本文介紹了2018年擺在人工智能面前的五大難題：理解人類語言，機器人附能，防黑客，玩游戲，辨別是非。如何解決這些問題，讓AI繼續(xù)造福人類社會將成為所有AI從業(yè)者的首要任務。

2017年，人工智能在深度學習的幫助下取得了顯著的進步。例如，一個名為Libratus的機器人撲克玩家，連續(xù)擊敗了三位人類玩家，成為撲克界的“阿爾法狗”。在現(xiàn)實中，AI正在改善很多傳統(tǒng)的行業(yè)，自動駕駛、農(nóng)業(yè)、醫(yī)療保健等。

盡管AI的發(fā)展速度有些讓人懷疑，當然AI發(fā)展存在泡沫，各類媒體也在炒作AI。但是仍然有一些明智的聲音：埃隆·馬斯克擔心人工智能仍然無法做到很多事情。最棘手的有以下幾個問題：

理解人類語言

從現(xiàn)在來看，機器在處理文本和語言方面比以往任何時候都要好。例如：Facebook可以向視障人士進行圖像描述，谷歌郵箱可以對郵件自動做出簡單的回答(基于郵件內(nèi)容進行回復)。然而，AI系統(tǒng)仍然不能真正理解我們的意思和我們真正的想法。波特蘭州立大學教授梅蘭妮·米切爾(Melanie Mitchell)說：“我們能夠把我們學到的概念以不同的方式結合起來，并在新的情況下應用。但，AI并不能做到這一點。”

Mitchell將今天AI的缺陷定義為數(shù)學家Gian Carlo-Rota所說的“意義障礙”，一些領先的AI研究團隊正在試圖找出如何攀登它。

這項工作的一部分是在為機器提供一種常識的基礎，以及支撐我們自己思維的物質世界。例如，F(xiàn)acebook研究人員正試圖通過觀看視頻來教AI來理解現(xiàn)實。另外一些人，正在模仿我們可以用關于世界的知識做什么。米切爾已經(jīng)嘗試過使用類比和關于世界的概念來解釋照片中發(fā)生的事情的系統(tǒng)。

讓機器人更像人

機器人硬件已經(jīng)做的相當不錯了，你可以花500美元購買到高清攝像機手掌大小的無人機，另外搬運箱子和兩條腿走路的機器也有所改進。但這并不意味著它可以廣泛使用，因為今天的機器人缺乏匹配他們先進的肌肉的大腦。

讓機器人做任何事情都需要針對特定的任務進行特定的編程，他可以從中學習操作。但是這個過程相對較慢。一個捷徑是讓機器人在模擬的世界中訓練，然后把那些來之不易的知識下載到物理的機器人體內(nèi)。然而，這種方法受到了現(xiàn)實差距的困擾，虛擬的機器人在模擬中學到的技能在轉移到物理世界中的機器時并不總是有效。

但，幸運的是現(xiàn)實差距正在縮小。十月份，谷歌模擬的機器人武器學會拾取包括膠帶分配器、玩具和梳子在內(nèi)的各種物體，從實驗報告中我們看到了希望的結果。

另外，自動駕駛汽車公司在機動化駕駛競賽中在虛擬街道上部署虛擬車輛，以減少在實際交通和道路條件下測試所花費的時間和金錢。自主駕駛創(chuàng)業(yè)公司Aurora的首席執(zhí)行官Chris Urmson說，使虛擬測試更適用于真實的車輛是他的團隊的重點之一。

防范黑客攻擊AI

互聯(lián)網(wǎng)誕生之時，就伴隨著安全問題。我們也不應該期望自動駕駛汽車和家用機器人會有所不同。而且事實上可能更糟:因為機器學習軟件的復雜性，所以存在多種攻擊途徑。

今年, 研究表明, 你可以在機器學習系統(tǒng)內(nèi)隱藏一個秘密觸發(fā)器, 可以導致系統(tǒng)在看到特定信號時轉變?yōu)樾皭耗Ｊ?。紐約大學的研究小組設計了一個正常運作的街道標志識別系統(tǒng)除非它看到一個黃色的Post-It。在布魯克林的一個停車標志上貼上一個便利貼, 系統(tǒng)就會報告這是一個限速標志。這種做法可能會給自動駕駛汽車帶來問題。

