TED 2017，來見見機器人背後的七位“創造者”吧
雷鋒網按：機器會拯救還是毀滅我們？我們被這個問題困擾了很久，而我們好像還沒有接近答案。機器一天天變得越來越聰明，並把我們帶到了以前從沒想過的地方，似乎我們將要失去最高智慧體的地位。
下面雷鋒網帶領大家按照時間順序簡要回顧一下會議第二階段的演講。
雷鋒網AI科技評論彭鵬、楊曉凡合作翻譯完成。
前方的人是波士頓動力的創始人Marc Raibert，後方的Seth Davis正在控制著這個可愛得不行的SpotMini。你想過會被電腦取代嗎？
SpotMini，一個四足的電子機器人，看起來就像是把一隻大狗和一隻小長頸鹿拼在了一起。它在舞臺上小跑，沿著紅色地毯繞圈，向觀眾們致意，然後回到 Marc Raibert的身邊。Marc Raibert是波士頓動力的創始人，這家公司主要負責設計最酷，
據Raibert介紹，波士頓動力的基本設計原則是要達到平衡、敏捷和感知。他向觀眾介紹了以這些原則進行的機器人研究的進展，展示了BigDog、AlphaDog、Spot、Atlas和Handle5個機器人的視頻。BigDog是一個如獵豹般敏捷的機器人；AlphaDog是一個可以通過10英寸積雪的大型機器人；Spot是大型版本的SpotMini，它可以打開各種複雜的門；Atlas是一個類人機器人，它用兩條腿行走，並用手來打開包裹；Handle用輪子來行走，可以提起100磅的包裹並輕鬆地跳到桌子上。
Noriko Arai很感興趣AI有沒有可能通過頂級大學的入學考試。她在TED2017上跟大家分享了她的預測。一個可以通過入學考試的機器人—這意味著什麼？
Noriko Arai問道：AI能通過東京大學的入學考試嗎？
東京大學被認為是日本的哈佛大學。日本國立情報研究所的Arai博士負責了這樣一個機器人研究項目，“東大機器人”，目標是在2020年讓AI考入東京大學。
Arai把她的注意力放在放在了機器人是如何做到的：機器人把數學題目分解為機器可閱讀的公式，把多選題轉換成可以穀歌的陳述語句，把短文撰寫變成一項拷貝和合併的任務。“今天的任何一個AI，包括Waston，Siri 和 東大機器人，都沒有能力去閱讀，但它們擅長的是尋找和優化”，她說。這些AI並不是真的理解了，它們只是顯得理解了一樣。即便這個AI去年沒考上東京大學，但是它仍然能夠排在全體學生的前20%，這已經足以進入全日本的60%的大學。“這個不智慧的機器怎麼能比學生們、比我們的孩子們表現的更好呢？”
在給數以千計的學生做了類似的考試以後，Arai找到了答案，原來學生也同樣不擅長閱讀。大約三分之一的人都弄錯了基本的問題。“我們相信每個人可以學習，並且可以學習得很好”，Arai說。但是最好的教育資源只能使那些閱讀能力好的人受益——但是我們中的很多人都不是這樣。
給機器人教會人類的價值觀
這是一個研究全知、全能的機器人的年代，而Stuart Russel卻在向著相反的方向去。他是加州大學伯克利分校人工智慧系統中心創始人，兼電腦科學專業教授，他在研究具有不確定性的機器人。他說這是能讓人工智慧的全部力量都派上用場，同時還能預防機器人統治世界、造就人類末日的方法。當我們擔心機器人變得太過聰明，或者偏離了他們的程式本來賦予功能的時候，我們實際上擔心的是一種“價值協調問題”，Russell解釋說。所以我們要如何給機器人程式設計，才能讓他們完全按人類預想地那樣運行，而不是執行目標的字面意思呢？Russell提醒我們注意，畢竟我們不想像碰到什麼都會變成金子的米達斯國王那樣，所有的朋友也都變成了金子。這其中的解決方法就需要用到人類相容的人工智慧，它的重點是給無私的機器人的目標增加不確定性，然後通過觀察人類習性，用人類的價值觀念補足機器人目標和人類目標之間的空檔。給電腦建立這種人類的常識，將會“改變人工智慧的定義，我們就會有只會對人類有益的機器……最好，我們還能在這個過程中學會做更好的人。”
