机器人抢饭碗 哪些工作会是高危职业？|人工智能|机器人_凤凰科技
机器人抢饭碗 哪些工作会是高危职业？
用微信扫描二维码分享至好友和朋友圈
按照研究人员的推测，容易被电脑取代的职业包括普通文员、出租车司机、收银员、保安、大楼清洁工、酒店客房服务员等。
你的工作会被机器人抢走吗？ 机器人会不会有一天取代人工？这不算个新鲜话题。但你设想过这一天可能很快到来吗？日本和英国研究人员最近推测，日本接近半数的职位可能在10至20年内由机器人或人工智能取代。 研究人员列举了部分可能被机器人取代的职业。来对照看看，你是不是该&另谋高就&了？ 半数人可能&失业&？ 日本共同网3日报道，日本智库野村综合研究所与英国牛津大学合作，调查计算机应用对日本国内601种职业的潜在影响。在日本，这些职业的从业人数总计4280万。 根据研究人员设定的标准，如果一项职业66%以上的工作内容可由人工智能或机器人完成，即被视作&可被取代的工作&。研究人员计算后发现，日本劳动者中，49%的人可由电脑代替。 牛津大学研究人员先前在美国和英国进行的类似研究显示，美国可能被机器人取代的职位比例为47%，英国为35%。 哪些工作容易&被抢&？ 按照研究人员的推测，容易被电脑取代的职业包括普通文员、出租车司机、收银员、保安、大楼清洁工、酒店客房服务员等。 研究人员认为，这些职业&不需要特殊知识和技能&。 需要高创造力、谈判能力、社交能力的工作，则不容易被替代。被取代可能性较低的职业包括医生、教师、学术研究人员，以及导游、美容师等需要人际沟通的职业。 机器人能取代的工种，基本按照这个顺序来：制造业、办公行政人员、服务业、销售、建筑工人等。 不过，野村综合研究所指出，这项研究只表明电脑取代人工&技术上的可能性&，没有考虑各种职业牵涉的劳动力供需平衡等社会因素。 机器人&解放&劳动力 研究人员指出，日本人口减少、老龄化加剧，导致劳动力短缺，&我们正在研究对引入人工智能和机器人以保持劳动力的社会影响&。 由于劳动力短缺压力，日本在机器人研究和应用方面处于全球领先地位。英国广播公司报道，日本企业使用工业机器人的数量已经超过25万，居全球首位。 此外，日本拥有全球第一家机器人酒店，研发出一系列可用于抢险救灾的机器人，还有外形&高度仿真&、定位为&专业演员&且已经担任过电影女主角的情感机器人等。 不过，专家指出，机器人代替人类完成诸如数据录入、驾驶、酒店前台服务员等工作，并不意味着人类将&无所事事&。由机器人承担&服务性工作&的目的在于，把人类从体力劳动中解放出来，从事更多需要创造力、同情心等&人类特质&的&更有趣的工作&。 新华社综合
[责任编辑：王蕊 PT006]
用微信扫描二维码分享至好友和朋友圈
凤凰科技官方微信
播放数：396530
播放数：2456862
播放数：3750987
播放数：5808920
48小时点击排行哪些职业会被机器人替代？
admin_jqrgl││阅读（31808）│评论（0）
人工智能&&
作者：谷来丰（上海交通大学海外教育学院副院长）最近几年，随着美国、日本、德国等国家对机器人产业的大量投入，机器人的技术发展日新月异。在行动上，机器人从过去的笨拙缓慢变得灵巧迅捷；在智力上，人工智能的发展在深度学习和人工神经网络方面有很大突破；在使用场景上，机器人不但可以承担工厂生产线上的工作，还可以走进家庭，扫地、浇水、做饭；从功能上，机器人不但可以替代手工操作，现在还在逐步替代脑力劳动。机器人长得不像人？那很正常我们抱怨很多现代机器人长得不像人，是有道理的，比如在现代化车间里看到的机械手臂、会自动包装的机器人、厨房里炒菜的机器人、***在汽车里的自动驾驶设备，还有客厅里的扫地机器人。但是如果说机器人的智商不如人，则不完全正确。因为机器人在某些方面的才能已经远超过普通人，比如智力抢答、下象棋等。如果说到综合智力，机器人的能力正在接近人类。测量机器人的“智商”有一个方法，叫做“图灵测试”。图灵测试是计算机科学和密码学的先驱阿兰图灵在1950年设计出的，其内容是，如果电脑能在5分钟内回答由人类测试者提出的一系列问题，且其超过30%的裁判相信是人类所答，则电脑通过测试。2014年，英国雷丁大学有一个机器成功地骗过裁判，让裁判误认为他是一个13岁的男孩。