English
Русский
???
????????????
日本語
- 企業(yè)推廣分銷B2B平臺
- 累計為企業(yè)宣傳展示1.2億次以上
- 分銷模式,讓每個人都愿意幫您做生意
- 30多萬銷售員注冊,快速對接銷售渠道
當人工智能擁有好奇心能發(fā)揮多大的作用
從我們睜開雙眼看這個世界開始，我們就在努力的了解著周圍的一切，我們了解世界的方式很多樣；一開始是試圖把所有東西放進嘴巴里，到后來我們走遍了這世界的每一個角落。好奇心，是人和人工智能最顯著的差異之一。可人工智能所做的，只有根據(jù)既定目標進行學習、搜索和計算。掃地機器人會探索周圍環(huán)境，可這不是因為好奇，而是為了建立房間中的SLAM以完成工作。這也是強人工智能不會出現(xiàn)的證據(jù)之一：人類自己都沒弄明白“意識”為何會存在，更沒法將“本能”加在人工智能頭上。
在DeepMind計算機科學家Hester和德州大學奧斯汀分校的Peter Stone的研究中，同樣的概念被進一步的具象化。
在強化學習的基礎上，他們開發(fā)了一種名為TEXPLORE-VANIR的算法。和自監(jiān)督預測算法不同的是，TEXPLORE-VANIR為人工智能設立了內(nèi)部獎勵機制，當人工智能探索環(huán)境時，即使這種行為對達到最終目標沒有好處，人工智能也會因為減少了外部環(huán)境的未知性而獲得來自內(nèi)部的正向反饋。同時，在探索環(huán)境中發(fā)現(xiàn)了新事物時，人工智能也會獲得正向反饋。
當人類表現(xiàn)出過度好奇時，會有怎樣的結(jié)果？最常見的，注意力無法集中，常常將手頭的工作半途而廢。同樣，人工智能擁有好奇心后也會有同樣的表現(xiàn)。搭載TEXPLORE-VANIR算法的機器人在一項給門開鎖的任務上表現(xiàn)較差，就是常常因為好奇而去探索環(huán)境，導致任務完成的延遲。甚至有學者稱，這是人工智能的“多動癥”。
這樣看來，如何平衡內(nèi)部和外部的反饋將是如何讓人工智能好奇心發(fā)揮作用的最大問題。
我們更關心的是，讓人工智能擁有好奇心這件事究竟有什么用？是為了他們在游戲中更好的打敗我們？還是讓他們在執(zhí)行任務時分心而變得低效？或者說讓他們更接近人類，可以更好的打敗我們？首先，好奇心會讓人工智能在學習時更加高效。減少對外部環(huán)境反饋的依賴，意味著對已有數(shù)據(jù)的利用率更高。比如在機械手臂試圖抓起物品時，常常是把可能抓起物品姿勢都嘗試一遍，直
到把物品抓起來。對于人來說，這是根本不能接受的低效，可換到了一個充著電的機器上，似乎就沒人在意了。可笑的是，人工智能本應該替人類完成重復勞作的工作，人工智能可以先對環(huán)境、環(huán)境中的物體進行初步的了解，然后再加以行動，而不是無腦的用暴力窮舉解決問題。
其次，好奇心可以讓人工智能更好的適應現(xiàn)實應用環(huán)境，畢竟現(xiàn)實和游戲或者實驗不一樣，沒人會為人工智能的每個動作打分。當缺少外部環(huán)境反饋時，好奇心驅(qū)使的內(nèi)部反饋就可以發(fā)揮很大作用。只有可以自我驅(qū)動的AI，才能在真正意義上幫助到人類，發(fā)現(xiàn)那些我們在設立目標時沒有發(fā)現(xiàn)的事，而不是像所有機器一樣根據(jù)指令行動。
看到這里，是不是加重了對人工智能的恐懼？別擔心，大多數(shù)有關好奇心的算法目前還都停留在實驗階段，一是上文提過的，由于無法平衡內(nèi)部反饋和外部反饋，好奇心常常會降低人工智能的工作效率。畢竟100%的專注，是所有機器的優(yōu)勢。第二則是，傳統(tǒng)深度學習的“蘿卜加大棒”政策已經(jīng)能滿足當下很多人工智能的應用。暴力窮舉雖然低效，但是十分有效。
但我們相信，不管以何種形式，未來的人工智能一定會出現(xiàn)類似好奇心的機制，在更了解這個世界的前提下，更好的服務人類。
