淺談智能(néng)機器(qì)人(rén)

如(rú)果流行文化(huà)能(néng)在某種程度上(shàng)反映公衆的态度，那麽一(yī)個(gè)顯而易見的事(shì)實是：人(rén)類非常恐懼智能(néng)機器(qì)。比如(rú)去年以來(lái)的一(yī)系列涉及到機器(qì)人(rén)、機器(qì)的電影，人(rén)類在其中的地位顯得岌岌可危。類似的情況還出現(xiàn)在很多打着“經濟學”名義的暢銷書裏，這(zhè)些(xiē)圖書不管從什(shén)麽角度切入，其最後的落腳地往往都是機器(qì)取代人(rén)類。

然而在 MIT Sloan 與美國衆多企業家的對話(huà)中發現(xiàn)，這(zhè)些(xiē)企業家對于所謂機器(qì)取代人(rén)類的倡議(yì)（或者未來(lái)）并不感冒，對他們而言，企業的發展需要借助人(rén)類員(yuán)工，尤其是知識型員(yuán)工以及機器(qì)的通力合作(zuò)。但(dàn)現(xiàn)狀是，各種公共媒體(tǐ)上(shàng)充滿了(le)機器(qì)即将代替人(rén)類的不切實際的想象 ，幾乎或者根本沒有媒體(tǐ)圍繞一(yī)個(gè)當下(xià)最急迫解決的問題：究竟哪些(xiē)領域或職業會在技術的輔助下(xià)得到大幅增強。

為(wèi)了(le)解決這(zhè)個(gè)難題，MIT Sloan 提出了(le)一(yī)個(gè)簡單的分(fēn)析框架，将現(xiàn)有的人(rén)工智能(néng)、認知科學等技術分(fēn)成兩個(gè)維度來(lái)思考——找出現(xiàn)有技術可以做和不能(néng)做的領域（如(rú)下(xià)圖所示）。同時(shí)為(wèi)了(le)更便于探索，這(zhè)個(gè)分(fēn)析框架會把所有的智能(néng)技術、機器(qì)統稱為(wèi)“智能(néng)機器(qì)”，以此來(lái)思考機器(qì)智能(néng)面臨的困境、挑戰以及創新(xīn)者接下(xià)來(lái)需要努力的方向。

當我們在談論智能(néng)機器(qì)時(shí)，我們在談論什(shén)麽？

機器(qì)智能(néng)的四個(gè)階段

總體(tǐ)上(shàng)看，機器(qì)智能(néng)的水準正在不斷提升，過去，計算(suàn)機可能(néng)處理(lǐ)高度結構化(huà)的數據，而現(xiàn)在，計算(suàn)機對不同數據類型都有很好(hǎo)(hǎo)的兼容甚至“适應”能(néng)力。

階段1：人(rén)類支持

數十年來(lái)，人(rén)類對于計算(suàn)機智能(néng)的追求都建立在一(yī)個(gè)假設之上(shàng)：計算(suàn)機可以輔助人(rén)類決策。因為(wèi)人(rén)類在決策方面天然缺乏理(lǐ)性、不穩定。但(dàn)到目前為(wèi)止，這(zhè)個(gè)階段還無法完全實現(xiàn)，更多時(shí)候，包括 IBM Watson 在内的認知産品，都是為(wèi)人(rén)類工作(zuò)者提供決策建議(yì)，最終由人(rén)類完成決策。

階段2：重複性的自動化(huà)任務(wù)

較上(shàng)一(yī)階段而言，這(zhè)個(gè)階段的機器(qì)可以在某些(xiē)特定場(chǎng)合做出“決策”。機器(qì)自動化(huà)的決策方式最近幾年發展迅速，并在某些(xiē)領域，如(rú)保險銷售與股票(piào)交易方面取得很不錯的成績。但(dàn)這(zhè)些(xiē)領域都有一(yī)些(xiē)共同的特點，比如(rú)确定的交易規則或算(suàn)法，所以人(rén)類隻需要提前寫好(hǎo)(hǎo)算(suàn)法，然後監控算(suàn)法執行就(jiù)可以了(le)。

階段3：情景感知和學習

目前複雜的認知技術能(néng)在某種程度實現(xiàn)對于複雜情景的實時(shí)感知。随着人(rén)類社會對于互聯網、物聯網的依賴性增強，數據也(yě)在源源不斷地産生(shēng)，海量數據的實時(shí)處理(lǐ)要求變得非常急迫，企業需要從這(zhè)些(xiē)數據中發現(xiàn)客戶的潛在需求，比如(rú)大量互聯網公司，不僅包括電商(shāng)，甚至很多内容網站(zhàn)，也(yě)會根據用戶的浏覽習慣來(lái)形成推薦機制，為(wèi)了(le)更精确地推薦内容，還需要包括用戶位置、時(shí)間(jiān)以及用戶其他行為(wèi)記錄作(zuò)為(wèi)輔助信息。