其实，家里的扫地机器人也可以做到智商很高，之所以只是目前的样子，不是技术不行，而是如果那样做价格会非常昂贵。曾在谷歌搜索部门工作的吴军博士说：“机器拥有智能如今成为可能”。曾经缺失的一环今天已经接上了，这一环就是大数据。大数据让机器具备了深度学习的能力和自主判断的能力。现在的智能设备已经具备柔性，机器替代人正在全世界发生。比如在工厂搬运的工位上，工业视觉公司的机器人已经可以对付大小不同、高低错落的箱子，把他们搬运到相应的货架，这在过去是很难想象的。在服务行业，美国旧金山的动力机械公司曾生产出一款自动制作美味汉堡的机器人，它知道如何烤肉饼，如何把面包切成片，如何加番茄、生菜和奶酪，做好以后还可以通过传送带把美味的汉堡送给顾客。英国MOLEY公司制作的机器人厨师，可以做出美味的饭菜，其售价大约10万元人民币。还有大量的机器人被做成玩具和表演道具。如今，孩子们已经不再喜欢不能动的毛绒狗，而是能做很多事的机器狗。机器人厨师Moley，能够模仿人类双手的动作，抓住各类瓶子、罐子、餐具、锅和盘子，还能使用搅拌机、搅拌器、餐刀、菜刀和灶台等。在农业领域，机器人也开始尝试替代人的复杂工作。如采摘工作，采摘时要很清楚地定位要摘水果的具体位置，还要根据水果颜色判断是否成熟。视觉机器人公司生产了一种像八爪章鱼一样的机器人，用3D视觉形成整棵树的模型，确定每个果子的定位，这些信息被传送到机器人的8只手臂上，使其迅速采摘果子。除了对简单手工操作的替代，机器人还能替代复杂的专业技术人员的工作。如判断医学X光片的机器人，准确率达到98%以上，这已经超过了人的准确率。另外，网上广泛传播的硅谷视频机械狗、无人飞机，这些机器连遥控器都不需要，它们自行判断运动路线，躲避障碍物等。它们无需人类操作，灵活得几乎和生命体一样。早已不同以前的工厂机器人，现在硅谷的智能机器人灵活度、准确率和自主判断能力几乎与人类相似。机器人想问题的方法和人类不一样难道机器人真的学会自己思考了吗？我们长期以来，对人工智能一直有种误解，怎样让机器变得聪明，让它模拟人、让它思考。这其实是错误的，计算机不是通过这种方式实现智能的，它想问题的方法和人类不一样。自从阿兰?图灵提出人工智能的概念到如今，已经经历了60多年。人工智能的研究经历了繁荣与萧条的周期循环，人们对它的期望越来越高。当失望在所难免时，投资和研究活动迅速减少，而称为“人工智能寒冬”的长期停滞也接踵而至。前些年，美国科学家明斯基曾写过一篇文章，说明如果不能告诉机器人全世界各种物体的尺寸，它就会犯很多可笑的错误，但是告诉它全世界所有东西的尺寸这几乎是不可能的。比如说，“Pen”，英文里既指“钢笔”，又指“围栏”。当有人说“Pen”在盒子里，人类都能理解是钢笔，不会误解成围栏。机器就不行。没有如此海量的知识，计算机不可能单纯靠推理答对。所以指望人工智能单纯推理并无意义。也因为这篇文章，从此美国政府不太支持对人工智能的研究。至今，美国对模拟人思考的项目研究经费支持都很少。可是在大数据时代，问题迎刃而解。大数据能够告诉机器以往人类的经验。机器可以用统计学或一些算法，判断哪种行为成功率更高。一旦样本足够大、数据足够多，量变就会成为质变。不管前几次人工智能寒冬让这个行业多么凋零，反正现在这个行业是春天再次到来。投资人四处寻找人工智能项目，谷歌、脸书、亚马逊等公司都对人工智能研究青睐有加，“以前从未有这样财大气粗的企业将人工智能放在业务模式的绝对核心地位，也从未有过人工智能研究在如此强大的企业之间被几乎定位成了竞争的焦点。类似的竞争也在国家之间展开。人工智能在集权国家的军队、情报机构和监视机构中正变得不可或缺。”马丁?福特如是说。2015年3月的全国两会上，李彦宏提案的“中国大脑”颇引人注目。当谷歌的大狗机器人刚出来，山东大学就展示了863项目的中国版大狗机器人，中国版大狗也有被脚踹而不倒的场景，尽管看上去比波士顿公司的笨拙一些。“机器换人”时代来临如今，在中国的那几个传统意义上的制造中心，如广东的东莞和佛山、长三角的苏州、无锡、常州和温州等，各个企业都在大谈机器换人。来自2015年5月《东莞经济》的资料显示，其中有5篇报道，内容总计15页，《机器换人将成为新常态》、《东莞机器换人需要集成创新》、《机器换人：东莞占了“天时、地利、人和”》等文章，从各个角度分析了机器换人的可能性，既有实际案例分析，也有产业发展情况等。