观点:AI与自动化是矛盾的

2022 年 2 月 24 日 THU数据派


  
  
    
来源:数据实战派

  本文约2314字,建议阅读5分钟

本文介绍了人工智能与自动化发展的观点。


想象一下,我们生活在一个完美、和谐的地方,所有人在某一天同意让电脑代替人类驾驶汽车,而不是像现在逐步推进自动驾驶。

那么,自动驾驶何时能实现?

我想大概是在1980到1990年间。那时,我们也能让火车、装配线和飞机自动化。因为当一切都是自动化的,没有人为因素需要控制时,自动化是很容易实现的。

如果每辆车都是全自动、遵循交通规范的,并可以和周围的汽车沟通行驶情况。那么用几百个限制条件,就可以解决复杂的自动化问题,比如可以将路灯标准化为汽车提供信号,就可以不省去视觉的观察,并且也易于保障安全,比如在事故发生前及时关闭附近的交通。

矛盾所在

以前的“人工智能”,只能将单人完成的任务(不是依靠手工计算,而是从数据或仿真中学习的方程)进行自动化。但绝大多数人工智能的方法,只能解决自动化周围的协调问题,尤其是那些像人一样的人工智能。

从定义可以看出,自动化意味着任务更加严格。必须保证所有决策都可以编程控制,能够收集所有信息,并预先模拟场景。

如果你觉得人类是完美的自动化机器,那么其实大多数任务并不需要耗费人的所有脑力。但考虑到在行动和沟通中会出现人为错误,我们常常需要做大量的故障保护和冗余。

组合任务就更加困难了,比如人们除了在公司中担任职务外,还会扮演其他的“隐藏角色”。或者是许多零散任务组合而成的角色(比如服务员或酒保)。

因此,我们最终会从事相当复杂的工作,否则通用人工智能(AGI)就可以完全取代人类。但如果我们对这些任务进行重新定义,并消除一些模棱两可的部分,就可以对这些任务进行自动化。

工程学无法想象到一个酒保机器人。包括制作鸡尾酒的机器、送饮料的传送带(或无人机)、扫描点餐和付款等等,这些都不是单个的琐碎任务。

事实上,一些没有实现自动化的工作,很可能是因为它的应用还不够广泛,不值得去进行自动化。

自动化一般都需要很长时间,因为它需要“终端用户”去使用,并且去慢慢习惯这种功能。但这个过程比较乏味,需要花费大量的时间去测试,以覆盖每一种可能出现的情况并确保不会造成损失。

很多工作没有自动化,很可能是因为10-20年前就没有这么多工作,而不是因为缺少自动化它们的“人工智能”。

所以我们会观察到,自动化的增加减少了人工智能的使用。

现实案例

人工智能还可以在商业中发挥重要作用,比如接听顾客的订餐电话或者为客户提供服务。

这里面涉及到很多不可思议的技术,包括从模拟语音到语言的生成和翻译,或者收集足够多的重要数据并保持沟通。

但这是必要的吗?

大多数时候,事实并非如此。如果一家餐厅需要“人工智能语音助手”来处理订餐,并且用数字化设备来使用人工智能……你猜会发生什么?

其实只需要设计一个更快更简单的在线预订页面就足够。像医院、机票预订、客户服务一样,如果想让机器人去帮助客户,那么最好方法是设计一个合理的在线常见问题解答(FAQ)。

再比如身份确认。有些东西可以防止身份被盗,或者被跟踪。撇开道德问题,这个领域中使用了大量的人工智能。包括检测虚假交易、客户来电时的语音识别,或者在人群中进行目标跟踪,都离不开人工智能。

由于美国没有统一的身份证,所以如果你生活在美国而不是欧洲,就更可能遇到身份相关的一些问题。因为很多操作都需要认证身份,比如用银行APP来确认交易时先要进行身份认证,进行电话和电子邮件认证则可以防止敏感操作等等,这样可以摆脱很多与身份相关的问题。

