幫機器做事,或是活得像個人類。
1、 好好走個路咋就這麼難?
“去年,有個小孩讀遍人世所有的棋譜,辛勤打譜,苦思冥想,棋藝精進,4-1打敗世界冠軍李世石,從此人間無敵手。他的名字叫阿法狗。
今年,他的弟弟只靠一副棋盤和黑白兩子,沒看過一個棋譜,也沒有一個人指點,從零開始,自娛自樂,自己參悟,100-0打敗哥哥阿法狗。他的名字叫阿法元。”
阿法元完爆阿法狗,說明了什麼?
都是人類把阿法狗教壞了,人工智能學下圍棋,根本不需要所謂的大數據——人類經驗。
沒有人類經驗誤導才解放了機器的智能——自發形成機器經驗,與人類經驗並行甚至遠超人類經驗。
Nature上線的這篇重磅論文,詳細介紹了谷歌DeepMind團隊最新的研究成果。人工智能的一項重要目標,是在沒有任何先驗知識的前提下,通過完全的自學,在極具挑戰的領域,達到超人的境地。
之前戰勝李世石和柯潔的阿法狗,基本採用了傳統增強學習技術再加上深度神經網絡DNN完成搭建,而阿法元在此基礎上吸取了最新成果做出了重大改進。
我們還敢說,思考和學習是人類獨有的能力嗎?通過思考和學習達到目標成功,至少下圍棋上,阿法元甩出人類幾千條街。
這是說:人工智能要逆天了嗎?
下象棋、下圍棋,各種專業領域的複雜運算,我們看到機器人的確比人類更有潛力。
別慌。
有些簡單的事,機器人卻總也做不好。
比如說,迄今為止,你見到過一個好好走路的機器人嗎?
當然,你在《終結者》《機械戰警》《我,機器人》裡看過。但是現實中,讓機器人學會像人類一樣走路,目前還是非常困難。
電影《終結者》
在機器人學家中有一種說法:人類在5歲以後學會做的任何事,對於機器人都非常容易,比如說下象棋;但是,人類5歲前學會的技能,對於機器就難了,比如說,學會走路。
人類思考問題需要非常明確的邏輯推理分析能力,而相對平常化的走路、說話,那些看似不需要多想的事,對於機器人才是最困難的。
“教”一個機器人走路遠比教一個1歲的小朋友難得多。
機器人要想像人一樣優雅地走路,不僅要配置激光雷達、攝像頭,還需要一系列的複雜算法和配套傳感器。
像人類一樣走路的腿式機器人,目前走得很難看,而且效率低下,容易跌倒,現在仍然處於研究和實驗階段。
如果從成本和安全等角度考慮,用輪式移動機器人是最實用的。但是,碰到不平坦的地面,或是臺階,就傻眼了。
2、3萬美金沙拉和尷尬谷歌翻譯
上週我在翻譯《紐約客》的封面文章——《黑燈工廠:人類如何適應機器人革命?》
10月23日《紐約客》雜誌封面
這篇深度報道太長了,有將近2萬字,於是我就開始尋找偷懶的辦法,開始用谷歌翻譯。
谷歌翻譯一次可以輸入5000字符,可以大段大段地粘貼文章。
但是,谷歌翻出來的,95%都是這樣的句子:
如他最近解釋過午飯意味著在兩者之一找到一份工作在該地區提供醫療、藍領工作。“要麼我會的在通用汽車工作,或者我會的在Steelcase工作到底一年。”
我的翻譯是這樣的:
正如最近在吃午飯時他解釋過的,這意味著在本地區可以提供保險的兩大藍領工作中二選一:“要麼我會去通用汽車工作,要麼我今年年底前去Steelcase(世界最大的辦公傢俱公司)工作。”
英文原文:
對於英語一竅不通的人來說,谷歌翻譯會有幫助。現在的翻譯軟件,不管是免費還是付費,翻譯單詞都是很拿手的。
但對於軟件最困難的是:聯繫上下文,理解語境,用說人話的方式翻譯句子和大段文章。
中譯英也很困難。把“我想一個人靜靜”這句話翻譯成英文:
是我想自己靜靜好嗎?不是我想讓他靜靜!