总结下来有以下几点：一，机器换人已经成为了一种趋势。近几年企业用工难，工人工资上涨已经成为普遍现象，而中国制造的产品结构和利润率没有太大增长。这就使得企业要不把工厂搬家到工资更低的不发达国家，如孟加拉国，要不就得想办法找到少用工人的办法。随着机器人技术的进步，机器换人成为一种趋势。二，地方政府正在有组织地进行机器换人的工作。以东莞为例，主要是政府定计划、专项资金支持、金融服务支撑、就近发展机器人产业等办法。其中2015年确定的专项基金就达到2亿元。三，中国的机器人设计和制造被资金追捧，但是技术上与美、日、德还有差距。国内的机器人制造厂商基本在系统集成等食物链的下游，而美、日、德则控制了减速机、控制系统和基础关键零部件等。四，企业在机器换人的过程中遇到了很多问题。如前期投入大、机器人的柔性不够好、不能适应产品线的更换、缺少懂机器人的技术人员等。图为海尔洗衣机互联工厂。从海尔、富士康为代表的制造业巨头纷纷建设的一些无人工厂，我们可以看出一种趋势，机器换人正在发生，潮流势不可挡，对社会的影响也在逐步显现。国际机器人联盟有一张图比较了全球主要国家和地区机器人的使用密度，韩国排第一，每万名制造业员工机器人拥有量达到437台，而中国大陆地区密度最小，每万名制造业员工机器人拥有量只有30台，相当于韩国的1/10不到，甚至达不到世界平均水平。但是，中国机器人的购买量是全球最大的，相当于日本的2.5倍，而且销量还在不断增长。目前，中国制造业公司纷纷大量采购先进的机器人，拥抱工业4.0。一些中小企业，产品品种多样化、小批量生产，同时也在尝试使用模拟学习的柔性机器人。机器人的不知疲劳、不会受伤、没有情绪、不拿薪水等好处，已经被产业界广泛认知，但是其高昂的价格和严密的维护要求，也把很多企业挡在门外。哪些职业会被机器替代？从全球范围来看，机器人以及人工智能的发展迅速，对整个人类的科技进步，生产方式的转变都有非常好的正向促进作用，同时机器人以及人工智能的发展也给社会带来隐忧。部分人会面临短暂性失业。COURSERA的创办人，百度首席科学家吴恩达在近期的BIGTALK上就讲过，人们与其担心人工智能和机器人会给人类带来毁灭，不如去担心人工智能和机器人给社会带来的大量失业和再就业培训的压力。吴恩达认为，美国用了200年把一个农业社会转变成现代社会，农业就业人口只有总就业人口的2%。因为用了200年，所以农民可以继续种地，不慌不忙地慢慢学习农业机械的使用和向其他产业转移。但是现在的科技发展给社会带来的变化要快得多，人们没有200年的时间去做转变，甚至没有20年的时间去做转变，这个转变的时间很短。吴恩达举例，无人驾驶汽车的技术已经成熟，在未来的几年里会被广泛使用，美国350万卡车司机将面临失业。2015年4月份我在哥伦比亚大学与诺贝尔经济学奖得主斯蒂格利茨交流时，他也表现出对失业、新技能学习以及再就业培训的担忧。3D打印技术和工业机器人可能在近几年内迅速普及，制造业大量在生产线上做装配的蓝领劳动力面临失业的窘境。这已经不是预测，而是发展中的现实：富士康在“11跳”以后，痛定思痛，认为只要解决了机器人的“柔性”问题，机器人就会比人好得多，所以富士康正在加大力度开发用于上生产线上的机器人。一旦成熟，全国各地号称20万人的工厂，最后能剩下几个“真人”？不仅仅是蓝领工人受到冲击，很多过去一直被认为是高技能的白领工作也将受到影响。如美国《连线》杂志主编、《失控》一书的作者凯文?凯利在多次演讲中提及的利用大数据和人工智能技术，电脑可以替代大量普通医生的工作，准确率比普通医生还高，那么这些普通医生去哪里就业？美国是判例法国家，要想打赢一个官司，要研究上百、上千个案例，所以要动用大量律师，收取上亿美元的律师费。现在机器人已经可以利用大数据和人工智能替代律师的工作，看更多的案例，准备更有说服力的案件资料，成本是原来的1/10，而且案件资料的质量更高。那么原来做整理资料工作的律师去哪里就业？美国麻省理工学院(MIT)斯隆管理学院副院长黄亚生教授在一次论坛上透露，他用一个智能设备系统搜集100篇相关学术论文，准确率达85%。过去，这件工作要好几个RA(研究助理)来做几个星期才能完成，用机器只要几分钟。