人工智能分类

人工智能行业主要有三个分支:

1) 认知AI (cognitive AI)

  认知计算是最受欢迎的一个人工智能分支,负责所有感觉“像人一样”的交互。认知AI必须能够轻松处理复杂性和二义性,同时还持续不断地在数据挖掘、NLP(自然语言处理)和智能自动化的经验中学习。

  现在人们越来越倾向于认为认知AI混合了人工智能做出的最好决策和人类工作者们的决定,用以监督更棘手或不确定的事件。这可以帮助扩大人工智能的适用性,并生成更快、更可靠的答案。

2) 机器学习AI (Machine Learning AI)

  机器学习(ML)AI是能在高速公路上自动驾驶你的特斯拉的那种人工智能。它还处于计算机科学的前沿,但将来有望对日常工作场所产生极大的影响。机器学习是要在大数据中寻找一些“模式”,然后在没有过多的人为解释的情况下,用这些模式来预测结果,而这些模式在普通的统计分析中是看不到的。

3) 深度学习(Deep Learning)

  如果机器学习是前沿的,那么深度学习则是尖端的。这是一种你会把它送去参加智力问答的AI。它将大数据和无监督算法的分析相结合。它的应用通常围绕着庞大的未标记数据集,这些数据集需要结构化成互联的群集。深度学习的这种灵感完全来自于我们大脑中的神经网络,因此可恰当地称其为人工神经网络。

  深度学习是许多现代语音和图像识别方法的基础,并且与以往提供的非学习方法相比,随着时间的推移具有更高的准确度。

人们又把人工智能分为四类:

第一类AI:响应式机器

绝大多数基本型的AI系统都属于纯粹的响应式机器,它们既不具备形成记忆的能力,也不具备借鉴过去经验的能力,以便帮助做出当前决策。IBM的超级电脑“深蓝”曾经于20世纪90年代末期击败人类国际象棋大师加里·卡斯帕罗夫(Garry Kasparov),它就是响应式机器的完美代表。

“深蓝”可以识别棋盘上的棋子,并知道如何移动棋子。它甚至还能预测自己和对手的下一步棋路,并在诸多可能性中选择最优方案。但是“深蓝”没有“过去”的概念,也没有此前的记忆。除了偶尔利用国际象棋的具体规则,比如反对重复同样的步骤3次外,“深蓝”几乎会忽略此前发生的一切。它的重点就是关注当前棋盘上的棋子,并为下一步移动做出选择。

这类智能涉及到计算机直接感知的世界,并作用于其所能看到的地方。它不依赖于世界的内部概念。在开创性的论文中,AI研究专家罗德尼·布鲁克斯(Rodney Brooks)认为,我们应该只制造这类机器。他的主要理由是,人们并不擅长编程计算机使用的精确模拟世界。

我们当前研发的智能机器要么根本没有这类世界的概念,要么只有执行特定任务的智能机器拥有十分有限的概念。“深蓝”的设计创新并没有扩大计算机考虑的可能步骤的范围。相反,研究人员发现了缩小其视野的方法,以防止其追求某些潜在的未来步骤,这取决于其如何评价结果。没有这种能力,“深蓝”可能需要更强大的计算机才能击败卡斯帕罗夫。

与之类似,谷歌的AlphaGo曾击败人类围棋大师,但它也不能评估未来所有的潜在步骤。其分析方式比“深蓝”更复杂,利用神经网络评估游戏进展。这些方法的确提高了AI系统的能力,让它们在玩特定游戏时表现更好。但它们无法被轻易改变或应用到其他情况。这些计算机化的想象没有广泛世界的概念,这意味着它们无法超越特定任务的功能限制,因此很容易受到愚弄。

此外,它们不能以交互的方式参与到世界中,这是我们畅想未来AI系统具备最重要能力。相反,这些机器每次遇到相同的情况时,它们就会执行预先编程的相同策略。在确保AI系统可信性方面,这可能是个好消息,比如你希望自己的无人驾驶汽车成为可以信赖的司机。但如果我们希望机器能够真正参与互动,对世界作出真正反应,这可能会很糟糕。这些最简单的AI系统永远不会感到无聊、感兴趣或悲哀等情绪。

第二类AI:有限记忆机器

这类AI可以短暂回顾过去的经验,无人驾驶汽车已经可以做到这一点。举例来说,它们会观察其他汽车的速度和行进方向。它们现在还无法立刻完成这个动作,而是需要识别特定目标,并监督它们一段时间。

这些观察会被添加到无人驾驶汽车预先编程的模拟世界中,包括车道标记、交通灯以及其他重要元素,比如公路曲线等。此外还包括汽车决定何时变道,以避免被附近的汽车撞到。

但是这些有关过去的简单信息只是短暂的,不会被储存在汽车已经了解到的经验库中,经验库相当于人类司机积累的驾驶经验。那么,我们如何建立能够充分模拟世界、记住它们的经验以及学习如何处理新情况的AI系统呢?布鲁克斯认为,很难做到。我的研究方法从达尔文进化论中吸取灵感,即可通过机器自己建立模拟世界以弥补人类的短板。

第三类AI:心智理论机器

这可能是我们已经建造的AI机器与将来要建造的AI机器之间的重要鸿沟。未来的AI机器将更加先进,它们不仅会自己建立模拟世界,还会模拟世界上其他对象和实体。在现实世界,这被称为“心智理论”,即理解世界上的人类、生物都有思想和情绪,而这些思想和情绪可影响他们的行为。

这对人类形成社会时至关重要,因为它们允许我们进行社会交流。如果不相互了解动机和意图,不考虑其他人对自己或环境的了解,最好的情况下是协作非常困难,最坏的情况是根本不可能有协作。

如果AI系统要想走在人类中间,它们必须能够理解我们每个人都有不同的想法和感受,并期望自己被如何对待。为此,它们必须对自己的行为进行相应调整。

第四类AI:自我意识机器

AI发展的最后阶段就是建立能够形成代表它们自己的模拟世界的系统。最终,我们的AI专家不仅需要自己理解意识,还要建造拥有自我意识的机器。从这种意义上说,第四类AI是第三类AI所代表的“心智理论”机器的延伸,同时也是意识被称为“自我意识”的原因。

有意识的存在可以意识到他们自己,了解它们的内部状态,能够预测其他人的感受。我们假设有人在后面狂按喇叭代表愤怒和不耐烦,因为我们那样做时也代表着同样感受。没有心智理论,我们就无法做出这些推论。

现在距离创造具有自我意识的机器可能还很遥远,我们应该集中努力打造理解记忆、学习以及基于过去经验作出决定的AI能力。这是理解人类智慧的重要步骤。如果我们想要设计或开发超越这些分类的机器,这一点也非常重要。