但并不是所有应用 AI 的系统都有足够的时间成本去用更长时间接受更多的训练 ， 比如自动驾驶领域 。 自动驾驶系统中的 AI 必须跟随汽车在道路上行驶以获得更多训练数据—— 必须驾驶数百万个小时 ， 模拟引起成千上万次的撞车事故 ， 而后才能学会如何避免撞车 。 如果汽车掉下悬崖 ， 系统一定会说「哦 ， 我一定是错了」 ， 但这只会稍微纠正其策略 。 第二次 ， 汽车可能会以不同的方式掉下悬崖 ， 然后系统会再次纠正一点 。 依此类推 ， 在系统彻底弄清楚如何避免跌落悬崖之前 ， 汽车必须像这样重复跌落悬崖数千次（还不止） ， 其执行难度和资金耗费可想而知 。
以上两个示例足够说明一点：AI 不是天才 ， 不能轻而易举地获得「智慧」 ， 它需要大量的训练和数据支撑才能在某一具体事件上做到人们所说的「聪明」 ， 但这中间耗费的时间、算力等等成本又远远超过人们的普遍预想 。
人工智能悖论：至关重要的常识
如今的人工智能有一个悖论：它功能极其强大、极其专业化 ， 却没有一点常识 。
现在让我们回过头来看前文提到的围棋 AI —— LeelaZero 。 Leela 如果想要在 25 路盘面上立于不败之地 ， 则需要更多专门针对 25 路围棋对战的数据以及更长时间的自我对局训练 ， 才最终有可能获得全胜局面 。 但 Leela 不知道围棋的基本常识通用于不同盘面 ， 也不懂得类推和移情 。 这也从另一个侧面反映出了 AI 的另一个「不聪明」之——对于人类常识的缺失 。
常识缺失的人工智能是什么样的呢？唤醒你的 Siri、Alexa、天猫精灵或者小爱同学 ， 尝试着和它对话（最多） 两分钟 ， 你就多多少少有些感触了 。 Yann LeCun 在《科学之路：人 ， 机器与未来》中也对此有过具体的描述：
一个翻译系统有时可能会产生一些滑稽的错误而不自知 ， 自动驾驶汽车可以从点 A 行驶到点 B ， 但它并不知道什么是驾驶员 。 比如虚拟助手可以报告交通信息 ， 能调到你点播的广播电台 ， 但如果你告诉它 ， 「Alexa ， 我的手机掉进了浴缸 。 」它不会知道这代表着你的手机湿了 ， 且需要更换 ， 因为它只能在接受训练的范围内工作 。 如果想要系统更有效地回答问题 ， Alexa 必须具备一些常识 ， 即一些有关世界运作方式及其物理规律的约束知识 。
常识至关重要 ， 它制约着我们与世界的联系 ， 它能填补空白 ， 弥补隐含的信息 。 我们看到一个坐在桌子旁的人 ， 可能看不到他的腿 ， 但知道他肯定有腿 ， 因为我们对人类有一定的了解 。 我们的大脑还整合了物理学的基本定律 ， 比如 ， 如果有人打翻了眼前的玻璃杯 ， 那么杯子里的水就会洒得满桌子都是 。 我们知道如果不拿住某个东西 ， 它就会掉下去 。 我们还能够意识到时间流逝、万物运动 。
推荐阅读
- 数字化|零售数字化转型显效 兴业银行手机银行接连获奖
- 四平|智慧城市“奥斯卡”揭晓！祝贺柯桥客户荣获2021世界智慧城市治理大奖
- 殊荣|蝉联殊荣！数梦工场荣获DAMA2021数据治理三项大奖
- 人工智能|聚焦车载人工智能计算芯片研究 推进汽车产业高质量发展
- 技术|脉冲+推揉 全能按摩手 SKG G7 Pro颈椎按摩器参加科创奖评选
- 国际|微创血管介入手术机器人获国际创业大赛冠军，获价值千万元奖励
- 机器人|微创血管介入手术机器人获国际创业大赛冠军，获价值千万元奖励
- 娱乐性|新华全媒＋｜探秘冬奥会“黑科技”：当冰壶遇上人工智能
- 最新消息|快手调整员工福利：减少房补、取消免费三餐 新增生育奖金
- 团队|深信院41项科研项目亮相高交会 11个项目获优秀产品奖