如果如黄亚生教授所说，那些研究助理要去哪里工作？还有慕课(MOOC)的出现，让学生实现了在线学习、考试、取得***等过程，那这些大学里的师资去哪里就业？同声传译机也是人工智能家族里的成员，随着自然语言的处理技术和声音过滤识别技术的发展，可能在5-10年内出原型，翻译人员就会失业。针对机器人和人工智能造成大量失业的情况，马丁?福特在他最近出版的《机器人的时代》有过非常多的阐述。我最近和他做过深度交流，他认为这一次真的不一样。前几次技术革命，每次带来的失业，马上会被新的岗位的出现弥补并反超，所以人们并不害怕新技术，然而最近的统计显示，美国机器人技术的迅速发展，带来的新的就业机会将非常少，2000年到2010年，美国几乎没有创造出新的就业机会。从原理上讲，以前的技术革命仍然是工具型的，是对人手的延展，然而机器人应用的繁荣，却是对大脑的替代。有一个问题一直是人们争论的焦点，机器人替代人，提升了整个社会的效率，同时也提升了人类整体福利，这难道不是一件好事吗？赞同的一方认为，由于人类整体福利提升，只要政府保证失业人的基本生活保障和公平对待，社会就会非常安定；但是反对的一方认为，机器人替代了人，人失去了工作的机会，也就失去了追求进步的机会。日本科技公司NEC在日前推出了一款机器人管家，云计算技术允许异地交流。机器人革命的最重要推动力之一，可能就是“云机器人”，要想实现机器人功能提高，价格降低，云机器人也是一个很好的选择。在云技术应用之前，机器人不但硬件要强大，软件也要强大，而且由于传递速率较慢，机器人与数据中心的沟通并不容易。如今，随着物联网和5G技术的发展，把大部分计算方式和数据放在一个大型数据中心，单个机器人力求简单，与大型数据中心保持连接。一台机器人学到了新知识，可以马上经过云端让其他机器人获得，这种机器智能学习也只能在云端实现，软件升级也基于云端实现，这样就省去了很多麻烦。由于有了云端技术，你买来的机器人会越来越聪明，学会做的事情也越来越多，直到它的身体部位硬件出现故障，再进行硬件的更换。2045“奇点”来临？随着大数据和云计算的发展，机器人技术迎来了春天，有人开始就机器人的智能一旦超过了人以后，对人类的影响开展了想象力丰富的研究。但是，机器人和人工智能会对整个人类带来什么根本性影响，我们还要拭目以待。2005年，美国有一本奇书出版，《奇点临近：当人类超越生物学》（The SingularityIsNear：WhenHumansTranscendBiology）。作者是多才多艺的库兹韦尔，在与计算机技术相关非常多的领域中都有所建树。库兹韦尔预计到2045年，计算机的智力会超过人类，而那个时点就是“奇点”。马丁?福特认为，如果计算机的智力接近人类，依靠摩尔定律的法则，超过人类也会变得很容易。我们无法预测人工智能超越人类以后会是什么样子，虽然科幻小说和电影已经把好的一面和坏的一面展现的淋漓尽致，但是毕竟我们没有亲身体验那个时代的特色。有一点可以肯定，技术进步最初总是让人惊奇不已，然后人类很快就“笑纳”了技术进步带来的改变，再然后就开始抱怨技术进步太慢，没有到达理想效果。智能机器人作为新一代生产和服务的工具，越来越多地参与到我们的生活中，从而更多地服务我们，但一些走在科技前沿的工作者对其并不感到乐观，更坦言，如果人工智能自行发展，以加速度重新设计自己，由于受到缓慢的生物演化的限制，人类不能与之竞争，最终将会被代替。不管怎样，机器人出现的本意，原是希望它能为人类服务，如果人类没有能力将人工智能的潜在风险控制在可以承受的范围之内，那后果将不是我们所能够承受的。（文/谷来丰）来源：新华网对人工智能这四大误解，必须要澄清--百度百家
对人工智能这四大误解，必须要澄清
分享到微信朋友圈
任何文明、任何时间，人类都有各种各样人工智能的概念。但直到现在它们才更加真实地正在或即将出现在我们面前，但由于各种限制，我们对其有或多或少的偏见，在2015年的最后一天，我们一起消除偏见，拥抱崭新的2016！
从杀人机器到智能失控，关于人工智能，要澄清的问题实在太多了！
非人类智能可以追溯到非常久远的人类史前时代。随着时间的改变，人类关于非人类智能的探索也从神魔鬼怪逐渐过渡到了魔法般的技术之上。古希腊神话之中有许多神或人类发明制造的机器人；同时，根据安提凯希拉（Antikythera）历法计算机等历史文物推断，人类在公元前200年就已经能设计出有使用价值的类人类智力的工作机制了。
