--- schema_version: "library-reader-v1" source_type: "original_book" title: "AI 3.0（畅销书《复杂》作者、复杂系统前沿科学家梅拉妮·米歇尔，历经10年思考，厘清人工智能与人类智能的全新力作，全景式地展现了人工智能的..." author: null edition: null publisher: null year: null isbn: null library_document_id: "75afffda-b96b-4df5-89ff-2ec037cfed66" source_sha256: "21c9bed4763f96ba9dce4c4e24be07b2ddb63e08acce9107a510c1026714c784" pdf_physical_page_count: 491 pdf_physical_page_index_base: 0 range_start: 320 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/75afffda-b96b-4df5-89ff-2ec037cfed66?start=320&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/75afffda-b96b-4df5-89ff-2ec037cfed66.md?start=320&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/75afffda-b96b-4df5-89ff-2ec037cfed66.md?start=310&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/75afffda-b96b-4df5-89ff-2ec037cfed66.md?start=330&limit=10" --- # AI 3.0（畅销书《复杂》作者、复杂系统前沿科学家梅拉妮·米歇尔，历经10年思考，厘清人工智能与人类智能的全新力作，全景式地展现了人工智能的... > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=320 | PRINTED_PAGE=NOT_DETECTED 尽管微软说它的CaptionBot能够“理解”任何照片的内容，但事实正好相反：即便它们给出的字幕是正确的，这些系统也无法从人类的角度来理解图像。当我给微软的CaptionBot看第04章开头的那张照片时，系统的输出是：一位男士抱着一条狗。还算对吧，除了“男士”的部分……令人更遗憾的是，这段描述漏掉了照片中关键的、有价值的点，漏掉了通过图像对我们自身、对我们的体验、对我们关于世界的情感和知识进行表达的方式，也就是说，它漏掉了这张照片的意义。 我确信这些系统的能力将随着研究人员应用更多的数据和算法而得到提升，然而，我认为字幕生成网络对图像中的内容还是缺乏基本的理解，这必然意味着：就像在机器翻译中的表现一样，这些系统仍然是不可信的。它们会在某些情况下运行得很好，但有时却会令人大失所望。此外，即便这些系统在大多情况下是正确的，但对于一幅蕴含丰富意义的图像，它们往往无法抓住其中的要点。 ## PDF_PHYSICAL_PAGE_INDEX=321 | PRINTED_PAGE=NOT_DETECTED 把句子按照情感进行分类、翻译文档和描述照片，尽管自然语言处理系统在这些任务上的水平还远不及人类，但对于完成许多现实世界中的任务还是很有用的，因此对于研发人员而言，这项工作有着很大的利润空间。可是，自然语言处理研究人员的终极梦想是设计能够实时地与用户进行流畅和灵活的互动的机器，尤其是，可以与用户进行交谈并回复他们的问题。下一章我们将会探讨创建一个能够解答我们所有疑问的人工智能系统所面临的挑战。 ## PDF_PHYSICAL_PAGE_INDEX=322 | PRINTED_PAGE=NOT_DETECTED 本章要点 12 破解机器翻译，攀登人工智能的天梯 在线翻译系统可以为人们提供全天候的即时翻译服务，而且通常可以处理100多种不同的语言，但是，其水平仍然远低于优秀的人类翻译员。 