內(nèi)容來源：CB Insights
轉(zhuǎn)載公眾號(hào)：機(jī)器之心
微信號(hào)：almosthuman2014
編譯：Rick、林靜、吳攀
本文經(jīng)機(jī)器之心（微信公眾號(hào)：almosthuman2014）授權(quán)轉(zhuǎn)載，禁止二次轉(zhuǎn)載”。
智能增強(qiáng)技術(shù)有助于提高人類的潛能——通過提高工人生產(chǎn)力、減輕一般任務(wù)的工作量以及為我們的生活提供更多方便。本文的作者是 Anupam Rastogi，他是 NGP 的成長期技術(shù)投資者，專注于企業(yè)中的物聯(lián)網(wǎng)、數(shù)據(jù)與機(jī)器學(xué)習(xí)的交叉領(lǐng)域。
自 20 世紀(jì) 50 年代以來，人工智能（The Artificial Intelligence/AI）與智能增強(qiáng)（Intelligence Augmentation/IA）之間的爭論已經(jīng)持續(xù)了半個(gè)多世紀(jì)。一般來說，智能增強(qiáng)指的是利用信息技術(shù)來增強(qiáng)人類能力。這個(gè)想法自 1950 年被首次提出后，現(xiàn)在已經(jīng)變得無處不在。如今人工智能越來越多地被用于廣泛描述那些能夠模仿人類功能（比如學(xué)習(xí)和解決問題）的機(jī)器，但它最初所建立的前提條件是：人類智能可以被精確描述，且能夠用所制作的機(jī)器進(jìn)行模擬。人工通用智能（Artificial General Intelligence/AGI）這個(gè)術(shù)語通常僅僅表示后者，該定義較前者更嚴(yán)格。當(dāng)下存在許多人工智能方面前所未有的炒作——其近來令人難以置信的增長曲線、無數(shù)的潛在應(yīng)用、及其潛在的社會(huì)威脅。
更廣泛的人工智能定義給一些人造成了困惑，特別是那些或許不太緊跟技術(shù)潮流的人。機(jī)器學(xué)習(xí)應(yīng)用近期所帶來的一些十分顯著的進(jìn)步有時(shí)會(huì)被錯(cuò)誤理解和推斷，使我們以為人類即將取得 AGI 方面的進(jìn)展、正在逼近為了社會(huì)秩序所需要的一切。
智能增強(qiáng)與人工通用智能技術(shù)之間可能會(huì)有一段持續(xù)進(jìn)步的過程。我在本文中談到，我們所目睹的人工智能領(lǐng)域的快速進(jìn)展是來自于機(jī)器學(xué)習(xí)對(duì)其產(chǎn)生的強(qiáng)大驅(qū)動(dòng)力。然而，滿足人工智能——以及人工通用智能——的原始前提條件是大量的、額外的、在近期進(jìn)展之上的技術(shù)突破。智能增強(qiáng)技術(shù)有助于提高人類的潛能——通過提高工人生產(chǎn)力、減輕一般任務(wù)的工作量以及為我們的生活提供更多方便。我們目前所看到的是機(jī)器在任務(wù)執(zhí)行方面的能力提升，在這方面它們幾十年前就勝過人類了。而未來十年中，我們會(huì)看到機(jī)器學(xué)習(xí)技術(shù)進(jìn)一步滲透眾多行業(yè)和生活領(lǐng)域，推動(dòng)這種能力進(jìn)一步地快速提高。
舊聞新炒
如今所使用的許多人工智能和機(jī)器學(xué)習(xí)算法是幾十年前發(fā)明的。國防機(jī)構(gòu)使用高級(jí)機(jī)器人、自動(dòng)駕駛車輛和無人機(jī)的時(shí)間已將近半個(gè)世紀(jì)。第一個(gè)虛擬現(xiàn)實(shí)原型開發(fā)于 20 世紀(jì) 60 年代。然而截至 2016 年底，沒有一份主流出版物不對(duì)人工智能即將產(chǎn)生的社會(huì)影響發(fā)表高論。根據(jù) CB Insights 的數(shù)據(jù)，對(duì)利用人工智能的創(chuàng)業(yè)公司的投資資金將于 2016 年達(dá)到 42 億美元，僅僅四年就翻了 8 倍以上。
發(fā)生了哪些變化？
