使用人工智能的五种方式

2018 年 5 月 5 日 AI前线 人工智能的5A
作者 | Case Greenfield
译者 | Sambodhi
编辑 | Natalie
AI 前线导读: 从根本上说,我们有五种方法来使用人工智能。人工智能的 5A 是指我们选择如何与人工智能共事的五种方式:我们是引导人工智能,还是相信人工智能足够引导我们?让我们来看看 Case Greenfield 写的文章《The 5 A's of AI》。

更多干货内容请关注微信公众号“AI 前线”,(ID:ai-front)

人工智能(AI)将对我们的工作和生活产生重大影响。就像一部简单的袖珍计算器更擅长计算一样,人工智能在特定的、更复杂的任务比我们做得更好。或许我们可以做到这一点,但我们宁愿使用计算器:或许我们很快就用上人工智能。计算器和人工智能之间的区别在于,人工智能可以处理更复杂的任务。即便如此,在某些情况下,我们可以选择让人工智能来引领我们,而不是我们来引领人工智能。

人工智能与人类智能不同

试图在人工智能非常擅长的领域与之竞争,是一种愚蠢的做法,而且这类做法还有很多。虽然如此,但有个好消息,尽管人工智能和人类智能在功能上有部分重叠,但它们又是完全不同的。有很多事情,人工智能不能做,而我们人类却非常擅长。在良构性、可预测和重复性的任务上,人工智能做得更好;而人类更擅长的是:非良构、需主观判断的或不可能完成的任务:

  • 非良构问题:今天,人工智能已成功应用于解决“狭窄”、良构的问题,这类问题有一个明确的成功标准:像击败围棋世界冠军这样的。人类擅长解决的是一般的、非良构的问题,例如回答如何衡量生活质量的问题。

  • 理解上下文:人工智能不能理解上下文。尽管人工智能可能比医生更能识别皮肤癌,但人工智能并不知道皮肤或癌症是什么概念。对人工智能而言,皮肤图像只不过是一个由 1 和 0 组成的图案。(另一个更基本的例子是 Winograd Schema Challenge)人工智能很难给出上下文或者进行道德判断。

  • 极不可能发生的事件:根据人工智能的工作原理:模式识别和预测,因此,它无法预测黑天鹅这种极不可能发生的事件。人类也不是很聪明,但在这点还是比人工智能做得更好。(但必须指出的是,机器、动物和人类的行为基本上都是基于模式的,这就给人工智能留下了很大的空间。)

双层智能: 由人工智能增强的人类智能

很显然,将人工智能作为工具的聪明人会更有效率:他们将是双层智能。因此,问题不在于我们是否会与人工智能一起工作和生活,而是我们将如何使用人工智能。

那么,我们将如何与人工智能共事呢?

与人工智能共事的关键词是“增强”:与人工智能一起,做事更精妙。现在的问题是,我们将如何与人工智能共事呢?

从根本上讲,与人工智能共事,我们可以通过五种方式来做到。我将这些方式称为人工智能的 5A。这五个 A 的逻辑很简单。第一个 A,意即 AI 是一个追随者。随着 A 的发展,人工智能将变得越来越自立,在第五个 A 阶段将完全自主。

但是,一切都在我们人类的掌控中。就算人工智能拥有了完全的自主能力,我们还是会具备干预或者开启、关闭人工智能的能力。人工智能是一种智能工具,虽然如此,但它仍然只是一种工具而已。人工智能的 5A 是我们选择如何与人工智能共事的五种方式:是我们引导人工智能,还是允许人工智能来引导我们。

那么,人工智能的 5A 是什么?

(Absence)(不存在)

没有那么快!有一种“第零”A。为了实现完整性,我们已经使用了很多工具,在这些工具中,人工智能似乎不存在,但实际上不是这样的,它常常在我们不知情的情况下出现。例如,在你的照片应用中的人脸识别、电子邮件中的垃圾邮件过滤器、个性化的网购建议,或者信用卡欺诈检测。有时候你会想“我的机器怎么会知道……”这很可能是人工智能的“隐身模式”。

那么,人工智能真正的 5A 究竟是什么呢?

