了解人工智能的三种方式

人工智能正变得越来越普遍，几乎每天都有关于人工智能新进展或新应用的报道。人类对它的想法有多少了解？我们又该如何努力去研究它？

我们对人工智能的了解

我们今天所了解的人工智能中，大部分都遵循深度学习的规则，即向机器输入一组数据以及想要的输出结果，机器据此产生算法来解决问题。然后系统会重复这一过程，不断学习。这被称为神经网络。使用这种方法来建立人工智能是非常必要的，因为计算机的编码速度比人类要快。如果换作人类，可能需要用一辈子的时间来手工编码。

麻省理工学院电子工程和计算机科学教授Tommi Jaakkola说：“如果你拥有一个小型神经网络，你可能很容易就理解它。但是，一旦这个神经网络扩大，直到拥有数千层，而每层可达到数千个单位，那么就不那么容易理解了。”

我们正处在人类与这些系统正面交锋的时代。在人类信任机器之前，我们必须解决一个问题，即让这些机器进行自我解读。那么，我们用什么办法来做到这一点呢？

1.逆转算法。在图像识别中，当计算机识别它所学习过的模式时，需要对机器进行编程运算，以生成或修改图片。以《创世纪》一图为例，它运用了谷歌Deep Dream技术进行图片修改，人工智能参与其中，调整了图像中一只狗的位置。由此，我们可以了解到对于人工智能来说，狗的形象是什么样的。首先，它主要识别头部（这是狗的主要特征）；其次，电脑的识别方式是将其定位到亚当（图像左侧）和上帝（图像右侧）的中间。总结一下就是，Deep Dream技术被运用于一幅描绘亚当诞生的图像，人工智能被要求寻找狗并修改它的位置。

2.识别它所使用的数据。如此一来，人工智能接收指令，记录学习摘要，并根据提示重点“复习”它此前使用过的文本。麻省理工学院台达电子教授Regina Barzilay首先研发出这种理解方法，人类可以借此研究那些擅长在数据中寻找模式、并作出相应预测的人工智能系统。Carlos Guestrin是华盛顿大学的机器学习教授，他开发了一种类似的系统，该系统能够选取数据并对自己的选择作出简单解释。

3.监控单个神经元。Uber人工智能研究室的机器学习研究员Jason Yosinski发明了这种方法，使用探测器来检测哪一幅图像可以刺激神经元。这让我们可以通过推理发现人工智能最需要的是什么。然而，这些方法在很大程度上是无效的。正如Guestrin所说：“我们的终极梦想是让人工智能与人类对话，并向人类解释它的行为，而这一梦想尚未完全实现。想要拥有真正的可解读式的人工智能，还有很长的路要走。”

为什么人类需要更加了解人工智能？

了解这些系统的工作方式是很重要的，因为它们已经被应用于医药、汽车、金融和招聘等行业，而这些领域对我们的生活产生了根本性的影响。如果把这么艰巨的任务交给我们不了解的东西，那就太愚蠢了。当然前提是，人工智能是诚实的，也不会因为人类的行为或疏忽而受到影响。

试图理解机人工智能的核心问题，其实是一件颇具紧张感的事情。如果我们能够完美地预测人工智能行为，那么就可能会剥夺它们特有的自主智慧。我们必须记住一点，人类有时连自己作出的决定都无法理解，更不用说人工智能了。意识问题始终是一个谜，也正因为有这一谜题的存在，世界才更加有趣。

不过，Daniel Dennet也警告说，面对人工智能的“侵入”，我们需要自问：“人类对人工智能的要求是什么？对自己的要求又是什么？”那么，这些可能将很快掌控世界却又不完全为人类所理解的机器，我们应该如何设计和研发它们呢？换句话说，人类要如何为这些改变世界的“神”编程？让我们拭目以待。