目前認知計算(suàn)的一(yī)個(gè)特點就(jiù)是其擁有學習的能(néng)力。這(zhè)種學習過程絕大多數是利用對實時(shí)數據、用戶反饋的持續分(fēn)析。這(zhè)種可學習的系統對于類似股票(piào)交易的決策非常有幫助，能(néng)夠不斷提升決策的準确度。

階段4：自我意識

截止到現(xiàn)在，2016 年年末，擁有自我意識的機器(qì)有且僅存在于科幻小說(shuō)中。如(rú)果計算(suàn)機具有自我意識，計算(suàn)機需要像人(rén)類或超越人(rén)類智能(néng)水準，才能(néng)夠應對紛繁複雜的現(xiàn)實生(shēng)活環境。即便是最樂(yuè)觀的專家也(yě)認為(wèi)，出現(xiàn)能(néng)夠具有自我意識的機器(qì)，至少還需要 30 到 40 年。機器(qì)智能(néng)會做什(shén)麽

觀察機器(qì)處理(lǐ)任務(wù)的智能(néng)程度，一(yī)定程度上(shàng)可以根據機器(qì)都能(néng)處理(lǐ)哪些(xiē)任務(wù)，比如(rú)有些(xiē)任務(wù)實際上(shàng)是由文本、數字或圖片組成，這(zhè)些(xiē)要素不過是數字世界的基本要素，而另一(yī)些(xiē)任務(wù)則包括數字世界和物理(lǐ)世界的多個(gè)要素。

分(fēn)析數字

事(shì)實上(shàng)，如(rú)果要追根溯源，認知技術來(lái)自于計算(suàn)機在處理(lǐ)結構化(huà)數據2方面的超強能(néng)力。過去很長時(shí)間(jiān)内，計算(suàn)機都通過對數字的分(fēn)析來(lái)支持人(rén)類決策。如(rú)今，越來(lái)越多的公司将數字分(fēn)析技術嵌入到公司運營體(tǐ)系或流程中，從而實現(xiàn)重複性自動化(huà)決策，這(zhè)也(yě)使得該技術兼具了(le)處理(lǐ)速度和處理(lǐ)規模。尤其是機器(qì)學習開始大規模使用後，改變了(le)過去人(rén)為(wèi)設計處理(lǐ)數字模型的方法，機器(qì)可以實現(xiàn)自動化(huà)生(shēng)成分(fēn)析模型。

分(fēn)析文字和圖片

人(rén)類智能(néng)中的一(yī)個(gè)關(guān)鍵部分(fēn)是可以讀懂文字和圖片裏信息，同時(shí)能(néng)思考其背後的含義。但(dàn)現(xiàn)在，一(yī)系列你可能(néng)“耳熟能(néng)詳”的技術，比如(rú)機器(qì)學習、自然語言處理(lǐ)、神經網絡、深度學習等等，已經具備了(le)分(fēn)類、解釋和生(shēng)成文字的能(néng)力，其中的一(yī)些(xiē)技術還可以分(fēn)析和識别圖片。

早期的智能(néng)程序，通過分(fēn)析文字、圖片以及語音(yīn)，能(néng)夠讓人(rén)類和計算(suàn)機實現(xiàn)淺層次的交流。這(zhè)些(xiē)技術發展到今天，已經越來(lái)越多地出現(xiàn)在我們的智能(néng)手機上(shàng)，智能(néng)手機能(néng)夠理(lǐ)解人(rén)類語音(yīn)和文字，還可以識别圖片，盡管在某些(xiē)方面不太完美，但(dàn)至少，已經非常廣泛地應用到我們日常生(shēng)活中。

有三種大規模文字、圖片處理(lǐ)的需求。其一(yī)，多種語言的翻譯；其二，像人(rén)類一(yī)樣回答(dá)問題；其三，從大量文本中獲取有效信息或者生(shēng)産新(xīn)的文本信息。

圖像識别和分(fēn)類并非什(shén)麽新(xīn)概念。基于對幾何進行匹配的“機器(qì)視(shì)覺”技術已經使用了(le)很多年。現(xiàn)在，圖像識别延伸到互聯網上(shàng)海量圖片的分(fēn)類和識别，尤其是人(rén)臉識别。要應對這(zhè)些(xiē)需求，現(xiàn)在的公司們則借助機器(qì)學習和神經網絡來(lái)識别圖片。更重要的一(yī)點在于，這(zhè)些(xiē)系統能(néng)夠通過學習應對海量圖片處理(lǐ)需求，事(shì)實上(shàng)，機器(qì)“吃”越多的數據，其決策的準确性越高。

執行數字化(huà)任務(wù)

認知技術最近幾年發展的一(yī)個(gè)方向是實現(xiàn)行政工作(zuò)和決策的自動化(huà)過程。為(wèi)了(le)實現(xiàn)自動化(huà)，需要兩個(gè)技術能(néng)力。首先，你需要能(néng)夠按照業務(wù)規定來(lái)描述完成這(zhè)些(xiē)工作(zuò)需要的邏輯；其次，你需要可以一(yī)步一(yī)步完成這(zhè)些(xiē)工作(zuò)的技術。過去幾十年内，自動化(huà)決策工具的應用場(chǎng)景非常廣泛，從保險政策審批到信息技術運維以及高頻交易等等。

