@w460461339
2019-07-15T10:13:02.000000Z
字数 3380
阅读 884
微众银行
大纲:
1、简单介绍理想中的AI发展轨迹
1.1 简单介绍一下AI的发展历史,从19XX年开始。
1.2 简单介绍一下AI的发展现状。(,算力红利等等)
1.3 简单介绍一下AI的未来。(从弱人工智能到强人工智能)
2、说明现在AI的发展状态
2.1 介绍一下统计机器学习,深度学习的引爆历史。(图像比赛,NLP比赛等等)
2.2 引用洪小文的金字塔,表明现在的所处在的位置
3、AI与大众生活的结合方向
3.1 从统计机器学习,CV,NLP,图网络等方向来介入来讨论现在的结合方向
4、未来10年,20年,50年,AI对人们职业的影响。
4.1 与自动化相比,AI未来在职业上对人们的影响;
人工智能,作为一门专门的学科,出现在大众的视野中,还是在1956年的达特矛斯论坛之后。在当时的会议上,与会的科学家们达成一致,用‘人工智能’(Artificial Intelligence)描述这一领域,从而开启了之后人工智能的第一次黄金年代。
在1956年到1974年的进20年时间里,基于搜索的数学定理证明程序,基于规则的对话机器人,以及不断挑战人类高手的下棋程序,在一次次的冲击人们对于AI的认知,让人们认为‘一台具有人类一般智慧的机器’将很快诞生。
但是,随着时间的推移,人们逐渐发现事情并没有那么简单,许多不曾预料的问题悄然的出现在了人们的面前。计算的复杂性带来了算力上的要求,数据的缺失使得AI的研究缺乏基本的支持,而现实的复杂性使得很多基于规则的程序应用场景大大受限。这些困难减缓了AI的研究,加之早先对于AI过于乐观的估计,美国政府对一些AI研究逐步停止了资助,AI领域进入了第一个寒冬。
吸取了之前的教训,借由专家系统,AI在1980年又迎来新的一次繁荣。专家系统不在着眼于通用的解决方案,而是从一个个专业化的领域着手,每次仅处理很小的知识领域,成功的避免的过于复杂的应用环境和架构设计,使得AI逐步变成一项实用技术。
但是专家系统也有它的弊病,首先,使用场景过于狭窄,并且看不见扩大的希望;其次,虽然是专家系统,但是对于使用者也有一定专业知识要求,门槛高;最后,这样的系统往往更新困难,并且容易被异常信息击垮。
以专家系统为代表的AI商业化之路受阻,AI的发展进入的第二个寒冬。但好在没多久,微电子领域的摩尔定律使得算力有了指数级的发展;算力不断的提升,以往受限于算力的想法也挣脱了束缚,取得了长足的发展。
我们现在,就处于第三次AI上升期之中。
现在,最受人关注的恐怕就是机器学习,从基于统计学与大数据的可解释的机器学习,到基于神经网络不可解释的深度学习,人们不断的AI应用领域发挥自己的创造力与想象力。
但是,人们什么时候会对这种基于算力红利的AI感到厌倦,依然是悬挂在众多AI研究者头上的一柄利剑。
同时,基于统计学的机器学习虽然可解释,但是也和之前的专家系统类似,应用的条件严格,场景受限;而基于神经网络的深度学习虽然在每每让人惊叹,但背后的行事逻辑却一直是一团迷,让人不敢对其完全的信任。
我们究竟能不能把握住这一次的AI发展上升期,找到新的引爆点,还是起起落落,再一次落到AI研究的寒冬之中?
摩尔定律逐渐失效,深度学习的扑朔迷离,AI的未来究竟该何去何从?
是胶囊网络,图网络这类改革者?
