人工智能发展日新月异, 许多人都感到备受威胁. 但事实上, 与其忧心被取代, 我们或许更该关心科技巨头的发展
人们看见机器人走在路上杀人之前, 他们都不会知道如何应对, 因为这个场景听起来太不真实.特斯拉公司首席执行官, 钢铁人马斯克不只一次公开发表他对 AI 发展的担忧, 其强烈立场在 AI 高涨的声势下一度激起许多不安和辩论.
对部分人来说,人工智能或许会激起科幻电影中具有丰富情感意识的机器人联想, 并担忧起 AI 心智发展对人类社会可能的冲击. 但即使 AI 听来充满科技及未来感, 在决定是否要恐慌之前, 我们或许应该要先了解, AI 究竟是什么?
人工智能, 机器学习, 深度学习?
深度学习其实是从机器学习领域衍伸而来, 而机器学习也只是人工智能底下的一个支脉. 人工智能最初的发展是透过工程师撰写程序和指令交由机器运行, 让机器解决问题. 然而进程都是由人所撰写, 只要是工程师无法解决的问题, 机器也无法找出解绝方法.
机器学习的出现让人们透过喂养电脑大量经过整理, 筛选的数据, 使其自行分析, 优化路径, 进而达成诸如影像辨识, 策略分析等目的, 在自我学习中改善决策网络, 突破过去局限于人类编程的限制.
接着, 机器学习又延伸出深度学习. 同样是大量投放数据进行自我学习, 但仿真人类神经元链接的模式发展出类神经网络, 使机器运行特定功能任务时拥有比人类更加优秀的判断能力, 如 Alpha Go 背后所使用的就是这项技术.
人工智能发展史
人工智能的实际应用
具体来说, 企业究竟会如何使用这些技术呢?
拿目前发展 AI 最积极的 Amazon 为例, 有别于过去单纯分析大数据得出用户偏好, 做出动态定价, Amazon 开发和图像识别, 语音助理相关服务, 并且推出 Amazon Rekognition,Amazon Polly,Amazon Lex 等三项云端 AI 服务.
三项服务各有其特色, 其中专门做图像分析的 Amazon Rekognition 以深度学习为基础, 进行影像辨识, 创建视觉搜索和影像分类, 他的其中一项应用就是脸部情绪侦测.
假设今天有一名消费者进入商家中审视商品或参与活动, 传统上无法如同网络般计算跳出率, 停留时间等量化数据, 只能依靠店员或销售额来推测好恶. Amazon Rekognition 却得以透过实体店面内安装的录像机搜集顾客面部表情, 侦测其脸上表情究竟是愉快或不满, 并将这笔情绪数据会传至 Amazon S3 对象存储, 接着导入 REDSHIFT 数据仓库中存放, 定期生产出一份行销数据报告供店家参考.
如此应用图像分析辨认面孔的方式解决了传统零售店面搜集顾客数据的难题, 让店家将客户和适当的内容, 活动进行配对, 根据越多人给予正向情绪的产品或活动类型加强, 吸引顾客参与. Amazon 在 Amazon Go 和 Wholefoods 收购时都显示拓展线下的决心, 而这项服务除了可以做为外包服务租给其他企业使用外, 也为其线下发展铺路.
以上是 AI 技术使用的案例之一, 截至目前为止, AI 主要用途多在垃圾信件分类, 影像及语音辨认, 购物推荐等方面. 所以从这些实际应用上我们可以发现,人工智能的真实模样和电影中描绘的充满情感意识, 自我思考及决策的模样大相迳庭.
现今, AI 尚停留在只有特定功能表现得比人类更加亮眼的阶段, 研究上令人惊艳的进展也难以套用到实际应用. AI 拥有和人类同等智能的未来并非不可能发生, 但就目前来说, 有更加可视的危机需要关注.
试想, 这些被相信终有一天能够超越人类的技术, 正被掌握在谁手中?
AI 将使科技巨头更加难以倾倒
如前所述, 深度学习研发仰赖海量数据的投入训练, 另外也需要资金和人才支持.