任何文明、任何时间，人类都有各种各样的人工智能（AI）的概念。但直到现在，我们的人工智能技术才真正有可能超越人类的思维能力，而且我们还将真真切切地实现它。但是，我们对事物的理解和观念都受到了自身文化背景的影响；因此，在这些文化背景下的我们对人工智能也必然存在或多或少的偏见。
这些偏见多半是错的：在库布里克导演的电影《2001太空漫游》中，HAL 9000远远超过训练有素的宇航员的思维能力最终导向了谋杀。相对而言比尔o盖茨推出的Office助手大眼夹就要容易对付得多了。
如今人工智能已经发展成了一个价值数十亿美元的产业，而且还在不断向我们的手机、企业和家庭渗透。现在是时候澄清一些最重要的关于人工智能的误解了；事实真相到底又是什么呢？
误解一：人工智能就只是为了制造能够思考的机器
上世纪中期，当数字计算第一次成为现实的时候，人们对人工智能在短期内实现同样的目标给予了厚望。阿兰o图灵在其1948年的著名论文《智能机器》中就对这一概念进行了详细的阐释，他认为在20世纪末就将出现可工作的思考机器，对此没有人提出异议。那时科幻作家艾萨克o阿西莫夫虚构出了计算机Multivac，那是一台比1951年美国人口普查局使用的UNIVAC 1更大更智能的计算机。（之后美国人口普查局和IBM建立了合作，IBM将其第一台击败人类象棋手的计算机命名为「深蓝」（Deep Blue），这个名字的灵感来源于科幻作家道格拉斯o亚当斯的《银河系漫游指南》中的超智能计算机「深思」（Deep Thought），小说中正是这台计算机给出了宇宙终极问题的***：42。）
为了能够复制类人的思维，人们提出了各种各样的项目和研究，其中大部分都是通过硬件和软件对新技术揭示出的人脑结构和功能进行模拟。其中瑞士洛桑联邦理工学院（EPFL）大脑与心智研究所的「蓝脑」（Blue Brain）计划拥有较高的知名度；该计划起始于2005年，并计划在2023年之前搭建出一个基本等同于人脑模式的工作模型。
任何大脑模拟器都面临着两个主要问题。首先人脑其实是非常复杂的，拥有大约1000亿个神经元和1000万亿突触连接。这些连接都不是数字连接，它们依赖于具有互相关联的时序的电化学信号和模拟组件；其中的分子和生物学机制我们才刚刚开始懂点皮毛。
即使简单一点的大脑都依然神秘难解。蓝脑计划最近取得的具有里程牌意义的进展是年初时，研究人员成功在一只小鼠大脑中的一个包含了30000个神经元的区域复制了活的啮齿动物大脑中的信号。对哺乳动物来说，30000个神经元只是大脑的一点皮毛。而随着神经元数量和突触连接的增加，模拟的复杂程度也将指数式增加----以至于没法使用现有的技术手段进行处理。
而这又引出了大脑模拟需要面临的另一个问题：目前还没有任何一个完备的理论能解释「思维」到底是什么。
定义「思维」是人工智能技术最底层的问题，同时也是最难的问题之一。解决了这一问题之后，我们得到的人工智能被称为「强人工智能」（strong AI）。商用人工智能业内人士大多并不相信强人工智能能在短期内实现，或者并不认为强人工智能是必要的或能够带来实际利益。但毫无疑问，人工智能现在已经开始在从事非常有意义的工作了，而且还将继续进入更多的技术和工作领域；但要具备全面的感知能力，似乎依然还遥不可及。
IBM的沃森超级计算机可以说是目前最引人瞩目的人工智能成功应用的典范，其在美国电视游戏节目Jeopardy上的优异表现让人叹为观止。它通过自然语言处理和大量专家处理过程的结合，尝试不同的策略将内部知识数据库和潜在的***进行匹配；然后再对其内部专家过程的置信度进行检测，如果置信度足够高，那么沃森就会选择回答这一问题。
沃森的第一个真正严肃的应用是作为癌症医学辅助诊断手段。从2011年开始，沃森就一直在协助肿瘤科医生，它能够对病人的病历进行深入的分析，并且还能将该病历和存储的其它来源的相关病历、临床专业知识和学术研究进行比对和筛选；这使得沃森甚至能够自行推导出连医生自己也未曾考虑过的治疗方案。
泰国康民国际医院首席医疗信息官Dr. James Miser说：「就像是有了一个有能力又有知识的同事，它能查看已有的信息并且将其和我的病人对应起来。它很快很彻底，并且对已有证据在我正在治疗的独特案例上的应用有着不可思议的理解能力。」