AI的发展经历了几番起落,才走到今天这个位置。
从1956年第一次登上历史的舞台,通过数学定理的推理来证明自己,到之后因过于乐观的预期而跌落神坛;随后借着专家系统东山再起,却因商业化迟迟无法推进而被打入冷宫;现在另辟蹊径,借着算力爆发的东风扶摇而上,却也受制于算力的发展,无法真正‘飞入寻常百姓家’。
在这三次AI黄金时期中,第二次黄金期恐怕是人们第一次体会到AI对自己职业的威胁。专家系统,背后其实是大数据库+推理系统。通过对人类专家知识的大规模存储和建模,从很小的领域入手,去解决一些业界的实际问题,比如医疗系统辅助诊断,地质勘探辅助系统等等。但是,在最初的‘恐慌’之后,人们发现,这样的专家距离代替真正的人类专家还差的很远。专家系统要求的输入过于严苛,也仅有小部分人类的专家能够掌握,从而大大限制了它的推广使用。此时人类专家面临的是海量知识和规则系统的挑战,但AI终究因为自身学艺不精,没能成功的替代专家。
那么到了现在,AI有了算力和机器学习两大法宝,人们的职业又会受到哪些威胁呢?微软亚洲研究院院长洪小文在一次演讲中将人类的智能建模成一座金字塔,越往上就越接近‘智慧’的本源。而AI目前已经成功的完成了计算,记忆和感知的任务,并且能够在认知和决策部分助人一臂之力,那么在这样的背景下,我认为这些职业未来会受到AI较大冲击,甚至有被替代的风险。
1)翻译。
翻译软件早已不是什么新鲜事,哪怕没过4级也能在在国外畅玩,靠的就是翻译软件。而翻译,作为一种古老的职业,在这样的背景之下,受到的冲击尤为巨大。因为翻译,所依赖的就是记忆力(多语言的储备),感知(不同语言的文字,语音输入),以及理解决策。人类在前两个领地上早就败下阵来,只能通过在理解层面的少许优势,维护住自己的职业尊严。但是这种优势,也会随着相关领域的不断发展而被侵蚀。
2)导游。
到现在为止,很多导游会把自己的工作定位为景点的介绍,安排等方面。但是计算机过目不忘的能力早就不需要导游来背诵长长的文字,推荐系统算法也让导游不再需要花长时间权衡价格和舒适度之间的关系,一切都给你安排妥帖。因此,传统意义上的导游会逐渐消失,更多而来可能是伴游,伴游们不再关系是否到景点打卡,是否按时吃了一日三餐,他们关心的只有你玩的是否开心,是否得到了充分的放松。
3)司机。
司机工作可以很好的被建模成感知和决策两部分,并且较困难的决策部分,也因为其相对规范化而变得容易实现,因此以特斯拉为代表的自动驾驶企业致力于将人们从驾驶这一枯燥的工作中解放出来,并且的确取得不错的成就。一项弗吉尼亚理工大学的研究研究表明,无人车的舒适性和安全性已经远超人类驾驶员的水平。目前人类还握着方向盘不放,除了伦理和法律方面的原因,可能还有那自尊心在作怪吧。
当AI能够覆盖到认知的所有范畴,并能在创造力上有自己的看法时,事情或许会变的更加不一样。
1)警察。
在那个时候,AI应该已经有了方便行动的肉体,能够和警察同时出警来处理现场的案子。信息采集,推理,判断嫌疑犯的工作全部交给我们的AI警察即可,人类警察要做的就是执行。更有甚者,人类警察可以全程安坐在屏幕之后,通过天眼追踪嫌疑人,用机器人去抓捕嫌疑人,安排分析算法去分析嫌弃人口供,来大大降低警力不足的问题,为我们的安全保驾护航。
2)精算师,会计。
简单的记账,对账等功能早有许多的自动化系统能够实现,精算师,会计之所以还会继续存在,是因为他们还掌握了部分的创造能力——需要‘变通’的记账方式,基于统计学来设计新的险种——这些基于一定规则的创造力,在我们之后的AI时代,是一个很容易被占领的高地。
3)程序员。
想到自己的职业会被AI完全覆盖的时候,自己的心里还是有一点难过的。在那个时候,大部分的程序员工作应该都会变成一行行的配置,设计师只需要选择自己需要的配置,摆好自己的造型,剩下的都可以交由AI程序来帮你实现。我们程序员一个个都会变成AI系统的维护工程师,来帮AI系统做一些拧拧螺丝,上上润滑油之类的活了。
其实当AI开始进入创造力领域的时候,我们的社会结构恐怕也会发生巨大的变化。大量生产性的工作完全被AI覆盖,人们的价值观可能也会从‘劳动最光荣’转变到‘我的征途是星辰大海’,在那个时候,几个世纪前的盛行一时的大冒险家可能又会繁盛起来,将人们的视野带入茫茫的宇宙之中。
创造力之后的AI时代,其实人和AI已经无法区分了。我相信那个时候人也完成了肉体改造,从部分机械化一直到到大脑也机械化,那么究竟是人工智能还是智能人工也都概念模糊,我们就变成了畅游在电网里的精灵,成为了网络真实的奴隶。
回到现在,AI带来的是一种改革而不是革命,它并不会一夜之间就让人们失业。它总是先以助手的身份出现,来帮助人们提高工作效率;逐渐的,若我们没有办法升级自己,那么它就会说,‘让我来’,从我们手中抢过控制权;若是此时我们还不警醒,可能N+1就是最好的归宿。