人工智能的支持者們和反對者們的爭論可能直到強(qiáng)人工智能真的出現(xiàn)的那一天都不會(huì)停止，但大眾可能并不是非常清楚機(jī)器人和AI到底發(fā)展到什么程度了，m.twshmhelmet.com，以及認(rèn)真思考過當(dāng)機(jī)器人和AI真的普及開來，它們到底會(huì)對我們產(chǎn)生什么樣的影響？很多人對AI的估計(jì)要么過于樂觀，要么過于悲觀。為了弄清楚這些問題，記者采訪了MIT人工智能實(shí)驗(yàn)室(CSAIL)的主任DanielaRus，作為全球頂尖高校人工智能實(shí)驗(yàn)室之一的主任，Rus教授對AI和機(jī)器人的發(fā)展有很深的理解，也對人機(jī)關(guān)系的未來有很深的思考，讓我們看看對于這些大家爭論不休的問題，這位大神是怎么說的。
記者：您最感興趣的研究領(lǐng)域是哪個(gè)？為什么您會(huì)覺得它如此重要？
Rus：我最感興趣的領(lǐng)域其實(shí)是機(jī)器人，我們正在研究如何制造更好的自動(dòng)化系統(tǒng)，自動(dòng)化系統(tǒng)能深刻的改變這個(gè)世界。改變?nèi)藗兺瓿扇蝿?wù)的方式，并且可以讓我們更好的理解彼此。
記者：可以舉個(gè)具體的例子說說它能怎么讓我們更好的理解彼此嗎？
Rus：我們對我們的大腦是如何工作和智能是如何產(chǎn)生的了解的很少，但是我們現(xiàn)在對研究這個(gè)的方法有一個(gè)預(yù)測：就是如果我們能造出一臺(tái)各種行為表現(xiàn)的都和生物很像的機(jī)器。那這臺(tái)機(jī)器的內(nèi)在原理可能跟生物的內(nèi)在原理比較相似，我們可能可以通過這種研究加深對我們自己的理解。
記者：在您研究的所有產(chǎn)品中您最喜歡哪個(gè)呢？
Rus：實(shí)際上我很難回答這個(gè)問題，因?yàn)閷?shí)際上我對我所有的產(chǎn)品的喜愛都是一樣的。我可以把機(jī)器比作我的孩子，而我愛我所有的孩子。不過我可以告訴你一些我們正在進(jìn)行的項(xiàng)目。目前我們正在研制一種智能汽車。這種汽車不僅不會(huì)卷入交通事故，而且還會(huì)成為你的朋友。這臺(tái)汽車在你駕駛的時(shí)候會(huì)檢查你的狀況，如果發(fā)現(xiàn)你將要做出錯(cuò)誤的舉動(dòng)，它就會(huì)暫時(shí)接管你的控制權(quán)以避免事故發(fā)生。它還能同你家的家居設(shè)備互動(dòng)，比如告訴你你的冰箱里快沒有牛奶了。并且給出在你回家的路上順便去超市買一盒的建議和路線。甚至可以在你的父親生日的時(shí)候提醒你打電話給他送去祝福。我很喜歡這個(gè)想法。它不僅能幫助它的擁有者安全行駛，還能做出更多的互動(dòng)。
記者：您覺得這臺(tái)車是一種AI嗎？
Rus：當(dāng)然，研發(fā)這臺(tái)車的過程涉及，甚至促進(jìn)了AI很多方面的最先進(jìn)的應(yīng)用。比如機(jī)器知覺，因?yàn)樽屲囕v擁有知覺確實(shí)是一件非常有挑戰(zhàn)性的事，并且有必要把能安全行駛的車和能開得很快的車區(qū)分開。對于一臺(tái)智能車來說，有一個(gè)好的認(rèn)知系統(tǒng)是很重要的，當(dāng)然，讓人擁有控制權(quán)也是很重要的。而汽車與車主的互動(dòng)也是很重要的。而所有這些內(nèi)容組合在一起，就敦促著我們需要?jiǎng)?chuàng)造出一種更先進(jìn)的智能決策系統(tǒng)。
這是我們目前正在進(jìn)行的一項(xiàng)研究的例子，而我們還有很多類似的項(xiàng)目，它們都讓我感到很喜歡和興奮。除了這個(gè)項(xiàng)目之外，我們還有一個(gè)項(xiàng)目，在那個(gè)項(xiàng)目中我們主要關(guān)注于讓每個(gè)人都擁有制造屬于他們自己的機(jī)器人的能力。而我們的打算是，人們只要描述出自己想讓這個(gè)機(jī)器人做什么，機(jī)器人就能自動(dòng)理解并且執(zhí)行這條指令了。比如直接說我想讓機(jī)器人幫我打掃一下衛(wèi)生這樣就行了。這樣就不止是專家，而是任何人都可以定制自己的機(jī)器人了。所以我們現(xiàn)在在開發(fā)一種叫機(jī)器人編譯器的編程系統(tǒng)，可以讓我們自動(dòng)完成對機(jī)器人的編程。我們現(xiàn)在還做不了太復(fù)雜的任務(wù)，但是一些簡單的任務(wù)已經(jīng)可以通過機(jī)器人來完成了。
