AI女王贾斯汀·卡塞尔:别怕人工智能,它的未来掌握在我们手中

网易科技报道
网易科技报道
昨日消息,由网易新闻和网易科技主办的“2018网易未来科技峰会”之“ALL IN时代”今天在北京举办。人工智能女王,卡耐基梅隆大学计算机学院副院长贾斯汀·卡塞尔(Justine Cassell)做了《...

昨日消息,由网易新闻和网易科技主办的“2018网易未来科技峰会”之“ALL IN时代”今天在北京举办。人工智能女王,卡耐基梅隆大学计算机学院副院长贾斯汀·卡塞尔(Justine Cassell)做了《人工智能的未来机遇与惊喜》。

贾斯汀·卡塞尔发出提问:人工智能给人类带来的恐惧如此之大,这些恐惧来自哪里?这些恐惧会成真吗?实际状况是怎样呢?

她认为,机器人将会使我们工作机械化,机器人确实会取代人类一部分工作。但同时也要看到人工智能给我们也会带来一些新工作:需要创新的工作,需要社交技能的工作岗位和协作的工作岗位将会增加。

“我们的生活水平极大提高,个人健康状况得到改善,城市拥堵与污染状况得到缓解,工人生产力提高,政府运转效率提升。但只有城市中的每个人都从人工智能中获益,以上才能实现。”贾斯汀·卡塞尔表示。

到底什么是人工智能?贾斯汀·卡塞尔认为,人工智能不是某个软件,是一种方法;是建造机器的过程中,机器可以像人一样做事或者做人能做的事。人工智能的工具包括了计划、推理、符号规则,以及机器学习和大数据。

贾斯汀·卡塞尔认为人工智能+人将会是未来。这个未来会产生新的生产模式、新的教育模式、新的工作和交流模式、新的出行模式和带来智能基础设施。

随着人类在电子设备上花费越来越多时间,因此科技需要回归到古老但依旧重要的原则:以和人们建立关系的方式管理和人的长期交互关系,并建立一种不断发展的关系。贾斯汀·卡塞尔认为这个问题非常棘手,光有深度学习还不够,需要观察真实人物的行为以建立社交意识的电脑。

最后,贾斯汀·卡塞尔认为,人工智能掌握在人类手中。

以下是演讲全文

贾斯汀.卡赛尔:

谢谢,早安各位。

我今天来这里给大家讲一下人工智能的未来,无论从机遇还有从它会为人类带来的惊喜。现在对于人工智能对机器人人们有很多的恐惧,大家从这截图就能看出来这是很多新闻报纸头条的截屏,人们非常害怕人工智能带来什么样子的问题,能想到带来的机遇思考会不会完全摧毁完成,机器人会不能代替我们,这一种恐惧已经变的如此之大,这样的图象已经充斥在新闻当中,可能您也有这样的恐惧,本来是为你服务的这一些机器人就潜伏在你的办公室里打开窗子把你替下去,这一种恐惧是从哪来的呢?还有这一种恐惧是不是会成真呢?机器人真的会代替我们吗?

实际上如果大家观察先的经济状况,大家就会看到完全不一样的现实,确实机器人将会使我们的工作更加的自动化,就好像工厂还有包括打印机、还有电力给我们带来自动化一样。电力实际上对于工人也有一些负面影响,因为这样子工人工作的时长更长,而机器人肯定会对我们的工作有一点的负面影响。

大家在这儿看到是一个最新的由经济学人做的一份研究。研究机器人将对我们的工作环境产生什么样子的影响,实际上会有一些就业岗位会消失,这一些就业岗位他们都是比较重复性、周期性不太需要很高的技巧、很无聊的工作。但是我们很少听到另外一面就是有一些新的岗位会被创造出来,而这一些就业岗位需要的是非常具有人类特性的技巧,也就是说与他人协作合作的能力。团队合作的能力、社交的能力,那大家看这一曲线,这一条曲线的工作代表是一些不重复性的工作,有需要创意的工作,而最那一些需要社交技能的技术岗位它的增幅将是最大的。

