江苏龙网

  1. 首页 > 资讯 > 科技 > >

AI|加州大学伯克利分校教授Pieter Abbeel： 最终我们要给AI 设置一个“关闭按钮”否则很危险

打破机器人重复动作的局限 ， 实现机器人自我学习、识别环境并反馈 ， 人类应如何与AI相处？作为一种“新型电力” ， AI及衍生机器人必定会在未来占据重要的一席之地 ， 但想实现这一目标 ， 实现广泛、普遍、合理使用AI的目标 ， 人们仍需克服许多困难 。
10月22日 ， 第三方咨询机构安永发布报告指出 ， 中国大陆企业对人工智能的未来发展持有相对谨慎和保守的态度 ， 68%的受访企业预计 ， 人工智能将在未来五年内 ， 对行业产生较大甚至重大的影响；在政府的政策扶持和产业加快升级的背景下 ， 企业的人工智能成熟度较高 ， 但在网络安全、数据管理、创新管理等方面 ， 尚存在不足 。
2009到2019年间 ， 中国大陆的人工智能投资笔数不断攀升 ， 共累计投资2827亿人民币 。 在对人工智能的投资中 ， 计算机视觉和智能机器人是主要投资领域 。
一直以来 ， 加州大学伯克利分校教授、伯克利人工智能实验室主任Pieter Abbeel主要的研究领域专注于机器人与机器学习 ， 尤其在深度强化学习领域处于领先地位 。 同时 ， 他还是 Covariant.Ai （仓库和工厂智能和机器人自动化）、Gradescope（人工智能打分系统）的联合创始人和首席科学家 。
近日 ， 他在接受21世纪经济报道采访人员专访时认为 ， 从工业机器人到家用机器人的发展过程中 ， 最大的改变是 ， 将重复动作的机器人转变为机器人2.0 ， 即能看见并能根据所处的情况产生反馈的机器人 。 今年以来 ， 机器人对环境作出反馈的功能 ， 已经发挥了实用功能 。
值得人类关注的是 ， 当AI真正“觉醒”后 ， 它们会统治世界吗？AI与人类惧怕的恶距离有多远？
以下为对话实录：
《21世纪》：今年上半年 ， 全球都受到了新冠肺炎疫情的影响 。 在人类生活中 ， AI扮演了怎样的角色？它会越来越重要吗？
Pieter Abbeel：在病毒大流行的背景下 ， 像后勤基础设施这样迫使员工聚集的工作 ， 变得危险且重要 ， 因为我们每个人都需要在网上购物 ， 就需要物流 。 因此 ， 我希望大型仓库一类的场所运行起来可以更加自动化 ， 更加安全可靠 。 另外 ， 机器学习也有助于追踪事物的发展和控制 。
我希望在未来 ， AI可以帮助人们应对病毒、进行医疗服务 。 目前 ， 我们在疫苗研发和药物治疗方面没有明显的进展 ， 但是我相信AI有潜力在医疗服务方面有突出贡献 ， 远比我们目前所达到的成果更好 。
《21世纪》：AI的发展分为几个阶段 ， 您认为目前我们处于哪个阶段？
Pieter Abbeel：在最早的50-60年代 ， 我们关注搜索和理论推理 ， 发现AI可以证实一些人类尚无法证实的理论 ， 也可以成为高超的棋手 。 但这些都基于非常清晰的规则 ， 你可以理解为何AI会这样做 。
在上世纪末和本世纪初 ， AI在模块识别和概率推理方面有了很大的进展 。 目前 ， 受益于大量的数据 ， 我们在这两方面有了更大的进步 ， 比如说计算机视觉 。 尽管这一技术问题没有完全解决 ， 但是在这过程中产生了许多成果 ， 并投入到实际的商业活动中 。
目前 ， 我们正处于一个模块识别高度发达的阶段 。 人们想要解决一个问题 ， 需要大量数据帮助计算机学习 。
比如 ， 机器人想要识别出一个行人或车辆 ， 就需要在投入工作前学习无数行人和车辆的照片 。 但在未来 ， 机器人可以自主学习 ， 机器自动地去学习大量的数据 ， 就像新生儿一样自主地观察世界 ， 不需要人类去反复地教它 ， 不需要标注大量信息 。 可能在未来五年 ， 我们可以利用并看到无标识数据的影响 ， 之后衍生出更多应用 。
《21世纪》：普通人还不能在日常生活中应用深度强化学习 ， 那么在目前这一阶段最大的困难和最急迫的需求是什么？
Pieter Abbeel：的确 ， 深度强化学习离普通人的生活很远 。 但是 ， 当我们考虑机器人只需要学习输入的图片 ， 而非实际的动作或模仿时 ， 科技已经有了很大的进步 。 在过去的几年里 ， 我们将深度强化学习和自主学习相结合 ， 发现向状态学习和向图像学习 ， 可以达到同样的效果 ， 我认为这是一个重要的突破 。 但是它还是不够高效 ， 还需要进行大量测试 。


推荐阅读


上一篇：蚂蚁|解码蚂蚁

下一篇：蚂蚁|超2万亿“巨无霸”蚂蚁集团蓄势待发 解码估值攀升的“潜台词”