斯坦福：人工智能百年研究首份报告-斯坦福⼈人⼯工智能百年研究：2030年的⼈人⼯工智能与⼈人类⽣生活(编辑修改稿)

斯坦福：人工智能百年研究首份报告-斯坦福⼈人⼯工智能百年研究：2030年的⼈人⼯工智能与⼈人类⽣生活(编辑修改稿)内容摘要：

⼀⼀些较少偏⻅⻅的决策，保证⽤⽤于⼈⼈⼯⼯ 智能决策的数据没有偏⻅⻅仍是⼀⼀项技术挑战，这些偏⻅⻅可能导致基于种族、性别以及其他因素的歧视。 ⾯ ⾯ 临 ⼈ ⼈ ⼯ ⼯ 智 能 技 术 产 ⽣ ⽣ 的 重 ⼤ ⼤ 变 ⾰ ⾰ ， 逼 迫 ⽣ ⽣ 成 更 多 、 更 严 格 的 条 例 也 可 能 使 不 可 避 免 的。 错 误 理 解 什 么是⼈⼈⼯⼯智能可能刺激⼈⼈们反对有益于每个⼈⼈的这些技术。 不合适的条例 可能造成悲剧。 信息贫乏的 条例会⽽⽽扼杀创新，或者将其转移到其他司法权可能是达不到预期⺫⽬⽬标的。 幸运的是，领导产⽣⽣如今数字技术成功条例的原则为我们提供了起点。 在私营条例中，宽泛的法律规 定配合强硬的透明度需求和有意义的强制措施（⽽⽽⾮非严格的控制）能够⿎⿎励公司开发流程，⿎⿎励职业 ⼈⼈员实施隐私控制，与外部利益相关者结合，并将实践适应于技术发展。 这反过来也能⽀⽀持专业贸易 协会和标准委员会在开展最好的实践上的发展。 在⼈⼈ ⼯⼯智能中，监控着也能加强内部和外部问责、透明度、专业度之间活动的良性循环。 我们急需⼀⼀ 点击查看英⽂文报告原⽂文 11/43 机器之⼼⼼ 场重要的、有⼒⼒的、信息丰富的讨论会，讨论如何以⼀⼀种丰富我们⽣⽣活与社会的⽅⽅式最好的控制⼈⼈⼯⼯ 智能，同时⿎⿎励该领域的创造性。 由 于 ⾼ ⾼ 计 算 能 ⼒ ⼒ 和 ⼤ ⼤ 规 模 数 据 是 很 多 ⼈ ⼈ ⼯ ⼯ 智 能 技 术 的 燃 料 且 不 平 等 的 分 布 于 社 会 ， 这 使 得 ⼈ ⼈ ⼯ ⼯ 智 能 技 术把机遇不平等性变得更宽。 这些技术将促进有机会接触数据和计算能⼒⼒的那群⼈⼈的能⼒⼒和效率。 在 政策是否培养民主价值观、公平共享⼈⼈⼯⼯智能收益，或者是否将⼒⼒量和收益聚集于少数幸运的⼈⼈⼿⼿中， 我们要对政策进⾏⾏评估。 就像本报告记录的那样，⼈⼈⼯⼯智能相关的重⼤⼤进展在过去 15 年中已经对北美城市造成了影响，⽽⽽且 在接下来的 15 年中将会发⽣⽣更多⼤⼤量的进展。 近期的进步主要是由于互联⺴⽹⽹带来的⼤⼤型数据集的增 ⻓⻓和分析、传感技术的进步，以及深度学习的应⽤⽤。 在接下来 ⼏ ⼏ 年 ， 随 着 公 众 ⿎ ⿎ 励 在 交 通 、 医 疗 这 些 领 域 的 ⼈ ⼈ ⼯ ⼯ 智 能 新 应 ⽤ ⽤ ， 它 们 肯 定 会 以 ⼀ ⼀ 种 建 ⽴ 立 可 靠 的、理解的⽅⽅式被引⼊入，并且还要尊重⼈⼈权与公民权利。 