机器翻译的原始方法依赖于人类指定规则的复杂集合，所以，它们相当脆弱，需要面对来自自然语言处理领域所面临的所有挑战。 从20世纪90年代开始，一种被称为“统计机器翻译”的新方法开始占据主导地位，此方法依赖于从数据而非从人类制定的规则中学习。 谷歌翻译可能是目前最为广泛使用的自动翻译程序，使用的是一种更加优越的基于深度学习的翻译方法，也就是神经机器翻译。 深度学习时代的机器翻译所取得的巨大成功是由大数据和快速计算造就的，但这种成功完全是基于对单个句子翻译水平的评估，而非篇幅更长的文章。 ## PDF_PHYSICAL_PAGE_INDEX=323 | PRINTED_PAGE=NOT_DETECTED 13 虚拟助理——随便问我任何事情 “进取号”（USS Enterprise）星历：42 402.7 数据少校： 计算机，我想知道更多关于幽默的信息。为什么语言和行为的特定组合能让人发笑？ 计算机： 关于这一主题的资料源范围很大，请具体说明。 数据少 校：动画演示，类人的，需要交互的。 计算机： 您是指行为幽默、智力幽默，还是一般的健谈者？ 数据少校： 在所有已知的表演者中，谁是最有趣的？ 计算机： 23世纪的斯坦·奥尔加（Stan Orega），精通量子数学的玩笑。 数据少校： 不，这个太深奥了，更一般化些。 计算机： 正在访问。 （一份名单被展示出来） ## PDF_PHYSICAL_PAGE_INDEX=324 | PRINTED_PAGE=NOT_DETECTED $$ \begin{array} { r l r } { \mathrm { ~ --- ~ } } & { { } \langle \underbrace { 5 [ \exists \lor \cdots \lor \cdots \nmid \tilde { \Sigma } ] \tilde { \mathcal { H } } : } _ { \mathrm { F } \mathrm { - } \land \emptyset \land r \mathrm { ~ } T r e k : \ T h e \ N e x t } } & { } & { } \\ { \mathrm { ~ ` ~ ` ~ ` \Sigma \lor \cdots ~ } } & { { } \mathrm { ~ G e n e r a t i o n ~ } ) } & { } \end{array} $$ “进取号”上的计算机拥有丰富的知识储备，并能很快理解其接收到的各种问题从而给予及时反馈，因此长期以来一直是人机交互的“北极星” (38) ，也备受《星际迷航》爱好者和人工智能研究人员等群体的追捧。应该指出的是：处在这两个群体的交集中的那部分人是非常重要的。 谷歌前副总裁塔马·约书亚（Tamar Yehoshua）坦诚地认可了《星际迷航》中的计算机对谷歌设计面向未来的搜索引擎的影响：“我们的目标是《星际迷航》中那样的计算机，你可以和它说话，它理解你，并且它可以对你做出回应。” 1 IBM沃森的项目负责人大卫·费鲁奇（David Ferrucci）说：“《星际迷航》中的计算机功能、技术是IBM沃森的问答系统的核心灵感来源，《星际迷航》中的计算机是一台问答机器，它理解你问的是什么，并且总能给你恰如其分的回答。” 2 同样的故事也适用于亚马逊的Alexa家庭助理，亚马逊的高级副总裁大卫·林普（David Limp）表示：“让《星际迷航》中的计算机走进现实的梦想，就像一道明亮、一直在闪耀的光，还需要很多年才能实现。” 3 《星际迷航》或许给我们许多人都编织了一个梦想：能够向计算机询问任何事情，并且它可以做出准确、简洁和有用的回应。如果你使用过当今任意一款人工智能语音助手，如Siri、Alexa、Cortana、Google Now，你就会知道这个梦想还尚未实现。我们可以用声音来向这些机器提问，由于它们通常擅长于转录语音，所以它们能用流畅的、略带机械感的声音来回答我们。它们有时能判断出我们在寻找什么样的信息，并指引我们到一个相关的网页上。然而，这些系统并不能理解我们所问的问题的含义。