0
聯合編譯：Blake、高斐
雷鋒網注：斯坦福近期發起了名為“人工智能研究的100年”的項目， 制定了相關具體的計劃（下個100年中每五年人工智能對社會影響的詳細報告）。
千禧之年以前，人工智能（AI）的吸引力大部分來源于它所承諾能實現的愿景中。但是在最近15年里，它所承諾的大多數都已經實現了。人工智能科技早已遍布我們的生活。在它們正轉變成為社會的核心力量的過程中，AI領域的研究已經從簡單地建立智能系統轉變成了建立具有人類意識的、值得信賴的智能系統。
幾個因素推動了人工智能革命。其中最重要的是機器學習的成熟——一部分是通過云計算資源和廣泛、基于網絡的數據收集的支持才得以實現。機器學習進步的主要原因來源于“深度學習”——它是使用一種稱為反向傳播（backpropagation）的自適應人工神經網絡訓練方法。
在信息處理算法上面表現的進步也伴隨著在硬件科技上基本操作的重大進展（比如感知、覺察和對象檢測等）。新的平臺和數據驅動產品的市場、經濟激勵機制、尋找新的產品和市場，共同促進了人工智能驅動技術的到來。所有的這些趨勢驅動著以下研究領域越來越熱門：
大規模的機器學習
現下機器學習（監督學習或者無監督學習）中多數基礎問題都已經理解透徹了，目前主要努力的方向是將現有的算法擴展到特別大的數據集中。
深度學習
深度學習打算在感知領域匯總更進一步（如聲音、演說以及自然語言處理）
增強學習
增強學習集中在決策方面，幫助人工智能更深入地進入現實世界中學習和執行行為。
機器人
機器人導航（至少在靜態環境中），已經大部分實現了。目前研究的方向是如何訓練機器和周邊真實環境進行交互（以可推廣和預測的方式）。
計算機視覺
計算機視覺目前是機器感知中最突出的形式，現下計算機視覺中主要研究聚焦在自動給圖像和視頻加上標注。
自然語言處理
自然語言處理經常和自動語義識別一同出現，也是機器感知中一個非常熱門的領域。目前的研究主要轉向到發展處能和人類通過對話交互的精確、兼容的系統。
協作系統
目前越來越多研究傾向于將人類和機器的優勢互補——比如人類幫助人工智能系統克服它們自身的限制，對于agents來說可以增強人類的能力。
眾包和人類計算
目前該領域的研究傾向于通過利用人類的智慧增強計算機系統來解決計算機無法解決的問題。
算法游戲理論和計算社會選擇
物聯網
人工智能能利用大量的物聯網數據來進行改進，目前這些物聯網設備間存在大量互不兼容的協議，人工智能能夠幫助克服這個困難。
神經形態芯片
在深度神經網絡的幫助下，構筑專用的神經形態硬件。
AI研究未來的總體趨勢
數據驅動范例所取得的巨大成功已經取代了傳統的人工智能范例。
未來的十五年中，研究小組期待能更多地聚焦在開發有人類意識的系統（這意味著專門替特定人群設計的可以實現交互的特定模型）。另外要開發出更多新的、創新的方式以交互、可量化的辦法去教導機器人。此外物聯網系統（設備、云端）也將越來越流行，它們也可被認為是社會和經濟層面的人工智能。在接下來幾年中，具有新的感知/對象識別能力的人工智能和（能保證人類安全的）機器平臺將會成長的越來越快，那些數據驅動的產品也會進一步成長。
研究小組也期待一些傳統形式的人工智能參與進來，因為一些研究者慢慢意識到純粹地端對端深度學習方式先天存在不可避免的限制性。希望年輕的研究人員不要做重復工作，多多關注過去五十年里人工智能領域中出現的顯著進步，也同時關注控制理論、認知科學與心理學相關的研究。
在未來世界中，或者具體一點2030年，我們的生活會變成什么樣子？
交通很有可能是人工智能中普羅大眾想要最先關注的一個領域，因為相關的AI系統的安全性和可靠性實在太重要了。可以預見自主交通很快就會變得司空見慣，其作為大多數人第一次親身體驗的人工智能系統，將會大大地影響公眾對于AI的感官認知。
一些關鍵技術早已促進了AI在交通中的廣泛應用。與2000年相比，通過智能手機和各種低成本卻高精度的傳感器，今時今日個人數據的規模、多樣性以及可用交通數據總量是相當令人震驚的。正是因為這些數據，像實時交通、道路信息預測、路線規劃、拼車以及自動駕駛汽車才成為可能。
未來，人工智能在交通方面將會出現更智能的汽車（自動停車、高速巡航、路線規劃等功能），以及無人駕駛汽車（不久的未來，感知算法將會在駕駛能力方面超過人類的表現。）還有交通規劃（實現車與車之間的自動溝通互聯），以及需求導向交通服務和與人交互的智能設備等。
未來十五年間，機械技術與AI技術的共同發展將會有助于人們安全而可靠地使用家庭機器人。這類具有特殊功能的機器人將具備郵寄包裹，打掃辦公室，提高安全保障等服務功能，但是，在可預見的未來，技術方面的限制、產出可靠地機械設備所需要的高額花費將會阻礙這些具有特殊功能機器人的商業化生產。早在2001年，就已經研發出真空清潔機器人。但是，這種機器人只能夠清理平坦地面的垃圾，在真實的家庭環境中樓梯，角落這些地方往往成為這類機器人的盲區。此外，目前對于機器人在真實家庭生活環境中的可移動性研究仍然存在不足。