数据
在人工智能的精准度和数据量成正向关系的前提下, 没有企业比 Google,Amazon,Facebook 等拥有更雄厚的研发资本, 每日邮件, 关键字, 点赞, 消费信息的流通无时无刻不为他们扩充海量且高品质的数据库.
在质与量外, 即时性也是决定数据价值的指针. 科技巨人的资本能支撑他们的自建数据库, 数据搜集和分析团队, 随时获取第一手数据分析; 相反的, 新创和小企业除透过购买数据和利用网络开放数据库外, 通常没有余裕取得符合自己研究领域需求且大量的数据, 更不要提即时性数据的更新和使用.
科技巨头们纵使现今愿意将免费软件放上网络, 但真正具有价值的大量数据却依旧紧锁于数据库中, 因为他们深知数据是现今 AI 竞赛的最大筹码与资本.
人力 / 人才
AI 本身还没有聪明到足以进行数据筛选, 整理, 因此在海量数据外, 企业必须雇用大批人力来筛选干净的数据供 AI 学习之用. 假如想让 AI 学会辨认鸟, 则由人工拣去模糊, 非鸟类的照片后, 才能供给 AI 辨识学习.
另一方面, 高端研发人才的争夺也成为企业关注的一大重点. 以 Amazon 为例, 招募 AI 人才的年投资高达 227 万美元, 1178 个职缺, 彰显对人才的渴求; 同时, 并购也是获取人才管道, Google 从 2012 年以来已经收购了 12 家 AI 公司, Microsoft,Facebook 也都收购高达 5 间 AI 相关企业.
科技巨头的名声, 资源让许多科技人才趋之若鹜, 形成大部分新创以被收购为目的的现象, 小企业难以参与, 更难以抗衡.
资金
根据麦肯锡公布的 AI 趋势报告, 2016 年全球企业在此领域的投资额有 260~390 亿美元, 其中科技巨人的投资额占了 200~300 亿美元, 其他新创仅占 60~90 亿美元. 数据存储的软硬件设备, 数据整理的劳力到 AI 研发人才网罗, 数据购买都仰赖资金支持, 而麦肯锡这分调查显示在资金规模上科技巨人就已经有着根本上的优势.
上述要件一般企业难以拥有, 而像 Amazon 研发后, 将其作为外包服务租给那些没有能力负担 AI 的企业和平台, 借此搜集数据和获取利润, 成为独霸一方的平台, 依附他而生的小企业们在难以以小搏大的 AI 产业特性中, 根本无法将其以倾倒.
科技寡头的影响
从个人角度来看科技巨人寡占市场, 不断被重申的信息安全及自主性议题仍渐趋严重. 企业研发的 AI 打着个人助理的名号不断纪录人们生活, 成为能够比亲友更加了解个人性格, 隐私的存在; 同时因过度依赖人工智能代为处理记忆性工作, 我们将其作为不可抽离的心智延伸, 失去了个体独立的自主性.
如果聚焦于社会, 则科技巨人累积的经济实力之大让政府有时也必须妥协. 越来越壮大的巨人会让许多小企业都必须依赖它而生存, 在这过程中他们会成为市场的游戏规则制定者及掌控者, 利用科技来图利自己的事业, 并有能力避税, 影响政策, 甚至侵蚀大众权利, 在政经上呼风唤雨.
巨人们以垄断市场之姿存在, 而衍伸问题其实大众多已心知肚明, 只是难以拒绝科技服务带来的便利. IBM 的 AI 伦理研究员曾表示:AI 的力量往往爆发于企业应用层.如果握有科技的少数没有把持自我规范, 我们更不可能知道他何时会越线.
正因如此, 大众应对 AI 有更多了解, 掌握更多机器学习的机制和市场的运作模式, 能让人更不容易为科技所害, 也能避免在无意间透露出更多信息和隐私给掌握 AI 的少数拥有者.
来源: http://ai.51cto.com/art/201806/575853.htm