浅谈人工智能下的未来生活

2016-07-12刘征宇吴丽红1长城汽车股份有限公司技术中心2河北省汽车工程技术研究中心

科学中国人 2016年15期

关键词：人工智能

刘征宇,吴丽红1长城汽车股份有限公司技术中心；2河北省汽车工程技术研究中心

浅谈人工智能下的未来生活

刘征宇12,吴丽红12
1长城汽车股份有限公司技术中心；2河北省汽车工程技术研究中心

摘要：随着科技的发展，人工智能正逐渐走进人们的日常生活。本文结合Alphago与李世石的“人机大战”，分析了人工智能自学习能力的发展，并从三方面分析对未来生活的影响。

关键词：人机大战；人工智能；自学习

前言

万众瞩目的Alphago与韩国棋手李世石的对弈以Alphago的胜利结束，激起了人们对人工智能的广泛讨论，科技大佬纷纷表明各自立场。历史上，机器战胜人类并非偶然，为何此次反响如此之大，究其原因，正是人工智能理论产生了飞跃式的进步，引发人们对未来的畅想。

1　人工智能的自学习能力

1997年9月，美国IBM公司研发的计算机“深蓝”在“人机大战”中战胜国际象棋世界冠军卡斯帕罗夫，此事件同样引发世界轰动。然而相较此次对弈，两者有着本质的不同，其核心恰恰是智能理论的差异。“深蓝”的胜利源自于其不知疲倦的“蛮力”，它的大脑——大型快速阵列硬盘系统中存储了60万盘高手的棋谱，32个专用处理器协同工作，能够在3分钟内从棋谱中寻找出应该走的妙招，它展示的能力在于对庞大数据库的搜索。然而此方法并不适用于围棋，国际象棋的复杂度是10^48，而围棋达到了10^172，被公认为复杂度第一的棋类。如果按照“深蓝”来开发Alphago，其极其庞大的数据量和对搜索速度的要求，都是目前技术水平达不到的。Alphago所采用的核心技术包括深度卷积网络（CNN）和策略网络，Alphago先从3万多幅专业起手对局的棋谱来学习，然后进行大量自我对弈，在对弈中，它按照训练中发现的规律，自己判断、选择，并不断进行优化，最终达到很高的水准。它所展示的能力是不同于“深蓝”的自学习能力。可以说，单纯的搜索是不能称之为智能的，真正的智能必须具备自学习的能力，甚至超过人类的学习能力。

任何的产品都在追求智能，现阶段的手段可以称之为：预编程。即在产品的开发阶段将所具备的功能，以可执行代码输入，产品依照代码原封不动的执行，产品所具有的智能被完全限制在代码层面。如果需要产品更加智能，即具有更多的功能，则需要增加相应的代码。未来产品具有的能力将是不可限量的，需要人为开发的代码也将是数不胜数的，所以这样的开发模式必然限制产品的升级速度。然而Alphago所具有的自学习能力却能完美解决这种困境，只要产品具备这种能力，它可以自己进化出需要的功能，而非人为进行的优化。简单地说，人类教会机器如何学习，于是机器自己学会了如何更好的为人类服务。这正是Alphago之所以引发热议的核心所在。

然而，Alphago所展现的自学习能力并未达到通用的程度，它还不能处理除围棋之外的其他领域，但人们看到的更多是它的未来，未来将产生的变革。

2　人工智能对未来生活的影响

变革一：语音助手的发展

苹果、微软、谷歌、亚马逊，几乎每一家科技巨头都在开发各自的语音助手，要想理解为什么看似不成功的产品却被众多公司看好，就需要探究：它会为世界带来什么。

现阶段，图形用户界面是最合理的交互方式，人们通过菜单一步步进行选择，但却并非人工智能下最合理的交互方式。基于语音的交互方式完全不同于图形用户界面，它更加自然、便捷。随着机器变的智能，语音将是人类与机器最自然的交互方式。

对购物而言，我们不再需要打开淘宝APP，输入“衣服”，也不需要说出“打开淘宝，搜索衣服”，而是直接对语音助手说“买件外套，500元”，语音助手完成搜索，用户直接查看所有产品。平台上产品的数据是有价值的，而平台本身没有价值，语音助手会跳过中间环节，直接搭建产品与用户连接的桥梁。同样，互联网上所有平台都会经过语音助手的过滤，为用户提供一切服务，成为最重要的入口，人们的生活方式将会改变。未来的互联网会是另一番景象。

变革二：智能家居的融合

智能家居对人们生活的改变将是巨大的，智能扫地机、智能厨房、智能灯光等减少了人们不必要的行动，为人们带来更多能够随意支配的时间。然而目前的水平还仅仅停留在手机远程控制的阶段，甚至不同产品还需要不同APP进行控制，为用户提供的体验升级是非常有限的。少数公司正在为不同产品的联动进行着努力，然而即便如此，也无法满足未来生活场景的需要。未来生活中的一切都将是智能化的，所有智能家居产品都必须互联、互动，不同公司、产品间的互相控制将是必须解决的课题。人工智能下的智能家居，所有家居产品受到人工智能统一控制，它能够自己认识每一种产品，自动学习和分析消费者的家居习惯和喜好，并在适当时候主动开启或关闭，代替人类完成对家居的控制，成为人与家居的连接纽带。

变革三：自动驾驶的升级

自动驾驶被各大公司所看好，然而发展却并不顺利。市区自动驾驶的难度被认为远高于高速公路自动驾驶，原因在于市区的路况的复杂性高，造成车辆对所编写的软件要求高，任何BUG和不合理之处都将酿成灾祸。近期谷歌无人车撞上了一辆公交，而且该起事故是谷歌无人车首次担责；有报告显示，谷歌无人车每行驶9600公里就会发生一起交通事故。可见，即便做了大量的上路测试，依然无法完全杜绝事故的发生。

人工智能可以为自动驾驶的研发开辟另一条途径。首先将自学习能力注入驾驶中枢，然后在模拟交通环境软件中运行，从而获得一定程度的自动驾驶能力，再进行大量真实环境路试，不断进行学习优化。随着车辆驾驶里程积累、交通路况认知积累，其安全性、适应性将逐步提高，直至可进行产品化。