歡迎重視“創事記”的微信訂閱號：sinachuangshiji

  文/腦極體

  當人工智能能夠協助人類承當一些作業時，咱們總是把兩邊的責任區分的很清楚。人類作業時，很少看到人工智能的主動參加，人工智能干事時，人類更是完全不干預。

  這一點最顯著的表現就在于輔佐駕馭上，人類駕馭時輔佐駕馭頂多會經過燈光閃爍、方向盤轟動來提示人類駕馭環境的改變，而不會主動去掌握主動權，影響轎車舉動的方向和速度。在輔佐駕馭主動泊車時，也會讓人類雙手脫離方向盤。

  其間的原因或許是人類的行為實在太千差萬別，假如引進智能處理方案之中會加更多的計算量。想象一下，在主動泊車時人工智能以為一個車位要倒兩把才干進去，人類老司機卻以為倒一把就能進去，這種對問題處理方法設定的不同會讓兩邊根本無法協作。

  可假如人類能夠在各個領域人工智能親密協作，會是怎樣一種現象？

  從仿制雙手到仿制思維：人類和人工智能的協作史

  關于人機協作這件事，咱們現已歷經了許多年的研討，兩邊協作的形式能夠被分為三種類型。

  第一類協作形式是主從操作。

  在40年代，人類為了研討不宜人體接觸的放射性物質，研發出了一種主從機械手對其進行長途控制。從機械手（或機器人）擔任在不適宜人類前往的當地作業，經過傳感體系搜集和傳達信息，而人類擔任控制主機械手，將動作映射到從機械手上，就形成了完美的長途操作。

  現在這種方法現已應用在許多當地，水下機器人、手術機器人等等都是這種人機協作的作用。

  可這樣的操作方法有著許多不方便，比方動作映射之間會有必定的差錯，從機器人傳感器搜集來的信息也可能有必定的推遲，最終就會導致操作的低效。

  所以呈現了第二種人機協作形式——協作智能。

  這種協作形式是讓人和主動化的智能體一同協作，先讓智能體猜測人的方針，再來協助人完結這一方針。就拿簡略的分揀動作來說，一張桌子上放置著不同形狀的物體，人類向正方體的方向伸出手，機械手就分揀出了一切的正方體。讀懂人類的方針并完結方針，這就是典型的協作智能。

  可這種形式的問題在于，人類在作業時的想法往往是多變的——那些方針流程單一，能夠被套路化的作業早就被主動化了，也用不上協作智能。那些能夠從多種途徑完結的作業，卻需求對智能體進行許多練習才干使其讀懂人類每一個動作的目的，所以協作智能在應用上也遲遲沒有什么發展。

  第三種協作形式則是現在熱度很高的腦機接口，經過對腦電信號的讀取和解碼完結對器械的控制。這樣的方法盡管現已和“讀懂人類目的，協助完結方針”十分挨近。

  但關于腦機接口咱們此前也有過許多介紹，因為捕捉腦電信號好不簡略，現在咱們至多能夠使用腦機接口完結一些十分簡略的動作，間隔提升生產力功率還很悠遠。

  人工智能+人類，可不可能比人工智能更強？

  這樣看來，第二種協作智能的形式更挨近咱們抱負中的人機協作形式：智能體經過人類動作、操作信號等等更清晰同時也更簡略了解的信息判別人類方針，同時擁有必定的自主性，不至于事事都讓人類親手教育。

  最近伯克利的人工智能研討院推出了一篇論文，顯現了怎么使用深度強化學習來增強協作智能的作用。

  簡略來說就是讓智能體和阿爾法狗相同，把人類的動作作為“棋譜”許多輸入給神經網絡，讓神經網絡自行挖掘動作和完結方針之間的聯系。在練習時，為神經網絡參加獎懲機制，每一次當智能體協助人類更挨近一步方針時，智能體就會取得獎賞，然后促進智能體越來越挨近正確的協作形式。

  在研討院的試驗中，相比直接通知智能體方針，讓其自己尋覓處理方案，這種讓智能體分辯人類方針，和人類一同尋覓處理方案的方法，練習時刻會大大縮短，而且協助人類完結自己無法完結的作業。

  舉例來講，研討員們測驗了一款Lunar Lander的游戲，游戲方針是操作一輛突如其來左右搖晃的小車，使其下降在兩只旗號中間。人類用鍵盤進行這項游戲時很大幾率會以失敗告終，讓人工智能沖著方針單獨摸索更是需求無窮盡的練習。但當人類和人工智能協作時，僅需一段時刻的練習，人工智能就能夠協助人類以各種姿態完結方針了。

  讓人工智能坐上副駕馭，一同探索不知道

  協作智能給了咱們一個提示：當國際上呈現人類和人工智能都無法單獨完結的作業時，咱們應該怎么辦？

  這樣的問題肯定是大范圍存在的，就像阿爾法元經過自我對弈進行練習，打敗了用人類棋譜練習出的阿爾法狗相同。許多時分咱們自以為找到了最好的處理方案，只需悉數傳授給人工智能時，卻未曾想過這可能是一種自負。尤其在物理國際，人工智能無法像處理圍棋的數學問題相同自己尋覓解法。這時人類和人工智能的親密協作，或許才是最高效的處理方案。

  能夠應用到協作智能的場景許多，比方在伯克利人工智能研討院的測驗中，用下降無人機到指定地址為標準，人類單獨操作的速度、精準度都要遠遠落后于于智能協作操作的速度和精準度。人工智能就好像是人類的副駕馭，以另一種視角協助人類更好的達成方針。

  換句話說，咱們對輔佐駕馭體系的種種不滿，或許都能用這種方法處理。例如主動泊車不再只是限于奢華的大車位，人類或許能夠和人工智能一同測驗在小車位中演出極限操作。不只是輔佐駕馭，無人機操作、工業主動化……人類和人工智能的一切作業都能夠經過這種方法達到更強的作用。

  當然，協作智能也并非是完全的處理方案。最典型的問題是其練習數據來自于人類與人工智能的協作操作，很難取得現成的數據只能親手制作，所以關于駕馭、工業操作等等物理國際中的項目，需求耗費極大的人力去練習人工智能。

  但咱們信任這些問題總會被一一處理，更重要的是咱們要知道人類和人工智能是相互需求的。發明出一種技能只是為了使其代替自己，完結已知的作業是一種懶散和愚笨，兩邊協作發明更多不知道，才是技能真實的價值地點。