美媒：人类担心AI统治世界？10年内没啥可怕的

据科学美国人杂志报道，伊隆·马斯克（Elon Musk）最新宣布，旗下特斯拉电动汽车公司制造的所有汽车都将支持全自动驾驶功能。但这需要让人相信，特斯拉的AI（人工智能）技术能够确保所有汽车都能实时读取数据，并对不同的情况做出反应。

现在，AI的确可以执行许多令人感到惊奇的事情，比如上周AlphaGo电脑程序的开发者报告称，他们的软件已经学会了在伦敦复杂的地铁系统中导航，就像个“本地通”。甚至就连白宫也紧跟潮流，于数日前发布报告，宣称将帮助美国应对未来，届时机器可能会像人类那样思考。

可是，已经研究AI数十年，并尝试解决AI基本问题的计算机科学家奥伦·埃齐奥尼（Oren Etzioni）认为，在人类担心机器将接管世界之前，机器的进化之路依然十分漫长。埃齐奥尼如今是艾伦人工智能研究所(AI2)的首席执行官，这个组织是微软联合创始人保罗·艾伦（Paul Allen）2014年创建的，重点是研究AI的潜在益处。艾伦认为，好莱坞甚至其他研究人员都将AI描述得过于邪恶，甚至可能威胁人类生存。

AI2启动的AI项目并不十分华丽，比如基于AI、支持学术研究的搜索引擎Semantic Scholars。但他们却专注于解决AI领域的难题，比如推理等。《科学美国人》最近在纽约AI大会上采访了埃齐奥尼，他担心当前公司过多吹嘘AI的现有能力，特别是机器学习技术（又称深度学习）。这种技术可运行大量数据集，通过网络模拟人类大脑的神经网络，以便教授计算机自己解决具体问题，比如识别模式或识别照片中的特定目标等。

埃齐奥尼还反思为何10岁孩子都比谷歌旗下AI公司DeepMind的AlphaGo更加聪明，以及最终为何需要开发出AI“监护人”程序以便确保其他AI程序不会变得更危险。以下就是采访摘要：

问：在寻找研发AI技术的最好方式时，AI研究人员之间是否存在分歧？

埃齐奥尼：有些人已经看到了一点儿未来。我们在许多AI领域都取得了巨大进展，比如语音识别、无人驾驶汽车以及AlphaGo等。所有这些都是值得称道的技术成就。但是如何解释它们呢？深度学习显然是非常有价值的技术，但我们在研发AI过程中还有许多问题有待解决，比如推理（即机器人可理解而仅仅限于计算2+2=4）、获得背景知识（机器能用于创造情境）等。自然语言理解是另一个问题。即使我们开发出AlphaGo，但我们依然没有程序能够解读和充分理解一个段落甚至简单的句子。

问：有人认为，深度学习是AI领域最好的技术。深度学习到底有什么作用？

埃齐奥尼：当你有大量数据需要处理时，而计算机又知道它们代表的意义，那么你将具备强大的计算能力，你可以尝试找出数据中隐藏的模式，深度学习在这个领域堪称无敌。此外，AlphaGo可以处理3000万个与位置有关的数据，这些位置可教授AI程序在不同的情况下采取正确行动。还有其他例证，比如放射图像，它可以显示是否存在肿瘤，而深度学习程序可以调整颜色，确定这份图像是否是之前看过的。深度学习还能够执行很任务，这是真正的前沿技术。

问：那么深度学习面临哪些挑战？

埃齐奥尼：问题是系统有了智慧还不行，还必须有更多数据可被用于训练它。以学生的标准化考试为例，比如SAT或纽约高考数据。以前，为了获得高分，智能程序可通过3000万份被打上成功或不成功标记的考卷进行学习，而新的AI程序需要更复杂、更多互动的学习过程。AI还可通过设备、对话或读书学习。尽管深度学习有如此明显的优势，但10岁孩子也能做到这些，比如选择一本书、读一个章节、回答与其相关的问题等。

问：为何AI能够通过标准考试意味着其取得巨大进展？

埃齐奥尼：实际上，我们已经在AI2启动了这样的研究项目。去年，我们宣布悬赏5万美元，鼓励人们开发可通过8年级标准科学测试的AI软件。来自全世界的780多个团队耗费数月时间，但最终没有人的分数超过60分。这为我们提供了AI现状的现实、定量评估。

问：如何才能让*AI系统正确回答问题？

埃齐奥尼：通常情况下，语言中都隐藏着各种线索。最成功的系统可以从科学文本和其他公共资源中收集信息，然后利用调节信息检索技术为每个多选问题确定最佳答案。举例来说，什么是最好的电导体：塑料勺、木叉还是铁蝙蝠？AI系统非常善于运用公式，可以在大量常见的文件中检测电、铁或导电之间的关系，可以很轻松地给出答案。为此，有时候AI系统可以采取快捷方式，非常迅速地给出答案。之所以没有系统获得及格分数，我只能说这些系统都使用统计学进行猜测，而非仔细推理。