听起来真是奇妙，而这就已经突出展现了现有的具有应用范围限制的应用型人工智能和强人工智能之间的区别。这两种人工智能的都具有类似的基本结构：神经网络。神经网络是一个基于生物学的概念，其主要的功能是将输入或尝试与该神经网络之前已经接触过的信息进行比对和匹配。其中的关键概念是神经网络并没有一个预先设置的分析方式，而是通过前期给定和输入和正确的输出对解决方案进行校正，然后调整配置出一条自己的计算路径以供之后的未知输入使用。
现在，沃森和Facebook的DeepFace面部识别系统这样的「弱人工智能」已经能够通过特定领域的有限数据集做到这一点了，但要它们超越自己的被编程领域自行完成其它领域的工作依然比登天还难。
谷歌就在弱人工智能上玩得风生水起。它推出了能够根据内容、环境和科学数据进行图片搜索的应用以及风靡全球的机器翻译应用。而在强人工智能的研究上，谷歌却鲜有成绩。人脑可以发现和利用定义不明确的数据模式，并且还能使用复杂得多的方式匹配连接；其中的识别和转换甚至能够给整个宇宙打造一个模型。谷歌DeepMind这样的项目正在实验将不同的技术结合起来。其中的一个例子是将神经网络和增强学习技术结合起来：让机器生成随机输入，直到其满足预设的条件；通过这一过程，实际结果和理想结果之间的差距就会不断缩小，但总归而言，这些应用仍然处于非常具体的狭窄的领域内。
最近，DeepMind项目正在使用这种组合技术来「掌握2600个各种各样的雅达利游戏」。谷歌研究员Koray Kavukcuoglu在接受Wired采访时表示他的团队已经打造了「一个应该可以应用于其它多种任务的通用学习算法」，但是「学习如何执行任务」和「能够有意识地思考这些任务」之间是有很大差别的，至少「思考」还会涉及到这些任务可能产生的后果和进行这项任务需要的前期投入等等。
误解二：人工智能不会被人类的伦理道德约束
人们很容易想象出智能机器自主行动可能带来的种种危险，像是发了疯了机器人士兵或是不能识别致命状况的自动驾驶汽车。但搜索引擎所可能带来的危险就不是那么明显了，想象一下如果巨头企业的搜索引擎给出了一个带有偏见，但并不关乎你切身利益的***，你可能甚至都赖得耸耸肩。
然而这才是我们更应该马上关心的问题，这涉及我们使用当前和未来人工智能技术以及被这些技术利用的方式。假如医生使用沃森（或Siri或Google Now或Cortana）作为诊断手段的一部分并由此造成误诊，那么谁应该对这样的后果担负道德上的责任呢？更何况未来有一天我们也许还会面临人工智能要求自身权利的问题。
好在现在人们已经在严肃地对待这个问题了。要知道，光是定义人类之间的道德都已经无比困难了！现代社会通过规则和法律系统为人们的基本道德规则设定了框架，而这种方式也为人工智能道德伦理的发展指出了一条实用的路径。
第一个问题是机器人或人工智能对人类来说是否是全然的新鲜事物从而需要全新的思维方式，或是否可以只通过对现有的规则进行调整以对其进行约束？
「两种都要。」华盛顿大学法学助理教授兼网络法制定的领军人说，「有相当多的人关注机器人将会‘觉醒’的概念，觉得它们将会要求权利并可能伤害我们。我不觉得这会发生，至少在可预见的未来内不会。但机器人和人工智能对法律和政策来说却是全新而有趣的挑战，就好像是1990年代的互联网一样。」
那么，如果人工智能学习或表现出了有害的行为又该怎么办呢？谁该对此负责？
我们有选择，Calo说，包括如果人们将学习系统部署到可能带来麻烦的地方，那么他们就应该为此承担严格的责任。「这可以将自学习系统限制在真正需要或危险较小的地方。」但Calo表示并不可能做到面面俱到，「在技术政策中，风险管理将发挥更大的作用。」
互联网就曾经给法律构成过挑战，因此有关人工智能的法律制定也能从中获取经验。Calo说：「其中有些经验教训很容易适用于机器人----例如，架构和代码可以成为一种监管力量，或像是计算机科学和法学这样的学科之间应该互相沟通。」
但其它的一些问题却并没有先例，毕竟人工智能和机器人并不是一些「手无寸铁」的数据。Calo说
「当涉及到实实在在的机体而不只是比特时，法院就不那么舒服了。我称之为具体化问题（the problem of embodiment）。」