未來，深度學習、云計算將會使家庭機器人具備語音理解，圖像標記等功能，提高機器人與人們家庭生活的交流互動。此外，在研發家庭機器人的過程中，要考慮新出現的道德與隱私等問題。
一直以來，AI技術被認為在醫療領域具有廣闊的應用前景。未來，基于AI技術的應用能夠提高數以百萬計人的健康和生活質量。但是，AI技術在醫療領域的應用要取決于醫生，護士，病人對該技術的信任，獲得政策，法律法規，商業市場的支持。同AI技術在其他領域的應用相同，數據資源起到舉足輕重的作用。現今，主要從以下途徑獲取醫療數據：個人監控設備和移動應用程序，臨床環境下的電子醫療記錄，及用于醫療程序與手術的輔助機器人。在大量數據的支持下，該技術的主要應用包括醫療分析，支持臨床決策，監控與輔導病人，能夠幫助手術或看護病人的自動化設備，醫療系統管理，研發醫療機器人，移動健康應用程序，老年保健等。
過去十五年，AI技術在教育行業的應用取得了巨大進展。盡管素質教育要求師生之間的交流互動，AI能夠在各個方面提高教育水平，尤其是有助于實現大規模個性化學習方式。與AI 在醫療領域的應用相似，如何更好地將人與人之間的交流互動，面對面學習與AI技術融合在一起仍將是一個重大挑戰。
長久以來，機器人一直是廣受歡迎的教學設備，具有代表性的是能夠提高學生學業成績的教學機器人，智能教學系統和在線學習（以大規模開放式網絡課程、維基百科及可汗學院為例）。此外， AI技術（包括深度學習，自然語言處理，及其他AI技術）還可用于學習分析，主要分析學生的學習投入量，行為及成果。目前，AI技術在學校的應用尚未大規模開展起來，在一定程度上主要是因為缺乏資金來源和提高該技術有效性的大量數據。
前面我們提到對AI技術未來發展趨勢及應用前景的瞻望，產業界相關人士在研發與改進該技術的過程中不免對其可能引起的潛在道德問題感到擔憂。昨天，來自Alphabet、Amazon、Facebook、IBM及Microsoft的研究員相聚在一起，討論AI對人類的工作、交通甚至于戰爭將會帶來的影響。這些產業界研究員的主要目的是保證AI研究能夠造福人類，而不是對人類生活及生存構成威脅，來自微軟的研究員Eric Horvitz在報告中特別強調了業界努力的重要性。
技術行業的主要憂慮在于，是否應當對AI研究工作制定法律方面的限制。因此，他們正在嘗試創建一種自我監管組織框架，盡管不太確定這種自我監管機制將如何運行操作。
在討論過程中，斯坦福報告的作者們一致認為，由于AI技術能夠在多領域實行多方面應用，監管控制AI研究及其發展是不切實際的，其中將要遇到的風險與將要考慮處理的問題也是多種多樣的。
Dr. Stone在報告中提議：“要提高政府各個部門對人工智能的意識與專業程度”，這將增加對AI研究與發展的公共與私人投入。
David Kenny，IBM沃斯頓人工智能研究部門總經理，認為，政府應當承擔起對人工智能的監管職責，但是，通常政策執行總是落后于技術發展。
這五家公司共同擬定了一條備忘錄，計劃在九月中旬宣布新的自我監管組織框架。其中一個尚未解決的問題是，根據參加協商的某一人士透露，Google DeepMind，Alphabet旗下一家子公司，要求各家公司獨立參與制定自我監管組織框架。
AI產業界正在共同構建一份類似于人權宣言的Global Network Initiative（全球網絡倡議書），要求公司與非政府組織注重言論自由與隱私權利自由。
Reid Hoffman，LinkedIn成立者，從事人工智能研究出身，單獨與麻省理工學院媒體實驗室討論為探索人工智能的社會經濟影響的這一項目提供資金支持。MIT與產業界共同努力將技術進步與社會經濟策略問題緊密聯系在一起。MIT團隊已經開始討論設計“社會參加型”新型AI與機器人系統。
“社會參加型”這一短語來自人們長久以來爭論的設計出能夠與人類交流溝通的計算機系統與機器人系統。例如，Pentagon近來開始提倡一項軍事策略，倡導利用AI技術，使得人類繼續控制生殺大權，而不是將這一職責授權給機器。
MIT媒體實驗室主任與紐約時報董事會成員Joichi Ito說道：“我想要指出的關鍵一點是，計算機科學家尚不能夠與社會科學家與哲學家實現完美溝通，我們想要加大對那些能夠為制定政策做出貢獻的社會科學家的支持力度”。
斯坦福報告嘗試對能夠模仿人類能力的計算機與機器人系統將會對一個典型北美城市市民帶來的影響進行界定，報告作者探索了人工智能將會對現代生活中的八個方面（醫療、教育、娛樂及工作等）帶來的影響，但是，并未討論人工智能在軍事戰爭中的應用。他們說，AI在軍事領域的應用超出其當前的研究范圍，但是也不排除未來對AI在武器方面應用的關注度。
另外，該報告未考慮到一些計算機科學家關于機器“奇點”的觀點——即機器將變得越來越智能，甚至會威脅人類。鑒于未來人工智將給予我們帶來的種種便利，這些可能存在的風險是不是我們能夠接受的呢？
PS : 本文由雷鋒網獨家編譯，未經許可拒絕轉載！
via Stanford/NYTimes
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