影響因素有很多，但也有這樣一個(gè)共識(shí)：最近的許多事態(tài)發(fā)展，比如近期谷歌翻譯的巨大進(jìn)展、谷歌 DeepMind 在圍棋游戲中的勝利、亞馬遜 Alexa 的自然會(huì)話接口以及特斯拉的自動(dòng)駕駛功能，都由機(jī)器學(xué)習(xí)的進(jìn)步所推動(dòng)，更確切地說是深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)——它是人工智能的一個(gè)分支。深度學(xué)習(xí)理論已經(jīng)存在了幾十年，但是它開始看到了新一輪的焦點(diǎn)，以及自 2010 年左右開始顯著加快的進(jìn)展速度。我們當(dāng)下所看到的現(xiàn)象是一個(gè)雪球效應(yīng)——深度學(xué)習(xí)在用例與行業(yè)中的影響——的開端。
影響因素有很多，但也有這樣一個(gè)共識(shí)：最近的許多事態(tài)發(fā)展，比如近期谷歌翻譯的巨大進(jìn)展、谷歌 DeepMind 在圍棋游戲中的勝利、亞馬遜 Alexa 的自然會(huì)話接口以及特斯拉的自動(dòng)駕駛功能，都由機(jī)器學(xué)習(xí)的進(jìn)步所推動(dòng)，更確切地說是深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)——它是人工智能的一個(gè)分支。深度學(xué)習(xí)理論已經(jīng)存在了幾十年，但是它開始看到了新一輪的焦點(diǎn)，以及自 2010 年左右開始顯著加快的進(jìn)展速度。我們當(dāng)下所看到的現(xiàn)象是一個(gè)雪球效應(yīng)——深度學(xué)習(xí)在用例與行業(yè)中的影響——的開端。
機(jī)器和人類
在某些類型的任務(wù)上，機(jī)器的表現(xiàn)長期以來一直優(yōu)于人類，尤其是那些與計(jì)算速度和規(guī)模相關(guān)的任務(wù)。三位學(xué)院派經(jīng)濟(jì)學(xué)家（Ajay A. et al）在最近的一篇論文和哈佛商業(yè)評(píng)論上一篇文章假定最近機(jī)器學(xué)習(xí)的進(jìn)展可以歸為機(jī)器「預(yù)測」中的進(jìn)展一類。
機(jī)器的工作原理是機(jī)器使用了之前的蘋果圖像中的信息來預(yù)測當(dāng)前的圖像中是否有蘋果。為什么會(huì)用『預(yù)測』這個(gè)詞？預(yù)測使用的信息是你沒有的但必須要生成的信息。機(jī)器學(xué)習(xí)使用的數(shù)據(jù)是從傳感器、圖像、視頻、輸入的注釋、或者其他任何能被用比特/二進(jìn)制（bit）表示的東西。這就是你擁有的信息，機(jī)器用這樣的信息去填補(bǔ)它缺失的信息來識(shí)別物體，并預(yù)測下面會(huì)發(fā)生什么。這是你沒有的信息。換句話說，機(jī)器學(xué)習(xí)是一種預(yù)測技術(shù)。
完成任何的主要任務(wù)都涉及這幾個(gè)要素：數(shù)據(jù)收集、預(yù)測、判斷和行動(dòng)。人類仍然在基于判斷的任務(wù)（廣義）上遠(yuǎn)超機(jī)器，而且 Ajay 等人假設(shè)這些任務(wù)的價(jià)值會(huì)隨著機(jī)器學(xué)習(xí)帶來的預(yù)測成本下降而增加。
過去幾年中，在深度學(xué)習(xí)的驅(qū)動(dòng)下，雖然已經(jīng)有了能夠展示類似人類軟技能的機(jī)器，機(jī)器在這些領(lǐng)域的能力幾乎無法達(dá)到「預(yù)測」中的水平。下面是一些人類擅長的領(lǐng)域，讓機(jī)器來模擬這些技能可能需要的新技術(shù)突破：
學(xué)會(huì)學(xué)習(xí)：最近機(jī)器學(xué)習(xí)使用中一些驚人的成果包括，觀察人類在多種實(shí)例任務(wù)中的行為（這種在手問題輸入和輸出的大數(shù)據(jù)集），同時(shí)「學(xué)習(xí)」使用深度神經(jīng)網(wǎng)絡(luò)方法。
