您现在所的位置: 主页 > 人才工作 >

人类如果可以在各个领域人工智能亲密合作

发布时间:2018-04-23 09:16 作者:hg0088 点击量:
-
-
  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”大量输入给神经网络,让神经网络自行挖掘动作和实现目标之间的关系。在训练时,为神经网络加入奖惩机制,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。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。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。
 
  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。
 
  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。
 
  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。
顶一下
(0)
0%
踩一下
(0)
0%