人工智能正變得越來越普遍，幾乎每天都有關(guān)于人工智能新進展或新應(yīng)用的報道。人類對它的想法有多少了解？我們又該如何努力去研究它？

我們對人工智能的了解

我們今天所了解的人工智能中，大部分都遵循深度學(xué)習(xí)的規(guī)則，即向機器輸入一組數(shù)據(jù)以及想要的輸出結(jié)果，機器據(jù)此產(chǎn)生算法來解決問題。然后系統(tǒng)會重復(fù)這一過程，不斷學(xué)習(xí)。這被稱為神經(jīng)網(wǎng)絡(luò)。使用這種方法來建立人工智能是非常必要的，因為計算機的編碼速度比人類要快。如果換作人類，可能需要用一輩子的時間來手工編碼。

麻省理工學(xué)院電子工程和計算機科學(xué)教授TommiJaakkola說：“如果你擁有一個小型神經(jīng)網(wǎng)絡(luò)，你可能很容易就理解它。但是，一旦這個神經(jīng)網(wǎng)絡(luò)擴大，直到擁有數(shù)千層，而每層可達到數(shù)千個單位，那么就不那么容易理解了?！?/p>

我們正處在人類與這些系統(tǒng)正面交鋒的時代。在人類信任機器之前，我們必須解決一個問題，即讓這些機器進行自我解讀。那么，我們用什么辦法來做到這一點呢？

1.逆轉(zhuǎn)算法。在圖像識別中，當(dāng)計算機識別它所學(xué)習(xí)過的模式時，需要對機器進行編程運算，以生成或修改圖片。以《創(chuàng)世紀(jì)》一圖為例，它運用了谷歌DeepDream技術(shù)進行圖片修改，人工智能參與其中，調(diào)整了圖像中一只狗的位置。由此，我們可以了解到對于人工智能來說，狗的形象是什么樣的。首先，它主要識別頭部（這是狗的主要特征）；其次，電腦的識別方式是將其定位到亞當(dāng)（圖像左側(cè)）和上帝（圖像右側(cè)）的中間?？偨Y(jié)一下就是，DeepDream技術(shù)被運用于一幅描繪亞當(dāng)誕生的圖像，人工智能被要求尋找狗并修改它的位置。

2.識別它所使用的數(shù)據(jù)。如此一來，人工智能接收指令，記錄學(xué)習(xí)摘要，并根據(jù)提示重點“復(fù)習(xí)”它此前使用過的文本。麻省理工學(xué)院臺達電子教授ReginaBarzilay首先研發(fā)出這種理解方法，人類可以借此研究那些擅長在數(shù)據(jù)中尋找模式、并作出相應(yīng)預(yù)測的人工智能系統(tǒng)。CarlosGuestrin是華盛頓大學(xué)的機器學(xué)習(xí)教授，他開發(fā)了一種類似的系統(tǒng)，該系統(tǒng)能夠選取數(shù)據(jù)并對自己的選擇作出簡單解釋。

3.監(jiān)控單個神經(jīng)元。Uber人工智能研究室的機器學(xué)習(xí)研究員JasonYosinski發(fā)明了這種方法，使用探測器來檢測哪一幅圖像可以刺激神經(jīng)元。這讓我們可以通過推理發(fā)現(xiàn)人工智能最需要的是什么。然而，這些方法在很大程度上是無效的。正如Guestrin所說：“我們的終極夢想是讓人工智能與人類對話，并向人類解釋它的行為，而這一夢想尚未完全實現(xiàn)。想要擁有真正的可解讀式的人工智能，還有很長的路要走?！?/p>

為什么人類需要更加了解人工智能？

了解這些系統(tǒng)的工作方式是很重要的，因為它們已經(jīng)被應(yīng)用于醫(yī)藥、汽車、金融和招聘等行業(yè)，而這些領(lǐng)域?qū)ξ覀兊纳町a(chǎn)生了根本性的影響。如果把這么艱巨的任務(wù)交給我們不了解的東西，那就太愚蠢了。當(dāng)然前提是，人工智能是誠實的，也不會因為人類的行為或疏忽而受到影響。

試圖理解機人工智能的核心問題，其實是一件頗具緊張感的事情。如果我們能夠完美地預(yù)測人工智能行為，那么就可能會剝奪它們特有的自主智慧。我們必須記住一點，人類有時連自己作出的決定都無法理解，更不用說人工智能了。意識問題始終是一個謎，也正因為有這一謎題的存在，世界才更加有趣。

不過，DanielDennet也警告說，面對人工智能的“侵入”，我們需要自問：“人類對人工智能的要求是什么？對自己的要求又是什么？”那么，這些可能將很快掌控世界卻又不完全為人類所理解的機器，我們應(yīng)該如何設(shè)計和研發(fā)它們呢？換句話說，人類要如何為這些改變世界的“神”編程？讓我們拭目以待。