賈斯汀·卡塞爾：別怕人工智慧，它的未來掌握在我們手中
網易科技訊9月21日消息，由網易新聞和網易科技主辦的「2018網易未來科技峰會」之「ALL IN時代」今天在北京舉辦。人工智慧女王，卡耐基梅隆大學計算機學院副院長賈斯汀·卡塞爾(Justine Cassell) 做了《人工智慧的未來機遇與驚喜》。
賈斯汀·卡塞爾發出提問：人工智慧給人類帶來的恐懼如此之大，這些恐懼來自哪裡？這些恐懼會成真嗎？實際狀況是怎樣呢？
她認為，機器人將會使我們工作機械化，機器人確實會取代人類一部分工作。但同時也要看到人工智慧給我們也會帶來一些新工作：需要創新的工作，需要社交技能的工作崗位和協作的工作崗位將會增加。
「我們的生活水平極大提高，個人健康狀況得到改善，城市擁堵與污染狀況得到緩解，工人生產力提高，政府運轉效率提升。但只有城市中的每個人都從人工智慧中獲益，以上才能實現。」 賈斯汀·卡塞爾表示。
到底什麼是人工智慧？賈斯汀·卡塞爾認為，人工智慧不是某個軟體，是一種方法；是建造機器的過程中，機器可以像人一樣做事或者做人能做的事。人工智慧的工具包括了計劃、推理、符號規則，以及機器學習和大數據。
賈斯汀·卡塞爾認為人工智慧+人將會是未來。這個未來會產生新的生產模式、新的教育模式、新的工作和交流模式、新的出行模式和帶來智能基礎設施。
因此，賈斯汀·卡塞爾認為，通過人工智慧人類可以獲得新的方法、新的工具和新的強大計算能力實現日益複雜的計算；而每時每刻不斷產生的數據也將會被電腦獲取。
隨著人類在電子設備上花費越來越多時間，因此科技需要回歸到古老但依舊重要的原則：以和人們建立關係的方式管理和人的長期交互關係，並建立一種不斷發展的關係。賈斯汀·卡塞爾認為這個問題非常棘手，光有深度學習還不夠，需要觀察真實人物的行為以建立社交意識的電腦。
最後，賈斯汀·卡塞爾認為，人工智慧掌握在人類手中。
以下是演講全文
賈斯汀.卡賽爾：
謝謝，早安各位。
我今天來這裡給大家講一下人工智慧的未來，無論從機遇還有從它會為人類帶來的驚喜。現在對於人工智慧對機器人人們有很多的恐懼，大家從這截圖就能看出來這是很多新聞報紙頭條的截屏，人們非常害怕人工智慧帶來什麼樣子的問題，能想到帶來的機遇思考會不會完全摧毀完成，機器人會不能代替我們，這一種恐懼已經變的如此之大，這樣的圖象已經充斥在新聞當中，可能您也有這樣的恐懼，本來是為你服務的這一些機器人就潛伏在你的辦公室里打開窗子把你替下去，這一種恐懼是從哪來的呢？還有這一種恐懼是不是會成真呢？機器人真的會代替我們嗎？
實際上如果大家觀察先的經濟狀況，大家就會看到完全不一樣的現實，確實機器人將會使我們的工作更加的自動化，就好像工廠還有包括印表機、還有電力給我們帶來自動化一樣。電力實際上對於工人也有一些負面影響，因為這樣子工人工作的時長更長，而機器人肯定會對我們的工作有一點的負面影響。
大家在這兒看到是一個最新的由經濟學人做的一份研究。研究機器人將對我們的工作環境產生什麼樣子的影響，實際上會有一些就業崗位會消失，這一些就業崗位他們都是比較重複性、周期性不太需要很高的技巧、很無聊的工作。但是我們很少聽到另外一面就是有一些新的崗位會被創造出來，而這一些就業崗位需要的是非常具有人類特性的技巧，也就是說與他人協作合作的能力。團隊合作的能力、社交的能力，那大家看這一曲線，這一條曲線的工作代表是一些不重複性的工作，有需要創意的工作，而最那一些需要社交技能的技術崗位它的增幅將是最大的。