YOLO（You only look once，只看一眼）
電腦是如何把貓和狗區分開的？2007年的時候，最好的演算法也只有60%的準確度能區分開一隻貓和一條狗。今天的電腦已經能達到99%的準確率了。YOLO演算法是華盛頓電腦科學家Joseph Redmon開發的，這種演算法除了使用你手機攝像頭做基本的面部識別之外，還會用到即時的雲計算AI。YOLO物體識別系統只用一個神經網路，就可以對所有的邊界框或者給定物體的實際外型進行預測，並且能同時進行分類。它的速度還非常的快。
在一個用到了TED觀眾的例子裡，我們看到，這種演算法可以完美地識別出一個人，一隻貓或者狗的布偶，一隻書包或者一條領帶。更重要的是，這個物體識別系統可以為任何圖像領域進行針對性的訓練：“它有高度的可訓練性，所以我們的方法既可以在自然照片中尋找動物，也可以在醫學活體組織檢查照片裡尋找癌細胞，任何你能想像到的東西都可以。”Redmon說。
Tom Gruber參與了Siri的研發，而且暢想了未來AI會從哪些方面取代人類。2017年4月25日，他在TED2017上進行了演講。我們的機器會讓我們變得更聰明嗎？
“人工智慧的目的是什麼？”Tom Gruber提出了這個問題，他是一名AI開發者，Siri的聯合創始人之一。機器要變得智慧，這樣機器才能自動完成我們人類不想做的任務，又或者在象棋圍棋這樣複雜的棋類裡打敗人類，甚至有可能，開發出超級人工智慧，統治人類？ Gruber認為並不是這樣，人工智慧並不會跟人類競爭，而是會幫助人類提高、與人類協作。“超級人工智慧應當帶給我們超人類的能力”，他說。
回望過去的30年，從他研發第一個幫助腦麻痹病人進行溝通的人工智慧助理，到如今能夠幫助我們做導航、回答各種複雜問題、幫助我們做各種事情的Siri，Gruber講解了他對“人性化AI”的預見：為了達到人類的需求，能與人類合作、幫助人類提高的機器。Gruber帶著大家暢想了這樣一個未來，在那裡超級人工智慧可以幫助我們增進記憶，幫我們記住遇到的每一個人的名字、記住聽過的每一首歌、記住讀過的所有文字。“如何運用這種強大的科技，我們有很多的選擇。我們可以選擇讓它和人類競爭，也可以選擇讓它和人類協作，協作來打破人類能力的限制，幫我們做我們想要做的事情，而且做得更好”，Gruber說。“每當有機器變得更聰明的時候，我們也變得更聰明了。”
今年年底，讓你飛起來，可能嗎？
2015年的時候，工程師Todd Reichert以89.6英里/小時（144.2公里/小時）的速度打破了人力驅動車速的記錄，他騎的是一輛超級輕的自行車，沒有使用引擎。不過他這次來到TED不是為了講這個的。他介紹了Kitty Hawk Flyer，一架全電動的超輕飛行器，計畫在2017年底開售。飛行員像騎摩托車一樣騎在上面，只不過飛行器的下方不是輪子了，而是一個網格狀的平臺，網格下面一周有8個螺旋槳。他帶著大家一起看了一個視頻，這個飛行器在水面上方15英尺飛行著，沒有機艙，飛行員整個露在外面。
