您的位置:首页 >区块链 >

AI军队已经诞生,你如何看待未来人工智能?

整理|邱施运来源|高山大学(ID:gasadaxue)

以下根据吴霁虹老师2020年8月15日在高山大学、GMIC以及腾讯公益基金会联合出品的“科学公益直播”的课程整理而成,经老师审核后公开发布。

授课老师:吴霁虹,北京大学访问教授,AI Business Lab创始人。

1

吴霁虹

直觉决策的局限与突破

每个人都有直觉。而直觉一直是管理或投资人赖以判断、决策的主要方式。

比如孙正义,通过6分钟交谈,就决定投资马云2000万,阿里巴巴最终赚了多少?7000多倍。

彼得蒂尔,Facebook最早的天使投资人之一,在没人认为它会做成一个伟业的当时,凭着直觉投资了50万美元,最后收获10亿美元。

硅谷的大卫切瑞登教授,给谷歌创始人佩奇和布林讲的算法投资了10万美元,最终也是收获了10亿美元。

腾讯的第一个投资人——刘晓松,当年50万的投资占了腾讯20%的股份,直觉超级好,闷声发大财。

这些人,都有超越常人的直觉。生活中,人们往往也非常崇拜那些能靠直觉做出明智决策的人。

事实上,靠直觉做决策是人类最古老的本能之一,在复杂的情况下,跳过逻辑的分析,直接给出结论。但直觉思维建立于只可意会、不可言传的内在知识和经验,很难百发百中。

众所周知,商业决策或管理的最高境界是做正确的事,并把事做正确。这需要将战略决策、管理和评估做到一个有效的闭环。而这一点,大多数人是没有办法靠直觉做到的。

因为直觉明智的人凤毛麟角,而这些凤毛麟角的人的智慧或能力,又没有办法被其他人完全复制。

但直到人工智能到来,这个复制就有了可能。

人工智能,是模拟、延伸及扩展人的智能的一门新兴科学技术。

前几年,香港一家风投公司DKV,聘请了一个AI董事——它是一个英国公司研发出来的投资系统,经过大数据的机器学习后,能在毫秒中分析、判断及决策那些无法被人类分析师捕捉到的趋势,确保投资决策正确,即投资的钱不打水漂。

换句话说,这等于把人平时复杂而直觉的投资决策,人工智能化了。反过来,这也可以看作强大的计算机有了直觉,因为决策是在毫秒内产生的。

除了决策本身,AI董事也颠覆了投资管理的流程。正常的流程中一旦涉及到AI董事的专属领域(比如老年医疗),若AI董事没有发言,其他的人类董事是不会做决策的。某程度上,AI董事像是一个董事会主席。

在整个决策过程中,AI董事的权利主要有同等投票权、先AI预判断、后人类评估、整合下结论、专业优先权。

至今,DKV公司在AI董事的帮助下,完成了很多项优质的投资项目。这是一个典型的AI决策案例。

为什么AI决策比人做得好?根本原因,来自于人类的两大局限。

1. 感知局限

大数据时代,我们日常面对的99%信息都是噪音,而我们感知有限,无法辨识当中的复杂与不确定性。这就导致了我们重复犯错,而且犯错率挺高;另外,犯错成本很高,纠错时间也很长。

2. 认知局限

人脑认知也存在局限。认知局限导致我们看不见、弄不明海量数据中的各种复杂风险、巨大潜力。即使是顶尖专家,也经常会犯错误。

人的认知,一般可以分解成一个7步的流程——感知、传输,存储、处理、决策,再传输,然后执行。

2

虽然有7步,但其实也都是毫秒间产生的,也就是我们的直觉。当直觉不断循环运作,我们的认知也得到了强化,我们就获得了智慧和能力。而AI在这7步的基础上,每一步都超越了人类。

在感知上,我们现在有语音和图像识别;

在传输上,我们从2G到了5G;