银行可以检测到我账户上是否存在虚假交易,或者每次刷卡交易时在手机上进行指纹确认。多数银行会采用后者的方法。

自然语言处理(NLP)的“圣杯”是软件编程自动化。

一些有远见、大胆的公司声称,他们正试图从文本指令或一些模拟程序中构建应用程序的代码。

这非常吸引人,这意味着你不用写代码就可以构建应用。包括WordPress、Wix、Squarespace和1001个公司,都提供类似的服务。

如果你有比较小众的需求,就需要程序员帮你弄清楚你真正想要达成的目的和功能,而不仅仅是构建程序。

因此,人工智能编码的前景是非常广阔的,虽然它比占领市场的自动化落后10年以上。

人工智能导致“呆板的”自动化

之前提到过汽车的例子。假设到2030年,大多数汽车都可以自动驾驶。但是自动驾驶软件,像人一样并不是完美的,所以依旧会发生事故。

如果通过了一条法律:禁止人们驾驶,并要求所有车辆在一定安全标准范围内自动驾驶。

那慢慢地,安全标准会有提高,因为所有的车辆都被迫遵循这些标准。在某种程度上,这抛弃了自动驾驶的自主性,甚至用纯粹的if/else语句取代掉“人工智能”的某些功能。

再加上汽车公司之间在通信标准方面有了更多的合作,你会突然发现,就算没有那些花哨的视觉模型来检测汽车,你的生活也依旧简单轻松。政府也会对高速公路上的道路标志和交通信号灯进行数字化,你的视觉器官除了在小社区能发挥作用,其余地方都是多余的。

如果我们在2050年能实现自动驾驶,就不会有人员伤亡了。剩下的就只有“人工智能”的残余部分,还有大量的if/else语句。

人工智能无法在某些特定工作中发挥作用。如果是因为协调问题使用的人工智能,而不是改变用户行为或对所有人自动化。那么,这是引入“真正”自动化的一个很好的起点,因为它取代了真正造成协调问题的人的因素。

但我对这些想法还是保持怀疑。在未来几年内,我们很有可能会发现对人工智能的需求越来越少,因为有了很多的“手工”自动化。

我不太理解为什么要开发机器人样子的人工智能,所以在之前论述的观点中可能存在一些我自己的固有偏见。这些固有观念是在观察中产生的,而且大脑也会逐渐强化这些观念想法,所以我现在对这类人工智能持怀疑态度。


—— END ——

登录查看更多
2

相关内容

机器或装置在无人干预的情况下按规定的程序或指令自动进行操作或控制的过程, 是一门涉及学科较多、应用广泛的综合性科学技术。
北约《军事系统的网络安全风险评估》技术报告
专知会员服务
99+阅读 · 2022年4月18日
【AI+医疗健康】美国数字健康战略(附44页最新报告)
专知会员服务
91+阅读 · 2022年3月15日
【AI+军事】最新22页PPT,解读人工智能军事应用
专知会员服务
325+阅读 · 2022年3月14日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
创业5年,给想创业的人提个醒
创业邦杂志
0+阅读 · 2022年3月8日
观点 | 大模型“画龙”,小数据“点睛”!探索智能化转型新趋势
中国科学院自动化研究所
0+阅读 · 2022年3月1日
2021 年 InfoQ 软件行业发展趋势观察
InfoQ
0+阅读 · 2022年2月20日
2022年值得关注的8个人工智能趋势
AI前线
3+阅读 · 2022年2月11日
人工智能与法律结合的现状及发展趋势
专知
2+阅读 · 2021年4月16日
机器学习自动文本分类
AI前线
23+阅读 · 2018年2月4日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Arxiv
23+阅读 · 2018年8月3日
VIP会员
相关资讯
创业5年,给想创业的人提个醒
创业邦杂志
0+阅读 · 2022年3月8日
观点 | 大模型“画龙”,小数据“点睛”!探索智能化转型新趋势
中国科学院自动化研究所
0+阅读 · 2022年3月1日
2021 年 InfoQ 软件行业发展趋势观察
InfoQ
0+阅读 · 2022年2月20日
2022年值得关注的8个人工智能趋势
AI前线
3+阅读 · 2022年2月11日
人工智能与法律结合的现状及发展趋势
专知
2+阅读 · 2021年4月16日
机器学习自动文本分类
AI前线
23+阅读 · 2018年2月4日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员