機器能為自己思考,能攻擊人類,這樣的場景一直以來都只存在于科幻小說中,由于人工智能的最新發(fā)展,未來很有可能創(chuàng)造出無需人類輸入就能學習的機器人。
谷歌的一個項目正在試圖讓兩種人工智能算法相互對抗,希望未來可能會有這種智能機器的出現(xiàn)。
在谷歌大腦人工智能實驗室里,研究人員開發(fā)出了一種被稱為“生成對抗網(wǎng)絡”(GAN)的系統(tǒng)。傳統(tǒng)人工智能使用輸入來“訓練”一種算法,通過輸入大量信息“訓練”某一特定的主題。算法訓練后的知識可以用于特定的任務,例如面部識別。GAN從這些學習信息中生成新的內(nèi)容,基于對類似的真實生活圖像和視頻的理解,創(chuàng)造出新圖片和視頻內(nèi)容。
谷歌的做法是將兩種算法相互對抗,進一步完善它們的“想象力”。一個人工智能機器人根據(jù)它所學到的真實世界來創(chuàng)造新的內(nèi)容,而另一個機器人則指出這些創(chuàng)造中的不完美和不準確內(nèi)容。這使得系統(tǒng)能夠創(chuàng)造出更逼真的圖像、聲音和其他原創(chuàng)作品,比一個機器人單獨工作時要逼真得多。
在未來,這一過程,可能讓機器人在無人工參與的情況下學習新的信息——這一過程被稱為“無監(jiān)督學習”,這將成為人工智能技術的巨大飛躍。
在Google Mind工作的Ian Goodfellow博士對《Wired》說:“如果人工智能機器人能想象出現(xiàn)實的細節(jié),學習如何想象現(xiàn)實的圖像和現(xiàn)實的聲音,這將鼓勵人工智能了解真實存在的世界的結(jié)構,你可以把它想象為藝術家和藝術評論家,生成模型能蒙騙藝術評論家,讓藝術評論家誤以為它產(chǎn)生的圖像是真實的。”
人工智能系統(tǒng)依賴于神經(jīng)網(wǎng)絡,它試圖模擬大腦工作的方式來學習。這些網(wǎng)絡可以用于訓練來識別信息的模式,包括語音、文本數(shù)據(jù)或視覺圖像,這是近年來人工智能發(fā)展的基礎。他們使用來自數(shù)字世界的輸入來學習,例如谷歌的語言翻譯服務、Facebook的面部識別軟件和Snapchat的美化濾鏡等實用程序。
但是,輸入這些數(shù)據(jù)的過程可能非常耗時,而且僅限于一種類型的知識,為了擴大這種機器學習的極限,谷歌早已開始設計相互對抗的人工智能機器人了。
今年2月,谷歌的一個團隊就使用了他們設計的一款游戲來測試對抗性算法是否會協(xié)同工作,還是相互攻擊。這些實驗表明,人工智能很有可能會根據(jù)情況而協(xié)同工作。實驗結(jié)果增加了我們對復雜的多主體系統(tǒng)的理解和控制,比如經(jīng)濟、交通系統(tǒng)或生態(tài)健康——所有這些都依賴于我們持續(xù)的合作
