歡迎重視“創(chuàng)事記”的微信訂閱號：sinachuangshiji

  文/腦極體

  當人工智能能夠協(xié)助人類承當一些作業(yè)時，咱們總是把兩邊的責任區(qū)分的很清楚。人類作業(yè)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(xiàn)就在于輔佐駕馭上，人類駕馭時輔佐駕馭頂多會經(jīng)過燈光閃爍、方向盤轟動來提示人類駕馭環(huán)境的改變，而不會主動去掌握主動權(quán)，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(xié)作。

  可假如人類能夠在各個領(lǐng)域人工智能親密協(xié)作，會是怎樣一種現(xiàn)象？

  從仿制雙手到仿制思維：人類和人工智能的協(xié)作史

  關(guān)于人機協(xié)作這件事，咱們現(xiàn)已歷經(jīng)了許多年的研討，兩邊協(xié)作的形式能夠被分為三種類型。

  第一類協(xié)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(zhì)，研發(fā)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?shù)刈鳂I(yè)，經(jīng)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(xiàn)在這種方法現(xiàn)已應用在許多當?shù)?，水下機器人、手術(shù)機器人等等都是這種人機協(xié)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(xiàn)了第二種人機協(xié)作形式——協(xié)作智能。

  這種協(xié)作形式是讓人和主動化的智能體一同協(xié)作，先讓智能體猜測人的方針，再來協(xié)助人完結(jié)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(jié)方針，這就是典型的協(xié)作智能。

  可這種形式的問題在于，人類在作業(yè)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(yè)早就被主動化了，也用不上協(xié)作智能。那些能夠從多種途徑完結(jié)的作業(yè)，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(xié)作智能在應用上也遲遲沒有什么發(fā)展。

  第三種協(xié)作形式則是現(xiàn)在熱度很高的腦機接口，經(jīng)過對腦電信號的讀取和解碼完結(jié)對器械的控制。這樣的方法盡管現(xiàn)已和“讀懂人類目的，協(xié)助完結(jié)方針”十分挨近。

  但關(guān)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(xiàn)在咱們至多能夠使用腦機接口完結(jié)一些十分簡略的動作，間隔提升生產(chǎn)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(xié)作智能的形式更挨近咱們抱負中的人機協(xié)作形式：智能體經(jīng)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(xiàn)了怎么使用深度強化學習來增強協(xié)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(jīng)網(wǎng)絡，讓神經(jīng)網(wǎng)絡自行挖掘動作和完結(jié)方針之間的聯(lián)系。在練習時，為神經(jīng)網(wǎng)絡參加獎懲機制，每一次當智能體協(xié)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(xié)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(xié)助人類完結(jié)自己無法完結(jié)的作業(yè)。

  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(xié)作時，僅需一段時刻的練習，人工智能就能夠協(xié)助人類以各種姿態(tài)完結(jié)方針了。

  讓人工智能坐上副駕馭，一同探索不知道

  協(xié)作智能給了咱們一個提示：當國際上呈現(xiàn)人類和人工智能都無法單獨完結(jié)的作業(yè)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(jīng)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(shù)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(shù)學問題相同自己尋覓解法。這時人類和人工智能的親密協(xié)作，或許才是最高效的處理方案。

  能夠應用到協(xié)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(xié)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(xié)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(yè)主動化……人類和人工智能的一切作業(yè)都能夠經(jīng)過這種方法達到更強的作用。

  當然，協(xié)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(shù)據(jù)來自于人類與人工智能的協(xié)作操作，很難取得現(xiàn)成的數(shù)據(jù)只能親手制作，所以關(guān)于駕馭、工業(yè)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(fā)明出一種技能只是為了使其代替自己，完結(jié)已知的作業(yè)是一種懶散和愚笨，兩邊協(xié)作發(fā)明更多不知道，才是技能真實的價值地點。