我剛才是和一位中國負責經濟的部長談話，我們就和他聊天說我們到底有什麼樣的愛好，討論中國的最新一些進展，像這樣子的聊天其實在工作當中是非常重要的。有時候也是一種奢侈這一種閑聊。我們之所以為人是因為我們有社交的需求，我們如果能跟別人產生這一種感情的聯繫時候能更好的合作、更好的交流。所以這一方面就業將會不斷的提升隨著AI替代了一些比較簡單的工作。
那實際上AI會帶來很多的進步，包括經濟的進步、我們生活方面的進步。還有我們城市的一些擁堵我們的污染還有包括幫助我們節能，大部分的這一些改變都是正面的。但是我們也要記住不是所有的這一些帶來的改變都是正面的，但是我還要強調一點也就是我要說的第二個觀點，第一點是社交能力還有人類的特性、人類的擅長東西會永遠都是重要的。第二點就是所有的這一些不是會是迫使我們，不是我們沒有選擇，這是一種必須的命運。而是說我們是有選擇我們是為我們的選擇感到自豪，這將迫使我們重新思考一切，工作的意義。我們到底是不是一天工作24小時比如說印度就有這樣子的制度還是說我們一聽工作時間只有5小時法國就開始實施這樣的制度，還是說我們每天工作2小時呢，然後把工作交給機器人。如果機器人能夠做到我們所做的一切，那麼人類的意義、人類的定義又是什麼呢？在一個AI時代。人工智慧將來生活中的劇變，我們對於人類的定義我們對於各種東西的認識都會改變。
到底什麼是人工智慧？人工智慧不是軟體，其實我們做人工智慧是經常說偏見問題，像我的耳機、我的這個麥克風設計的就不是很女性，長發女性就不太好戴。人工智慧到底是什麼？去年的達沃斯經濟論壇上有很多討論，我當時組織了一個圓桌討論討論的是機器學習，當時的嘉賓包括國王、包括CEO、包括各國的總統。當時我就問他說你們能不能給我一個機器學習的定義？是沒有人能答出來，最後有一個人說它是很智能我頂多給這樣的回答1分，如果10分滿分。那到底什麼是人工智慧什麼是機器學習，人工智慧不是某一款軟體它是一種方法，它是一種思考計算機能做什麼的方式，是在上世紀的50年代也就是當人工智慧剛剛誕生的時候，是有這一些電腦科學家還有心理學家、人類學家和數學家一起來思考能不能夠的一種軟體，並且能夠模仿人類的行為，或者是能夠完成人類能做的一些認為。
人工智慧是一種方法而不是一種特別的工具，而機器學習就是AI中最強的工具，那到底什麼是機器學習呢？現在大家對於人工智慧理解已經高過那一些著名的CEO、國王和總統，因為大家已經知道答案。人工智慧和統計學區別不大和數學區別不大，大家高中時都學過這一些，或者是和我們所用的會計工具有什麼區別，當你預測你們公司在一年中在五年後在十年之後收入會是多少？而統計學是用公式你把數字輸入公式中去，最後就得出一個數值。在機器學習當中你打造很多的軟體，這一些軟體去搜索足夠的實例你幫助給他成百上千的勢力，他們進行讀取之後就會自動的給出一個答案，然後他們將會自己能夠去尋找類似的實例，作為機器學習就是讓這機器可以去找需要填入公式的數字，不僅僅是數字還有圖片、行為、詞語、任何屬於數據的東西可以放進機器學習的軟體東西，而機器學習它是可以自動的為自己編程這聽起來是有一點嚇人但是對我來講大部分是省時間的。
所以這一種演算法從數據當中學習，這的機會就能夠讓我們以我們人類不能做到的方式去了解世界，可能我能夠看一百多個數字，然後得出一個算式，通過算式知道這一百個數字的意義，但是我沒有辦法同時去處理一百萬個數字，一百萬張照片。我沒有辦法是兼顧到在座的每一個人，跟你們每一個人說或者找到你們每一個人的相似之處共同點。但是機器學習能做大這一點這就是機遇。
但是它的負面或者說潛在的風險在哪裡？如果這一些數字這一些照片這一些我們放進機器當中的數據不夠多的話就沒有辦法代表我們所有的全體人。舉例來講如果我在演算法當中只給了它公司CEO照片，大多數CEO都是男性，所以這演算法它在學習的過程當中它在學習關於CEO的定義時候，就會認定男性才是CEO，這當然不是我們想要看到的偏見，只是現在世界當中存在的偏見，通過這一種演算法它又會進入到未來的世界。