1 – Assistant(助理)

你将人工智能当作仆人,回答你的问题并执行你的命令。这种人工智能基本上是一个专家系统,主要是预定义的功能,并且越来越多的是你可以用自然语言 (NLP) 来说话。它可能具有有限的预测功能:预测将要发生的事情的能力(固有概率性)。这里最明显的例子就是告诉你的智能手机要做什么或者要求提供什么信息。如“Alexa,今天天气怎么样?”或“Hey Siri,邀请 Julia 今晚八点在 Le Paris 餐厅吃晚餐,并预定两张位置”。无需对 Alexa 或 Siri 说“Please”、“Thank you”等。人工智能助理可能会提出问题,但这样做只是为了澄清问题。

2 – Advisor(顾问)

你将人工智能当作好友或顾问,为你提供替代方案的提示和一些建议。与人工智能(开始)进行一个真正的双向对话。这是人工智能助理的增强版本:除了重要的预测能力外,它还具有规划能力,能够提供实现目标的建议。Google 地图就是这样的简单例子,如果你查询路线,它会给出(规划)最快路线或预期旅途时间(预测概率)的方案,例如避开交通堵塞或者收费公路。一个更好的例子是精神科医生的智能医疗专家系统。在精神病学中,通常没有一个明确的通用答案。这要取决于患者。更确切地说,精神病科医生会得到以治愈的概率形式展现的治疗建议:在人机对话中,精神科医生可以将其转化为针对特定病人的定制治疗方案。人工智能顾问与人工智能助理的不同之处在于,它和人类交流时,为对话提供新的见解和建议,而不仅仅是要求澄清或执行命令。

3 – Augmented(开挂)

你做你最擅长的事情,人工智能去做那些比你做得还好的事情。和人工智能一起,你会做一些自己无法完成的新事情。你会比以前做得更多,但眼下你只能做有趣的部分。人工智能以半自主的方式来完成可预测的、重复的工作:无论多么复杂,它只是完成了子任务,但是并没有完成整个任务;而是由人类来完成另外的子任务。或者我们人类,引导人工智能,告诉它该做什么,去控制它,进行概述或者补充它。一个例子就是翻译文本,例如从英语翻译为德语:人工智能进行最初的翻译,然后由人类来纠正、校对。同样,人工智能在律师事务所中得到应用,通过搜索数百万页的判例法并起草文档草案,然后由有经验的律师来完成这份文档。一个不同的例子是,与智能机器人一起工作,智能机器人可以快速、准确地完成繁重而枯燥的工作。

4 – Authority(权威)

你遵循人工智能提供的见解和指示,因为你相信它最了解。有时候,它甚至会告诉你应该怎么做——作为规划师或主管……还是老板?权威的人工智能完全具有描述性、预测性和规范性。它比与人工智能打交道的人更“清楚”,因为它可以获取更多、更好的数据的“概览”。在与人工智能合作的渐进过程中,人类合作者逐步学会了信任人工智能,因为它一次又一次地证明了它比人类更“清楚”那些更好的、更有效的工作方式。一个例子是智能手机应用,通过目标→动态优化→送达下一个包裹或披萨的路线,给送件员或者披萨送货员提供何时何地的说明,包括交付绩效和奖励的评估。

5 – Autonomy(自主权)

你启动和停止人工智能,让它独自执行任务。自动驾驶汽车就是一个明显的例子。你坐进车里,然后告诉汽车去哪儿,然后你就坐着放松自己。如果一切顺利的话,你什么都不用做。有了正确的授权和工具,你随时可以干预人工智能。自动人工智能比自动驾驶系统更进一步,目前正在使用的是驾驶系统,例如火车和飞机,因为它可以动态学习并改进其性能,而不是那种严格的、预编程的基于指令的软件代码。

随着时间的推移,许多自主人工智能系统将会让人感到很自然,它们似乎无处不在。而我们已经习以为常,不再有意识地观察并注意到它们是人工智能系统。这将关闭 5A 的循环。(见下图)

还有更多的 A 吗?也许。

(Adversary)(对手)

有很多关于机器人和人工智能的精彩、富有想象力的故事,它们超越了人类,征服了世界,统治了整个宇宙。到目前为止,我还没有发现这方面的迹象,但我保持着开放的心态。老实说,我更担心的是人类的不道德的使用——例如,有偏见的人工智能。