我刚才是和一位中国负责经济的部长谈话,我们就和他聊天说我们到底有什么样的爱好,讨论中国的最新一些进展,像这样子的聊天其实在工作当中是非常重要的。有时候也是一种奢侈这一种闲聊。我们之所以为人是因为我们有社交的需求,我们如果能跟别人产生这一种感情的联系时候能更好的合作、更好的交流。所以这一方面就业将会不断的提升随着AI替代了一些比较简单的工作。

那实际上AI会带来很多的进步,包括经济的进步、我们生活方面的进步。还有我们城市的一些拥堵我们的污染还有包括帮助我们节能,大部分的这一些改变都是正面的。但是我们也要记住不是所有的这一些带来的改变都是正面的,但是我还要强调一点也就是我要说的第二个观点,第一点是社交能力还有人类的特性、人类的擅长东西会永远都是重要的。第二点就是所有的这一些不是会是迫使我们,不是我们没有选择,这是一种必须的命运。而是说我们是有选择我们是为我们的选择感到自豪,这将迫使我们重新思考一切,工作的意义。我们到底是不是一天工作24小时比如说印度就有这样子的制度还是说我们一听工作时间只有5小时法国就开始实施这样的制度,还是说我们每天工作2小时呢,然后把工作交给机器人。如果机器人能够做到我们所做的一切,那么人类的意义、人类的定义又是什么呢?在一个AI时代。人工智能将来生活中的剧变,我们对于人类的定义我们对于各种东西的认识都会改变。

到底什么是人工智能?人工智能不是软件,其实我们做人工智能是经常说偏见问题,像我的耳机、我的这个麦克风设计的就不是很女性,长发女性就不太好戴。人工智能到底是什么?去年的达沃斯经济论坛上有很多讨论,我当时组织了一个圆桌讨论讨论的是机器学习,当时的嘉宾包括国王、包括CEO、包括各国的总统。当时我就问他说你们能不能给我一个机器学习的定义?是没有人能答出来,最后有一个人说它是很智能我顶多给这样的回答1分,如果10分满分。那到底什么是人工智能什么是机器学习,人工智能不是某一款软件它是一种方法,它是一种思考计算机能做什么的方式,是在上世纪的50年代也就是当人工智能刚刚诞生的时候,是有这一些电脑科学家还有心理学家、人类学家和数学家一起来思考能不能够的一种软件,并且能够模仿人类的行为,或者是能够完成人类能做的一些认为。

人工智能是一种方法而不是一种特别的工具,而机器学习就是AI中最强的工具,那到底什么是机器学习呢?现在大家对于人工智能理解已经高过那一些著名的CEO、国王和总统,因为大家已经知道答案。人工智能和统计学区别不大和数学区别不大,大家高中时都学过这一些,或者是和我们所用的会计工具有什么区别,当你预测你们公司在一年中在五年后在十年之后收入会是多少?而统计学是用公式你把数字输入公式中去,最后就得出一个数值。在机器学习当中你打造很多的软件,这一些软件去搜索足够的实例你帮助给他成百上千的势力,他们进行读取之后就会自动的给出一个答案,然后他们将会自己能够去寻找类似的实例,作为机器学习就是让这机器可以去找需要填入公式的数字,不仅仅是数字还有图片、行为、词语、任何属于数据的东西可以放进机器学习的软件东西,而机器学习它是可以自动的为自己编程这听起来是有一点吓人但是对我来讲大部分是省时间的。

所以这一种算法从数据当中学习,这的机会就能够让我们以我们人类不能做到的方式去了解世界,可能我能够看一百多个数字,然后得出一个算式,通过算式知道这一百个数字的意义,但是我没有办法同时去处理一百万个数字,一百万张照片。我没有办法是兼顾到在座的每一个人,跟你们每一个人说或者找到你们每一个人的相似之处共同点。但是机器学习能做大这一点这就是机遇。