記者：目前CSAIL有在進(jìn)行什么關(guān)于通用型人工智能（AGI）的研究嗎？
Rus：CSAIL有一些研究是研究大腦是如何工作的，也有一些聚焦于建立相關(guān)基礎(chǔ)理論的研究。我個(gè)人認(rèn)為，KUKA機(jī)器人電路板維修，這種通過工程學(xué)復(fù)制大腦結(jié)構(gòu)來研究智能的運(yùn)作原理的方法是目前AI科學(xué)界最大的挑戰(zhàn)也是最為杰出的嘗試。
記者：您覺得CSAIL正在進(jìn)行的項(xiàng)目里，有哪些是在實(shí)現(xiàn)AGI上比較有潛力和希望的？
Rus：這很難抉擇，有很多有意思的項(xiàng)目都在同時(shí)進(jìn)行。比如，有一個(gè)項(xiàng)目是關(guān)于研究人們?nèi)绾稳ネ瓿梢患碌摹Ｍㄟ^對這些東西的研究我們可以讓AI有能力預(yù)測在一段視頻中接下來會(huì)發(fā)生什么。在我自己的團(tuán)隊(duì)里，我正在進(jìn)行一個(gè)想要讓盲人感受和體驗(yàn)這個(gè)世界的研究。我們在試圖使用一個(gè)可穿戴設(shè)備探索讓盲人像我們一樣感知這個(gè)世界的方法，m.twshmhelmet.com，這也需要相當(dāng)強(qiáng)力的感知系統(tǒng)。總結(jié)一下的話，我們在這方面的研究的一個(gè)重要的方向就是使用機(jī)器學(xué)習(xí)（machinelearning）技術(shù)讓電腦幫助人們做到我們現(xiàn)在暫時(shí)還做不到的事情。機(jī)器學(xué)習(xí)讓我們有了幾乎能做任何事情的能力。
機(jī)器學(xué)習(xí)與AI
記者：您提到了機(jī)器學(xué)習(xí)，您覺得機(jī)器學(xué)習(xí)或者深度學(xué)習(xí)能最終幫助我們制造出通用型人工智能嗎？
Rus：深度學(xué)習(xí)系統(tǒng)在很多任務(wù)上都表現(xiàn)出了極出色的性能。但是我們實(shí)際上并不是很清楚為什么深度學(xué)習(xí)系統(tǒng)是如何工作的，以及為什么它會(huì)表現(xiàn)的這么好。而且我們需要做很多研究才能更精確的理解它什么時(shí)候能有效，而什么時(shí)候不能。我們現(xiàn)在已經(jīng)知道，深度學(xué)習(xí)在很多方面的表現(xiàn)都會(huì)比其他的傳統(tǒng)方法好很多。深度學(xué)習(xí)系統(tǒng)的一個(gè)很重要的組成部分是數(shù)據(jù)：深度學(xué)習(xí)系統(tǒng)要做好效果必須要用大量的數(shù)據(jù)來訓(xùn)練它的算法。比如斯坦福的李飛飛建立的計(jì)算機(jī)視覺數(shù)據(jù)庫（指ImageNet），其中包含了數(shù)以百萬計(jì)的圖片。這個(gè)數(shù)據(jù)庫給了我們訓(xùn)練出前所未有的強(qiáng)大的圖像識(shí)別系統(tǒng)的機(jī)會(huì)。但是我們沒有那么多數(shù)據(jù)去應(yīng)對一種通用的情況，那要求的數(shù)據(jù)量太大了。所以我覺得我們離制造出通用人工智能還有很長一段距離。這其中很多關(guān)鍵的原理我們還不知道。即使有了機(jī)器學(xué)習(xí)的幫助，我們也需要用很多數(shù)據(jù)組成的數(shù)據(jù)集來讓它們達(dá)到最佳狀態(tài)。而且即使是現(xiàn)在表現(xiàn)最好的深度學(xué)習(xí)系統(tǒng)也會(huì)出錯(cuò)。（除了幾個(gè)極為成熟的領(lǐng)域外）現(xiàn)在的深度學(xué)習(xí)系統(tǒng)很多達(dá)到了70%到90%的準(zhǔn)確率。但是在某些特定的領(lǐng)域其實(shí)這個(gè)準(zhǔn)確度還不夠。比如說用在自動(dòng)駕駛汽車上的話，即使90%的準(zhǔn)確率也可能造成很多事故。