最近，科技公司開始使用“自動控制流程自動化(huà)”，這(zhè)項技術基于工作(zuò)流和業務(wù)規則，通過接入公司裏的多個(gè)信息渠道來(lái)實現(xiàn)，這(zhè)與普通人(rén)類用戶的做法很相似。自動控制流程技術廣泛應用在銀行（比如(rú)幫助客戶替換丢失的銀行卡服務(wù)，能(néng)夠極大地省去人(rén)力客服）、保險行業、IT業（如(rú)監控系統錯誤信息、修複某些(xiē)簡單錯誤）和供應鏈管理(lǐ)（比如(rú)訂單處理(lǐ)和回應客戶、供應商(shāng)的日常需求）等領域。

流程自動化(huà)的好(hǎo)(hǎo)處顯而易見。2015 年 4 月(yuè)(yuè)份 的一(yī)個(gè)案例中，英國第二大移動運營商(shāng) Telefónica O2 發現(xiàn)，在該公司将 160 個(gè)業務(wù)流程軟件化(huà)、自動化(huà)之後，其未來(lái)三年在這(zhè)些(xiē)領域的投資回報(bào)率将達到 650%——800%。

處理(lǐ)物理(lǐ)任務(wù)

我們一(yī)般将能(néng)夠處理(lǐ)物理(lǐ)任務(wù)的計算(suàn)機稱之為(wèi)機器(qì)人(rén)（Rebot），根據英文韋氏詞典的解釋，所謂 robot：a machine that can do the work of a person and that works automatically or is controlled by a computer.

2014 年，全球範圍内有 22 萬台機器(qì)人(rén)上(shàng)台，大約三分(fēn)之一(yī)集中在汽車制造行業。不過，機器(qì)人(rén)短期内還無法真正滿足需求。2011 年的時(shí)候，富士康曾信誓旦旦地表示，要在三年之内通過一(yī)百萬機器(qì)人(rén)替代人(rén)類工人(rén)，但(dàn)很快(kuài)富士康就(jiù)發現(xiàn)，讓機器(qì)人(rén)代替人(rén)類制造手機真不是一(yī)件輕松的事(shì)情。到了(le) 2015 年，當富士康開始代工新(xīn)一(yī)代 iPhone 的時(shí)候，該公司招聘了(le)超過 10 萬人(rén)類工人(rén)，并配備了(le) 10 萬台新(xīn)機器(qì)人(rén)。

過去很長一(yī)段時(shí)間(jiān)内，那些(xiē)可以替代人(rén)類的機器(qì)人(rén)都是通過編程，從而能(néng)夠高效完成大量重複性的工作(zuò)。同時(shí)，出于安全的考慮，機器(qì)人(rén)工人(rén)往往也(yě)和人(rén)類工人(rén)分(fēn)開工作(zuò)。但(dàn)現(xiàn)在，一(yī)種新(xīn)型的機器(qì)人(rén)，也(yě)就(jiù)是所謂“協作(zuò)型機器(qì)人(rén)”正在出現(xiàn)在工作(zuò)場(chǎng)所，這(zhè)種機器(qì)人(rén)可以和人(rén)類協同工作(zuò)。

寫在最後

在看完本季前六集《黑鏡》後我曾這(zhè)樣感歎：如(rú)何處理(lǐ)人(rén)與機器(qì)的關(guān)系會成為(wèi)接下(xià)來(lái)很長一(yī)段時(shí)間(jiān)内的重要課題。而第一(yī)步則是正确認識機器(qì)或者智能(néng)機器(qì)或者人(rén)工智能(néng)當下(xià)的處境，過去一(yī)年，我們聽(tīng)到太多關(guān)于人(rén)工智能(néng)如(rú)何如(rú)何的聳人(rén)聽(tīng)聞的報(bào)道，但(dàn)真實的一(yī)面往往平淡無奇，正如(rú)上(shàng)文所言，機器(qì)在某些(xiē)層面的确超越了(le)人(rén)類，但(dàn)在絕大多數場(chǎng)景下(xià)，尤其是需要情感、意識加入其中的場(chǎng)景中，人(rén)類終究還是勝者。

然而不可否認的一(yī)個(gè)事(shì)實，當機器(qì)繼續進化(huà)的同時(shí)，人(rén)類進化(huà)幾乎已經停止.....

請注意，這(zhè)裏絕不涉及到機器(qì)取代人(rén)類，而是人(rén)類如(rú)何被機器(qì)增強自身(shēn)的能(néng)力。

所謂結構化(huà)數據，就(jiù)是以行、列來(lái)排序的數字，比如(rú) Excel 就(jiù)是處理(lǐ)結構化(huà)數據的一(yī)種基本工具。