為了讓這種遐想成為現實，Reichert介紹了飛行器用到的兩項科技：一項是簡單的電子系統，讓飛行員可以像玩電腦遊戲一樣輕鬆地控制螺旋槳，另一項就是發展迅速的電池技術。有很多人都在等在飛行背包和會飛的汽車到來的那一天， Reichert告訴他們：“人類的飛行夢想其實沒那麼遙遠”。他的團隊正在與監管部門合作，給飛行器升空掃清障礙（第一步已經達成，因為它的重量低於254磅，就不需要飛行員執照也可以飛）。Reichert說，“我知道這離噴氣式還很遠，但這是另一種全新的自由的開始。”
集體的力量
在科幻小說中，人工智慧似乎總是跟人類的智力有一樣的模式，只不過更強大一些。但是其實在自然界中還有很多與人類不同的智力模式，比如昆蟲群和魚群展示的集體智力。電腦科學家Radhika Nagpal的科研生涯都投入在研究集體智力系統中，研究和理解其中的管理規律，這樣就可以為我們所用，比如用在機器人中。“一旦你理解了規則，許多種機器人視覺就都變得可能”，她說。
圖片via TED2017，4月25日，加拿大溫哥華。
via TED Blog
“今天的任何一個AI，包括Waston，Siri 和 東大機器人，都沒有能力去閱讀，但它們擅長的是尋找和優化”，她說。這些AI並不是真的理解了，它們只是顯得理解了一樣。即便這個AI去年沒考上東京大學，但是它仍然能夠排在全體學生的前20%，這已經足以進入全日本的60%的大學。“這個不智慧的機器怎麼能比學生們、比我們的孩子們表現的更好呢？”在給數以千計的學生做了類似的考試以後，Arai找到了答案，原來學生也同樣不擅長閱讀。大約三分之一的人都弄錯了基本的問題。“我們相信每個人可以學習，並且可以學習得很好”，Arai說。但是最好的教育資源只能使那些閱讀能力好的人受益——但是我們中的很多人都不是這樣。
給機器人教會人類的價值觀
這是一個研究全知、全能的機器人的年代，而Stuart Russel卻在向著相反的方向去。他是加州大學伯克利分校人工智慧系統中心創始人，兼電腦科學專業教授，他在研究具有不確定性的機器人。他說這是能讓人工智慧的全部力量都派上用場，同時還能預防機器人統治世界、造就人類末日的方法。當我們擔心機器人變得太過聰明，或者偏離了他們的程式本來賦予功能的時候，我們實際上擔心的是一種“價值協調問題”，Russell解釋說。所以我們要如何給機器人程式設計，才能讓他們完全按人類預想地那樣運行，而不是執行目標的字面意思呢？Russell提醒我們注意，畢竟我們不想像碰到什麼都會變成金子的米達斯國王那樣，所有的朋友也都變成了金子。這其中的解決方法就需要用到人類相容的人工智慧，它的重點是給無私的機器人的目標增加不確定性，然後通過觀察人類習性，用人類的價值觀念補足機器人目標和人類目標之間的空檔。給電腦建立這種人類的常識，將會“改變人工智慧的定義，我們就會有只會對人類有益的機器……最好，我們還能在這個過程中學會做更好的人。”
YOLO（You only look once，只看一眼）
電腦是如何把貓和狗區分開的？2007年的時候，最好的演算法也只有60%的準確度能區分開一隻貓和一條狗。今天的電腦已經能達到99%的準確率了。YOLO演算法是華盛頓電腦科學家Joseph Redmon開發的，這種演算法除了使用你手機攝像頭做基本的面部識別之外，還會用到即時的雲計算AI。YOLO物體識別系統只用一個神經網路，就可以對所有的邊界框或者給定物體的實際外型進行預測，並且能同時進行分類。它的速度還非常的快。
