星际日期24世纪的.4，星际舰队的星际机器人中尉指挥官戴塔被他的反叛机器人“兄弟”洛尔征召加入反叛人类的行列——这令企业号舰长让-吕克·皮卡德感到非常不安。“碳基生物的统治即将结束，”洛尔告诉皮卡德，“你，皮卡德，以及像你这样的人都已经过时了。”这就是电影中《星际迷航》所表达的乐观态度，即机器们至少要三个世纪后才可能废黜人类。这只是科幻电影中的情形，而在现实生活中，智能机器已经迈出了接管世界的第一步，他们的时代已经到来。作为人工智能宽泛概念中的一个较为具体的子领域，机器学习已经渗透到了从医疗诊断到寻找新亚原子粒子等多个人类深耕的领域。深度学习是机器学习最强大的体现，它在语音识别、语言翻译、图像识别、汽车驾驶、新材料设计以及股市趋势预测等多方面具有应用。计算神经科学家塞尔在一篇文章中写道：“由于计算机可以毫不费力地处理天量数据，因此深度学习不光能重塑现代社会，还可能掀起科学革命——主要涵盖从粒子物理和有机化学到生物学研究和生物医学应用这样的学科。”近些年来，数量激增的关于机器学习、深度学习和人工智能的新论文涌入了科学文献库当中。这类新研究的综述涵盖了医疗保健、流行病学、材料科学、基础物理、量子计算、分子作用模拟、流体力学、临床心理学、经济学、视觉科学以及药物发现等领域。这些综述着重突出了机器学习目前已经取得的重要成就和对后续可能取得成就的预测，多数文章也提到了智能机器的局限。比如一些令人印象深刻的正确答案就来源于学习的“捷径”而非真正的理解。智能机器也因此显然容易被误导出错。而且，如今大部分所谓的智能机器都局限在某一技能领域，高效应对特定的任务，而非具有人类普遍认知能力的灵活性。比如一台电脑可以在象棋比赛中战胜大师，却不会玩扑克。计算机学家梅兰妮·米歇尔在她的书《人工智能：人类思维指南》中写道：“与人类对比明显的是，当今大多数人工智能的‘学习’都不能在相关任务之间转化。”米歇尔解释道，对人工智能进行真正的探索还有许多障碍——机器仍然不能像（起码一部分）人类那样对世界进行全局的思考和推理。米歇尔说：“人们容易高估人工智能的先进性而又低估自身智力的复杂性。”对超级智能机器接管世界的恐惧是错位的，她引用一位行为经济学家的评论：“我们的确应该害怕，但不是害怕智能机器，而是对机器在自己智能无法了解的方向进行决定。相比于机器的智能我更害怕机器的智障。”机器学习进步迅速实际上，计算机学家已经开发出了一些相当强大的算法来训练机器学习。通常这些学习依托各种被称为神经网络的计算系统。这些神经网络是粗略仿照人类大脑神经细胞的处理单元。在一个传统的神经网络中，一层人工神经通过接收的输入信号来修改与另一层神经的关联强度，从而将输入信号识别传输给输出层。于是人工神经网络才能够“学习”将输入的信号认做一张猫的图片。在过去十年左右的时间里，主流的机器学习策略依赖于多层人工神经网络，这种方法也被称为深度学习。一台深度学习的机器可以在模式中识别不同模式，使输入的分类更加精细，甚至超过专业人员的能力。一个训练有素的深度学习系统甚至可以在CT扫描中识别出逃过放射科医生眼睛的癌症信号。在某些系统中，机器学习是“受监督的”，这种情况下训练机器所用的是标记的数据；而不受监督的学习则意味着训练机器未被告知所输入的大数据集的含义，电脑自己需要识别出分类或行为的模式。另外有一种叫做强化学习的方法，如果机器能完成某个目标（就像赢得某个游戏），那么在处理输入时就会受到“奖赏”（比如在某个存储文件中加分）。强化学习通过在围棋比赛中帮助机器战胜了人类从而展示了自己的威力。机器学习虽然在围棋上值得一个头条，但是在医药、工业和科学等领域取得的实际成就则更令人瞩目。在某次围棋比赛中，韩国职业围棋选手李世石正在面对谷歌公司的人工智能程序阿尔法围棋（AlphaGo）。最后一局比赛，位于左手边的谷歌Deepmind公司的首席程序员黄世杰正落下第一枚棋子。阿尔法围棋在赢得大多数与人类的比赛的同时也有败局。CREDIT:APPHOTO/LEEJIN-MAN医药方面，机器学习帮助研究人员改进治疗效果标准测试的弱点。测试疾病治疗效果的医学试验通常依赖于测试结果平均值来确定有效性，因此可能会错过对少数患者有益的成分。比如，某个治疗发现一个减肥项目不会减少糖尿病患者的心脏问题，但是根据传染病学家维姆肯和计算机科学家凯利的报道，机器学习算法的确识别出了某一小部分患者在减重过程中心脏问题有所减少。同时机器学习对于发现新药的测试也帮助不少。“深度学习在药物发现方法上具有广泛的应用，”化学家朱浩在最近的药理学和毒理学年度回顾文章中写道，“在这个大数据时代中，最近深度学习所支持的人工智能的进展展现出了药物发现领域巨大的前景。”与发现新药类似，机器学习在发现工业应用的新材料方面也展现出了生产力：通过机器学习算法可以简化寻找耐磨耐拉“超硬”材料的过程。材料学家斯巴克斯撰写的文章中评价道：“这个研究……是机器学习在发现新结构材料扮演重要角色的一个精彩的体现。”比起机器智能，我更怕机器智障除了受到广泛
转载请注明：http://www.0431gb208.com/sjslczl/5911.html