「我们可能需要一个全新的模式。我们可能需要一个联邦机器人委员会帮助其它机构、法院以及州和联邦的国会议员对技术有足够的了解，以便于政策制定。」
这一举措将确保人工智能和机器人等新技术获得足够的关注，同时还能遵守人们业已熟悉的立法方式。
制造法律，而不是制造战争
然而总有一些地方道德起不了太大作用。2015年3月份，美国军方主办了一场构思2050年未来战场的研讨会。在研讨会的总结中可以看到人工智能所扮演的大量重要角色；人工智能将不只是处理数据那么简单，它们还直接控制武器，人类士兵可能将不再处于战斗环路之中。
本次研讨会还预测了自动化决策的可能、使用信息误导作为武器、微型定位、大规模自组织系统和能够独立或协作执行任务的机器群。想一想，现代武器即使在人类的控制下都很容易对平民带来附带伤害，而一旦自动化机器也参与到了战争和战斗的决策中，又可能会发生什么呢？
鉴于目前许多人工智能技术都是通过开源协作方式在发展（伊隆o马斯克和山姆o奥特曼近日宣布对一家致力于人工智能技术发展的公司OpenAI进行了数十亿美元的投资），合乎道德的决策现在就已经显得很重要了。如果你在开发人工智能技术，你希望它们被用于战争吗？如果不，又该怎么阻止？
误解三：人工智能将会失控
物理学家斯蒂芬o霍金和科技富豪伊隆o马斯克等多位名人都曾经公开表示过对人工智能的危及人类生存的担忧。
霍金说：「全人工智能的发展可能意味着人类的终结。人类受到了缓慢的生物进化的限制，根本无法与之竞争，而将被取代。」马斯克同样疑心重重，2014年他曾表示强人工智能「可能比核武器更危险，而最近人工智能是『我们最大的生存威胁』」。
一些科技文章提出，拥有足够能力的人工智能不仅将在思维能力上超过人类，而且还将必然进化出自己的动机和计划以伪装和保护自己免受人类的伤害。然后人类就有麻烦了。
但这样的愿景究竟将怎样实现还不能明确。鼓吹人类即将变得微不足道甚至处境变得更为糟糕的理论家和带路人Ray Kurzweil推断由摩尔定律预测的指数式的技术能力增长将一直持续到本世纪40年代，那也将是奇点到来的时候。人工智能将会实现自我延续，并且将再也不需要依赖人类的智力了。
反驳这种论调的论据有很多，比如说摩尔定律的指数增长并不是没有限制的，而且外部因素对这一增长的影响实际上也越来越显著。摩尔定律所预测的每隔2年左右晶体管密度翻一番的增长已经很好地维持了50年时间，现在的技术已经逐渐逼近了基本物理限制的极限。
随着晶体管尺寸的指数式变小，晶体管的开关速度也相应提高，但同时量子隧道效应所带来漏电也在指数式增长。这个问题很复杂，但本质上来讲就是随着晶体管的各层结构变得越来越薄，电子就越来越容易隧穿出去。这不仅增加了晶体管的总功耗，而且还可能导致灾难性的后果。
摩尔定律还是其中的一部分问题。处理器的时钟频率从上世纪70年代到本世纪头10年已经翻了一倍，而这又带来了另一个问题：芯片的功率密度的飞升；另外要保证这些功率怪兽不把自己给烧了也需要强大的外部配置。
尽管芯片的尺寸还在继续缩小，但高端计算机的功耗水平却一直没怎么该变。结果现在我们不得不想办法在仅有10毫米见方的芯片上转移走100W的热量！其难度可想而知。为了进一步发展，我们必然需要全新的冷却技术。
最后也是最大的限制是晶体管本身也是由原子构成的，现在晶体管的尺寸已经接近晶体管成型的最低尺寸了，再继续减小原子也许就不能再继续组成晶体管了。行业路线图指出这一极限大约将在2020年来到；虽然还有几年，但我们现在已经感受到了物理定律的不可违逆的压力。英特尔今年早些时候宣布推迟由14纳米（最小组件只有27个原子）向10纳米技术节点的过渡，将摩尔定律预言的换代时间延长了一年。
等待下一个大突破
目前来看，技术方面的主要努力还是在「核战」上，人们普遍相信2个2GHz内核比单个4GHz内核好，但大多数情况都并非如此，毕竟只有很少的计算任务可以有效地分割到多个内核上运行。
过去几年最大的改变是数据中心大型集中式计算设备、公共云和混合云、以及超级计算机的迅猛增长。微观尺度上的性能提升已经变得相当困难了，企业和机构的注意力也因此转向了宏观，以提升大规模数据处理的效率。