比如说，Alexa可以为我朗读短跑运动员尤塞恩·博尔特（Usain Bolt）的全部传记，告诉我他赢得了多少枚金牌，并联想到他在北京奥运会上男子百米赛跑的成绩，但别忘了，容易的事情做起来难。如果你问Alexa：“尤塞恩·博尔特知道怎样跑步吗？”或者“尤塞恩·博尔特很能跑吗？”，在这两种情况下，它都会用一些固定的短语来回应：“抱歉，我不知道那个问题。”或者“嗯……我不确定。”毕竟，它的设计初衷并不是为了了解“跑”或“快”到底是什么意思。 ## PDF_PHYSICAL_PAGE_INDEX=325 | PRINTED_PAGE=NOT_DETECTED 虽然计算机目前已经可以准确地转述我们的请求，但别忘了我们的终极目标是：让计算机真正理解我们所问的问题的含义。 沃森的故事 在Siri、Alexa及其类似产品出现之前，人工智能界最著名的问答程序是IBM公司的沃森。你可能还记得在2011年，沃森令人震惊地在游戏节目《危险边缘》中击败了两位人类冠军的事情。在1997年深蓝击败国际象棋冠军卡斯帕罗夫后不久，IBM的高管们就在推动另外一个备受关注的项目了，与深蓝不同，它的设计目标是对IBM的客户们真正有用。他们认为一个问答系统完全符合这个要求，这的确是受到了《星际迷航》中计算机的启发。故事是这样的，IBM的副总裁查尔斯·利克尔（CharlesLickel）在一家餐厅吃饭时，周围其他顾客突然变得安静起来，原来餐厅里的每个人都在全神贯注地看电视节目《危险边缘》，超级冠军肯·詹宁斯正在比赛。这让利克尔萌生了一个想法：IBM应该开发一个能够把《危险边缘》游戏玩得足够好甚至能击败人类冠军的计算机程序。然后，IBM就能在一个关注度很高的电视节目上展示这个程序 4 。这个想法催生了由IBM自然语言研究员费鲁奇带领的一项努力了多年的项目，并最终创造了沃森——一个以IBM首任董事长托马斯·沃森的名字来命名的人工智能系统。 ## PDF_PHYSICAL_PAGE_INDEX=326 | PRINTED_PAGE=NOT_DETECTED 《危险边缘》是美国一个非常受欢迎的电视游戏节目，于1964年首次播出。该游戏一般有3名参赛选手，他们轮流从一个主题类别列表中进行选题，例如，美国历史或电影。然后主持人从该主题类别中选出一条线索，选手按下抢答器抢答。第一个抢答成功的选手要说出一个与线索相对应的问题。例如，对于线索“于2011年上映，这是唯一一部同时获得奥斯卡金像奖和法国恺撒奖年度最佳影片的电影”，正确的回答是，“《艺术家》（The Artist ）是什么？”。想要在《危险边缘》节目中获胜，选手需要具备渊博的知识，范围从古代历史到流行文化，而且要能够快速回忆，并理解在本主题类别和线索中经常出现的双关语、俚语或其他口语。再举一个例子，线索是：“2002年，艾米纳姆和这位说唱歌手签了一份7位数的交易合同，显然要比这位歌手的身价要多得多。”正确的回答是：“谁是‘50美分’？” ## PDF_PHYSICAL_PAGE_INDEX=327 | PRINTED_PAGE=NOT_DETECTED 当给出一条《危险边缘》的线索时，沃森通过综合大量不同的人工智能方法来做出回应，使用多种不同的自然语言处理方法来分析线索，计算出其中的哪些单词是重要的，并根据需要的回应类型来对线索进行分类，例如，一个人、一个地方、一个数字、一个电影名称。该程序在专用的并行计算机上运行，以便在庞大的知识数据库中快速搜索。正如《纽约时报》的一篇文章所述：“费鲁奇的团队为沃森建立了一个包含了数百万份文档的知识库——包括费鲁奇所说的书籍、所有类型的字典、主题词典、通俗分类、分类学、百科全书以及小说、圣经、戏剧等任何一种你能想象的可供掌握的参考资料……” 5对于一条给定的线索，程序会产生多个可能的响应，并让算法为每个响应分配置信度值，如果置信度最高的响应超过一个阈值，程序就会按下抢答器来进行抢答。 对于沃森团队来说，令他们感到幸运的是：《危险边缘》的粉丝长期以来一直在整理此游戏自播出以来所有类别、线索和正确响应的全集。这一档案对沃森来说简直是天赐之物、一个绝佳的训练样本集，沃森可以利用这一样本集，通过监督学习方法来训练其系统中的许多组件。 2011年2月，沃森在一场全球直播的《危险边缘》中与两位前冠军詹宁斯和布拉德·拉特（Brad Rutter）进行了竞赛，我和我的家人一起观看了这次比赛，我们都被迷住了。