AI面临的挑战：无人车闯祸，我们该找谁？如何保证不再发生？

当人们问我是做什么工作的时候，我总是非常困惑如何回答才好。人工智能这个答复吧，我觉得太宽泛了，而图像识别似乎又太专业了。不过呢，还是下面这个问题令我真正抓狂：

人工智能会掌控整个地球吗？

对于一名从事于机器智能研究的专业人士来说，这个问题太让我恼火了。我也不想去抱怨怀疑论者，事实上大部分人都觉得人工智能是一种神秘，而且有着无穷无尽阴谋诡计的玩意儿，最终它们会把人类灭绝，因为，它能够在我们狂看一晚EvanGoldberg编导的电影之后，就预测到下一部我们将观看的影片将会是《SausageParty》（《香肠派对》）。

然而，大多数人并没有意识到，无论我们认为自己多么有个性，多么特殊，从普遍意义上来看，人们还是遵循一些普遍行为模式的。只要经过足够多训练，计算机就可以轻松识别出人们的行为模式。

因此，机器能推测你喜欢的音乐，或者给你一些手机APP应用的建议，这对机器来说很容易实现。不过，这并不代表所有的预测工作的难度和性质类似，我只是希望大家能理解，这相对于人类的能力来说是一种延伸和拓展。

要想了解时下人工智能领域中哪些技术很厉害，重点在于懂得机器学习做得不错的两个主要场景：

1.受控环境

2.监督

我们看到了Google的人工围棋选手AlphaGo打败了人类最厉害的围棋选手，计算机象棋的问题很早以前就已经解决了，而最近又有很多论文在探讨Doom游戏比赛中击败人类的话题。事实上，在游戏里面，你能够完全掌控操作环境、能够实施的行为以及可能产生的结果，这使得建模变得相当容易。而一旦我们能够将游戏环境进行建模，下一步任务就是模拟和学习。实际上，这些理论早就已经成熟了，正是近年来计算机硬件的发展使大规模机器学习得以实现，才能够令AlphaGo这类技术在实现层面上获得重大突破。

监督式受控环境表示对于每一个行为，你能够估计出可能受到的惩罚，从而能够有效地从错误中积累经验，而游戏正是这种监督式受控环境的完美表达。还有一个例子就是我们刚才提到的电影预测，可以理解为有一个很大的样本，里面存在用户和影片两类数据，还有一个给定的用户选择模型。通过这些，我们就能进行下一次看什么电影的预测。

在监督式受控环境中，我们知道会得到何种信息，并能够对类似的信息加以处理。我们可以对这类目标创建表达法（representation），在我们需要进行预测的时候，这些表达法能够帮助我们最终确定准确的计算模型。这是通用学习类型中的一个非常狭窄的子类，也是和我们人类差不多的一类智能方式。

图注：分类器概观

然而，大部分的人类行为并非监督式的，而是在与环境交互的基础上建立的逻辑和直觉。人类的基本活动，比如说识别物体，理解物理过程都是时常发生的事情。通常，我们通过与事物的互动能习得很多的新知。

在当前阶段，库卡机器人，这对于计算机来说还是很难达到的水平。现在如果你要一台机器能认识所有你给的图片里面的汽车，你必须告诉机器先去看那些图片，还得告诉它你的汽车是什么样子的。当你给机器看了大量汽车图片时，它就能认出汽车了。这就是监督式学习，在它尚未理解看什么东西的时候，你得教它汽车是什么样子的。

现在，计算机科学家在努力使这种学习变成几乎无需监督的，即非监督式学习。最终，我们希望机器能够理解物体和景象的概念本身，而不需要特地去调教它。

当前大多数研究的重心在于非监督式学习，解决这个问题更加困难。诚然，我们的机器看上去更聪明了，不过大多数都是在监督式受控环境中的情况。首先我们必须能令机器人在非监督的环境下正常工作，然后再考虑系统在非受控的情形下运行，这样才更为接近人类的智能。

尽管，现在探讨机器灭绝人类，或者是机器人的‘不良企图’仍为时尚早。然而，人工智能更严峻的威胁正悄然逼近，这可能造成极其严重的后果。

早先通过观察特定的特性的算法称为决策树分割数据

在这个会议的最初讨论时，我导师曾提到了一个问题，令我第一次真正质疑人工智能的可用性。早期传统的人工智能技术的算法很容易理解，比如说，我们要造一个机器来测量人的身高和体重，并告诉他们是不是超重了。这个很简单，我们只需要计算出这个人的体重指数（BodyMassIndex,BMI），如果超过了特定阈限，那就是超重。这是人工智能的原型算法。如果我说某人肥胖，这是必须要有合理的判断的（而不是熊孩子骂人），这个人的BMI确实是落在超重人群的平均BMI范围里。

现在大多数的机器已经不是这么简单了，它们采用大量复杂的数据作为输入（比如高清晰度的图片），经过非常精细粒度的算法来完成输出。这样的话，简单的阈限或决策树的方法就不够用了。渐渐地，系统采用了一套广为人知的深度学习算法，去识别和学习大量数据，用类似于人类的方式去细化模板。

图注：典型的深度学习模型。它包含了若干个互相连通传播信息的神经元（圆圈），这与已发现的人脑运作模式十分相似

这些系统性能非常好，但是学习过程很慢，因为需要很多数据来学习。

但是，有个问题：一旦它们给了我们结果，不管正确与否，我们并不知道机器是怎么得到这个结果的。

这个听起来并不是那么要紧在开始的时候，在机器学习系统里面，我们有两种类型的数据特征和标签。特征是观察到的变量，标签是我们需要预测的。举个例子，在之前的肥胖症检测器中，我们的特征是人的身高和体重，标签是每个人的超重或者健康指标。为了从图片中检测癌症细胞，特征是若干张器官的图像，标签是图片有没有癌症细胞。

癌症检测算法会先扫描这组图片

机器学习算法一般会这样解决问题，先给每个特征配置权重，相加，最后基于所得的和来做决定。比如，如果你要预测一个苹果是不是坏了，你会先看苹果的气味、颜色，如果触摸一下那么就还有它的质感，最后大脑会配置给这些特征不同的权重。

假如苹果烂了，光凭颜色一个特征就可以解决问题了

计算机遵循类似的想法，只不过权重是通过不同的优化算法算出来的。但是，在深度学习中，我们并不确定我们想用哪些具体的特征，更不用说配置权重。所以我们怎么办？我们让计算机自己学习选出最好的特征群，把它们用最佳方式组合来做决定，从某种意义上模拟人类大脑的做法。

这个主意给我们带来惊人的结果在计算机视觉领域（这个领域研究如何让计算机理解图像数据），尤其是随着高效GPU和新框架的出现，使学习基本的图像级别的概念变得小菜一碟。但是，要注意的是我们讨论的这些机器通过学习选出的特征，物理意义并不像传统方法那么直观。

这些例子展示了计算机从图片中寻找的东西看上去它们在检测形状，但是对于非图像数据，并不是这么直观。