在⿎⿎励创新的同时，政策和流程应该解决道 德、隐私和安全影响，还应该保证⼈⼈⼯⼯智能技术的收益公平、⼲⼴⼴泛的分配。 如果⼈⼈⼯⼯智能研究与应⽤⽤到 2030 年以及更远的未来在北美城市⽣⽣活发挥积极的影响，做上⾯⾯提到的 事情是很重要的。 第⼀⼀部分：什么是⼈⼈⼯⼯智能。 本节介 绍了研 究⼈ ⼈员和 从业 者如何 定义 「⼈⼈ ⼯⼯ 智能」 以及 ⺫⽬⽬ 前正在 蓬勃 发展的 ⼈⼈ ⼯⼯智 能研 究和应 ⽤⽤ 领 域。 它提出了⼈⼈ ⼯ ⼯ 智 能 是 什 么 和 不是 什 么 的 定 义 ， 并 介 绍了 ⼀ ⼀ 些 当 前 ⼈ ⼈ ⼯ ⼯智 能 研 究 的 「 热 点 」 领域。 本节为第⼆⼆部分的内容奠定了基础，第⼆⼆部分阐述了⼈⼈⼯⼯智能在⼋八个领域和在第三部分中的影响与未 来，第三部分介绍了涉及⼈⼈⼯⼯智能设计和公共政策的问题，并提出在保护民主价值的同时如何⿎⿎励⼈⼈ ⼯⼯智能创新的建议。 定义⼈⼈⼯⼯智能 奇怪的是，⼈⼈⼯⼯智能缺乏⼀⼀个精确的、被普遍接受的定义，这 或许有助于该领域的加速成⻓⻓、繁荣以 及 前 进。 虽 然 ⼈ ⼈ ⼯ ⼯ 智 能 的 从 业 者 、 研 究 ⼈ ⼈ 员 和 开 发 ⼈ ⼈ 员 由 ⼀ ⼀ 种 粗 略 的 ⽅ ⽅ 向 感 和 ⼀ ⼀ 个 「 与 它 相 处 」 的 命 令所引导，⼈⼈⼯⼯智能的定义仍然很重要，⽽⽽ Nils J. Nilsson 就提供了⼀⼀个有⽤⽤的定义：「⼈⼈⼯⼯智能就 是致⼒⼒于让机器变得智能的活动，⽽⽽智能就是使实体在其环境中有远⻅⻅地、适当地实现功能性的能 ⼒⼒。 」 从这个⾓⾓度来看，对⼈⼈⼯⼯智能的表征取决于个⼈⼈愿意「适当地」并「有远⻅⻅地」为功能性提供合成软 件和硬件的信⽤⽤。 ⼀⼀个简单的电⼦⼦计算器⽐比⼈⼈类⼤⼤脑进⾏⾏的计算要快得多，⽽⽽且⼏⼏乎从来不出错。 电⼦⼦计算器智能吗。 像 Nilsson ⼀⼀样，研究⼩⼩组以⼀⼀种宽泛的视⾓⾓来看待此问题，认为智⼒⼒取决于⼀⼀ 个多维频谱。 根 据 这 ⼀ ⼀ 观 点 ， 算术 计 算 器 和 ⼈ ⼈ 脑 之 间 的 区 别 不 是 某 ⼀ ⼀ 类 ， ⽽ ⽽ 是 规 模 、 速 度 、 ⾃⾃ 主 性 和 点击查看英⽂文报告原⽂文 12/43 机器之⼼⼼ 通⽤⽤性的区 别。 同样的因素可以⽤⽤来评估智能的其他各例 —— 智能语⾳⾳识别软件、动物⼤⼤脑、汽⻋⻋巡航控制系统、围 棋程序、⾃⾃动调温器 —— 并将它们放置在频谱中的适当位置。 