機器人全部靠邊站！烤麵包機才是引領人工智慧革命的關鍵

未來的智能演算法看起來會像是一般用途的機器人嗎，它們會像在廚房裡得心應手一樣擅長閑聊和閱讀地圖嗎?或者，我們的數字助理看起來會更像一個裝滿各種小玩意的大口袋嗎，與一個喋喋不休的大廚相比，它會更像是一個堆滿電器的廚房嗎?

如果一個演算法做的任務太多，它就會陷入麻煩。下面的配方是由人工神經網路生成的，這是一種人工智慧(AI)，可以通過實例學習。這個特殊的演算法仔細研究了大約30,000種食譜，從湯到餡餅到燒烤，然後試圖想出自己的食譜。至於結果，我們可以說，有點非正統：

Spread Chicken Rice

乳酪和雞蛋、沙拉、乳酪

2磅心臟，放調料

一杯新鮮薄荷或覆盆子派，切碎

半杯茶，磨碎

1湯匙植物油

1份鹽

1份胡椒

21/22tb的糖

將未葉混合，攪拌至混合物變稠。然後加入雞蛋、糖、蜂蜜和香菜，用小火煮熟。加入玉米糖漿，牛至，迷迭香和白鬍椒。加熱的同時加奶油。加入剩下的1茶匙發酵粉和鹽。在350F溫度下烘烤2到1小時。趁熱上桌。

份數：6份

現在，這裡有一個用同樣的基本演算法生成的食譜的例子——但它只看蛋糕，而不是包含各種食譜的數據。這個食譜並不完美，但比上一個要好得多：

胡蘿蔔蛋糕(維拉女士)

蛋糕、酒精

1千克黃色蛋糕粉

3杯麵粉

1茶匙發酵粉

1/2茶匙小蘇打

1/4茶匙鹽

1茶匙肉桂粉

1茶匙薑末

1/2茶匙磨碎的丁香

1茶匙發酵粉

1/2茶匙鹽

1茶匙香草

一個雞蛋，室溫

1杯糖

1茶匙香草

一杯切好的山核桃

預熱烤箱至350度。

在一個9英寸的拖底模上塗油。

製作蛋糕：快速打雞蛋，直到顏色變黃變厚，然後放在一邊。在另一個碗里，把蛋白打硬。將第一個混合物放入準備好的鍋中，攪拌均勻。在烤箱里烤大約40分鐘，或者直到插入中心的一根木牙籤抽出來依然乾淨的程度。在鍋里冷卻10分鐘，然後轉移到網架上完全冷卻。將蛋糕從平底鍋中取出，完全冷卻。趁熱上桌。

《加拿大生活中的廚房和霍恩》(1989)

份數：16份

當然，當你更仔細地看說明書時，它只會產生一個烤蛋黃。但這仍然是一個進步。當人工智慧被允許專業化時，它所需要追蹤的東西就少了很多。它不需要考慮什麼時候用巧克力，什麼時候用土豆，什麼時候烤，什麼時候燉。如果第一個演算法試圖成為一個能生產大米、冰淇淋和餡餅的百寶袋，那麼第二個演算法則試圖成為一個更像烤麵包機的東西——專門針對一項任務。

訓練機器學習演算法的開發人員發現，構建類似於烤麵包機的東西而不是百寶袋通常是更有意義的。但這似乎有悖常理，因為西方科幻小說中的AI往往類似於《星球大戰》中的C-3PO或同名電影中的WALL-E ——人工廣義智能(AGI)的例子，機器人可以像人類一樣與世界互動，並處理許多不同的任務。但許多公司都在無形地，而且成功地，使用機器學習來實現更有限的目標。一種演算法可能是一個聊天機器人，它可以處理有限範圍內的有關客戶電話賬單的基本問題。另一種方法是預測客戶要打電話討論的內容，並將這些預測顯示給接聽電話的人類代表，這些都是人工狹義智能(ANI)的例子——僅限於非常狹窄的功能。另一方面，Facebook最近讓它的「M」聊天機器人退休了，它從未成功實現處理酒店預訂、預訂戲票、安排鸚鵡參觀等等的目標。

我們之所以使用烤麵包機級別的ANI而不是WALL-E級別的AGI，是因為任何試圖廣義化的演算法在面對各種任務時都會變得更糟。例如，這裡有一個基於標題生成圖片的演算法，這是它試圖用「這隻鳥是黃色的，頭上是黑色的，喙很短」這句話來創造一張圖片。當它被訓練成完全由鳥類組成的數據集時，它表現得相當好(儘管有奇怪的獨角獸角)：

但當它的任務是創造任何東西時——從停車標誌到船隻，從牛到人——它都在掙扎。這是它試圖創造的「一個女孩正在吃一大塊披薩的形象」：

我們不習慣認為一個能很好地完成一件事情的演算法，和一個能很好地完成很多事情的演算法之間存在著巨大的差距。但是，與人腦相比，我們現在的演算法的腦力確實非常有限，每一項新任務都將演算法的腦力分散得更少。想想一台烤麵包機大小的設備：只需要幾個槽和一些加熱線圈就可以很容易地組裝完成，這樣它就可以烤麵包了。但這給其他任務留下了很小的空間。如果你還想添加蒸飯和做雪糕的功能，那麼你至少得放棄一個麵包槽，而且最後它可能什麼都不擅長。

程序員可以使用一些技巧從ANI演算法中獲得更多。一種是轉移學習：訓練一種演算法來完成一項任務，它可以在最少的再訓練後學習去完成一項不同但又非常相近的任務。例如，人們使用轉移學習來訓練圖像識別演算法。一種已經學會識別動物的演算法，已經在邊緣檢測和紋理分析方面獲得了大量的經驗，它可以轉移到識別水果的任務上。但是，如果你重新訓練演算法來識別水果，一種被稱為災難性遺忘的現象就會出現，這意味著它將不再記得如何識別動物。

現在的演算法使用的另一個技巧是模塊化。未來的人工智慧可能是由高度專業化的儀器組裝而成，而不是單一的演算法來處理任何問題。例如，一種學習玩電子遊戲《毀滅戰士》的演算法擁有獨立的、專用的視覺、控制器和內存模塊。互連模塊還可以提供防止故障的信息冗餘，以及基於多種不同方法對問題的最佳解決方案進行投票的機制。它們也可能是一種檢測和排除演算法錯誤的方法。通常我們很難弄清楚單個演算法是如何做出決策的，但是如果一個決策是通過協作子演算法做出的，我們至少可以查看每個子演算法的輸出。

當我們展望遙遠未來的人工智慧時，也許WALL-E和C-3PO不是我們應該尋找的機器人。相反，我們可能會把它想像成一個裝滿應用程序的智能手機，或者一個裝滿小程序的廚房碗櫃。在我們為演算法世界做準備的時候，我們應該確保我們不是在為那些可能永遠不會被製造出來的多用途百寶袋做準備，而是為高度專業化的烤麵包機做準備。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！