在《黑燈工廠》一文裡,提到布朗大學的“人類到機器人實驗室”,有個叫做維尼的機器人,它一直在用笨重手臂訓練如何摘掉一朵人造雛菊的花瓣。
在布朗大學實驗室,機器人維尼在學習如何操控不規則的脆弱物體。
計算機科學教授Tellex告訴記者:“我們正努力使得機器人在它們的環境裡能夠熟練感知和操控物體。”
“操控”一詞經常出現在機器人學家的詞彙裡。即使在高度自動化的工廠,一旦涉及到打包,或者把細小零件集中在一起的工作時,還需要人類來操作。
即使是最聰明的機器人,面對一個它從前沒見過的物體,只有90%的可能性把它撿起來,這對於工業用途來說還不夠理想。
如果能解決這個問題——教一臺機器處理隨機分類的不規則形狀物體,會對未來產生巨大的影響。
現在一個工業機器人能從相同的地點檢起相同的物體,一遍又一遍。現在的挑戰,同時也是百億美元的商機,在於怎麼教會機器人在一個經常變換的環境下工作。
在Tellex教授的協作機器人課程裡,有一個學生建議讓機器人學會做沙拉。
“讓一個機器人學會做沙拉非常困難,可能也不很划算,成本高得嚇人,我們開玩笑說,我們可以讓機器人做3萬美元一份的沙拉。”Tellex的助理說。
做沙拉涉及到“末端執行器”—— 裝在機器人手臂頂端的仿人類手,需要學會用不同的力度抓住不同形狀、不同大小和不同質地的東西。
這還不是最難的,怎麼讓機器人辨認出不同的做菜材料(食物等自然材料都是不規則的,大小顏色都不統一)才是最頭痛的。在這之後它們才可能知道下一步該做什麼。
3、 像機器一樣做事Out,幫機器做事,或者活得像個人類
在《紐約客》的文章裡,Steelcase辦公傢俱廠裡倖存的工人,被叫做人肉機器,現在只要做類似於把帶著鑽頭的機械手移到正確的位置這種工作就行了。
10年前,工業機器人是幫助工人完成任務,現在變成了工人來幫助機器人完成工作。
幾十年來,經濟學家的傳統觀點都是:科技進步在消滅人類工作機會的同時,也帶來了同等數量的新工作。
但是近些時候,研究結果卻有了其他說法,麻省理工學院的戴維奧托爾,是研究自動化如何影響就業的經濟學家,他說:
“不是人類工作機會越來越少了,而是說,很大一部分低技能水平的人,通過勞動再也不能掙夠基本生活費用了。我們已經看到了這種趨勢。”
在Steelcase,自動化引領著企業尋求和培養更多受過高等教育的經理人,至少需要大學學歷,而不像以前那樣高中畢業就行了。
企業追隨著豐田開創的“精益生產”模式,聘用年輕的工程師對工廠數據進行審查,以創造更多的“效率”,當然,這可以翻譯成進一步的自動化。
對於可以管理自動化的有科技學歷背景的人員,以及企業的董事們來說,這樣做可以增加他們獲得財富的潛力。但是,對於低技術水平工人,這就完全是另外一個故事了,他們面臨的結局一般都是裁員。
Symbolic是一家專門為大型零售連鎖店提供全自動化倉儲系統的美企,沃爾瑪和可口可樂已經部署了好幾個Symbolic的倉庫了,而Target超市和百事可樂公司也正準備跟上。
在這種自動化倉庫中,最重要的人類工作就是“系統操作員”,就像航班操作員一樣,需要整天坐在屏幕前面,確保一切運轉正常。
幫助機器人做事,不光發生在工作現場,更多的發生在實驗室和研發部門——去研究如何設計機器人和相關程序。這也是為什麼現在最熱門的職業變成了算法工程師、研發工程師、軟件工程師……
近日,一份2018屆互聯網校招高薪清單在網上流傳。谷歌中國的人工智能崗位,年薪56萬人民幣,微軟的算法工程師,年薪51萬,騰訊公司的基礎應用研究(SSP),年薪45萬-50萬……
對於幫助機器工作的高端人才,年薪30萬隻是起步價。
機器人和人工智能做不好的事情,還有就是我們所說的人性化工作了,比如說創新、創意、文學、藝術、高等教育、心理諮詢、一對一醫療服務、政治活動、立法等等。
機器人正在替代大部分簡單重複重體力工作,將來還會替代很多白領工作甚至科研工作。但是對直覺、創造思維、解決問題、人際交往能力要求高的工作,卻不太容易被機器替代。
即使能夠替代,機器也很難像某些複合型人才那樣,做到跨領域鏈接和綜合應用;或者成本太高不划算,就像讓機器人學走路,學做沙拉一樣。
在文學藝術上,人工智能已經可以做出拼湊的作品,比如譜曲、寫詩,或是寫那些有一定套路的新聞稿。但是想讓它們寫出像《戰爭與和平》、《紅樓夢》、《冰與火之歌》之類的經典,估計永遠也做不到。
不錯,人工翻譯可以說是世界上最笨最原始的方法了,不但浪費時間,浪費精力,在效率和成本上也完全沒法和機器翻譯相比。
但是翻譯要做到“信達雅”,像傅雷那樣翻譯《約翰・克里斯托夫》、鄭振鐸那樣翻譯泰戈爾,許淵衝那樣翻譯唐詩宋詞,機器也永遠做不到。
許淵衝翻譯的《牡丹亭》
“真善美”和“愛”,也是人類特有的情感和追求,在自動化、機器人、人工智能席捲全球的時代,想一想,如何作為一個人活著,而不是活得像個機器。
閱讀更多 花生地 的文章