|
|
不为入场券，纯分享。
1、你认为会编程的AI，会是程序员的绊脚石还是好助手？为什么？
程序员今后不再需要一步一步的编写程序。在神经网络知道如何识别语音之后，程序员无法介入，看看机器是怎么做到的。这就像是你的大脑。你不可能把头砍下来，看看你在想什么。如果工程师想要窥探深度神经网络的内部，那么他们看到的将是数学的海洋，利用多层微积分计算去判断数十亿数据点之间的关系，从而完成对世界的猜测。
人们最初对人工智能的设想并非如此。直到几年前，主流人工智能研究员仍认为，如果想要开发出智能体，那么我们必须给机器灌输正确的逻辑，只有编写足够的规则，我们才能开发出足够精密的系统，去理解整个世界。过去的20年里，学习编程可以说是找工作的捷径，许多家长都在让孩子们额外学习编程。然而，由神经网络主导的深度学习机器需要完全不同的能力。随着机器导致传统技能的边缘化，程序员可能很快就能亲身感受到这一点。
2、通过向电脑描述，自动实现应用程序，会不会是另一种新的编程语言？这样一来，程序员的门槛是否会更低？
传统编程不会彻底消亡，在很长一段时间里我们仍需要程序员，不过这样的需求将逐渐下降，而编程将成为一项“元技能”。用艾伦人工智能研究所CEO奥林·艾奇奥尼(Oren Etzioni)的话来说，编程的目的将变成为机器学习的运行“搭脚手架”。量子力学的发展并没有彻底打破牛顿经典力学，而代码仍将带来强大的力量，并且是我们探索世界的工具。然而，在提供特定的功能方面，机器学习将会代替我们去做很多工作。
当然，人类仍需要去训练这些系统。但至少目前来看，对编程技能的需求将会下降。未来的职位不仅需要对数学的掌握，还需要关于教育的直觉。谷歌DeepMind团队负责人德米斯·哈萨比斯(Demis Hassabis)表示：“这就像是一种艺术形式，提炼出系统中的精华。目前全球只有几百人擅长此道。”不过，就是为数不多的这些人在短短几年时间里推动了科技行业的转型。
3、会编程的 AI + 会修 Bug 的 AI，等于什么 ？
过去几年，随着网络越来越复杂，功能越来越多，代码变得越来越令人看不懂，而机器中的幽灵也让人觉得难以控制，无论是飞机事故，股市的迅速熔断，还是大规模的停电。
在之前，我们相信逻辑、确定性，以及对自然的控制。希利斯表示，我们正在进入“纠缠的时代”。“随着技术产物变得更复杂，我们与它们的关系也将改变。”他在《设计和科学期刊》上表示，“我们不再是这些产物的主人，我们需要与它们协商，劝导他们、引导他们去实现我们的目标。我们建立起了丛林，而丛林里有自己的生物。”机器学习的崛起是这一旅程中的最新一步，也可能是最后一步。
这样的现实令人恐慌。在一般人看来，编程是需要通过培训班学习的技能，程序员至少是人类。然而目前，这些科技精英对他们作品的指挥能力正在弱化，甚至已经无法直接去指挥。这一领域的公司已经发现，机器行为很难控制。去年，谷歌的照片识别引擎将黑人标记为大猩猩，而谷歌对此做出了紧急道歉。谷歌的解决办法很粗暴，禁止系统将任何东西标记为大猩猩。
这意味着，在即将到来的时代里，我们的主动权将被让渡给机器。知名物理学家史蒂芬·霍金(Stephen Hawking)表示：“可以想象，这样的技术将会比金融市场更聪明，在发明能力上超过人类研究员，对社会的操控技巧胜过人类领袖，而开发出的武器将是我们无法理解的。人工智能的短期影响取决于控制者是谁，但长期影响在于谁能控制人工智能。”这样的观点也得到了伊隆·马斯克(Elon Musk)和比尔·盖茨(Bill Gates)等人的响应。
不过，这样的担心不必太过：“天网”还没有到来。我们只是在了解与新技术互动的规则。目前，工程师已经找到了某些办法，以可视化的方式呈现深度学习系统的内部情况。但即使我们无法完全理解机器的思考方式，也并不意味着我们对机器无计可施。未来，我们不会太关心机器行为的底层基础，我们将学会专注于行为本身。代码的重要性将会下降，而用于训练机器的数据变得越来越重要。
如果说这听起来似曾相识，那么是因为，这看起来就像是20世纪的行为主义理论。实际上，机器学习算法的训练过程常常被拿来与20世纪重要的行为主义实验做对比。巴甫洛夫训练狗流口水并非通过对饥饿感的研究，而只是不断重复某个事件。他多次提供数据，直到代码对自己进行重写。而在行为主义者看来，他们能够控制自己的研究对象。
斯伦表示，长期而言，机器学习的影响将逐渐普及。现在，你不需要了解HTML就能开发网站，而未来你也不需要博士水平的知识就能利用深度学习的强大力量。只要知道如何训练宠物犬，人们就可以利用机器学习。斯伦表示：“对我而言，这是编程领域最酷的一件事，因为现在任何人都能编程。”
在计算发展史上，我们常常采用由内而外的方式去了解机器如何工作。最开始，我们编写代码，而机器表达代码。这样的世界观有一定的灵活性，但也意味着某种基于规则的确定性，即事物是底层指令的产物。机器学习的情况相反，我们需要采用由外而内的方式去研究。不仅是代码决定行为，行为也会影响代码。机器是世界的产物。
最终，我们将同时发挥手写代码和机器学习算法的力量。生物学家有可能已开始注意到这点。类似Crispr的基因改造技术使他们获得了类似传统程序员操控代码的能力。不过，表观遗传学的发现表明，基因材料并非一成不变的指令，而是会根据环境和主人的体验动态调整。我们的代码并非完全独立于现实世界，而是受到现实世界深深的影响。温特或许认为，细胞是由基因软件驱动的机器，但表观遗传学家史蒂夫·科尔(Steve Cole)有着不同观点：“细胞是将外部体验转变为生物学元素的机器。”
目前，在阿兰·图灵(Alan Turing)绘制了问题分析机设计的80年后，计算机已经可以将外部体验转变为技术元素。过去几十年中，我们致力于探索世界的密码，并尝试优化我们对世界的体验。然而，我们的机器不太可能长时间去按照这种方式运转，而世界从来也不是这样。我们与技术的关系将更复杂，而技术可能会给我们带来更多帮助。我们不再指挥机器，而是将培养机器。
|
|
楼主: 丸喵喵
IP卡
狗仔卡
发表于 2017-3-16 13:36
显身卡
发表于 2017-3-17 11:22
