讀AI新生：破解人機共存密碼筆記06人工智慧生態系統
躺柒發表於2024-06-20
1. 深藍
1.1. “深藍”的勝利雖然令人印象深刻，但它只是延續了幾十年來顯而易見的趨勢
1.2. 國際象棋演算法的基本設計是由克勞德·夏農在1950年提出的
1.2.1. 這一基本設計在20世紀60年代初實現了重大改進
1.2.2. 最優秀的國際象棋程式的等級評分穩步提高，這主要是因為計算機速度更快，讓程式能夠算到未來更遠處
1.2.3. 從1994年開始推算，系統預測計算機將會在1997年擊敗卡斯帕羅夫，而這與現實完全相符
1.3. 在深度卷積網路開始成為頭條新聞的20多年前，它就已經存在了，所有的數學問題都完全解決了
2. 想法
2.1. 好的想法，即真正的突破，往往在當時沒有被注意到，可能直到後來才會被認為給人工智慧的重大進步提供了基礎
2.1.1. 或許是當有人在更合適的時間重新改造它的時候
2.2. 想法是經過試驗的，它最初往往在簡單的問題上證明了基本直覺的正確性，然後在更困難的問題上，我們才能觀察到想法的延伸效果
2.3. 一個想法本身並不能提供能力上的實質性改進，它必須等待另一個想法的出現，二者結合才能證明價值
2.4. 在實驗室之外的世界裡，只有當想法逐漸積累，當其有效性的證據超越一個閾值時，人工智慧才會被看到：在這個臨界點上，人工智慧值得投入資金開展技術工作，創造新的商業產品或令人印象深刻的演示了
2.4.1. 然後，媒體宣佈我們取得了突破
2.5. 隨著商業投資率的提高，以及世界對人工智慧應用的接受程度越來越高，這種情況將會越來越頻繁地發生
3. 人工智慧生態系統
3.1. 最初，大多數計算機的執行環境基本上是空洞無形的
3.1.1. 唯一的輸入來自穿孔卡片
3.1.2. 唯一的輸出方法是在行式印表機上列印字元
3.2. 20世紀90年代，全球資訊網的出現為智慧機器開闢了一個全新的天地
3.2.1. 人們創造了一個新詞“Softbot”，用來描述完全在Web等軟體環境中執行的“軟體機器人”
3.2.2. Softbot（後來被稱為bot，即機器人）可以感知網頁，並透過發出字元序列、網址等來執行動作
3.3. 人工智慧公司在網際網路繁榮時期（1997—2000年）迅速發展，為搜尋和電子商務提供了核心能力，包括連結分析、推薦系統、信譽系統、比較購物和產品分類
3.4. 21世紀初，配有麥克風、攝像機、加速計和GPS的手機普及開來，為人工智慧系統進入人們的日常生活提供了新的途徑
3.4.1. 亞馬遜Echo、谷歌Home和蘋果HomePod等“智慧音響”已經完成了這一過程
3.5. 到2008年左右，接入網際網路的物體數量已經超過了接入網際網路的人數，這一轉變被一些人認為是物聯網（IoT）的開端
3.5.1. 汽車
3.5.2. 家用電器
3.5.3. 交通燈
3.5.4. 自動售貨機
3.5.5. 恆溫器
3.5.6. 四軸飛行器
3.5.7. 照相機
3.5.8. 環境感測器
3.5.9. 機器人
3.5.10. ⑩在製造、分銷和零售系統中的各種物料
3.5.11. 這為人工智慧系統提供了更強大的感知能力和對現實世界的控制途徑
3.6. 最後，隨著感知能力的提高，人工智慧機器人得以走出工廠，進入真實的、非結構化的、混亂的世界，在工廠裡它們依賴於嚴格約束的物件排列，而走出工廠之後，它們的攝像機可以看到一些有趣的東西
4. 無人駕駛汽車
4.1. 開發的重點早已從學術研究實驗室轉移到大公司
4.2. 為什麼要花如此長的時間才能實現安全的無人駕駛？
4.2.1. 效能要求非常嚴格
4.2.1.1. 在美國，人類司機大約每行駛1億英里會遭遇一次致命事故，這設定了一個很高的標準
4.2.1.2. 無人駕駛汽車要想被人們接受，就需要表現得比這更好，也許要每行駛10億英里出現一次致命事故才行
4.2.1.3. 無人駕駛汽車如果每週行駛40小時，則25 000年才會出現一次致命事故
4.2.2. 當交通情況混亂或超出其安全操作條件時，將控制權交給人類，根本行不通
4.2.2.1. 當汽車無人駕駛時，人類很快就會脫離當前的駕駛環境，無法足夠迅速地重新瞭解周圍環境，安全地接管汽車
4.2.2.2. 如果出了什麼問題，坐在後座的非駕駛員或計程車乘客將無法駕駛汽車
4.3. 目前的專案目標是達到美國汽車工程師學會（SAE）的L4級自動駕駛
4.3.1. 這意味著車輛必須在任何時候都能夠自動駕駛、安全停車，但是它受地理條件和天氣條件的限制
4.4. 一些專案正在嘗試採用更直接的方法，這些方法基於強化學習（當然主要是模擬）和監督學習（從數百名人類駕駛員的記錄中學習），但是這些方法似乎不太可能達到所需的安全水平
4.5. 由於每位乘客每英里的運輸成本低至3美分，大多數城市可能會選擇免費提供這項服務，而讓乘客承受沒完沒了的廣告轟炸