我认为相反的可能性更大。

(Affection)(感情)

没有开玩笑。人们确实和 Siri 和 Alexa 发生了充满激情的恋情。人们在情感上与类人机器人结合在一起,当它们倒下时,我们会感到受伤。智能机器人也被用来陪伴老年痴呆症患者。但我的意思是,人工智能识别并回应你的情绪。它已经发生在一些客户服务聊天机器人中。

尽管我们已经沉迷于智能手机,但可能需要一段时间才能与人工智能建立大量的情感关系(是的,另一个 A)。同时,我建议人们首先要习惯于上述五种方式(人工智能的 5A)来使用人工智能。

原文链接:https://datafloq.com/read/the-5-as-of-ai/4804


AI前线
紧跟前沿的AI技术社群

如果你喜欢这篇文章,或希望看到更多类似优质报道,记得给我留言和点赞哦!

登录查看更多
0

相关内容

人工智能(Artificial Intelligence, AI )是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支。
【哈佛大学】机器学习的黑盒解释性,52页ppt
专知会员服务
168+阅读 · 2020年5月27日
可解释强化学习,Explainable Reinforcement Learning: A Survey
专知会员服务
129+阅读 · 2020年5月14日
《强化学习》简介小册,24页pdf
专知会员服务
272+阅读 · 2020年4月19日
【中科院自动化所】视觉对抗样本生成技术概述
专知会员服务
35+阅读 · 2020年4月15日
专知会员服务
124+阅读 · 2020年3月26日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
195+阅读 · 2020年3月8日
Gartner 报告:人工智能的现状与未来
InfoQ
14+阅读 · 2019年11月29日
AI从业者必须了解的决策树指南
AI前线
7+阅读 · 2019年1月14日
CCCF:周志华 | 关于强人工智能
AI科技评论
4+阅读 · 2018年1月17日
人工智能的阴暗面
计算机与网络安全
6+阅读 · 2018年1月8日
Gartner:2018人工智能预测
走向智能论坛
4+阅读 · 2017年11月28日
【教程】如何使用深度学习为照片自动生成文本描述?
GAN生成式对抗网络
20+阅读 · 2017年11月19日
关于人工智能(上)
七月在线实验室
4+阅读 · 2017年9月13日
如何在Chatbot中应用深度学习? | 赠书
人工智能头条
5+阅读 · 2017年9月12日
Arxiv
5+阅读 · 2018年10月23日
Arxiv
4+阅读 · 2018年3月19日
Arxiv
5+阅读 · 2018年3月6日
Arxiv
7+阅读 · 2018年1月30日
VIP会员
相关VIP内容
【哈佛大学】机器学习的黑盒解释性,52页ppt
专知会员服务
168+阅读 · 2020年5月27日
可解释强化学习,Explainable Reinforcement Learning: A Survey
专知会员服务
129+阅读 · 2020年5月14日
《强化学习》简介小册,24页pdf
专知会员服务
272+阅读 · 2020年4月19日
【中科院自动化所】视觉对抗样本生成技术概述
专知会员服务
35+阅读 · 2020年4月15日
专知会员服务
124+阅读 · 2020年3月26日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
195+阅读 · 2020年3月8日
相关资讯
Gartner 报告:人工智能的现状与未来
InfoQ
14+阅读 · 2019年11月29日
AI从业者必须了解的决策树指南
AI前线
7+阅读 · 2019年1月14日
CCCF:周志华 | 关于强人工智能
AI科技评论
4+阅读 · 2018年1月17日
人工智能的阴暗面
计算机与网络安全
6+阅读 · 2018年1月8日
Gartner:2018人工智能预测
走向智能论坛
4+阅读 · 2017年11月28日
【教程】如何使用深度学习为照片自动生成文本描述?
GAN生成式对抗网络
20+阅读 · 2017年11月19日
关于人工智能(上)
七月在线实验室
4+阅读 · 2017年9月13日
如何在Chatbot中应用深度学习? | 赠书
人工智能头条
5+阅读 · 2017年9月12日
Top
微信扫码咨询专知VIP会员