比失业更严重:人工智能的新进展

人工智能 深度学习
刘慈欣有一部短篇小说,叫做《镜子》,讲了这么一个故事:一位气象局的软件工程师,意外用超弦计算机开发出了一款模拟软件,可以模拟一个宇宙从诞生到演变的过程。

 刘慈欣有一部短篇小说,叫做《镜子》,讲了这么一个故事:

一位气象局的软件工程师,意外用超弦计算机开发出了一款模拟软件,可以模拟一个宇宙从诞生到演变的过程。

[[282419]]

他试验了一千多个宇宙,终于在一天夜里,无意间发现了一组数据,用它生成的宇宙,一切物理常数跟我们的宇宙一模一样。换言之:他模拟出了我们现在所在的宇宙。

于是,他看到了被掩埋的「真实的历史」:特洛伊城从未存在过,马可波罗从未来过中国,许多名不见经传的小人物,其实才是真正的英雄……

感兴趣的朋友,可以自行去找这本小说,很短。

但是,在《镜子》中,哪怕是这个万能的宇宙模拟器,也有一个致命的缺陷:它只能用来看过去,无法用来预测未来,否则就会陷入「无限递归」之中。

预测未来,大概是人类想象力的极限了。

无论是漫威的奇异博士,还是《守望者》里面的曼哈顿博士,一旦跟预知未来扯上关系,总是会带来复杂的思维陷阱和悖论。

如果未来能够预知,那我能否改变它?我又能否预知被我所改变的未来?

如果未来能够预知,那是否意味着,整个世界本质上都是决定论的?一切早从遥远的过去就已经注定好?

这也许是人类,最不想涉足的一块禁地:因为它会对我们的「自由意志」,产生巨大的冲击和影响。

但这一切正在成为现实。

一种叫做 ABM(基于智能体的模拟,Agent-based Model)的技术,也许真的能够使我们「预测未来」。

它的原理是什么呢?举个简单的例子:

想象有一片空地,上面有10个圆点,我们给它们设定如下的指令:

1)在这片空地上随机行走,不能走出外面;

2)当两个圆点相遇时,有50%几率会「结盟」,50%几率会互相攻击;

3)攻击时,每两个圆点之间各有50%的几率取胜。

那么,最终会有几个圆点「存活」下来?

我们还可以增加规则。比如:有些圆点具备「勇敢」属性,攻击的胜率更高;有些具备「侦察」属性,能够规避危险;有些具备「友善」属性,结盟的几率更高……诸如此类。

这是一个极其简单的例子。随便拿一台计算机,写几行代码,就可以解决。

我们让它多跑几次,做几次模拟,就可以得到不同的结果。把这些大量的结果做一个统计,就能够知道大致的倾向。

但如果把这片空地,换成一座城市;把这些圆点,换成一个个「人」;把这些指令,换成一些支配着人类的、简单的行为规则呢?

从某种程度来讲,我们就可以藉由模拟,来预判一个小群体的大致走向。

如果你玩过类似《模拟人生》这样的游戏,你一定会非常清楚。

当然,「模拟」的原理并不新奇 —— 它早自上个世纪就已经投入使用了。天气预报就是这样来的。

同样,针对人类社会的模拟,也已经有许多案例。

比如:2014年,西非爆发埃博拉疫情。当时,相关专家用了7个月的时间,建立了一个模型,引入了现实社会的种种数据,如病例数量、感染率、交通方式、人口分布……最终得出结论:如果不加控制,可能会有140万人受到感染。

最终,在这个预测模型的指导下,医疗小组奔赴最核心的地方进行干预,成功地将感染数量控制在了2.8万人以内。

但无论是天气预报,还是埃博拉模拟,抑或《模拟人生》,都存在一个严重的问题:

它们的数据量太小,远远不足以模拟「现实」。

举个例子:在埃博拉模拟中,每个「人」只有几种行为方式:被感染,逃跑,随机行动。与其说它们是一个个活生生的「人」,不如说是被高度简化、抽象化的「质点」。

这就导致了 ABM 技术发展的停滞。毕竟,要还原现实社会,需要的数据量实在是太庞大了,绝不是短时间内可以实现的。

不过,近几年来,一项技术的发展,使得「模拟现实社会」成为可能。

这项技术是什么呢?你一定也非常清楚,它就是人工智能 —— 人工智能的发展,解决了对于数据的「输入」难题。

什么意思呢?