4.6. 人類駕駛技能可能會退步或消失，而由人類駕駛汽車這種魯莽和反社會的行為可能會被完全禁止
5. 智慧個人助理
5.1. 基於固定的刺激—反應模板
5.1.1. 這種方法可以追溯到20世紀60年代中期的Eliza（人工智慧軟體）
5.1.2. 系統有三大缺陷
5.1.2.1. 訪問缺陷
5.1.2.1.1. 即它們對正在發生的事情缺乏感官意識
5.1.2.1.2. 它們可能能夠聽到使用者在說什麼，但看不到使用者在和誰說話
5.1.2.2. 內容缺陷
5.1.2.2.1. 即它們根本無法理解使用者所說的話或傳送的簡訊的含義，即便它們可以訪問這些內容
5.1.2.3. 語境缺陷
5.1.2.3.1. 即它們缺乏跟蹤和推理日常生活的目標、活動和關係的能力
5.2. 人工智慧的“特洛伊木馬”
5.2.1. 智慧音響和手機助手
5.2.2. 比為19世紀貴族家庭工作的管家或為如今的CEO（執行長）工作的行政助理獲得的資訊還要多
5.3. 知識使智慧助手能夠跟蹤它沒有直接觀察到的東西，這是智慧系統的一項基本技能
5.4. 到目前為止，由於所涉及的成本和不確定的回報，常識類的建模專案通常還沒有開始
5.4.1. 可能在情報分析和軍事計劃的分類系統中除外
5.5. 人們有望看到的智慧助理是，使用者每月只需付幾美分就可以讓它幫助自己管理越來越多的日常活動
5.5.1. 日程
5.5.2. 旅行
5.5.3. 家庭購物
5.5.4. 支付賬單
5.5.5. 輔導孩子作業
5.5.6. 發電子郵件和打電話
5.5.7. 提醒
5.5.8. 膳食計劃
5.5.9. 人們“做夢都想找到的”鑰匙
5.6. 智慧助手的通用設計模板
5.6.1. 關於人類活動的背景知識
5.6.2. 從感知和文字資料流中提取資訊的能力
5.6.3. 使智慧助手適應使用者的特定環境的學習過程
5.7. 相同的通用模板至少可以應用於其他三個主要領域：健康、教育和財務
5.7.1. 在健康領域，我們所有人的生理狀況大致相同，關於人體如何工作的詳細知識已經被編碼成機器可讀的形式
5.7.1.1. 系統將適應你的個人特點和生活方式，提供疾病的預防建議和疾病的早期預警
5.7.2. 在教育領域，智慧教學系統的前景早在20世紀60年代就得到了承認，但真正的進步還需要很長時間
5.7.2.1. 主要原因是內容和訪問上的缺陷：大多數教學系統不理解它們聲稱要教授的內容，也不能透過語音或文字與學生進行雙向交流
5.7.2.2. 機率推理技術現在可以跟蹤學生的知識掌握情況，並最佳化教學內容，最大限度地提高學習效果
5.7.3. 在個人金融領域，系統將跟蹤個人的投資、收入流、強制性的支出和可自由支配的支出、債務、利息、緊急準備金等，就像金融分析師瞭解公司的財務情況和前景一樣
5.8. 隱私問題
5.8.1. 如果你的個人助理對你一無所知，那麼它真的有用嗎？
5.8.1.1. 沒用
5.8.2. 如果個人助理不能從多個使用者那裡採集資訊，從而更多地瞭解普通人和與你類似的人，那麼它真的有用嗎？
5.8.2.1. 沒用
5.8.3. 這兩件事是否意味著我們必須放棄我們的隱私，才能在日常生活中受益於人工智慧呢？
5.8.3.1. 否定
5.8.3.2. 原因是學習演算法可以使用安全多方計算技術對加密資料進行操作，這樣使用者就可以在不損害自身隱私的情況下從資源池中獲益
5.9. 只有當個人助理的主要職責是為使用者服務，而不是為開發它的公司服務時，使用者才會信任它
6. 智慧家居和家用機器人
6.1. 智慧家居的概念已經發展了幾十年
6.2. 配備了攝像頭、麥克風，擁有必要的感知和推理能力的真正的智慧住宅，可以理解居住者在做什麼
6.2.1. 做客
6.2.2. 吃飯
6.2.3. 睡覺
6.2.4. 看電視
6.2.5. 閱讀
6.2.6. 鍛鍊
6.2.7. 為長途旅行做準備
6.2.8. 跌倒後無助地躺在地板上
6.3. 雖然更簡單的系統（定時恆溫器、動作感應燈和防盜報警器）對環境不那麼敏感，但它們可以用更可預測的方式提供許多相同的功能
6.3.1. 智慧家居不能疊衣服、洗碗或拿報紙
6.3.2. 它的確需要一個物理機器人來執行它的指令
6.4. 實用家用機器人需要三種基本能力
6.4.1. 感知能力
6.4.2. 機動性
6.4.3. 靈活性
6.4.4. 其中，靈活性最成問題
6.4.4.1. 觸覺感知問題
6.4.4.2. 製造問題
6.4.4.2.1. 目前，製造一隻靈巧的機械手成本非常高
6.4.4.3. 演算法問題
6.4.4.3.1. 我們還沒有很好地理解如何將感知和控制結合起來，以掌握和操縱家庭中各種各樣的常見物體
6.5. 第一個真正受益於家庭機器人的群體是年老體弱的人
6.5.1. 實用的機器人可以提供一定程度的獨立性，這種獨立性在其他情況下無從得到