可以給大家舉例谷歌面部識別的軟體，看一張照片可以識別出是人臉還是不是人臉能夠區分得出是否是人臉，可以給它一千、五千張示例但是大多數的示例都是白人，所以這演算法就做出了一項決定白人就是人類，所有的人類都是白人。之後我們給這軟體看了一個黑人的企業CEO，它把他識別為猴子，這個就非常惡劣了，這就叫做演算法的偏見。 我們在給AI演算法數據的時候，一定要非常謹慎確保它能夠代表我們所有人。要有足夠的代表性。
另外我們的言語識別、語音識別也取決於AI有很多的語音、聲音的這一些數據能夠讓AI更好的去識別聲音，還有語音翻譯、通過上百萬條詞語和辭彙能夠讓它們的學習在今後進行很好的分析和翻譯。因為在淘寶上學到說每一次的鞋子是黑，下一次上淘寶自動推送黑色的鞋但是實際上這並不是非常準確，這個是錯誤的數據，就像這個無人駕駛汽車一樣，如果它看到了十萬人在開車它通過這個學到了開車的模式，如果在自動駕駛在路上行使的時候，因為路上原來沒有行人，所以給它數據是沒有行人的數據，無人駕駛汽車的系統就不知道在有行人出現的時候應當怎麼樣做出判斷。
所以當我們把人的元素加入等式的時候會發生什麼呢？如果把人添加進來我們可以去做很多之前沒有辦法做到的事情。比如對於未來的製造業，今天網易有很多非常好的遊戲，那這一些遊戲為全球各地的玩家所享用，但是未來如果說網易它發出的是代碼，而所有的玩家可以自己去設定自己的遊戲在自己家裡有3D印表機，然後在很小的一個小盒子這裡面玩這遊戲，這個盒子是3D印表機列印出來的，還有未來可能需要益智的這一些人，存在身體殘障的這一些人還有未來的工程師、設計師能夠在家裡面自己做設計。
每一個人都可以去做出完全不一樣的提示，自己在家裡根據自己的喜好，那一百萬人就有一百萬件的設計。像這樣的人工智慧能夠學會如何去翻譯，因為它有足夠多的數據，它也能夠學習到如何去以最好的方式進行教學。
我在學習的時候也是從示例從範例當中學習，如果只是閱讀效果沒有那麼好，我學了法語十年唯一會就是你好，但是後來我在法國住了一段時間跟法國人每天打交道我的法語就迅速的進步了。機器也是一樣，它可以實時的去根據我的需求進行調整和適應，這是非常重要的一點。因為AI導向型的教育才是未來，因為在未來這一些工人的工作可能不再是一種終身式的工作，他們需要再技能培訓，工人的工作可能只工作十年，只有十年的時間他們沒有辦法工作四十年，因為十年之後他們的工作就會被AI替代，他們需要新的工作、新的培訓。那AI導向型的教育就可以幫助他們實現這一點。
今天大家來到這裡來參會，大家是在現場，但是還有很多觀眾是通過在線或者其他的方式去參加此次的大會，這一些人他們來自不同的文化和背景，他們是如何能夠理解說我們在開會的過程當中，在某一些時候需要停下來吃茶歇，在中午的時候需要停下來吃午餐兩個小時，但不同的文化人看到這樣的安排會說你午餐需要2個小時呢？難道你不工作嗎？所以我們需要這一種分配式的團隊系統，那這一種分配式團隊系統能夠讓人工智慧在不同的語境之下更好的了解不同文化的做法，這一種合作還有溝通是關鍵所在，而AI就能夠參與進來為之去貢獻。
我們今天知道現在關於颱風還有颶風美國、中國、菲律賓現在發生了一些自然災害的事件，大家可以實時的知道現在他們 需要什麼樣的幫助並且提供相應的援助。還有遭受疾病的一些人，我們知道對於他們而言可以在網上加入一些支持小組，從而他們能夠跟素未謀生的形成互助小組，讓自己獲得某一些幫助從而延長他們的壽命。
