你知不知道,未来,你很有可能会沦为幽灵打工人(9)
2023-05-21 来源:飞速影视
人工智能并不像大多数人希望的或害怕的那样聪明。以驱动AlphaGo的人工智能为例,最近技术专家斯科特·哈特利(Scott Hartley)在《模糊性与技术专家》(The Fuzzy and the Techie)一书中记录了它取得的斐然成就。围棋是中国古代的棋盘游戏,2017年5月,AlphaGo成为第一个击败中国围棋世界冠军柯洁的电脑程序。5个月后,AlphaGo迭代出AlphaGoZero。但我们不必太震惊,因为有一点非常重要,即围棋的规则是死的,有固定的形式,在封闭的环境中进行,结果完全取决于两个玩家。在谷歌旗下的公司DeepMind,AlphaGo和AlphaGoZero的人类程序员给出了输赢的明确定义。围棋的制胜之道是在对弈过程中预测落子的远期影响。
因此,通过人类围棋大师对弈的庞大数据库以及与自己对弈,AlphaGo接受了几十亿个棋局的训练,从而了解哪种棋路更好,哪个落子位置威力更大。之后AlphaGoZero与它的镜像AlphaGo对弈,把之前的经验又复习了一遍。但是正如人工智能研究领域的著名专家汤姆·迪克里奇(Tom Dietterich)所说,“人工智能对世界的渊博知识必须依靠人类补充”,如此才能完成大多数日常任务。现实生活可比围棋复杂得多。
新的线上工作平台把工作机会介绍给琼、卡拉、贾斯汀和艾莎,这颠覆了媒体经常报道的人工智能拥有无限智慧、机器人势不可挡之类的传奇故事。现实世界的任务,从识别仇恨言论、把出租屋归类为春季婚礼的绝佳场地,到修正纳税申报表,都需要人类的见解和判断。生活不像围棋,不存在单一形式和最优解。例如,你很难列举“最好的”婚礼场地具备哪些特质。即使能列出来,也不会使人信服,因为人们对这些特质存在不同的偏好。
此外,也不存在那种用来教会人工智能识别“最优解”的训练数据。而且,从方言俚语、气候变化引起的飓风,到随意的税法改革,一系列无穷无尽的外部因素会掺杂进来,影响结果。在许多情况下,未知因素太多了,以至于无法训练当前的人工智能,使它具备足够的意识或者获得足够的经验,也无法对所有意外情况做出明智的反应。这就是为什么人工智能还必须得指望人类,利用人类对世界的渊博知识来弥补决策的盲区。
任何人只要像我们一样仔细地观察,走到人工智能的背后,就会发现一个新的工作世界,在这个世界里,软件管理着人类,而人类则在完成计算机做不到的工作。这个世界的系统把任务从人转移到机器,他们通过自动化来解决新的问题。例如,网络成为主流之后,Facebook、Twitter和Instagram等公司需要在线审核的内容越来越多,仅仅靠自动化工具无法实现。与此同时,新系统上线时,通常会面临突发问题,无法达到预期效果,因此需要卡拉和琼的工作。多亏了这样的工人,自动化审核软件变得越来越好,但还远远不够完美。在达到完美的过程中,自动化不可避免地会出现小故障,这就需要临时工来解决。一旦工人成功地训练了人工智能,使它像人类一样工作,他们就会转向工程师指派的下一个任务,这些任务将不断推进自动化的边界。人们畅想人工智能的新应用,自动化的终点线也在改变,所以我们无法确定通往完全自动化的“最后一英里”是否会走完。
本站仅为学习交流之用,所有视频和图片均来自互联网收集而来,版权归原创者所有,本网站只提供web页面服务,并不提供资源存储,也不参与录制、上传
若本站收录的节目无意侵犯了贵司版权,请发邮件(我们会在3个工作日内删除侵权内容,谢谢。)
www.fs94.org-飞速影视 粤ICP备74369512号