虽然我们的宽泛解释把计算器列在了智 能频谱中，但是如此简单的设备与今天的⼈⼈⼯⼯智能相⽐比⼏⼏乎没有相似之处。 从这个⾓⾓度看，对⼈⼈⼯⼯智能的表征取决于个⼈⼈愿意「适当地」并「有远⻅⻅地」为功能提供合成软件和 硬件的信⽤⽤。 ⼀ ⼀ 个 简 单 的 电 ⼦ ⼦ 计算 器 ⽐ 比 ⼈ ⼈ 脑 计 算 快得 多 ⽽ ⽽ 且 ⼏ ⼏ 乎 从 不出 错。 ⼈⼈ ⼯ ⼯ 智能 的 边 界已 经 远 远⾛ ⾛ 在 前⾯ ⾯ ， ⽽⽽ 计 算 器可 以 实 现的 功 能 只是 当 下 的智 能 ⼿ ⼿机 的 百 万分 之 ⼀ ⼀。 ⺫ ⽬ ⽬ 前⼈ ⼈⼯ ⼯智 能开 发⼈ ⼈员 正在 改 进、 推⼲ ⼴⼴ 和扩 ⼤⼤ 从当 下的 智能 ⼿ ⼿机 中所 建⽴ 立起 来的 智能。 事 实 上⼈ ⼈⼯ ⼯智 能 领域是⼀⼀个不断努⼒⼒推动机器智能向前发展的过程。 具有讽刺意味的是，⼈⼈⼯⼯智能正在遭受失去话语权的⻓⻓期灾难，最终不可避免地会被拉到边界内，即 ⼀⼀个被称为「⼈⼈⼯⼯智能效应（ AI effect）」或「奇怪悖论（ odd paradox）」的重复模式 —— ⼈⼈⼯⼯智能 将⼀⼀种新技术带到了普通⼤⼤众中去，⼈⼈们习惯了这种技术，它便不再被认为是⼈⼈⼯⼯智能，然后更新的 技术出现了。 同样的模式将在未来继续下去。 ⼈⼈⼯⼯智能并没有「交付」⼀⼀个惊雷般改变⽣⽣活的产品。 相反⼈⼈⼯⼯智能 技术以⼀⼀个连续的、进步的⽅⽅式正在继续更好的发展。 ⼈⼈类尺度 值得注意的是，作为频谱的智能表征并不授予⼈⼈类⼤⼤脑以特殊地位。 但到⺫⽬⽬前为⽌⽌，即使⼈⼈类拥有着 「推理、实现⺫⽬⽬标、理解和⽣⽣成语⾔⾔、感知和响应感官输⼊入、证明数学定理、玩具有挑战性的游戏、 合成和总结信息、创造艺术和⾳⾳乐甚⾄⾄撰写历史」的能⼒⼒，⼈⼈类智⼒⼒在纯粹的多功能性上与⽣⽣物的和 ⼈⼈⼯⼯的世界并不相匹配。 这 使 得 ⼈ ⼈ 类 智 能 成 为 检 测 ⼈ ⼈ ⼯ ⼯ 智 能 进 步 的 ⼀ ⼀ 个 ⾃ ⾃ 然 选 择。 它 甚 ⾄ ⾄ 可 能 是 作 为 ⼀ ⼀ 个 经 验 法 则 被 提 出 来 ， 认为计算机能够执⾏⾏的、以及⼈⼈们曾经实现了的任何活动，都应该算作智⼒⼒的⼀⼀个实例。 但是对于任 何⼈ ⼈类能⼒⼒ 的匹 配只是 ⼀⼀个 充分条 件⽽ ⽽⾮非 必要条 件。 ⾄ ⾄少在 速度 上，已 经存在 许多超 越⼈ ⼈类智 ⼒⼒的 系 统，⽐比如对机场成千上 万 的 航 班 进 ⾏ ⾏ 每 ⽇⽇ 往 返 ⾏ ⾏ 程 的 调 度。 