常識(shí)：人類擅長運(yùn)用「常識(shí)」，即用一種不加開放思考或無需大數(shù)據(jù)集的通用方法來做出判斷。在這個(gè)領(lǐng)域，除了在使用深度學(xué)習(xí)處理自然語言任務(wù)上有大進(jìn)展外，機(jī)器相對(duì)來說還處在初步階段。研究常識(shí)推理的科學(xué)家估計(jì)機(jī)器想要運(yùn)用常識(shí)就需要其他新的技術(shù)進(jìn)展。我們（或者我們的孩子）在和 Alexa 或 Siri 時(shí)都要面對(duì)這個(gè)問題。
直覺和歸零：人類大腦擅長直覺和歸零，例如從一個(gè)非常大的復(fù)雜又模糊的選擇集合中發(fā)現(xiàn)某個(gè)事實(shí)、想法或者行動(dòng)過程。學(xué)界一直有人在嘗試做將直覺帶給機(jī)器的研究，但是在這個(gè)維度上的機(jī)器智能還普遍處于初級(jí)階段。
創(chuàng)造力：雖然有很多機(jī)器已經(jīng)能生成一些和人類藝術(shù)大師的作品難以區(qū)分的作品，但它們在很大程度上還是基于學(xué)習(xí)這些大師已經(jīng)創(chuàng)造出的模式。真正的創(chuàng)造力需要為問題生成之前從未見過的全新解決方案或真正創(chuàng)新的藝術(shù)成果。
共情：理解情緒、價(jià)值系統(tǒng)、設(shè)置愿景、領(lǐng)導(dǎo)力和其他仍然還是人類專屬的軟能力。
多功能：同樣一個(gè)人可以合理地執(zhí)行許多人物，比如拿起盒子、駕駛汽車去工作、帶小孩和發(fā)表演講。目前的機(jī)器和機(jī)器人都還是為特定的任務(wù)而打造的。
IA 和 AI
根據(jù)以上的總結(jié)，我們可以得知：機(jī)器已經(jīng)在學(xué)習(xí)（或者被稱為「預(yù)測」）的技能方面取得了長足的進(jìn)展，它們進(jìn)入了模仿「人類」真正的技能的早期階段。我們建議的分類方式是：將預(yù)測、第一階段的機(jī)器學(xué)習(xí)以及需要人類參與的自動(dòng)化功能（human-in-the-loop automation capabilities）歸為「IA」技術(shù)。這些技術(shù)通常是使用機(jī)器獨(dú)有的能力（處理巨大數(shù)據(jù)集的能力）來有效地增強(qiáng)人類能力，系統(tǒng)最終的輸出通常還是由設(shè)計(jì)和訓(xùn)練它們的人來決定，因?yàn)橄到y(tǒng)設(shè)計(jì)者會(huì)提供一些與機(jī)器互補(bǔ)的技能。
從根源上講，很容易把它與 AGI 弄混淆，所以我們使用了術(shù)語 AI 來描述我們在前面提到的機(jī)器擁有的那些屬于人類的判斷、學(xué)習(xí)和具備常識(shí)的能力以及具有先天創(chuàng)造力和同情心的特征。對(duì)于強(qiáng)大的 AGI 而言，這也許只是它的一部分，但是要實(shí)現(xiàn)復(fù)雜的工作流程的全自動(dòng)化就需要具有大多數(shù)這些技能的機(jī)器。
明確了這些概念以后，我們就可以知道如何對(duì)當(dāng)前或者即將出現(xiàn)的那些可能會(huì)影響我們?nèi)粘Ｉ詈凸ぷ鞯募夹g(shù)進(jìn)行分類了：
IA 和 AI 帶來的影響
有一個(gè)眾所周知的諺語：「我們總是更傾向于在短期內(nèi)高估技術(shù)產(chǎn)生的影響，而在長遠(yuǎn)上低估它」。這也被稱為「阿馬拉定律（Amara』s Law）」，人們經(jīng)常用下圖來表示它。
我們可以在這個(gè)圖上看到，這條曲線在任何一個(gè)軸上都沒有刻度。對(duì)于曲線開始處的任何一點(diǎn)，我們不能準(zhǔn)確地知道它距離拐點(diǎn)有多遠(yuǎn)。但是這條曲線確實(shí)說明了一個(gè)很重要的趨勢——一項(xiàng)新技術(shù)的影響在其初始階段十分緩慢，然后隨著技術(shù)的發(fā)展和市場的大規(guī)模采用，該技術(shù)的影響顯著變大，最終趨于飽和。人們對(duì)于市場預(yù)期通常都會(huì)忽視這個(gè)趨勢。
然后，當(dāng)進(jìn)入了所謂的著名的「市場炒作周期」，人們對(duì)于技術(shù)初期影響的預(yù)期遠(yuǎn)遠(yuǎn)超過了技術(shù)的真實(shí)影響力，因此，人們就會(huì)陷入一種失望的境地。隨著技術(shù)的影響繼續(xù)擴(kuò)大并且達(dá)到一種較大的規(guī)模之后，該技術(shù)會(huì)達(dá)到生產(chǎn)率的巔峰。
