人工智能正在推動(dòng)一場(chǎng)新的工業(yè)革命，其影響范圍小則涉及個(gè)人生活，大則影響國(guó)家安全，讓人們?cè)谄诖耐瑫r(shí)，也帶著些許忐忑。事實(shí)上，當(dāng)前人工智能的發(fā)展?fàn)顩r與未來學(xué)家或科幻電影中作出的設(shè)想并不完全一樣。
真實(shí)進(jìn)展到了哪一步
當(dāng)前，越來越多的行業(yè)都在發(fā)展人工智能技術(shù)，新概念和新算法層出不窮，但人工智能的主要應(yīng)用領(lǐng)域是圖像識(shí)別和語言翻譯，圖像識(shí)別領(lǐng)域進(jìn)展要優(yōu)于語言翻譯，前者在某些指標(biāo)上超過了人類水平，但語言翻譯能力還不及人類，這是該技術(shù)進(jìn)展的基本情況。
具體說，人工智能可以做以下四個(gè)方面的工作。
第一，數(shù)據(jù)分類。人工智能可對(duì)圖像或聲音等數(shù)據(jù)進(jìn)行分類，安防領(lǐng)域中對(duì)攝像頭采集數(shù)據(jù)的處理及醫(yī)療影像識(shí)別和診斷，這兩個(gè)領(lǐng)域發(fā)展迅猛，機(jī)器人維修，產(chǎn)業(yè)前景廣闊。
第二，KUKA機(jī)器人電路板維修，異常探測(cè)。人工智能可幫助發(fā)現(xiàn)欺騙性金融交易或新惡意軟件等異常行為，可用于實(shí)時(shí)監(jiān)控大規(guī)模數(shù)據(jù)，央行及其他市場(chǎng)金融機(jī)構(gòu)正致力于類似應(yīng)用。
第三，預(yù)測(cè)。從海量數(shù)據(jù)中發(fā)現(xiàn)某種規(guī)律后，人工智能可基于統(tǒng)計(jì)特征對(duì)未來行為作出預(yù)測(cè)，這在搜索引擎的自動(dòng)填充、視頻和網(wǎng)購(gòu)平臺(tái)的產(chǎn)品推薦等領(lǐng)域得到廣泛應(yīng)用，還可用于天氣預(yù)報(bào)。
第四，優(yōu)化。人工智能可對(duì)復(fù)雜的系統(tǒng)和任務(wù)進(jìn)行優(yōu)化，例如美國(guó)“深度思維”公司使用機(jī)器學(xué)習(xí)優(yōu)化了谷歌數(shù)據(jù)中心的能源效率，節(jié)約了40%用于冷卻的能量，使能效整體提升了15%。
綜上，人工智能確實(shí)具有諸多優(yōu)勢(shì)，其反應(yīng)時(shí)間比人類更快，在不少領(lǐng)域和場(chǎng)景下，有優(yōu)于人類的精確性、可靠性和敏捷性，也比人類更有耐心和警覺性，同時(shí)還能獨(dú)立于人類進(jìn)行工作。
應(yīng)用中不可忽視的弱點(diǎn)
不容忽視的是，當(dāng)前的人工智能技術(shù)也存在弱點(diǎn)，美國(guó)智庫“新美國(guó)安全中心”最近發(fā)布《人工智能：每個(gè)決策者需要知道什么》報(bào)告，提示人工智能的一些弱點(diǎn)可能對(duì)國(guó)家安全等領(lǐng)域造成巨大影響。
第一，脆弱性。目前的人工智能系統(tǒng)還無法超出場(chǎng)景或語境理解行為，其在下棋或游戲等有固定規(guī)則的范圍內(nèi)不會(huì)暴露出這一弱點(diǎn)，而一旦場(chǎng)景發(fā)生變化或這種變化超出一定范圍，人工智能可能就立刻無法“思考”。
第二，不可預(yù)測(cè)性。用戶無法預(yù)測(cè)人工智能會(huì)做出何種決策，這既是一種優(yōu)勢(shì)，也會(huì)帶來風(fēng)險(xiǎn)，因?yàn)橄到y(tǒng)可能會(huì)做出不符合設(shè)計(jì)者初衷的決策。
第三，弱可解釋性。人工智能或許可以幫助人類做出好的決策，但決策理由目前仍然是一個(gè)“黑箱”。例如，圖像識(shí)別能力可以發(fā)現(xiàn)圖片中的校車，但無法解釋哪些圖像特征讓它作出這種判斷，而在醫(yī)學(xué)診斷領(lǐng)域，診斷的理由往往是重要的。
第四，安全問題和漏洞。機(jī)器會(huì)重結(jié)果而輕過程，通過找到系統(tǒng)漏洞，實(shí)現(xiàn)字面意義上的目標(biāo)，但其采用的方法不一定是設(shè)計(jì)者的初衷。例如，網(wǎng)站會(huì)推薦一些極端主義視頻，因?yàn)榇碳ば詢?nèi)容可以增加瀏覽時(shí)間。再如，網(wǎng)絡(luò)安全系統(tǒng)會(huì)判斷人是導(dǎo)致破壞性軟件植入的主要原因，于是索性不允許人進(jìn)入系統(tǒng)。
第六，系統(tǒng)事故。在算法不能共享的對(duì)抗性環(huán)境中，系統(tǒng)性錯(cuò)誤很容易發(fā)生，導(dǎo)致做出無法估量的決策。比如，在國(guó)家安全領(lǐng)域，兩種相互對(duì)抗的算法為了獲得優(yōu)勢(shì)會(huì)采用某些導(dǎo)致毀滅性后果的行為，尤其在網(wǎng)絡(luò)安全和電子戰(zhàn)過程中，對(duì)抗性決策會(huì)非常迅速，人類幾乎來不及叫停。
第七，人機(jī)交互失敗。盡管讓機(jī)器提供建議，由人類做最后決策是解決人工智能某些弱點(diǎn)的常用方法，但由于決策者對(duì)系統(tǒng)局限性或系統(tǒng)反饋的認(rèn)知能力不同，這一問題并不能得到根本解決。2016年特斯拉自動(dòng)駕駛汽車撞毀事故中，庫卡機(jī)器人，人類操作員就沒能理解系統(tǒng)給出的提示而發(fā)生致命性事故，在軍事、邊境安全、交通安全、執(zhí)法等諸多領(lǐng)域都面臨類似挑戰(zhàn)。
第八，機(jī)器學(xué)習(xí)漏洞可被對(duì)手利用。在對(duì)抗性過程中，對(duì)手還會(huì)釋放有毒數(shù)據(jù)或利用人工智能行為方式的某些漏洞發(fā)起攻擊，目前還沒有抵御這種攻擊的有效辦法。