但是它的负面或者说潜在的风险在哪里?如果这一些数字这一些照片这一些我们放进机器当中的数据不够多的话就没有办法代表我们所有的全体人。举例来讲如果我在算法当中只给了它公司CEO照片,大多数CEO都是男性,所以这算法它在学习的过程当中它在学习关于CEO的定义时候,就会认定男性才是CEO,这当然不是我们想要看到的偏见,只是现在世界当中存在的偏见,通过这一种算法它又会进入到未来的世界。

可以给大家举例谷歌面部识别的软件,看一张照片可以识别出是人脸还是不是人脸能够区分得出是否是人脸,可以给它一千、五千张示例但是大多数的示例都是白人,所以这算法就做出了一项决定白人就是人类,所有的人类都是白人。之后我们给这软件看了一个黑人的企业CEO,它把他识别为猴子,这个就非常恶劣了,这就叫做算法的偏见。我们在给AI算法数据的时候,一定要非常谨慎确保它能够代表我们所有人。要有足够的代表性。

另外我们的言语识别、语音识别也取决于AI有很多的语音、声音的这一些数据能够让AI更好的去识别声音,还有语音翻译、通过上百万条词语和词汇能够让它们的学习在今后进行很好的分析和翻译。因为在淘宝上学到说每一次的鞋子是黑,下一次上淘宝自动推送黑色的鞋但是实际上这并不是非常准确,这个是错误的数据,就像这个无人驾驶汽车一样,如果它看到了十万人在开车它通过这个学到了开车的模式,如果在自动驾驶在路上行使的时候,因为路上原来没有行人,所以给它数据是没有行人的数据,无人驾驶汽车的系统就不知道在有行人出现的时候应当怎么样做出判断。

所以当我们把人的元素加入等式的时候会发生什么呢?如果把人添加进来我们可以去做很多之前没有办法做到的事情。比如对于未来的制造业,今天网易有很多非常好的游戏,那这一些游戏为全球各地的玩家所享用,但是未来如果说网易它发出的是代码,而所有的玩家可以自己去设定自己的游戏在自己家里有3D打印机,然后在很小的一个小盒子这里面玩这游戏,这个盒子是3D打印机打印出来的,还有未来可能需要益智的这一些人,存在身体残障的这一些人还有未来的工程师、设计师能够在家里面自己做设计。

每一个人都可以去做出完全不一样的提示,自己在家里根据自己的喜好,那一百万人就有一百万件的设计。像这样的人工智能能够学会如何去翻译,因为它有足够多的数据,它也能够学习到如何去以最好的方式进行教学。

我在学习的时候也是从示例从范例当中学习,如果只是阅读效果没有那么好,我学了法语十年唯一会就是你好,但是后来我在法国住了一段时间跟法国人每天打交道我的法语就迅速的进步了。机器也是一样,它可以实时的去根据我的需求进行调整和适应,这是非常重要的一点。因为AI导向型的教育才是未来,因为在未来这一些工人的工作可能不再是一种终身式的工作,他们需要再技能培训,工人的工作可能只工作十年,只有十年的时间他们没有办法工作四十年,因为十年之后他们的工作就会被AI替代,他们需要新的工作、新的培训。那AI导向型的教育就可以帮助他们实现这一点。

今天大家来到这里来参会,大家是在现场,但是还有很多观众是通过在线或者其他的方式去参加此次的大会,这一些人他们来自不同的文化和背景,他们是如何能够理解说我们在开会的过程当中,在某一些时候需要停下来吃茶歇,在中午的时候需要停下来吃午餐两个小时,但不同的文化人看到这样的安排会说你午餐需要2个小时呢?难道你不工作吗?所以我们需要这一种分配式的团队系统,那这一种分配式团队系统能够让人工智能在不同的语境之下更好的了解不同文化的做法,这一种合作还有沟通是关键所在,而AI就能够参与进来为之去贡献。

我们今天知道现在关于台风还有飓风美国、中国、菲律宾现在发生了一些自然灾害的事件,大家可以实时的知道现在他们需要什么样的帮助并且提供相应的援助。还有遭受疾病的一些人,我们知道对于他们而言可以在网上加入一些支持小组,从而他们能够跟素未谋生的形成互助小组,让自己获得某一些帮助从而延长他们的寿命。

