人工智慧(AI)來臨!雖然有許多工作將被取而代之,但還有許多任務——甚至是裝配線的工作——對於機器而言仍然過於複雜。此外,我們還看到了一直困擾著我們的道德問題。

這是日前在美國麻省理工學院(MIT)校園舉行的第18屆年度全球新興科技高峰會(EmTech Conference)上備受關注的話題。此次會議的重點在於AI和機器人技術,與會者在會中熱烈討論關於AI在改變日常生活和工作方式的巨大進展。

道德問題的出現並不僅僅是因為AI等技術,而且還來自於網際網路、手機和社群媒體的崛起。《MIT技術評論》(MIT Technology Review)總編輯Gideon Lichfield以探討技術倫理為開場,他展示了一張以推文內容為基礎的圖片顯示從社群媒體看到的政治兩極化。

EmTech2018_polarization_graphic EmTech MIT 2018會議展示一張分析推文的圖片,顯示對於政治的兩極化現象(來源:MIT Technology Review)

Lichfield說:「即使我們與其他人接觸,也會傾向於與志同道合的人走在一起。我們會篩選掉立場或內容與我們不合的推文或資訊。」他說,人們相信資料可以解救政治,而如果不喜歡所顯示的內容,就會有人試圖詆毀資料。2013年的《MIT技術評論》封面中引用了一句話:「手機、網路和資訊的傳播——獨裁者的致命組合。」(The mobile phone, the Net, and spread of information — a deadly combination for dictators.)這句話現在看來還更實用。

TechReview_Cover_Big_Data_Save_Politics 在2013年時,人們相信大數據可以解救政治…(來源:MIT Technology Review)

Lichfield接著指出,矽谷深信我們只是創造技術而且能保持中立。但情況不是如此了。為什麼?因為你無法預測人們如何使用這些技術。例如,軟體能用於改變你在視訊中的表情或者讓你變聲到你覺得可以傳立送給別人的程度。《MIT技術評論》編輯Will Knight並展示如何用免費軟體將視訊中演員Paul Rudd的換成Ted Cruz的。「僅僅創造技術不再可行。我們需要為社會好好地規範這些 技術。」

MIT教授Josh Tenenbaum指出,AI具有改變社會的潛力,但它還有很長的路要走。他的研究團隊現正致力於尋找讓機器以模擬人類學習的方式進行學習。

「為什麼我們擁有所有的AI演算法,但基本上卻沒法實現AI?」他問道。根據Tenenbaum的說法,機器仍然缺乏學習能力和人類的常識。「演算法連一年前的智慧都不比不上。」到目前為止,當今所使用的機器,特別是工廠中的機器設計,都只能做一件事——例如焊接——或許他們在這件事情上可以做得比人們更好更準確,但機器人就只做那件事。Tenenbaum希望瞭解為什麼人類能夠做比機器做更多的事情。「今天的AI技術是由模式辨識和深度學習所驅動的。智慧更是如此。」

EmTech2018_building_AI_architecture_Tenenbaum MIT教授Josh Tenenbaum解釋認知科學如何發展成為AI(來源:Martin Rowe)

Tenenbaum和他的學生正試圖將人們思考和解決問題的方式進行反向工程,然後應用於機器上。他報告了一些令人興奮的進展,並表示儘管深度學習的數學已於1960~1980年代發表在心理學期刊上,但我們還有很長的路要走。

Tenenbaum還注意到圖靈(Alan Turing)在1950年發表的著名論文,其中提到我們唯一知道如何生長人類生活智慧的就是兒童。圖靈認為,小孩子的大腦就像一張白紙,但Tenenbaum認為圖靈錯了。例如,Rebecca Saxe教授指出,我們天生就具有接合智慧和學習的能力。「我們了解人、地點和事物,而不僅僅是模式和畫素。」Laura Schulz教授研究兒童如何透過思考來學習。Tenenbaum則期待他們的研究能夠模擬出我們如何學習並將其應用於機器。

Tenenbaum接著展示兩段有關幼兒解決問題的影片,這也是目前的機器無法做到的。在其中一段影片中,幼兒能按大小順序堆疊玩具環。另一段影片展示一名成年人想將書放在一個門關閉的書櫃中,這時另一名小朋友可能會瞭解他的需要而幫忙開門。

Veo Robot共同創辦人兼工程副總裁Clara Vu發表的另一場演講呼應了Tenenbaum的看法。Vu解釋這就像使用睫毛膏所涉及的過程一樣,當今的機器太複雜了。然而,Vu展示了工業機器人如何做好人們做不到的事情。她描述在一座汽車廠的任務,機器人在焊接方面要比人們做的更好,但最終的裝配仍由人們來完成。例如,通用汽車(GM)和特斯拉(Tesla)都無法自動化最終裝配程序,因為它涉及許多任務,而且有許多車型存在差異。

Vu指出,單個流程的自動化需要一個工程師團隊工作數月或數年,這是一筆巨大的投資。如果在此過程中還必須更改任何內容,就必須重新編程機器。人們的適應能力更好,但「機器人無法組裝電纜線束。隨著製造商被迫推出各種不同的產品,我們需要更靈活的自動化。」

EmTech2018_Perception_Clara_Vu_1800x976 Veo Robot共同創辦人兼工程副總裁Clara Vu指出,我們需要感知和驅動以執行任務(來源:Martin Rowe)

「工業機器人如此強大的原因也使其變得危險。」Vu解釋為什麼機器人必須放在籠子裡以確保人們的安全。她的公司正在開發使用感測器檢測機器人附近是否有人員存在或接近的演算法。如果有人員太靠近,機器人就會停止操作。 「我們建構的系統具有失效安全(fail-safe)能力。首先分析整個空間,如果無法保證空間不會被佔用,就會認為它已被佔用。」雖然這個功能不需要機器學習,但確實顯示了人們如何與機器人一起工作。Vu將此描述為「老式人工智慧」。

Vu解釋說機器人技術包括驅動。「機器人必須執行任務。雖然驅動很簡單,但感知卻很難。我們距離執行某些人為驅動的機器進展還有幾十年或幾個世紀。我們必須解決許多問題才能像人類一樣建立靈活的工廠,讓機器人也可以製造電纜線束。」

儘管Tenenbaum和Vu都看到機器人仍然無法與人競爭的情況,但Uptake創辦人Ganesh Bell聲稱「每一家企業都將重新構想軟體。AI將處理來自物聯網(IoT)裝置採集的資料。AI和預測分析是提高生產力的下一步。」Bell的公司開發的軟體即用於預測分析。但他指出,人們仍然必須對這些預測採取行動,以防止機器操作中出現不必要的中斷。

EmTech_GaneshBell_1288x1111 Uptake創辦人Ganesh Bell表示,AI將改變人們的工作方式,但人們仍然必須根據AI的建議採取行動(來源:Martin Rowe)

編譯:Susan Hong

(參考原文:AI Has a Long Way to Go,by Martin Rowe)