我相信我們今天所看到的有關(guān)于術(shù)語「AI」的那些重大的發(fā)展和認(rèn)知其實(shí)是「IA」曲線的上升階段，其中使用人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)（以及前面提到的一些驅(qū)動(dòng)力如硬件、數(shù)據(jù) 、云經(jīng)濟(jì)學(xué)、連接性和其他算法上的進(jìn)步）正在推動(dòng)我們走向該曲線上拐點(diǎn)。在許多情況下，相對(duì)于回歸（regression）和其他統(tǒng)計(jì)工具以及基于規(guī)則的系統(tǒng)和人工編碼實(shí)現(xiàn)的邏輯等現(xiàn)有「預(yù)測」方法而言，深度學(xué)習(xí)進(jìn)行了進(jìn)一步的提升。機(jī)器學(xué)習(xí)通過提高模型精度，增加處理數(shù)據(jù)能力以及提高對(duì)輸入的適應(yīng)性而推動(dòng)了發(fā)展的速度。
由于機(jī)器智能仍然存在上述限制，所以我認(rèn)為全自動(dòng)化技術(shù)的發(fā)展應(yīng)該是一條全新的曲線。并且我相信我們還處于這條曲線的早期階段。
之前已經(jīng)有多個(gè)和 AI 以及奇點(diǎn)（singularity）相關(guān)的并且預(yù)測不準(zhǔn)確的炒作周期了。許多 AI 先驅(qū)在 20 世紀(jì) 50 年代的早期認(rèn)為，具備人類所有能力的機(jī)器將在十年或二十年之內(nèi)就出現(xiàn)。這個(gè)目標(biāo)沒有實(shí)現(xiàn)的原因不是因?yàn)闆]有足夠強(qiáng)大的計(jì)算能力，而是在多個(gè)新的維度上的科學(xué)還沒有突破。然而這種根本性突破的時(shí)間很難預(yù)測以及調(diào)整。根據(jù)斯蒂芬·霍金所言，截至到 2015 年，「人工智能研究員還不能明確什么時(shí)候可以建造出擁有或超過人類的 AI 機(jī)器?！?/p>
我們可能正處于對(duì)于「AI」進(jìn)行炒作的巔峰階段。然而，IA（如同上邊定義的那樣）提供了一個(gè) 5 至 10 年的巨大的投資機(jī)會(huì)。人類和機(jī)器正處于一個(gè)互補(bǔ)的階段，他們都有一些不同于對(duì)方的卓越的才能。這表明人類能夠?qū)Ｗ⒂谒麄儶?dú)有的技能同時(shí)還可以享受鍛煉的樂趣，而機(jī)器專注于處理大多數(shù)那些不需要人類的判斷力，創(chuàng)造力和同情心等能力就能完成的常規(guī)任務(wù)。目前有很多文章已經(jīng)寫了關(guān)于 IA 技術(shù)將會(huì)引起工作和勞動(dòng)的性質(zhì)的變化，并且這些變化并不容易。這篇文章就很好地進(jìn)行了總結(jié)：「你使用機(jī)器的能力將決定你未來的薪資。」
即時(shí)創(chuàng)新和投資機(jī)會(huì)在何處？
我相信智能增強(qiáng)技術(shù)（運(yùn)用深度學(xué)習(xí)以及其他機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)人工增強(qiáng)自動(dòng)化）在中期階段的影響比多數(shù)人認(rèn)為的要大，而全自動(dòng)化的影響則遠(yuǎn)遠(yuǎn)超出近期相關(guān)報(bào)道中指出的范圍。
本文無意揣測人工通用智能（AGI）是否還遠(yuǎn)在十年或百年之后，亦非討論其將成為對(duì)社會(huì)的威脅與否。我的立足點(diǎn)在于，你是否對(duì)正在進(jìn)行的投資或者即將創(chuàng)立的公司亦或項(xiàng)目有著五至十年的大規(guī)模愿景。由機(jī)器學(xué)習(xí)推進(jìn)的智能增強(qiáng)或人類增強(qiáng)技術(shù)具有立竿見影且顯著的價(jià)值，況且，在這條商業(yè)和社會(huì)成功之路上鮮有阻力，可謂是一片坦途。