在一個用到了TED觀眾的例子裡，我們看到，這種演算法可以完美地識別出一個人，一隻貓或者狗的布偶，一隻書包或者一條領帶。更重要的是，這個物體識別系統可以為任何圖像領域進行針對性的訓練：“它有高度的可訓練性，所以我們的方法既可以在自然照片中尋找動物，也可以在醫學活體組織檢查照片裡尋找癌細胞，任何你能想像到的東西都可以。”Redmon說。
Tom Gruber參與了Siri的研發，而且暢想了未來AI會從哪些方面取代人類。2017年4月25日，他在TED2017上進行了演講。我們的機器會讓我們變得更聰明嗎？
“人工智慧的目的是什麼？”Tom Gruber提出了這個問題，他是一名AI開發者，Siri的聯合創始人之一。機器要變得智慧，這樣機器才能自動完成我們人類不想做的任務，又或者在象棋圍棋這樣複雜的棋類裡打敗人類，甚至有可能，開發出超級人工智慧，統治人類？ Gruber認為並不是這樣，人工智慧並不會跟人類競爭，而是會幫助人類提高、與人類協作。“超級人工智慧應當帶給我們超人類的能力”，他說。
回望過去的30年，從他研發第一個幫助腦麻痹病人進行溝通的人工智慧助理，到如今能夠幫助我們做導航、回答各種複雜問題、幫助我們做各種事情的Siri，Gruber講解了他對“人性化AI”的預見：為了達到人類的需求，能與人類合作、幫助人類提高的機器。Gruber帶著大家暢想了這樣一個未來，在那裡超級人工智慧可以幫助我們增進記憶，幫我們記住遇到的每一個人的名字、記住聽過的每一首歌、記住讀過的所有文字。“如何運用這種強大的科技，我們有很多的選擇。我們可以選擇讓它和人類競爭，也可以選擇讓它和人類協作，協作來打破人類能力的限制，幫我們做我們想要做的事情，而且做得更好”，Gruber說。“每當有機器變得更聰明的時候，我們也變得更聰明了。”
今年年底，讓你飛起來，可能嗎？
2015年的時候，工程師Todd Reichert以89.6英里/小時（144.2公里/小時）的速度打破了人力驅動車速的記錄，他騎的是一輛超級輕的自行車，沒有使用引擎。不過他這次來到TED不是為了講這個的。他介紹了Kitty Hawk Flyer，一架全電動的超輕飛行器，計畫在2017年底開售。飛行員像騎摩托車一樣騎在上面，只不過飛行器的下方不是輪子了，而是一個網格狀的平臺，網格下面一周有8個螺旋槳。他帶著大家一起看了一個視頻，這個飛行器在水面上方15英尺飛行著，沒有機艙，飛行員整個露在外面。
為了讓這種遐想成為現實，Reichert介紹了飛行器用到的兩項科技：一項是簡單的電子系統，讓飛行員可以像玩電腦遊戲一樣輕鬆地控制螺旋槳，另一項就是發展迅速的電池技術。有很多人都在等在飛行背包和會飛的汽車到來的那一天， Reichert告訴他們：“人類的飛行夢想其實沒那麼遙遠”。他的團隊正在與監管部門合作，給飛行器升空掃清障礙（第一步已經達成，因為它的重量低於254磅，就不需要飛行員執照也可以飛）。Reichert說，“我知道這離噴氣式還很遠，但這是另一種全新的自由的開始。”
集體的力量
在科幻小說中，人工智慧似乎總是跟人類的智力有一樣的模式，只不過更強大一些。但是其實在自然界中還有很多與人類不同的智力模式，比如昆蟲群和魚群展示的集體智力。電腦科學家Radhika Nagpal的科研生涯都投入在研究集體智力系統中，研究和理解其中的管理規律，這樣就可以為我們所用，比如用在機器人中。“一旦你理解了規則，許多種機器人視覺就都變得可能”，她說。
圖片via TED2017，4月25日，加拿大溫哥華。
via TED Blog