问：AlphaGo背后的DeepMind团队现在已经开发出新的AI程序，通过使用外部存储系统超越深度学习。他们的工作对创造更像人的AI有何影响？

埃齐奥尼：在移动深度神经网络领域，DeepMind依然是领跑者。这种特别贡献非常重要，但在推理方面却不算太大突破。现有的系统可以很轻松地完成类似任务，但这里涉及到神经网络如何通过例证学习执行任务的问题。总体来说，DeepMind迈出了一大步，但对于人类来说依然是一小步。

问：有人将深度学习、机器视觉和记忆等技术结合起来，以开发更完整的AI吗？

埃齐奥尼：这是个非常有吸引力的创意，实际上已经有许多类似研究。我在华盛顿大学担任教授时，就曾基于这个想法，利用互联网充当AI系统的数据库。我们建立了名为信息公开提取的技术，它可以为50亿个网页做索引，并从中提取语句，试图将它们变成机器可操作的知识。这台机器拥有超自然的能力，可以快速吸收这些网页和所有句子，问题是那些文本或图片上的句子很难吸收。人类大脑拥有不可思议的能力，计算机科学家们至今还未破解。这种能力可以映射出推理等反应。但是迄今为止，我们还么有找到机器能像人脑那样工作的机制。

问：你曾提及，要想达到人类水平，AI的研发至少还需要25年时间。你所谓的人类水平AI指什么，为何给出这样的时间框架？

埃齐奥尼：人类水平AI能够真正地理解自然语言、拥有人类智慧的广度、能够玩PokemonGo、走过街道等，这种多样性是人类智慧的标志，而我们今天能做的就是研发“狭隘的学者”，以便其能在某些方面表现更突出。至于25年的时间框架，我曾询问人工智能发展协会的朋友：计算机系统何时能在广义上变得像人类那样聪明？没人认为10年内能够实现这种假设，67%的人认为至少要到25年之后。25%的人认为永远无法实现。他们错了吗？你会选择相信谁，把握AI脉搏的人还是好莱坞？

问：为何如此多令人尊重的科学家和工程师警告称，AI可能灭亡人类？

埃齐奥尼：对于我来说，很难推测史蒂夫·霍金（Stephen Hawking） 或马斯克警告AI威胁的动机。我猜，谈论黑洞可能是非常无聊的，因为这是个缓慢进化的主题。但有一件事我要说，当他们谈论AI变得邪恶或引发潜在灾难性后果时，他们总会插入限定词，比如“最终”或“可能”。我同意这样的观点，如果我们谈论1000年后或无限未来，AI很可能导致人类灭绝。但我认为，这种长期讨论不该分散我们的注意力，我们应该更关注现实问题，比如AI与就业、AI与武器系统等。

问：鉴于AI存在的缺点，我们应该担心汽车制造商对无人驾驶汽车与日俱增的兴趣吗？

埃齐奥尼：我不是那些没有方向盘或刹车板的无人驾驶汽车的忠诚粉丝。鉴于我对计算机视觉和AI的了解，我对无人驾驶汽车感觉十分不舒服。但我是综合系统的支持者，比如当你在车上打盹时，AI能帮你刹车。人类司机和自动系统相结合可能比单纯的人类司机或AI驾车更安全。这很复杂，将新技术融入到人类日常工作与生活中同样不容易。但我不确信这种解决方案是否能有效。

问：谷歌、Facebook以及其他大科技公司近来联合推出了“人工智能造福人类和社会合作组织”，为AI研究设定道德和社会规范。对此你有何看法？

埃齐奥尼：世界上领先的科技公司联合起来思考这些事情是好事，我认为他们这样做是回应人们的担忧，即AI是否会接管世界。许多恐惧完全被夸大了。即使我们有了无人驾驶汽车，也不会立即造成破坏性影响。马斯科等人谈及的AI对人类生存威胁至少是数十年乃至数百年之后的事情。可是，目前有许多非常现实的挑战：自动化、数字化技术以及AI都在影响就业，无论是机器人还是其他技术，这非常令人担忧。无人驾驶汽车和卡车会大幅改善安全，但他们也会对依赖驾驶谋生的大量工人造成影响。这个新组织谈论的其他事情也存在偏见。如果AI技术被用于处理贷款或信用卡申请，它们能否法律或道德规范吗？

问：你认为如何能确保AI遵守法律和道德规范？

埃齐奥尼：如果你是银行，利用软件程序处理贷款，你将无法藏身其后。一口咬定计算机做错了事不是借口，计算机程序可能参与了歧视行为，那是因为计算机系统需要使用许多变量和统计，以便寻找与其他变量有关的联系。如果它使用了影响决定的替代变量，那真会成为问题，对于人类来说也很难发现和追踪。为此，我们提议研发AI“监护人”，以监测和分析基于AI开发的贷款处理程序的行为，确保其遵守法律和道德规范。

问：AI“监护人”已经存在吗？

埃齐奥尼：我们已经发出呼吁，并开始研发这些程序。我认为，很快就会出现类似程序，其愿景非常被看好。我们希望AI“监护人”的创意能够应对《终结者》等好莱坞电影中对AI的误解，即技术变得邪恶，并成为庞大的垄断力量。（小小）