yè)過度夸大人工智能，尤其是深度學習技術當前能力的做法表示了擔憂。深度學習技術利用神經(jīng)網(wǎng)絡，模擬人腦的神經(jīng)系統(tǒng)去處理大規(guī)模數(shù)據(jù)集，從而讓計算機自主學會某些特定的技能，例如識別模式，以及照片中的特定對象。

　　艾奇奧尼還談到，為何10歲兒童也要比DeepMind的AlphaGo更智能，以及人類為何需要開發(fā)人工智能“衛(wèi)士”程序，確保其他人工智能系統(tǒng)不會對人類構(gòu)成危險。

　　艾倫研究所CEO奧林·艾奇奧尼

　　以下是專訪主要內(nèi)容：

　　問：關于開發(fā)人工智能技術的最佳方式，研究人員之間是否存在分歧?

　　艾奇奧尼：我們在語音識別、無人駕駛汽車等領域取得了真正的發(fā)展，當然還有AlphaGo。這些都是真正的技術成就。然而，我們要如何進行表述?深度學習很明顯是極具價值的技術，但我們在開發(fā)人工智能的過程中還有許多其他問題要解決，例如推理(這意味著機器可以理解2+2=4，而不僅僅是根據(jù)規(guī)則去計算)，以及掌握背景知識去建立上下文環(huán)境。自然語言理解是另一個案例。即使我們已有AlphaGo，我們還無法開發(fā)出一種軟件，閱讀并充分理解某個文章段落，或是簡單的句子。

　　問：有觀點認為，關于人工智能，深度學習是“我們掌握的最佳手段”。這是否是對深度學習技術的不看好?

　　艾奇奧尼：如果你掌握了大量已被標記的數(shù)據(jù)，讓計算機知道這些意味著什么，而如果你又掌握了大量計算資源，并試圖從這些數(shù)據(jù)中找尋模式，那么我們已經(jīng)看到，深度學習是不可擊敗的。就AlphaGo而言，這一系統(tǒng)處理過3000萬種棋型，從而令人工智能知道在不同情況下什么樣的下法是最優(yōu)的。其他一些情況也很類似，例如醫(yī)院的放射影像。如果我們可以把許多影像圖片標記為存在腫瘤或不存在腫瘤，那么深度學習軟件就可以自行判斷，未知圖片上是否存在腫瘤。利用深度學習，可以做的有很多。這是一種領先的技術。

　　問：那么問題是什么?

　　艾奇奧尼：問題在于，智能有很多種，不僅僅是你用大數(shù)據(jù)去訓練一個程序?？梢韵胂髽藴驶荚?，例如SAT考試或大學入學考試。軟件不可能去觀察此前的3000萬次被標記為“成功”或“不成功”的考試，從而拿下最高分。這是個更復雜，需要互動學習的過程。智能性也包括通過建議、對話內(nèi)容，以及書本的學習能力。盡管深度學習取得了極大的進展，但我們?nèi)晕茨荛_發(fā)出一種軟件，讓其實現(xiàn)10歲兒童可以做到的事，即拿起一本書，閱讀其中某個章節(jié)，隨后回答關于這部分內(nèi)容的問題。

　　問：那么，人工智能要如何才能通過標準化考試?

　　艾奇奧尼：在艾倫研究所，我們已開展了這方面的研究項目。去年，我們宣布了一筆5萬美元的獎金。任何人如果能開發(fā)出人工智能軟件，使其通過8年級的標準科學考試，那么將可以贏得這筆獎金。來自全球的超過780個團隊參加了這一項目，嘗試了幾個月時間，但沒有任何團隊開發(fā)的人工智能系統(tǒng)能達到60分，即使這只是8年級考試中的多選題。這表明了我們的現(xiàn)狀。

　　問：頂級人工智能系統(tǒng)正確回答問題的能力如何?