对⼈⼈⼯⼯智能在国际象棋游戏中打败⼈⼈类玩家的⻓⻓期探索以及最终的成功为⼈⼈类和机器智能之间的⽐比较 提供了⼀⼀个⾼⾼知名度的实例。 ⼈⼈们已经被国际象棋吸引了数百年。 当建⽴立计算机的可能性即将来临时，被许多⼈⼈认为是计算机科学之⽗⽗的 阿兰图灵「提到了以国际象棋 作为范例来展⽰⽰智⼒⼒的计算机概念。 」没有对强⼤⼤的计算机的访问，「图灵玩了⼀⼀个模拟计算机的游 戏，他每⾛⾛⼀⼀步棋⼤⼤约花半个⼩⼩时。 」 但只是在六⼗⼗和七⼗⼗年代，由来⾃⾃卡耐基 梅隆⼤⼤学、斯坦福、⿇⿇省理⼯⼯学院、莫斯科的理论和实验物 理研究所以及⻄⻄北⼤⼤学的⼩⼩组所贡献的⼀⼀⻓⻓串改进之后，国际象棋游戏程序开始取得成果。 终极推动 是来⾃⾃ IBM 的⼀⼀个⻓⻓期项⺫⽬⽬， Deep Blue 程序于 1997 年以 的成绩打败了国际象棋冠军 点击查看英⽂文报告原⽂文 13/43 机器之⼼⼼ Garry Kasparov。 奇怪的是，在 ⼈ ⼈ ⼯ ⼯ 智 能 赶 上 了它 的 难 以 捉 摸 的 ⺫ ⽬ ⽬标 之 后 没 多 久 ， Deep Blue 被描绘成⼀⼀ 个 「 蛮 ⼒ ⼒ ⽅ ⽅ 法 （ brute force methods）」集合，⽽⽽不是「真正的智能（ real intelligence）。 」事实上， IBM 关于 Deep Blue 的后续出版物提供了有关其搜索和评价程序的丰富内容，完全没有提及「智能的 （ intelligent）」⼀⼀词。 Deep Blue 是否智能。 ⼜⼜⼀⼀次，边界移动了。 ⼀⼀个可 操作 的 定 义 ⼈⼈⼯⼯智能也可由其研究⼈⼈员的⼯⼯作来定义。 本报告主要将⼈⼈⼯⼯智能视为通过合成智能以研究智能特性 的计算机科学的⼀⼀个分⽀⽀。 虽然⼈⼈⼯⼯智能的出现是依靠着硬件计算资源的快速发展，但是这⾥⾥对于软 件的关注反映出⼈⼈⼯⼯智能界的⼀⼀个趋势。 尽管，最近在为基于神经⺴⽹⽹络计算建⽴立定制硬件上取得的进 展已经促进了⼈⼈⼯⼯智能硬件和软件之间的严格耦合。 「智能（ intelligence）」仍然是⼀⼀个复杂现象，其不同⽅⽅⾯⾯已经吸引了⼏⼏个不同研究领域的注意，包 括⼼⼼理学、经济学、神经科学、⽣⽣物学、⼯⼯程学、统计学和语⾔⾔学。 ⼈⼈⼯⼯智能领域⾃⾃然是得益于所有 这些 相 关 领域 的 进 步。 ⽐ 比 如⼈ ⼈ ⼯ ⼯神 经 ⺴ ⽹⽹ 络 ， 如今 已 成 为若 ⼲ 基 于⼈ ⼈ ⼯ ⼯智 能 的 解决 ⽅ ⽅ 案的 中 ⼼ ⼼， 它 最 初 是受⽣⽣物神经元中有关信息流的 思想所启发。 ⼈⼈⼯⼯智能研究趋势 直到本世纪初，⼈⼈⼯⼯智能的吸引点主要在于它所传递的承诺，但在过去的⼗⼗五年⾥⾥，⼤⼤多这样的承诺 已经得到兑现。 ⼈⼈⼯⼯智能技术已经充斥了我们的⽣⽣活。 当它们成为了社会的⼀⼀股中⼼⼼⼒⼒量时，该领域 正在从仅仅建⽴立智能系统，转向了建⽴立有⼈⼈类意识的、值得信赖的智能系统。 ⼏⼏个因素加速了⼈⼈⼯⼯智能⾰⾰命。 其中最重要的是机器学习的成熟，部分由云计算资源和⼲⼴⼴泛普及的、 基于 Web 的数据收集所⽀⽀持。 机器学习已经被「深度学习（ deep learning）」急剧地向前推进了， 后者是⼀⼀种利⽤⽤被称作反向传播的⽅⽅法所训练的适应性⼈⼈⼯⼯神经⺴⽹⽹络的⼀⼀种形式。 信息处理算法的这种性能⻜⻜跃⼀⼀直伴随着⽤⽤于基本操作的硬件技术的显著进步，⽐比如感觉、感知和⺫⽬⽬ 标识别。 数据驱动型产品的新平台和新市场，以及发现新产品和新市场的经济激励机制，也都促进了 ⼈⼈⼯⼯智能 驱 动 型 技 术 的 问 世。 所有这些趋势都推动着下⽂文中所描述的「热⻔⻔」研究领域。 这种编辑只是想要通过某个或另⼀⼀个度量 标准来反映⺫⽬⽬前⽐比其他领域得到更⼤⼤关注的领域。 它 们不⼀⼀定⽐比其他领域更重要或更有价值。 事实上 ⺫⽬⽬前的⼀⼀些「热⻔⻔」领域在过去⼏⼏年中并不怎么流⾏⾏，⽽⽽其他领域可能在未来会以类似的⽅⽅式重新出 现。 ⼤⼤规模 机器 学 习 许多机器学习的基本问题（如监督和⾮非监督学习）是很好理解的。 ⺫⽬⽬前努⼒⼒的⼀⼀个重点是将现有算法 扩展到更庞⼤⼤的数据集上。 例如鉴于传统⽅⽅法能够负担得起若⼲遍数据集的处理，现代⽅⽅法是为单次 处理所设计；某些情况只认同⾮非线性⽅⽅法（那些只关注⼀⼀部分数据的⽅⽅法）。 点击查看英⽂文报告原⽂文 14/43 机器之⼼⼼ 深度学习 成功 训 练 卷积 神 经 ⺴⽹ ⽹ 络 的能 ⼒ ⼒ ⾮非 常 有 益于 计 算 机视 觉 领 域， ⽐ 比 如⺫ ⽬ ⽬ 标识 别 、 视频 标 签 、⾏ ⾏ 为 识别 和 ⼏ ⼏ 个相关变体的应 ⽤ ⽤。 深 度 学 习也 在 ⼤ ⼤举 进 军 感知 ⽅ ⽅ ⾯⾯ 的 其 他领 域 ， 如⾳ ⾳ 频 、 语⾳ ⾳ 和 ⾃⾃ 然 语 ⾔⾔ 处 理。 强化学习 鉴于传统机器学习主要关注于模式挖掘，强化学习将重点转移到决策中，这种技术将有助于促进⼈⼈⼯⼯ 智能在现实世界中更深⼊入地进⼊入相关研究和实践领域。 作为⼀⼀种经验驱动型的序贯决策框架，强化学 习已经存在了⼏⼏⼗⼗年，但是这个⽅⽅法在实践中没有取得很⼤⼤成功，主要是由于表征和缩放的问题。 然 ⽽⽽深度学习 的 出 现 为 强 化 学 习 提供 了 「 ⼀ ⼀ 贴 强 ⼼ ⼼ 剂」。