在执行上,我们有智能手机、计算机器人、机器手以及各种智能穿戴设备,赋能我们更强大的感知。

另外,在存储、处理和决策上——这也是AI技术最关键的——越来越强大的AI算法、机器学习、数字训练等等,也不断训练着AI机器进行思考和判断。

随着这7步的突破,AI智能在重复劳动、标准流程、复杂分析等方面的决策,已经做得远远比人类更好、更高效了。

总的来说,在传统人类社会,好的决策必须依靠人的直觉以及有限的5感、知识和经验;而人工智能的决策更能依赖AI的算法、算力,以及无限的数据和信息。

AI决策以前的三次浪潮

AI能决策,是人类过去的梦想。而今天能圆梦,实际经过了三次浪潮。

第一次浪潮,是AI的萌芽期。

人们发明了很多算法,比如1955年的启发式的编程(后来成了专家系统的基础),1957年的感知算法(今天演变成人工智能神经网络和深度学习的工具)或1960年的隐马尔科夫模型算法(成就了今天的语音和图像识别)。但那时的技术还不成熟,无法解决实际问题。

第二次浪潮,专家系统开始发展起来,可以解决一些特定问题。

比如1979年,第一个医疗诊断机器智能系统创立,20年内,被北美、北欧2/3的医疗公司广泛使用。不过这时的AI应用仍然非常局限,离梦尚远。

第三次浪潮,AI思维机器发生大突变。

约2005年到今天,机器学习、深度学习,模仿人脑的神经网络学习等技术有了系统性突破,而这一次,它的目标直指人类不能做,或做得不够高效、不够方便、不够高质的事情——当然这就包括了决策与管理。

不过在今天,AI决策仍然是非常新鲜的概念,以至于绝大部分的商学院还来不及教授任何AI决策的管理内容。从直觉到AI决策,人类走了600年,到今天还在渐进中。

当前,AI赋能决策最前沿的体现可以用以下几个案例来说明。

AlphaGo打败了李世石

2016年3月,人工智能AlphaGo打败了世界冠军李世石。AlphaGo像一个足智多谋的决策者,全面学习了人类史上的所有棋局,除了能从中挑出最优的选择,经过自我学习后,还能延展出人类没有下过的棋。

所以,这意味着AI在决策上,能比人类看得更宽、更远,并且更精准地运算出获胜路径。

AI“军队”

2018年,一个名为决斗式的AI诞生,在未来的战场上,可以代替人类进行虚拟现实下的远程自动操作,比如跨越各种战火障碍、提供无人勘查、监视、搜索等任务。

另外,美国国防部也研究出了阿尔法人工智能战机,可以靠遥控操作,摧毁任何锁定的目标,同时预测特定环境下的威胁,并自行应变。

更为抢眼的是,它已经战胜了人类最高级别的战斗机飞行员,并指挥无人机及舰队群进行有效攻击,同时兼具战斗力、反应力与领导力。

据悉,2030年开始,阿尔法会成为空军主力,换言之,人类不再需要上空战场,几乎匪夷所思。

人工智能带来的认知革命引起了世界关注,有好的惊叹,也不乏不好的质疑。

前段时间一些大咖都在说,AI以后将对人类形成巨大威胁。但至今科学上,还不能下这样的结论。

支持AI决策的4大能力

AI决策的背后,需要什么样的能力作为支持?

3

首先,是算法。

算法有初级也有高级。世界上最简单的算法是1+1=2。算法的根本作用在于“仿真”,构建一个运作系统,让它和真实世界相似,以此解决问题。

从某一种角度上来讲,算法就是大脑。

目前,世界上公开、最值钱的算法,是谷歌的搜索引擎,价值6000多亿美元。

第二,是数据。

数据是在万物互联以后,来自于四方八面、不同维度的信息。这些信息需要进行处理、分类,把价值挖掘出来,否则它只是噪音。

第三,是知识。

支持决策,是需要知识的。而这些知识来自于人类文明由古至今沉淀下来的各种学科和专业。这些知识可以转化为信息,再与海量数据进行融合,让人工智能去学习。

第四,是计算力。

5G以后,人、事、物等信息都是畅通的,需要极复杂、超容量、高品质及无延迟的超强计算能力。

有了这几个能力,AI决策也就有了基础。

但如今AI决策最大的难题,在于算法人才。让机器进行思考、判断、推理,都需要靠人才构建算法。构建算法,像构建大脑和世界一样,需要极大的创造力和想象力。

算法人才的缺乏,不仅是中国的瓶颈,也是全球的瓶颈。南京大学周志华教授曾说,“一个AI算法,就可以做出一个产业。”。

AI决策在商业上的更多应用

多年来,对上千个企业或管理者,我经常问一个问题——假设你的公司今天值1亿,未来从1个亿增长到10个亿的道路上,你觉得可能受多少因素影响?