一如傳統(tǒng)的 B2B 模式，我們尋找的方案是止痛藥而不是維他命，不僅能夠做到解決明顯的現(xiàn)有痛點(diǎn)，展示其強(qiáng)勁的投資回報(bào)率，與現(xiàn)有的工作流程高度合拍，還能與企業(yè)中買方、用戶和協(xié)調(diào)人三者利益一致。在這個(gè)領(lǐng)域，我保證有人參與的智能技術(shù)（智能增強(qiáng)）將有助于提高整體生產(chǎn)力、優(yōu)化投資成本、提供個(gè)性化解決方案、或者助力為客戶提供新的產(chǎn)品。
機(jī)器學(xué)習(xí)技術(shù)正被應(yīng)用于各大垂直產(chǎn)業(yè)的許多方面。這是一個(gè)關(guān)乎整體投資立論的全景話題（至少是獨(dú)立于其中），但我們可以通過一個(gè)簡明的列表來窺見一斑，看業(yè)內(nèi)如何通過機(jī)器學(xué)習(xí)這一優(yōu)勢來增強(qiáng)人類自身的能力、提高生產(chǎn)力以及優(yōu)化資源使用方式。
企業(yè)——完成單調(diào)重復(fù)任務(wù)的機(jī)器人助手將更具功能性，并將在十年之內(nèi)更加深入企業(yè)各個(gè)方面。使用增強(qiáng)技術(shù)實(shí)現(xiàn)的可穿戴式設(shè)備將有助于順利完成危險(xiǎn)或者成本高昂的工作。
生產(chǎn)制造——合作型的智能機(jī)器人可以安全地與人類共事，并且完成那些復(fù)雜高?；蛘咧貜?fù)性的勞動(dòng)，從而提高生產(chǎn)效率。
交通和運(yùn)輸——各大科技公司和傳統(tǒng)制造商們正在就自動(dòng)駕駛汽車開發(fā)進(jìn)行一場公開而激烈的角逐。而一般駕駛情況下的減少駕駛員工作量的相關(guān)技術(shù)在短期內(nèi)其收效是更可預(yù)見的。比如：高速公路，降低因人工駕駛車輛造成的誤操作率和交通意外，改善交通車流量及提高燃料使用效率。假以時(shí)日，完全自主的生態(tài)保障系統(tǒng)將改變都市生活結(jié)構(gòu)，并隨之帶來更多衍生發(fā)展機(jī)會(huì)。
醫(yī)療保健——機(jī)器學(xué)習(xí)技術(shù)基于更為廣泛的數(shù)據(jù)庫，從而有助于醫(yī)療人員提供高精度，實(shí)現(xiàn)個(gè)性化診療。
農(nóng)業(yè)——各類農(nóng)用機(jī)器人、作物優(yōu)化技術(shù)、自動(dòng)灌溉技術(shù)以及蟲害預(yù)警系統(tǒng)將有助于大幅提高農(nóng)業(yè)生產(chǎn)力。
到了術(shù)語更迭的時(shí)候了
由于人工智能的范疇已經(jīng)遠(yuǎn)遠(yuǎn)超出了其在科技工業(yè)的既有領(lǐng)域而滲入到各大傳統(tǒng)行業(yè)當(dāng)中，它開始觸及許多并不深諳人工智能科技相關(guān)術(shù)語的普羅大眾。
我們最好謹(jǐn)慎地使用「人工智能」這個(gè)術(shù)語。為避免混淆，減小不利趨勢和監(jiān)管的風(fēng)險(xiǎn)，以及更好地認(rèn)知即將到來的術(shù)語更為豐富的時(shí)代，我們應(yīng)該使用例如「智能增強(qiáng)」（IA）這類的術(shù)語來指代近期使用機(jī)器學(xué)習(xí)技術(shù)所取得的先進(jìn)成果。我認(rèn)為智能增強(qiáng)可以更好地闡釋人類與機(jī)器的共生關(guān)系，而現(xiàn)有技術(shù)的影響力正取決于這種關(guān)系。之所以這樣提，是因?yàn)槲覀儾环ο壤ｋS著機(jī)器變得越發(fā)無所不能，從前被認(rèn)為需要智能的情形就會(huì)從人工智能的定義中清除。比如，光學(xué)字符識(shí)別（OCR）曾被認(rèn)為是一種人工智能科技，但它如今已相當(dāng)普遍，并不在人工智能考慮范圍之內(nèi)了。
還是把人工智能這個(gè)詞用做描述全自動(dòng)技術(shù)吧，那些我們已經(jīng)論證過的，那些讓我們糾于現(xiàn)狀卻不甚明朗的技術(shù)。而與此同時(shí)，我們更應(yīng)該抓住因?yàn)橹悄茉鰪?qiáng)的高歌猛進(jìn)而帶來的機(jī)會(huì)。
慕編組成員：大葉子
聯(lián)系客服
