人工智能发展的5大障碍

　　2017年人工智能领域取得了一些显著进展，例如，Libratus机器人在扑克游戏中玩扑克。在现实世界中，机器学习正被用于改善农业和扩大对医疗的获取。

　　但是你最近和Siri或者Alexa聊过吗?聊过之后你会发现，有很多东西是人工智能仍然不能做或不能理解的。这里有五个棘手的问题，专家们将在明年为他们矫正大脑。

　　机器比以往任何时候都更适合使用文本和语言。Facebook可以为视障人士阅读图片的描述。做了一份体面的工作，谷歌可以建议简短的回复邮件。

　　然而，软件仍然不能真正理解我们语言的意义和我们与之分享的想法。波特兰州立大学的梅勒妮·米切尔教授说:“我们能够将所学到的概念运用到不同的方法中，并将它们应用到新的环境中。但这些人工智能和机器学习系统不做不到”

　　米切尔将今天的软件描述为被数学家Gian carlo - rota称为“意义障碍”的软件。一些领先的人工智能研究团队正试图弄清楚如何爬过它。

　　其中一项工作的目的是给机器以常识和物质世界的基础，支撑我们的思维。例如，Facebook的研究人员正试图通过观看视频来教软件理解现实。其他人正在努力模仿我们对这个世界的认识。谷歌一直在修补试图学习隐喻的软件。米切尔已经尝试了一些系统，用类比和关于世界的概念来解释照片中发生的事情。

　　现实的差距阻碍了机器人的革命

　　机器人硬件已经很好了。你可以花500美元买到一台装有高清摄像头的手掌大小的无人机。拖着箱子走的机器和两条腿行走的机器也有了改进。为什么我们周围没有熙熙攘攘的机械帮手?今天的机器人缺乏与复杂肌肉匹配的大脑。

　　让一个机器人做任何事情都需要特定的编程来完成特定的任务。他们可以通过反复试验来学习诸如抓取物体之类的操作。但这一过程相对较慢。一个很好的捷径是让机器人在虚拟的模拟世界中训练，然后把那些来之不易的知识下载到物理机器人的体内。然而，这种方法却被现实中的“gapa”一词所困扰，这个短语描述了一个机器人在模拟过程中学习到的技能，在被移植到物理世界的机器上并不总是有效。

　　现实差距正在缩小。今年10月，谷歌在实验中报告了有意义的结果，真正的机器人模拟手臂学会了挑选不同的物品，包括胶带、玩具和梳子。

　　这一进步对于那些研究自动驾驶汽车的人来说是非常重要的。为了减少在真实交通和道路条件下测试的时间和资金，在模拟街道上驾驶虚拟汽车的公司竞相在模拟街道上部署虚拟汽车。自主驾驶公司Aurora的首席执行官克里斯•厄姆森表示，让虚拟测试更适用于真正的汽车是他团队的首要任务之一。Urmson之前领导谷歌母公司Alphabet的自主汽车项目，他说:“明年我们将会很清楚地看到我们如何利用这一优势加速学习。”

　　防范AI黑客

　　运行我们的电网、安全摄像头和手机的软件被安全漏洞所困扰。我们也不能指望自动驾驶汽车和家用机器人的软件会有什么不同。事实可能更糟:有证据表明，机器学习软件的复杂性引入了新的攻击途径。

　　研究人员今年发现，你可以在机器学习系统中隐藏一个秘密的触发点，使其在特定信号的情况下进入邪恶模式。纽约大学的研究小组设计了一个街头标志识别系统，它的功能是正常的，除非它看到一个黄色的便利贴。在布鲁克林的一个停车标志上贴上一张便签，导致系统将标牌报告为限速。这种技术的潜力可能会给自动驾驶汽车带来麻烦。

　　这个威胁被认为是非常严重的，世界上最著名的机器学习会议的研究者们在本月初召开了为期一天的关于机器欺骗威胁的研讨会。研究人员讨论了诸如如何生成看起来与人类正常的手写数字一样的复杂技巧，但似乎与软件不同。以2为例，机器视觉系统可以看作是3。研究人员还讨论了防御这种攻击的可能性，并担心人工智能被用来愚弄人类。

　　组织这次研讨会的蒂姆·黄(Tim Hwang)预测，随着机器学习变得更容易部署和更强大，使用这种技术来操纵人们是不可避免的。“你不再需要一屋子的博士来做机器学习，”他说。黄禹锡指出，2016年总统选举期间，俄罗斯的“反信息”运动是一场增强信息战争的潜在先行者。“为什么在这些运动中你看不到机器学习空间的技术呢?””他说。黄禹锡预测，最有效的方法是使用机器学习来生成假视频和音频。