在旧的模拟技术里,最难的地方是什么?如果你要尽可能还原一个群体,你就要对每个人输入足够多的数据。包括:出身,家庭背景,喜好,习惯,工作,技能,经济状况,等等。

这几乎是不可能的。

但这对于人工智能来说,这只是一个小问题。

人工智能有一个非常强大的能力,叫做自学习:你只要给它一定的数据,它自己就能够进行学习,自我测试、自我修正、自我完善。

当它「学会」了一个模式之后,就能够真正地「模拟现实」。

举个例子:AlphaGo 大家都非常熟悉了。而 2017 年的 AlphaGo Zero,无需任何知识输入,只需给它一张棋盘,告诉它规则,让它跟自己对弈,仅训练三天时间,它就能击败 AlphaGo。

同样,DeepMind 发布的 VQ-VAE 模型,仅需「投喂」7万张人脸图片作为训练集,就能生成 100 万像素的清晰「人脸」,肉眼完全无法分辨。

生活中,我们每一天都在产生数据。这些源源不断的数据,就是人工智能最好的训练集。

把它们输入给人工智能,让人工智能去学习「人」的模式,它就能非常轻易地,生成一个个「真实的人」。

这些人跟真人一样,拥有性格、信仰、家庭、工作,他们会生病,会变老,会交互,能够学习,能够对外界的刺激作出反应。

差别只是在于:他们只存在电脑里,并不存在于现实中。

这就是 MAAI,多智能体人工智能(Multi-agent artificial intelligence)。

它针对旧的 ABM 模型,比较大的变化是:

1)使得「智能体」(agent)真的成为了「复杂」的个体;

2)使得智能体的数量大大增加,从而使模拟社会成为可能。

正如挪威社会建模中心的 F. LeRon Schults 所说:

人们需要作出的改变,是接受这么一个事实:你真的可以模拟人类。

这是一项非常新的技术。

新到什么程度呢?英国萨里大学社会模拟研究中心主任 Nigel Gilbert 表示:有一些政策分析家已经注意到它,但大多数政治家对此尚一无所知。

然而,它并不仅仅存在于论文里面。

据弗吉尼亚建模中心的 Saiku Diallo说:目前这一技术,已经能够容纳上千万个「智能体」。简而言之,「我们可以为一座像伦敦这样的城市建模」。

试想:在电脑里建立一座城市,里面有数千万个「居民」。他们跟真人一模一样,每个人都有详细的出身、履历、性格、特质……虽然他们没有自我意识,但从观察者的角度来看,就跟真人一样。

理论上来说,当我们把一部分伦敦的居民数据输入人工智能,用它生成足够的「智能体」,再放到一个相似的环境下,这就构成了一座虚拟的「伦敦2号」。

它和现实的伦敦非常相似,说是一个简化版也不为过。

然后,我们就可以尝试着控制外部条件,来观察整个「伦敦2号」的变化。

比如:

施行一项新政策,观察整个城市的变化结果和趋势;

引发一场灾难,看能否得到有效的遏止和控制;

输入一些突发的事件,比如「脱欧」「难民涌入」,观察长期的变化趋势。

只要让它多运转几次,我们就可以得到足够多的数据,从而对未来有一个更大把握的预判。

从某种程度上来讲,这不啻于正是「预测未来」。

而这一技术的发展,很可能会比我们想象的更快。

目前是伦敦,下一步呢?

F. LeRon Schults 说:

下一个目标,将是 3.2 亿 —— 整个美国的人口;

再下一个目标,14 亿,中国。

最终,全世界。

而在现实中,这样的模型正在运行。

据 NewScientist 的报道:一个模拟挪威城市的模型,正在尝试解决难民问题。

在过去的 8 年里,100 万叙利亚难民逃往欧洲,其中有 2 万人定居在挪威。这些难民涌入进来,会对当地的社会环境造成什么影响?应该采取什么政策去应对?如何才能将风险和损害最小化?没人知道。

因此,Schults 正在主导一个模型,模拟一座挪威城市在外来难民的冲击下种种可能的未来。

这个模型比较小,只有 5 万个智能体,但将模拟长达 3 代人的时间,以更长远地观察各种措施所可能带来的后果。

像这种体量的模型,运行 1 次需要数小时到数天的时间。

你一定会有疑问:根据真实数据「生成」出来的建模,真的能代表现实情况吗?它的契合度究竟有多高?

这一点,建模科学家们当然也考虑到了。在 Schults 的挪威难民模型中,他们花了一年的时间设置初始条件、建模,以及进行现实检验。

研究团队使用了挪威政府的社会调查数据,观察建模出来的结果,是否社会调查数据相吻合。如果不吻合,就微调初始参数,再重新建模。

关键在于什么呢?这些都是一次性的工作。一旦你通过了现实检验,你的建模就算成功了。你就拥有了一个足够大的「沙盘」,可以自由地、随心所欲地试验你的想法,并根据得到的反馈进行修正。

除了挪威难民模型,其他的应用也已经浮出水面。

英国的经济学家们正在考虑,把 MAAI 技术引入经济学,来更好地理解现实世界的经济变化,以及,预测像 08 金融危机这样的冲击。

波士顿心理与文化中心的一个小组,已经建立了一个 MAAI 模型,来对付儿童拐卖的罪犯。但据小组主任说,罪犯很可能正在采取相似的技术,来对抗政府的行动。

近阵子,许多学者关注的是 2020 年的美国大选。双方的团队是否会利用该技术,试验各种各样的竞选策略,以很大程度地煽动选民?如果一旦发生,又如何界定这种行为?