在最后一局比赛快结束的时候，很明显沃森已胜券在握，这局比赛的最后一条线索是：“威廉·威尔金森（William Wilkinson）的《瓦拉吉亚和摩尔达维亚的公国记述》（An Account of the ## PDF_PHYSICAL_PAGE_INDEX=328 | PRINTED_PAGE=NOT_DETECTED Principalities of Wallachia and Moldavia ）启发了这位作家写出其最著名的小说。”在比赛中，最后这条线索需要每位参赛者给出书面答案。三位选手都写出了正解的答案：“是布拉姆·斯托克（Bram Stoke）吗？”不过，一向以冷嘲热讽著称的詹宁斯，在答题卡上加了一句流行语以承认沃森必将取得胜利：“欢迎我们的计算机新霸主。” 6 然而，具有讽刺意味的是，沃森并没有听懂这个笑话。詹宁斯后来打趣道：“令我惊讶的是，输给了一个讨厌的玩智力竞赛游戏的计算机这件事却成了一个意外的机遇。每个人都想知道这一切意味着什么，而采访沃森肯定得不出什么有用的答案，因此突然间我收到了很多采访和约稿请求，TED也来邀请我去做相关演讲……就像在我之前的卡斯帕罗夫一样，我现在以一个‘职业失败者’的身份过着还算不错的生活。” 7 在电视上播出的《危险边缘》中，沃森给包括我在内的很多观众留下了一种不可思议的印象：它可以毫不费力并且流畅地理解和使用语言，对接收到的大多数主题都能以闪电般的速度来解读其中棘手的线索，并做出准确回应。 线索： 即便你墙上挂的这个东西坏掉了，它一天也有两次是对的。 沃森： 是时钟吗？ 线索： “push”（推）这样一件纸制品的意思是：突破既定的限制。 ## PDF_PHYSICAL_PAGE_INDEX=329 | PRINTED_PAGE=NOT_DETECTED 沃森： 什么是信封（envelope） (39) ？ 线索： 经典糖果长方块，那是一位最高法院女性大法官。 沃森： 谁是鲁斯·金斯伯格 (40) ？ 在比赛进行的过程中，电视摄像机的镜头经常转到坐在观众席上的沃森团队那儿，他们脸上挂着欣喜若狂的笑容——沃森稳操胜券。 这一电视节目为沃森打造了一个视觉形象：一台显示器，和另外两位参赛选手一同“站”在台上，其屏幕上显示的是一个被旋转灯光环绕的闪亮球体而不是人脸。沃森的主题类别选择和对线索的回应都是用一种愉快、友好但机械的声音给出的。所有这些都是由IBM精心设计的，目的是给公众一种印象：沃森虽然不是真正的人类，但和人类一样，它在积极地倾听和回应这些线索。可是公众不知道的是：沃森不使用语音识别，而是在主持人向人类参赛者朗读线索的同时接收每条线索的文本。 沃森对线索的反应偶尔会破坏其类人形象，这并不仅仅是因为系统在某些线索上犯了错，所有的参赛者都会犯错，只是沃森的错误常常……不那么像人类会犯的错误。其中，一个最引人注目的错误是沃森在一条属于“美国城市”主题的线索上的失误：“它最大的机场，以第二次世界大战中的一位英雄命名；它第二大的机场，以第二次世界大战中的一场战役命名。”沃森怪异地忽略了其所属类别，错误地回答道：“多伦多是什么？”这台机器还犯过其他一些明显的错误。比如，另一条线索是：“这是美国体操运动员乔治·埃塞尔（GeorgeEyser）的奇迹年，他在1904年的双杠比赛中获得了金牌。”尽管詹宁斯的回答“是缺了一只胳膊吗？”是错的，沃森的回答“是一条腿吗？”也很奇怪，而正确的回答是“是缺了一条腿吗？”。沃森团队负责人费鲁奇回应道：“这台计算机并不知道缺了一条腿是一件很奇怪的事。” 8 沃森似乎也不明白这条线 索 ——“2010 年 5 月 ， 布 拉 克 （ Braque ） 、 马 蒂 斯（Matisse）和其他三位画家总价1.25亿美元的5幅油画在这一个艺术时期‘离开’了巴黎博物馆”——指的是什么。三位选手的回答都不正确。詹宁斯回答的是：“立体主义是什么？”拉特的回答是：“印象派是什么？”沃森的回答则让观众一脸困惑：“毕加索是什么？”正确答案是：“现代艺术时期是什么？” 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/75afffda-b96b-4df5-89ff-2ec037cfed66.md?start=330&limit=10)