　　艾奇奧尼：通常情況下，語言中會包含線索。最前大的系統(tǒng)會利用來自科學教材和其他公開來源的信息，并通過強大的信息檢索技術去進行搜索，為每道多選題尋找最佳答案。例如，以下的最佳導電材料是什么?選項包括，塑料湯匙、木頭叉子，以及鐵棒。程序非常善于用公式。它們可以發(fā)現(xiàn)在許多文件里，電力或?qū)щ娡c鐵關聯(lián)在一起，而不會與塑料關聯(lián)在一起。因此在某些情況下，程序能走捷徑，發(fā)現(xiàn)答案。這與孩子們有根據(jù)的猜測類似。由于沒有任何系統(tǒng)達到60分，我可以認為，這些程序只是使用統(tǒng)計學方法進行有根據(jù)的猜測，而不是用推理方式去思考問題。

　　問：開發(fā)AlphaGo的DeepMind團隊目前開發(fā)了人工智能程序，利用外部記憶系統(tǒng)突破了深度學習。在開發(fā)更接近人腦的人工智能方面，他們的工作將帶來什么樣的影響?

　　艾奇奧尼：在推動深度神經(jīng)網(wǎng)絡發(fā)展的過程中，DeepMind仍是領先者。在人工智能推理能力發(fā)展的過程中，這一貢獻是重要的一步，但也是很小的一步，即通過圖譜結(jié)構(gòu)將事實聯(lián)系在一起，例如對地鐵系統(tǒng)的繪圖。當前最強大的軟件可以輕松完成同樣的任務，但這里的成就在于，神經(jīng)網(wǎng)絡可以學習如何根據(jù)案例完成任務。這配得上一篇《自然》論文。整體來看，這是DeepMind的一大步，但卻是人類的一小步。

　　問：那么是否有可能將不同技術，例如深度學習、機器視覺和記憶結(jié)合在一起，開發(fā)出更完整的人工智能系統(tǒng)?

　　艾奇奧尼：這是個極具吸引力的概念。當我還在華盛頓大學擔任教授時，我在這方面有許多研究，而基本概念在于，利用互聯(lián)網(wǎng)作為人工智能系統(tǒng)的數(shù)據(jù)庫。我們開發(fā)了一項被稱作開放信息提取的技術，編目了50億個網(wǎng)頁，從中提取語句，試圖將其變?yōu)榭梢灾笇C器操作的知識。機器具備超自然的能力，掃描網(wǎng)頁，獲得所有語句。問題在于，語句位于文本或圖片中。作為人類，我們的大腦具備標記能力，將操作與推理匹配在一起，而計算機科學家尚未發(fā)現(xiàn)其中的奧秘。這種通用數(shù)據(jù)庫及人工智能界面只存在于科幻小說中，因為我們尚未確定，如何將文字和圖像轉(zhuǎn)化成機器可理解的形式，就像人類的理解一樣。

　　問：你曾經(jīng)提到，人腦水平的人工智能至少還要25年的發(fā)展。你對人腦水平人工智能的定義是什么，為什么提出這樣的時間點?

　　艾奇奧尼：對自然語言的真正理解，人類智能的廣度和普適性，我們既可以學會下圍棋也知道如何過馬路，以及清楚如何做出美食，這樣的多樣性正是人類智能的特點。我們目前所做的只是開發(fā)范圍很窄的人工智能，只能在某一方面做得很好。關于如何得出這樣的時間點，我曾詢問過“人工智能發(fā)展協(xié)會”的同事，我們何時能開發(fā)出像人類一樣聰明的計算機系統(tǒng)。沒有人認為，這樣的系統(tǒng)能在10年內(nèi)開發(fā)出來;有67%的人認為，時間會是未來25年或更長;而25%的人認為這樣的系統(tǒng)永遠不可能實現(xiàn)。他們是否有可能搞錯?是的。不過你應該去相信哪些人?是行業(yè)發(fā)展的參與者，還是好萊塢?

　　問：為什么有許多備受尊重的科學家和工程師警告稱，人工智能將威脅人類?