Siri并不在你的iPhone里面，她住在苹果的数据中心里；Xbox One并不能实时处理可修改的游戏环境的物理规则，这一过程实际上在微软Azure上进行。
但即使是在数据中心和超级计算机上，其它因素的限制也在逐渐增大。功耗和散热已经是老生常谈的问题了。另外光速的限制对数字信号传递速度带来的影响也对信号流入流出计算芯片的速度带来了不可避免的限制。实际上光速已经对一些专业应用的人工智能产生了影响，其中最值得一提的是实时金融分析和高频交易。
比如三年前一家网络公司建造一套连接伦敦和法兰克福的地上微波网络，将现有光纤网络的往返延迟时间从8.35ms减半到了4.6ms。在该网络被公开曝光之前，其一直被秘密地用于高频交易。建造一套连接这两个城市的网络只需要1000万欧元（1500万美元），但高频交易所产生的利润则可能高达数亿英镑！
目前没人知道强人工智能的工作原理，但其必然涉及到处理大量的数据。所以不同位置之间的信号传输都将继续存在延迟，除非我们能找到一种完全不同的物理规则，而这又将涉及到对时空本质的探求，。
量子物理学也在为数据的计算处理贡献着新的思路和方法。或许信息和能量一样，是整个宇宙运转的基础。也许量子物理学最终将揭示出真正智能的人工智能的解决方案，但在那之前，我们还有很长的路要走。
误解四：人工智能将会是一系列突然的突破
在阿瑟o克拉克1964年的短篇小说《拨F字找弗兰克斯坦》中，当全球***系统获得了知觉时，全世界的***都同步发出了同样的铃声。克拉克后来宣称蒂姆o伯纳斯-李承认发明网络的一部分灵感来自于这篇小说。但「系统觉醒，变得有知觉」是人们对人工智能未来的误解的核心。
而事实当然并非如此。人工智能的发展和进步是依靠缓慢的、人为有意的方式推进的。只是现在，人工智能在经历了大约50年的默默发展之后，这才开始向更高级的应用领域（如：医疗、教育、金融等）大举扩张。但即便如此，这些仍然是较为狭窄的应用领域，你现在可找不到一个既能帮你理财，又能给你诊断疾病的人工智能顾问。
关于人工智能「大爆炸」式突破的误解已经给该领域带来了多次伤害：当结果和预期存在差别时，人们的期望和相关投资都会远离相关研究。
这些「人工智能的冬天」总是会时不时到来。上世纪80年代，日本政府投入数亿美元资助「第五代」（Fifth Generation）计划，试图通过能在面对逻辑问题时有效编程自身的大规模并行超级计算机一举超越西方技术。而到该项目完成时，却没有出现任何有商用价值的成果，而此时西方的计算系统已经通过常规技术的演进遥遥领先了。之后政府对人工智能的投资就终止了。
类似的状况也曾发生在70年代的英国，在莱特希尔报告（Lighthill Report）说服了议会人工智能研究没有任何实际应用价值的迹象后，政府取消了大部分针对人工智能研究的投资。该报告批评说人工智能系统只有「玩具」般的生产力，无法应对现实数据的复杂度，人工智能的「宏伟目标」无法实现。同样，那时候传统的计算方法更加实用，而且看起来也超过了人工智能所能提供的一切。
然而颇具讽刺意味的是，许多失败的人工智能项目（包括60年代初的机器翻译，60年代末的早期神经网络，70年代的语音识别，80年代编纂业务知识的「专家系统」）在云计算的发展之下又重获新生，成为了现实。看起来，商业利益驱动的研究开发还是胜过毫无目的的政府投资，人工智能的进步还是需要建立在其它技术的基础之上。
人工智能技术研究的真正动力是什么？钱。商业化是一个强大的推动力：促使企业持续不断改进自己的产品；随着企业的发展，它们也将适应和开发自己的人工智能软件。当然，除非它们创造了一个可以在没有人类的干涉下适应和开发自己的人工智能。但要实现这样的目标，现在看起来还有很长的路要走。
机器之心，最专业的前沿科技媒体和产业服务平台，每日提供优质产业资讯与深度思考，欢迎关注微信公众号「机器之心」（almosthuman2014），或登录机器之心网站更多精彩内容。
阅读：17615
分享到微信朋友圈
在手机阅读、分享本文
还可以输入250个字
推荐文章RECOMMEND
阅读：1612
阅读：10万
阅读：10万
阅读：10万
热门文章HOT NEWS
昨日晚，因《大众电影》百花奖把最佳男配角颁给了李易峰，一时间，...
百度新闻客户端
百度新闻客户端
百度新闻客户端
扫描二维码下载
订阅 "百家" 频道
观看更多百家精彩新闻