通過AI我們可以去創造更多的類似機會，那在交通行業我們知道現在汽車的自動駕駛性能越來越好，但這個實際上在公眾當中帶來的恐懼心理是多於期待心理。比如說谷歌最新的研發和創新網路就在匹斯堡，匹斯堡我每天在大街上20輛無人駕駛汽車，我不敢坐無人駕駛汽車，大家敢嗎？可能是一半一半吧。有一個問題就是很多研發的精力都是在進行無人駕駛汽車的設計，但關鍵點不止是汽車本身，因為我們需要把人的因素考慮進來，那如果要把人考慮在內的話，我們不僅需要智能的汽車，同時還需要智能的道路。我們需要道路能夠進行AI溝通、需要基礎設施進行AI的溝通，這一種道路基礎設施就智能道路，那道路和汽車之間的溝通以及一輛車和另外一輛車之間的這一種溝通，它們才是真的能夠讓自動駕駛汽車和無人駕駛汽車和有人駕駛汽車、自行車和行人一起共享道路的所在，這是一個機遇，但是我們必須要付出努力才能讓它變為一個機器的現實，所以智能基礎設施將會成為無人駕駛技術發展的一個關鍵。
最後如果人工智慧越來越強大會發生什麼呢？今天AI無處不在這是因為新的機器學習的演算法，基礎的研究、新的晶元，還有新的工具、新的方法等等。所以每一分鐘演算法都可以挖掘到更多的數據，但是正如我剛才所講我們要確保這一些數據有足夠多的代表性，能夠代表所有人，我們一定要確保這一些軟體它所收集來的數據有足夠的代表性。
在中國有一個很好的例子就是警察局監測道路的一些數據，突然你可能被開了罰單，而且你都不知道之前有人在監視你。但是這個準確嗎？你怎麼樣確保說人工智慧它是準確的識別這個交通燈，所以我們一定要確保這一些軟體本身是設計上非常合理的，另外還有社交技能，很多家長跟我說他們非常擔心他們孩子的社交能力會越來越差，因為未來這一些孩子可能不再知道如何人與人之間進行人際溝通，但是我們如何去保有社交技能呢？
我在這裡有一個可能不太常規的答案就是我們可以用人工智慧去打造一個非常積極的未來，通過AI的發展我們能夠讓AI更好的和我們溝通、協作、合作，去用按照我們的方式使用社交技能這是我們現在在做的一項工作。
我們把這系統兩年前帶到達沃斯論壇，讓他們和三百多位世界領袖溝通過，而且還能夠識別面部表情，他們說話的方式。而且這個系統還能夠理解並且去評估。那人和人不同層次之間的關係、程度，它有一個性格叫（SARA）它可以運用它的社交技能可以知道如何回答，如果你跟（SARA）說我不相信你真的不錯（SARA）會說你什麼意思？你這樣說我很受傷，但是（SARA）不能像大家剛才看到的機器人一樣跳舞跳那麼好，但是我在這兒放一個（SARA）視頻，是完全自主的對話，她運用她的知識和社交技能和這個人試著建立一種情感的聯繫，去讓大家看到AI能夠為世界帶來的積極影響，它能夠去搜集關於一個人信息，通過這一些信息給予相應的建議，而且能夠和這個人建立起一些情感，我們一起來看一下。
所以大家看到聯繫之間的感情越來越近了，（SARA）知道如何跟這個人建立更強的聯繫。
所以當時有超過三百個人在達沃斯論壇跟（SARA）互動我們數據去繼續提高（SARA）的能力，這就是AI另外一個特點。
最後我想說一下，我已經給大家展示AI能為我們帶來什麼機遇在製造業在出行在經濟還有教育，還有像是與人協作的語音助手方面，我希望大家能記住一點，AI的未來其實是掌握在我們手中這不是不可抗拒的命運，我們可以決定怎麼樣使用AI，使用它們給我們帶來的機遇，到底是走向一個光明還是黑暗的未來，實際上慢慢AI已經成為我們所做的一切的基礎，試想一下AI能夠帶來什麼樣子的可能性，也希望能夠一起努力，讓AI帶來驚喜而不是任何的負面因素。
雷鋒網雷鋒網雷鋒網
TAG:雷鋒網 |