像研究学术领域一样研究人工智能系统,究竟是否可行?

本文章是机器之心分析师专栏 – 北美热点 下每月回顾系列2018年的三月回顾。每月回顾系列是机器之心的原创内容。机器之心分析师会就专栏所针对的方向就当月所发生的重大事件所提供回顾性分析文章。

麻省理工学院多媒体实验室近期推荐了一篇文章,呼吁 “It's time to study AI on its own terms”:我们应该开始将「机器行为」作为一个专门的学科来学习,就像「自然科学」、「社会科学」一样 —— 不如姑且称它为「人工科学」(Artificial Science)。

「人工科学」可能与「自然科学」有着本质上的区别:自然科学更多是发现的过程:生物学家、物理学家、化学家一定是先发现现象背后的规律,然后才能尝试着手去使用这些规律来创造新的事物和系统。然而,「人工科学」将要研究的对象本身是不稳定的 —— 一个智能机器或者一个聚落的智能体,它们的行为准则是易于改变的,起码对于创造它们的人来说是这样的。

因此,「人工科学」可能更适合与「社会科学」相比较 —— 社会科学研究一个聚落的人类的行为和影响,而我们不能不说人类只是智能体的一种。不论哲学、心理学、社会学、政治科学,这些学科通过各自的假说、理论、数据分析,建立起对于人类个体与社会运行的规律的理论体系。然而,人造的智能体与之相比也有一个主要的区别,那就是人造智能体的架构在今天还不够完善,不论在个体意义上还是群体意义上。

现在的人工智能体虽然与几十年甚至几年前相比都有了巨大的飞跃,但是它们的目标是单一的、结构(相对于人类)是简单的、自主性(相比人类)是较低的。它们只是更高级一些的机器,也就是说它们比卡车、灌溉机稍微厉害了一点,但是相比于人类还有好些差距。

这些智能体或者智能系统像是人类功能的有限延伸 —— 我们把一部分较为容易完成、较容易自动化、我们对其机理较为透彻的任务外包给了自动化的系统,让它们根据规则完成任务。其实这一定义对于传统的「机器」而言也一样适用。只是,近年来「人工智能」技术发展出的系统拥有了自主学习 —— 自主迭代的能力,而这一能力来源于对历史数据的分析。从这一层面上来说,当前最智能的「智能体」不仅是人类的部分延伸,而且是人类社会 / 自然环境的部分延伸,而这也是为什么「机器歧视」成为了从人工智能系统应用之初就一直存在的顽疾 —— 智能系统是人类和社会环境的延伸,人类社会存在的种种弊端将不可避免地被复制到智能系统中。

在当前阶段,针对人工智能体的「人工科学」则更有可能是「人机科学」,即机器与人类所形成的系统的行为研究。这某种程度上相当于「社会科学」的延伸 —— 只是这个社会多了「人造智能体」这个对象。由此,这一领域的研究将不可避免地像社会科学一样需要多方的支持和分析。

出于这样的动机,许多研究机构也都在致力于扩大「人机系统」研究的参与范围。麻省理工学院多媒体实验室(MIT Media Lab)于今年三月公开的 “TuringBox” 平台(http://turingbox.mit.edu/)就是一个致力于帮助非技术领域人员了解智能系统、研究智能系统的平台。TuringBox 目前还处于未正式投入应用阶段。让我们期待这一全新的人工智能系统研究方式所带来的影响。

北美热点
北美热点

北美是技术创新的圣地,从硅谷到波士顿,我们见证了一家又一家人工智能领域独角兽的崛起。本专栏机器之心将以本地分析师的独特视角出发为您提供“原汁原味”的北美人工智能热点分析。

产业MITAI Research
暂无评论
暂无评论~