不能说这一定会发生,但目前来看,可能性并不小。

如果这一技术在不远的将来,能够普及化的话,那造成的影响,将会非常之大。

我在 这套「创造者思维」,令我受益良多 中已经提过:现代社会里,一切都是高度精密、有条不紊、完全工业化和流程化的。你所看到、感知到的一切东西,都是别人加工之后呈现给你的产品。

而有了这项技术的加持,这种现象只会变本加厉。

你所感知到的一切,不仅仅是别人呈现给你的产品,更是别人已经经过无数次试验、演练,得到的「最优解」。每一个动作,每一个节奏,都恰到好处,在最恰当的时候出现,落在你最舒服的地方。

这有点类似于「读心」了。

当然,从另一个角度看,这种技术也将带来一个巨大的正面结果:

我们所面临的的不确定性,将降低到很小。

无论是一个突发事件,一项决策,一次危机,有了 MAAI 的帮助,就相当于有了无数次「重启」的机会 —— 风险将被降低到最小,我们一切可能产生的反应,都是别人早已经预料到、并有所预案的。

我们会生活在一个「更舒服」「更安全」的社会。

至于如何看待这个问题,就留待大家的思考和讨论了。

关于这项技术,其实还可以延伸一下。

很多人都知道,量子力学的随机性摧毁了决定论。但实际上,量子力学的随机性仅仅表现在微观层面。当它从微观世界转换到宏观世界时,这种随机性就不存在了 —— 一切变成了确定、可控、稳定的事物。

因此,我们的存在是稳定的,不会突然「坍缩」成一堆粒子,也不会突然出现在月球上。

而人类社会也是一样的。

就每个人具体而言,都极其复杂,如果没有足够多的信息,我们几乎不可能「预测」一个人的行为。但当一群人组成一个群体,要预测这个群体的行为模式,就简单了许多。

为什么呢?因为群体有一个特征:它会抹消掉所有的「异常值」。从而,呈现出稳定的特征和模式。

简单来说:我们说一种药对某种疾病有效,是说任何一个生了这种病的人,都适用于这种药物吗?并不是。

每个人的情况不同,有些人的症状也许并不适用这种药物,但把所有人放在一起,这些就变成了「个例」,会被更大的数据掩盖掉、抹消掉。于是,整体来看,就呈现出了「有效」。

同样,把一万个非常聪明的人放在一起,他们共同作出的决策、行为,一定优于其中任意一个人的结果吗?不一定。除非他们是绝对理性的,否则,他们也许会互相攻讦,牟取利益,达成妥协,等等。最终所呈现出来的,很可能仅仅是一个平均水平。

这也正是 MAAI 的基石之一:我们不可能「预测」一个人的未来,因为不确定性太大,需要考虑的数据太多;但是,当许许多多这样的人组成一个群体,我们所需要的数据,反而减少了;所面对的不确定性,也反而降低了。

更进一步,如同我之前说过的:思考是一种熵增。你会希望你全身的每个细胞都有独立思考能力吗?一定不会。对不对?

关于「群体」和「个体」的问题,可能也会是一个需要思考的议题。

这也是我希望与你一起探讨、一起思考的。

最后,还是稍微提几句。

技术的突破滚滚而来,在历史的车轮面前,赞扬也好,反对也好,大多数时候,意义并不是很大。

很多东西一旦被创造出来,就未必是能够以人的意志为转移了。

我们要做的是,做好心理准备,来迎接一场表面上可能毫无波澜,但却可能改变整个社会、改变人类文明的变革。

它也许会在几十年后到来。也许永远不会到来。

又也许,就在不久之后。

责任编辑:华轩 来源: 今日头条
相关推荐

2017-11-22 19:00:51

人工智能深度学习胶囊网络

2020-05-31 14:11:20

人工智能深度学习机器人

2023-07-17 10:21:25

TC39JavaScript

2021-08-23 18:20:28

人工智能AI

2023-03-13 14:26:00

人工智能首席信息官疫情

2023-02-28 14:50:02

人工智能首席信息官

2023-02-13 09:42:10

人工智能ChatGPT

2021-09-14 10:03:35

RustLinux开发工作

2020-07-02 16:00:53

​Flutter桌面应用代码

2009-09-25 09:27:33

Ubuntu 2010最新进展Lucid Lynx

2012-11-19 10:50:39

思杰CloudStack开源

2012-11-19 10:37:57

思杰OpenStack

2015-11-12 09:27:13

C++最新进展

2017-02-22 18:15:31

AI谷歌

2018-07-23 15:26:02

Java框架应用程序

2021-09-16 10:15:56

Linux内核Rust

2021-11-12 20:59:21

数字人民币数字货币区块链

2017-02-17 13:38:40

2022-03-02 09:53:51

微软FlutterEngine PR

2021-10-18 10:59:27

人工智能机器学习技术
点赞
收藏

51CTO技术栈公众号