卡内基梅隆大学工程学院材料科学和工程教授、桑迪亚国家实验室计算材料科学家伊丽莎白?霍尔姆表示，我们现在正处于人工智能文化转折期。
她也表示，机器不会替代人类专家。
“机器的强大之处在于能够处理任务，例如处理大量的数据，但是机器在处理过程中还是需要人类专家的介入，来分析数据，设定参数，以及引导决策。”她说道。
“工程和科学决策是基于对事物工作原理的理解：桥梁是如何能够载重？引擎是如何将燃料变成动力？相反，人工智能能够把数据转化为决策，而不需要理解任何潜在的‘规则’，”霍尔姆说，“将人工智能应用到工程和科学需要一次文化转变：我们是需要学会信任我们并不理解的东西，还是人工智能会演变为根据人类所能够解释和控制的原则来做出决策。”
霍尔姆说当前的社会则是在探究如何保证这些选择的平衡。
“驱动自动驾驶汽车的人工智能软件是基于数据的，并非是驾驶时候预先对其进行编程，”霍尔姆说，“因为我们相信人工智能能够从数据中学习到正确的东西，我们也让它们能够在路上行驶。但是如果行人被自动驾驶汽车拦住了，或者是被撞死，我们会让汽车停在路边，让人工智能‘解释’原因——让其形成自己的决策能力，并且在我们的可控范围之内。”
霍尔姆说人工智能文化转变是当前的一个工作阶段，下面是为什么机器和人类需要共同协作的四个主要原因：
智能机器能够处理大量数据
霍尔姆认为收集大量数据的制造过程，如3D打印，能够从人工智能获益，例如能够对所有数据进行分类的计算机视觉。
“人工智能是增材制造（俗称3D打印）的一个重要领域，”霍尔姆补充道，“它和大多数的制造过程的区别在于它能够实时收集数据，因此在数据科学领域还有很大的空间。”
霍尔姆指出应用于Facebook和亚马逊的人工智能应用程序，如人脸识别、定向广告，都让我们意识到将大量的社交数据进行融合的强大力量。
“3D打印在每一步的过程中都会生成大量的视觉、听觉和仪器数据。我们的目标是使用相同的人工智能概念，考虑质量和成本，来优化增材制造过程。”霍尔姆说。
机器增强人类能力
“当我们使用计算机来发现瑕疵时，就好像是我们使用计算机从医学成像中读取射线照片、X光和计算机辅助测试扫描，”霍尔姆说，“这是由于计算机首先要找出感兴趣的领域，但是我们并不会取代发现这些瑕疵的人类专家，然后说‘这个没什么好担心的’，或者‘就是这样的，时间长了就会这样’，这个是不正常的。”
霍尔姆说我们已经逐渐从医学成像上意识到这一问题。
“现在，对于乳房X线摄影等许多常规放射性检查，第一个生成检查结果的是一台计算机，人工智能软件定位正常和异常区域，并将结果传给人类放射科医生进行进一步检查和建议。”霍尔姆说。
在更短的时间内执行繁琐的任务，节省人类时间
单调乏味和重复的任务可能会成为过去式。
“研究生想要做的第一件事就是不要再画分割图，因为这可能需要花费几个小时，并且会产生焦虑；他们在毕业时发誓不再画分割图，而且这将会是其他的研究生所面临的问题，”霍尔姆说。“计算机没有这一想法，计算机可能永远不会感到无聊，因为它们根本不会无聊。”
“这方面的一个例子是一家公司，通过对每批产品的样品进行显微扫描来进行质量控制。每个样品的绝大多数是完全正常，并且很无聊，只有极少的异常情况是需要重视。”霍尔姆补充说：“因此，这个过程使得人类专家不使用他的专业知识，从而花费大量的时间，并且人工智能系统可以耐心地扫描样本并清除正常结果，以便人类专家可以将更多的时间和精力集中在相关的和具有挑战性的发现上。”
智能机器都出于人类之手
“我们在工程学院的本科学习阶段就学过，卷积神经网络的每一步都只是信号处理，”霍尔姆说，“当然，还有一个反馈循环和一个学习循环，即如何开发滤波器和信号处理器的架构。但这不是魔术，这只是所有工程师已经知道的一系列简单的事情。”
“我认为重要的是不要将特殊的能力归功于深度学习算法 - 至少没有比人脑更特殊的力量，”霍尔姆补充说。
自20世纪50年代以来，卡内基梅隆大学一直是人工智能领域的先驱。 赫伯特·西蒙和艾伦·纽厄尔在该大学任职期间，于1955年创立了逻辑理论学，被认为是第一个人工智能项目。西蒙在1978年获得诺贝尔经济学奖，并和纽厄尔在1975年获得“图灵奖”。
2018年5月，该大学计算机科学学院在2018年秋季增设了人工智能学士学位，是美国所有大学提供的第一个同类学位。
里德·西蒙斯是卡内基梅隆大学计算机科学学院，机器人与计算机科学研究教授，他说这样的课程将会影响未来技术的开发。
西蒙斯表示：“随着社会数据量的激增，找到分析和理解所有数据的方法变得越来越必要，这就是人工智能可以提供帮助的地方。 “无论是通过更好地了解金融市场，提高交通运输的安全性和效率，还是让我们的生活更加高效和愉快......”
“人工智能专业毕业的学生不仅会理解如何利用人工智能技术来改善社会，而且他们需要具备帮助开发下一代更强大的人工智能工具的技能和见解，”西蒙斯补充道。
原文作者：Jennifer Kite-Powell
编 译：信软网
閱讀更多 信軟網 的文章