這個威脅被認為是很嚴重的, 世界上最著名的機器學習會議的研究人員在本月早些時候召開了為期一天的關于機器欺騙威脅的研討會。研究人員討論了諸如“如何生成讓人們看起來很正常但是機器開起來比較特殊的手寫數(shù)字”等等這樣的問題。研究人員還討論了防止這種攻擊的可能性, 并擔心人工智能被用來欺騙人類。

組織研討會的 Tim Hwang 預測,隨著機器學習變得更容易部署和更強大, 使用這項技術來操縱人是不可避免的。他說，機器學習并不再是博士學位的專屬。Tim Hwang指出, 俄羅斯在2016年總統(tǒng)選舉期間發(fā)起的假情報運動可能是AI增強信息戰(zhàn)爭的先驅。他說：為什么不在這些活動中看到機器學習領域的技術?Hwang 預測的一個特別有效的方法是利用機器學習來生成虛假的視頻和音頻。

AI游戲真正的未來在哪?

AlphaGo在2017年也迅速發(fā)展，今年五月,一個更強大的版本擊敗了中國的圍棋冠軍。它的創(chuàng)造者DeepMind研究院, 隨后又升級了一個版本：AlphaGo Zero,這個版本不用研究人類的棋譜，也能有非凡的下棋技巧，基于此它也學會了下國際象棋和日本象棋。

人類與AI游戲的結果是令人印象深刻,但也提醒我們?nèi)斯ぶ悄苘浖木窒扌?。國際象棋、日本象棋和圍棋都很復雜,但是其規(guī)則和玩法卻比較簡單。它們很好的利用了計算機的能力,可以快速枚舉許多未來可能的位置。但是,生活中的大多數(shù)情況和問題并不是那么有“結構性”。

這就是為什么 DeepMind 和 Facebook 都在2017年開始研發(fā)玩星際爭霸( StarCraft)的AI。

但是目前都還沒有獲得很好的成果。目前,即使是表現(xiàn)最好的AI機器人的游戲水平也無法和一般水平的人類玩家所匹敵。DeepMind研究員 Oriol Vinyals 告訴《連線》雜志,他的軟件現(xiàn)在缺乏組織和指揮軍隊所需的計劃和記憶能力,同時對敵方行動進行預測和反應的能力也不夠強。這些技能還可以使AI在現(xiàn)實任務協(xié)作方面做得更好, 例如辦公室工作或真正的軍事行動。如果2018年AI版的“星際爭霸”取得重大的進展，那么將預示著人工智能將產(chǎn)生一些更強大的應用。

讓AI辨別是非

AI即使在上述領域沒有取得新的進展，如果現(xiàn)有的AI技術被廣泛使用，社會和經(jīng)濟的許多方面也會發(fā)生很大的變化。這個時候就會有人擔心人工智能和機器學習造成的意外和故意傷害。

在本月的NIPS機器學習大會上，如何讓技術保持在安全和道德的范圍內(nèi)是一個重要的討論話題。研究人員發(fā)現(xiàn)，機器學習系統(tǒng)可以從我們非完美的世界獲得數(shù)據(jù)的訓練，進而訓練出來的系統(tǒng)是具有偏見性的，如延續(xù)性別歧視印象?，F(xiàn)在有些人正在研究可用于審核人工智能系統(tǒng)內(nèi)部運作的技術，并確保他們在投入金融或醫(yī)療保健等行業(yè)工作時做出公平的決定。

未來我們應該會看到科技公司提出如何讓人工智能擁有人性的想法。谷歌、Facebook、微軟和阿里已經(jīng)開始討論這個問題，一個名為“人工智能基金倫理與治理”的慈善項目正在支持麻省理工學院，哈佛大學等研究人工智能，紐約大學的一個新研究機構AI Now也有類似的任務。在最近的一份報告中呼吁各國政府不要在刑事司法或社會福利等領域使用“黑匣子”算法。