通过AI我们可以去创造更多的类似机会,那在交通行业我们知道现在汽车的自动驾驶性能越来越好,但这个实际上在公众当中带来的恐惧心理是多于期待心理。比如说谷歌最新的研发和创新网络就在匹斯堡,匹斯堡我每天在大街上20辆无人驾驶汽车,我不敢坐无人驾驶汽车,大家敢吗?可能是一半一半吧。有一个问题就是很多研发的精力都是在进行无人驾驶汽车的设计,但关键点不止是汽车本身,因为我们需要把人的因素考虑进来,那如果要把人考虑在内的话,我们不仅需要智能的汽车,同时还需要智能的道路。我们需要道路能够进行AI沟通、需要基础设施进行AI的沟通,这一种道路基础设施就智能道路,那道路和汽车之间的沟通以及一辆车和另外一辆车之间的这一种沟通,它们才是真的能够让自动驾驶汽车和无人驾驶汽车和有人驾驶汽车、自行车和行人一起共享道路的所在,这是一个机遇,但是我们必须要付出努力才能让它变为一个机器的现实,所以智能基础设施将会成为无人驾驶技术发展的一个关键。

最后如果人工智能越来越强大会发生什么呢?今天AI无处不在这是因为新的机器学习的算法,基础的研究、新的芯片,还有新的工具、新的方法等等。所以每一分钟算法都可以挖掘到更多的数据,但是正如我刚才所讲我们要确保这一些数据有足够多的代表性,能够代表所有人,我们一定要确保这一些软件它所收集来的数据有足够的代表性。

在中国有一个很好的例子就是警察局监测道路的一些数据,突然你可能被开了罚单,而且你都不知道之前有人在监视你。但是这个准确吗?你怎么样确保说人工智能它是准确的识别这个交通灯,所以我们一定要确保这一些软件本身是设计上非常合理的,另外还有社交技能,很多家长跟我说他们非常担心他们孩子的社交能力会越来越差,因为未来这一些孩子可能不再知道如何人与人之间进行人际沟通,但是我们如何去保有社交技能呢?

我在这里有一个可能不太常规的答案就是我们可以用人工智能去打造一个非常积极的未来,通过AI的发展我们能够让AI更好的和我们沟通、协作、合作,去用按照我们的方式使用社交技能这是我们现在在做的一项工作。

我们把这系统两年前带到达沃斯论坛,让他们和三百多位世界领袖沟通过,而且还能够识别面部表情,他们说话的方式。而且这个系统还能够理解并且去评估。那人和人不同层次之间的关系、程度,它有一个性格叫(SARA)它可以运用它的社交技能可以知道如何回答,如果你跟(SARA)说我不相信你真的不错(SARA)会说你什么意思?你这样说我很受伤,但是(SARA)不能像大家刚才看到的机器人一样跳舞跳那么好,但是我在这儿放一个(SARA)视频,是完全自主的对话,她运用她的知识和社交技能和这个人试着建立一种情感的联系,去让大家看到AI能够为世界带来的积极影响,它能够去搜集关于一个人信息,通过这一些信息给予相应的建议,而且能够和这个人建立起一些情感,我们一起来看一下。

所以大家看到联系之间的感情越来越近了,(SARA)知道如何跟这个人建立更强的联系。

所以当时有超过三百个人在达沃斯论坛跟(SARA)互动我们数据去继续提高(SARA)的能力,这就是AI另外一个特点。

最后我想说一下,我已经给大家展示AI能为我们带来什么机遇在制造业在出行在经济还有教育,还有像是与人协作的语音助手方面,我希望大家能记住一点,AI的未来其实是掌握在我们手中这不是不可抗拒的命运,我们可以决定怎么样使用AI,使用它们给我们带来的机遇,到底是走向一个光明还是黑暗的未来,实际上慢慢AI已经成为我们所做的一切的基础,试想一下AI能够带来什么样子的可能性,也希望能够一起努力,让AI带来惊喜而不是任何的负面因素。

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论