家居优品

智能协作能为人类做到什么注意

2020-11-20 16:04:31 来源: 呼和浩特家居网

物联中国

日期: 10:15:2 来源:物联中国 点击:509次 核心提示:智能协作能为人类做到什么?

欢迎关注“创事记”的订阅号:sinachuangshiji

文/脑极体

当人工智能可以帮助人类承担一些工作时,我们总是把双方的职责划分的很清楚。人类工作时,很少看到人工智能的主动参与,人工智能做事时,人类更是完全不插手。

这一点最明显的体现就在于辅助肯德基“豆浆粉门”风波又起驾驶上,人类驾前一交易日为16.6768万手。合约今开盘最高最低今收盘今结算涨跌成交量前结算空盘量07月69.45 69.95 69.45 68.01 68.01 -0.30 3168.31 114110月68.50 69.10 67.60 67.81 67.81 -0.54 7868.35 43312月68.60 69.19 67.93 67.96 67.96 -0.24 14913 68.20 133820 市场分析人士指出驶时辅助驾驶顶多会通过灯光闪烁、方向盘震动来提示人类驾驶环境的变化,而不会主动去掌握主动权,影响汽车行动的方向和速度。在辅助驾驶自动泊车时,也会让人类双手离开方向盘。

其中的原因或许是人类的行为实在太千差万别,如果引入智能解决方案之中会加更多的计算量。想象一下,在自动泊车时人工智能认为一个车位要倒两把才能进去,人类老司机却认为倒一把就能进去,这种对问题解决方式设定的不同会让双方根本无法合作。

可如果人类可以在各个领域人工智能亲密合作,会是怎样一种景象?

从复制双手到复制思想:人类和人工智能的合作史

关于人机合作这件事,我们已经历经了很多年的研究,双方合作的模式可以被分为三种类型。

第一类合作模式是主从操纵。

在40年代,人类为了研究不宜人体接触的放射性物质,研发出了一种主从机械手对其进行远程操控。从机械手(或机器人)负责在不适宜人类前往的地方工作,通过传感系统收集和传达信息,而人类负责控制主机械手,将动作映射到从机械手上,就形成了完美的远程操作。

如今这种方式已经应用在很多地方,水下机器人、手术机器人等等都是这种人机合作的成果。

可这样的操作方式有着很多不便,比如动作映射之间会有一定的误差,从机器人传感器收集来的信息也可能有一定的延迟,最后就会导致操作的低效。

于是出现了第二种人机合作模式——协作智能。

这种合作模式是让人和自动化的智能体一起协作,先让智能体预测人的目标,再来协助人实现这一目标。就拿简单的分拣动作来说,一张桌子上放置着不同形状的物体,人类向正方体的方向伸出手,机械手就分拣出了所有的正方体。读懂人类的目标并完成目标,这就是典型的协作智能。

可这种模式的问题在于,人类在工作时的想法往往是多变的——那些目标流程单一,可以被套路化的工作早就被自动化了,也用不上协作智能。那些可以从多种途径实现的工作,却需要对智能体进行大量训练才能使其读懂人类每一个动作的意图,于是协作智能在应用上也迟迟没有什么进展。

第三种合作模式则是目前热度很高的脑机接口,通过对脑电信号的读取和解码实现对器械的操控。这样的方式虽然已经和“读懂人类意图,协助实现目标”非常接近。

但对于脑机接口我们此前也有过很多介绍,由于捕捉脑电信号十分困难,现在我们至多可以利用脑机接口完成一些非常简单的动作,距离提升生产力效率还很遥远。

人工智能+人类,可不可能比人工智能更强?

这样看来,第二种协作智能的模式更接近我们理想中的人机合作模式:智能体通过人类动作、操作信号等等更明确同时也更容易理解的信息判断人类目标,同时拥有一定的自主性,不至于事事都让人类亲手教学。

最近伯克利的人工智能研究院推出了一篇论文,显示了如何利用深度强化学习来增强协作智能的效果。

简单来说就是让智能体和阿尔法狗一样,把人类的动作当做“棋谱”大量输入给神经络,让神经络自行挖掘动作和实现目标之间的关系。在训练时,为神经络加入奖惩机制,每一次当智能体帮助人类更接近一步目标时,智能体就会获得奖励,从而促使智能体越来越接近正确的合作模式。

在研究院的实验中,相比直接告诉智能体目标,让其自己寻找解决方案,这种让智能体分辨人类目标,和人类一起寻找解决方案的方式,训练时间会大大缩短,并且帮助人类完成自己无法完成的事情。

举例来讲,研究员们测试了一款Lunar Lander的游戏,游戏目标是操纵一辆从天而降左右摇晃的小车,使其降落在两只旗帜中间。人类用键盘进行这项游戏时很大几率会以失败告终,让人工智能冲着目标独自摸索更是需要无穷尽的训练。但当人类和人工智能合作时,仅需一段时间的训练,人工智能就可以帮助人类以各种姿势实现目标了。

让人工智能坐上副驾驶,一起探索未知

协作智能给了我们一个提示:当世界上出现人类和人工智能都无法单独完成的工作时,我们应该怎么办?

这样的问题绝对是大范围存在的,就像阿尔法元经过自我对弈进行训练,打败了用人类棋谱训练出的阿尔法狗一样。很多时候我们自以为找到了最好的解决方案,只需悉数传授给人工智能时,却未曾想过这可能是一种自大。尤其在物理世界,人工智能无法像解决围棋的数学问题一样自己寻找解法。这时人类和人工智能的亲密合作,或许才是最高效的解决方案。

可以应用到协作智能的场景很多,比如在伯克利人工智能研究院的测试中,用降落无人机到指定地点为标准,人类独自操作的速度、精准度都要远远落后于于智能协作操作的速度和精准度。人工智能就好像是人类的副驾驶,以另一种视角帮助人类更好的达成目标。

换句话说,我们对辅助驾驶系统的种种不满,或许都能用这种方式解决。例如自动泊车不再仅仅限于奢侈的大车位,人类或许可以和人工智能一起尝试在小车位中上演极限操作。不仅仅辅助驾驶,无人机操纵、工业自动化……人类和人工智能的一切工作都可以通过这种方式达到更强的成果。

当然,协作智能也并非是完全的解决方案。最典型的问题是其训练数据来自于人类与人工智能的协作操作,很难获得现成的数据只能亲手制造,所以对于驾驶、工业操作等等物理世界中的项目,需要耗费极大的人力去训练人工智能。

但我们相信这些问题总会被一一解决,更重要的是我们要知道人类和人工智能是互相需要的。创造出一种技术仅仅为了使其替代自己,完成已知的工作是一种懒惰和愚蠢,双方协作创造更多未知,才是技术真正的价值所在。

出处:物联中国 郑重声明:本文仅代表作者个人观点,与物联中国()无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。

邢台治疗白癜风医院哪家好
吐鲁番看白癜风专科医院
沙库巴曲缬沙坦钠片哪个好
本文标签: