2017年，我們親眼目睹了人工智能領(lǐng)域的數(shù)個重大突破。可是如果你近和Siri或是Alexa聊過天，人工智能在2018年的5大挑戰(zhàn)。

摘要：

2017年，我們親眼目睹了人工智能領(lǐng)域的數(shù)個重大突破。可是如果你近和Siri或是Alexa聊過天，你會發(fā)現(xiàn)在風口之下，仍有許多東西是AI無法理解的。以下我們列舉了5個亟待眾多科學家和工程師在接下來2017年，我們親眼目睹了人工智能領(lǐng)域的數(shù)個重大突破。可是如果你近和Siri或是Alexa聊過天，你會發(fā)現(xiàn)在風口之下，仍有許多東西是AI無法理解的。以下我們列舉了5個亟待眾多科學家和工程師在接下來的一年中進一步研究的問題。

話語的真實含義

機器在使用文本的領(lǐng)域獲得了###的發(fā)展。Facebook可以為視障人士讀出圖片的內(nèi)容。谷歌在自動生成回復郵件方面也做得越來越好。然而軟件仍然無法理解我們話語的真實含義。“我們可以將我們學過的概念自行多樣的組合，再將它們應用到新的環(huán)境中，”Melanie Mitchell，波特蘭州立大學的教授這樣說道，“可這些AI系統(tǒng)卻無法這樣做。” Mitchell認為如今的軟件遇到的關(guān)卡的名字叫做“語義的壁壘。”為了跨過這一難關(guān)，許多###的AI研究隊伍都在進行不同的嘗試。有人致力于讓機器具有人類所說的常識。Facebook研究院則正在嘗試通過播放視頻來教導軟件理解###。也有人希望通過讓AI模仿人類來獲得知識。谷歌已經(jīng)開始著手研發(fā)可以理解隱喻的人工智能系統(tǒng)。

阻止機器人革新的現(xiàn)實差距

這些年，機器人硬件逐步升級。可為什么我們身邊還沒有被智能助手包圍呢？那是因為如今的機器人仍然缺乏一個足夠智能的大腦來管理已經(jīng)非常復雜的四肢。

每當我們希望機器人去做一件什么事，都要為了這個任務去進行特別的編程。機器人可以通過重復訓練學會類似于抓取物體之類的能力。但是整個過程非常緩慢。解決這一為題的方法之一是讓機器人在虛擬的###中進行訓練，然后將知識下載到機器人身體中。然而，據(jù)經(jīng)驗顯示，機器人在仿真現(xiàn)實中學到的知識常常無法在實際生活中成功實現(xiàn)，而這一“現(xiàn)實差距”是長期煩擾研究者的一大難題。

然而，十月份，谷歌在報告中表示，他們的機器人手臂已經(jīng)可以在虛擬和現(xiàn)實中撿起各種各樣的物體。這著實是這一領(lǐng)域的一大突破。而如果這方面成功的實例越來越多，人們離無人車大規(guī)模使用的日子將越來越近。畢竟， 許多公司都希望其模型無人車可以在仿真環(huán)境中進行試驗，從而減少研究的投入和試驗時長。

保衛(wèi)AI，抵御黑客

現(xiàn)在正在運行著我們的電網(wǎng)，攝像機和手機的軟件充滿了安全漏洞。而無人車和家用機器人可能也不會有多大的改善。事實上，已經(jīng)有證據(jù)表明復雜的機器學習軟件為黑客攻擊提供了新門路。

這一年，研究者們已經(jīng)展示了如何在機器學習系統(tǒng)里面隱藏秘密開關(guān)，使得智能系統(tǒng)一秒轉(zhuǎn)換為邪惡模式。NYU的一個研究團隊發(fā)明了一個路標識別系統(tǒng)，只在看見換色的便利貼時無法正常工作。打個比方，如果你將一張便利貼貼在一個布魯克林的停止路標上，系統(tǒng)將會顯示這是一個限速標識。這樣的詭計為未來無人車的應用暗中設置了不小的風險。

研究人員已經(jīng)充分意識到了這一問題的嚴重性，并在為重要的機器學習大會上舉行了的工作坊，專門研究欺騙機器識別的黑客問題。

Tim Hwang，這一工作坊的組織者，預測未來機器學習會變得越來越方便使用，也因此會獲得更強的對人的支配能力。“你將不需要一屋子的博士來執(zhí)行機器學習，”他說道，并指出2016年總統(tǒng)選舉中俄羅斯的行為已經(jīng)提前打響了AI時代的信息戰(zhàn)。“為什么人們看不見在這些活動中機器學習的身影呢？”他質(zhì)疑道。在Hwang看來，未來機器學習將會對信息傳播起到越來越重要的作用，尤其是在它可以制作虛假影像和音頻之后。

從各種桌面游戲中畢業(yè)

Alphabet Go在2017以驚人的速度進化著。五月，更新過的系統(tǒng)打敗了中國的###圍棋。而其創(chuàng)造者，DeepMind造出了AlphaGo Zero，一個自學成才的升級版Alphabet Go。12月，另一個版本，AlphaZero，可以以相似的方法學習國際象棋和日本將棋。

以上的成果是令人驚嘆的，但是也提醒著我們AI軟件的局限。這些棋類都有著簡潔明確的規(guī)則，而且所有操作對對弈雙方都是一目了然。顯然，現(xiàn)實生活從未這樣運作過。

這是為什么DeepMind和Facebook都開始研究多玩家的電子游戲StarCraft。但是這兩個公司都沒有太大的進展。DeepMind的研究人員向記者透露道，他們的軟件仍然缺乏計劃和記憶的能力，所以無法有效的指揮軍隊并預估對手的反應。而這兩項技能是現(xiàn)實社會中為可貴的能力。因此，在這些領(lǐng)域的突破都將對設計更為強大的AI應用有著重要的意義。

教會AI分辨對錯

即使AI在以上領(lǐng)域無法短時間內(nèi)取得突破，如果整個社會開始逐步采用現(xiàn)有的AI技術(shù)，那么我們的生活早已經(jīng)天翻地覆。但是雖然公司和政府急于想要達成這一目標，一些人非常擔心這可能給社會帶來的損害。

怎樣讓科技保持在一個安全，符合倫理的空間里呢？研究人員在近期召開的會議中表明，他們發(fā)現(xiàn)機器學習系統(tǒng)有可能會學習到非常令人不悅的思想和行為。現(xiàn)在人們正在努力審計AI系統(tǒng)的內(nèi)部工作原理，來保證它們會做出盡可能公正的決定。

接下來的一年對科技公司是一個很大的挑戰(zhàn)，因為他們要保證AI站在人性的一邊。谷歌，F(xiàn)acebook，Microsoft和其他大型公司已經(jīng)開始討論這一問題。越來越多的獨立的聲音開始給科技產(chǎn)業(yè)施壓。一個相關(guān)公益計劃聚集了MIT，哈佛和其他多家高校的研究人員一同探討AI與公共利益的關(guān)系。

由此來看，新的一年，與AI技術(shù)一同增長的，將是人們對于AI社會影響的討論。而可以肯定的是，這個討論越多元化，我們與創(chuàng)新科技機械制造的關(guān)系也將越和諧。