至今我收到的答案,90%以上不超过20个;当中一群人凭着集思广益,最多达到50多个。

我的AI商业实验室,现在可以做到800个以上的因素模型,而这800个模型,可以映射到18,000个向量空间。

实验室的另一项研究成果,是AIAlphaCo™。它只需要三张财务报表,不超过一秒钟就可以分析出很多风险场景,精准率可以达到75%。

相比之下,据伦敦科学家研究,世界四大会计师事务所的顶尖专家,在同样事项上的准确率只有42%,而一般财务专家在6%-24%。换言之,在风控判断上,AI比人类专家更快、更准。

为什么差距这么大?追根究底,还是因为人的感知、认知局限。

现实中,真正影响风险的数据量近乎无限,判断依据越少,决策盲区就越大,而AIAlphaCo™系统能消除的盲区超过1082(全宇宙原子的总量),并能够在这种量级的数据里,捕捉各种变量与变量之间的因果关系和路径。

除此之外,亚马逊无人商店也是一个AI决策案例,不过涉及的是一个非常小的场景。三个动作就完成了:进去、拿起、出来刷交易。

另外还有今日头条。在了解你的习性、兴趣以后,能给你推荐内容——今日头条给我推送的广告,我几乎都会打开,可见它对我的判断多精准、高级。

不过这种AI决策,跟前面涉及需要做判断的AI决策不同,更多是对人们需求进行匹配。

结语

AI虽然强大,但并非万能。

事实上,人工智能没有意识、没有情感、没有创造性,只是按人类创造的算法办事。人类的愿景、使命、价值观、精神等等,是AI无法取代的;而这些也是战略决策的核心。

2

因此,人类与AI有天然的协作的契机。在未来,人对AI技术的掌握,将决定自身的能力——人类,会因为AI的存在,分化成两类:泛人类,以及新人类。说白了,新人类就是被AI充分赋能(去实现人文关怀)的人群。

当然,这一刻的AI决策仍处于起步阶段,还需要非常多的实践和积累。

Q&A

No. 1

未来的人机关系,会达到怎样一个理想的状态?

人机关系的理想状态,每个人有不同的理解。

就我而言,人机最融洽的关系,在于“我们驾驭机器,而机器赋能我们”。机器为我的意志干活。比如我主张“利他则利己”,我希望AI替我执行这样的价值。

其次,人机和谐也建立在共同学习的基础上。机器每天在学习,作为人类,必须跟上脚步,持续学习;否则哪一天机器的进步,自己驾驭不了了,人就退化了。

再来,人机关系讲求分工,对机器不能过于依赖。机器的本质意义,是帮人类把事情做得更好、更快, 从而省下更多的时间和精力,去做生活中其他重要、富于创造性的事或爱好。

No. 2

在中国,隐私保护还做得比较差,数据很容易拿到。这一点是否有利于中国在AI的进展?

这个提问其实带着一个前提——好的AI,必须拿取这些数据。其实不然。

真正牛的AI的崛起,不是依靠于捉取个人资料。比如我们实验室的小伙伴跟别人拿了不必要的电话号码,对于系统来说,反而是噪音。好的AI,要的是知识、经验的转化。

提问所预设的的那类AI,是以某一类数据为基础而建立的,但一旦碰到另外一类数据和场景,基本是无能的。而我们现在谈的AI,是要仿真世界,所以更需要的是世界的本质、知识、运作规律,去构筑算法。

不过,虽然数据不是最大关键,但有数据,AI会锦上添花。像吃粮食一样,AI透过这些数据,会更聪明、更精准。

编者按:本文转载自微信公众号:高山大学(ID:gasadaxue)

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。