　　艾奇奧尼：我很難理解，史蒂芬·霍金(Stephen Hawking)和伊隆·馬斯克(Elon Musk)等人討論普適性人工智能的動機。我的猜測是，討論黑洞可能已經(jīng)顯得很枯燥，這是個進展緩慢的問題。我可以說的是，當他們和比爾·蓋茨(Bill Gates)等人討論人工智能的威脅，或是災難性后果時，他們總是會加入修飾語，即這“最終”會發(fā)生，或“能夠”發(fā)生。我對此表示同意。但我們討論的或許是數(shù)千年之后的未來，甚至永遠不會到來的未來。人工智能是否有可能給人類帶來末日?完全有這樣的可能。但我并不認為，這種著眼長期的討論應當影響我們對實際問題的關注，例如人工智能和就業(yè)，以及人工智能和武器系統(tǒng)。而“最終”和“理論上”這類修飾語在意思的傳達中常常會丟失。

　　問：考慮到人工智能的缺陷，人們是否應當擔心汽車廠商發(fā)展無人駕駛的努力?

　　艾奇奧尼：我并不熱衷于沒有方向盤和剎車踏板的無人駕駛汽車。在熟悉關于計算機視覺和人工智能的情況之后，我對此并不感冒。然而，我支持融合的系統(tǒng)，例如這樣的系統(tǒng)在你打瞌睡時可以幫你自動剎車。人工司機和自動化系統(tǒng)的結(jié)合將會比單獨某一方更安全。這并不簡單。引入新科技，將其集成至人們工作和生活的方式并不容易。但我不能斷言，最佳解決方案就是讓汽車自行去做一切的操作。

　　問：谷歌(微博)、Facebook和其他知名科技公司啟動了“人工智能造福人類和社會合作伙伴”項目，探索人工智能研究過程中的道德倫理和社會學最佳行為。技術的進步是否足以帶來有意義的對話?

　　艾奇奧尼：全球領先的科技公司走到了一起，思考這類問題，這是很好的想法。我認為，他們這樣做是為了回應外界的關切，即人工智能是否會接管世界。許多擔憂都是過分夸大的。即使我們有了無人駕駛汽車，也不會出現(xiàn)100輛無人駕駛汽車聚集在一起，說“讓我們?nèi)フ碱I白宮”。馬斯克等人討論的威脅還要幾十年到幾個世紀才可能出現(xiàn)。然而，我們正面臨一些現(xiàn)實問題：自動化、數(shù)字技術和人工智能整體將影響就業(yè)情況，無論這是因為機器人還是其他什么，而這是真正的問題。無人駕駛汽車和卡車將極大的改善安全性，但它們也將影響到很多以開車謀生的勞動者。另一個問題在于人工智能的歧視性。如果人工智能技術去處理貸款或信用卡申請，它們是會以完全合法的方式去做，還是會以符合道德標準的方式去做?

　　問：你要如何保證，人工智能程序的行為符合法律和道德?

　　艾奇奧尼：如果你是一家銀行，利用軟件程序去處理貸款，那么你無法躲在它背后。簡單地說，這個決定是計算機做出的，這并不是接口。即使不使用種族或性別作為變量，計算機程序也可能會出現(xiàn)歧視行為。由于程序可以接觸到許多變量和統(tǒng)計數(shù)據(jù)，它們可能會發(fā)現(xiàn)，在郵政編碼和其他變量之間存在相關性，進而以這樣的變量去替代種族或性別。如果程序使用這些替代變量來影響決策，那么就會是個問題，而人工很難去探測或追蹤。因此我們的建議是開發(fā)人工智能“衛(wèi)士”。這樣的人工智能系統(tǒng)可以監(jiān)控并分析以人工智能為基礎的貸款處理程序的行為，確保其符合法律，在發(fā)展中合乎道德倫理。

　　問：目前人工智能衛(wèi)士是否存在?

　　艾奇奧尼：我們已經(jīng)向研究者社區(qū)發(fā)出呼吁，推動這類技術的研究和開發(fā)。我認為，目前可能已有少量的研究，但現(xiàn)階段這還只是我們的目標。我們希望，關于人工智能衛(wèi)士的概念能澄清好萊塢渲染的人工智能的形象，例如“終結(jié)者”，即技術是惡魔，是冷冰冰的力量。