Facebook 關閉「失控」的人工智慧系統,因其發展出人類無法理解的語言。」看到這句話嚇死了。

事情是這樣的:據「外媒報導」,Facebook 開發的聊天機器人創造了自己的語言。雖然語言還是英語,但人類無法理解。

關於「人工智慧是否邪惡」的話題,Facebook 創始人馬克‧祖克柏上週還在跟特斯拉 CEO 馬斯克爭吵。馬斯克站正方,認為人工智慧非常值得擔憂,祖克柏站反方,認為人工智慧很有益處,擔憂完全是過慮。

所以……祖克柏就這麼快就被打臉了?曾在著名科幻電影《魔鬼終結者》中出現過的「SkyNet」(天網),真的來臨了?

抱歉,這完全是在胡扯。我們來看看到底是怎麼一回事。

Facebook 的人工智慧研究院(FAIR)想要訓練一個聊天機器人,讓它學會談判,於是他們開發了一個人工智慧系統。為了幫助大家理解,我們一步一步解釋:

Facebook 用了一個神經網路結構來開發這個系統。這個結構叫做「生成式對抗網路」(Generative Adversarial Networks),以下簡稱 GAN

你可以把神經網路理解為一種多層次的、模仿人腦神經元之間相互連接的思考方式的「電腦程式」。

GAN 是一種在目前非常先進的神經網路結構,可以理解為兩個神經網路玩《快打旋風》。玩的越多、時間越長,大家的水準都會越來越高。當然,GAN 也有 3 個甚至更多個神經網路的結構。

聊天機器人你肯定見過:蘋果Siri是一個亞馬遜Alexa Google Assitant 也是。

Facebook 的這項研究也是如此。研究人員訓練了這樣一個聊天機器人,讓它帶著「目的」和人類對話。而這個目的也很簡單:一共有兩本書、一頂帽子和 3 個籃球,3 樣東西分別設定了不同的權重,為的是讓機器人明白它到底有多想要這些東西,然後去和其他人談判。

Facebook 觀察到的結果是比較正常的,呈現在下圖中:SourceFacebook

但是人跟機器人聊天已經不稀奇了……兩個機器人能聊成什麼樣?研究人員都很感興趣。

今天的對話就發生在聊天機器人 Alice 和聊天機器人 Bob 之間:

上圖是什麼鬼?

原來,研究人員把這兩個聊天機器人湊到一起,但忘了給神經網路設定「用英語溝通」的指令。

剛才說了,神經網路是個程式,裡面有一大堆各種線性的數學公式,有時候線性的公式無法取得想要的結果,有些非線性的需求沒法用線性公式表達出來,這時候就要設定一個激勵函數。激勵函數對於神經網路,簡單來說就是告訴神經網路「這樣做得分更高」。

「堅持用英語說話沒有激勵函數,」這個研究小組的成員之一、喬治亞理工學院的訪問學者 Dhruv Batra 這樣解釋 Alice Bob 奇怪的對話。「機器人會脫線發明一些它們之間才能理解的句法」。

結果,Alice Bob 就聊成了這樣。等於是研究人員告訴了它們:「請用英文」,但忘了告訴它們:「請用英文語法」。研究人員真的是因為「事情失控了」,才「不得不拔掉系統的插頭」嗎?事情真的像聽上去那樣讓人膽顫心驚嗎?

並非如此。

「我們的目標是讓機器人和人聊天(提高和人聊天的技巧)。」小組的另一名研究員 Mike Lewis 指出,Alice Bob 的對話根本就是個試驗而已,讓兩個聊天機器人聊天根本沒有意義。SourceFacebook

而且,Alice Bob 根本就沒有發明新的語言,因為他們還是在用「i」、「balls」、「the」等英文單字溝通,只是創造了一種新的表達方式而已。

而且他們「發明」的新語言,人類真的聽不懂嗎?再看一遍它們的對話:

Bob: I can ii everything else

Alice: balls have zero to me to me to me to me to me to me to me to me to

Bob: you i everything else

Alice: balls have a ball to me to me to me to me to me to me to me to me

如果你明白了前面描述的試驗目的,很容易就能明白它們的套路。句法的確是亂的,但一句話裡 to me 重複的越多,這個東西對它的意義越大(權重越高)

翻譯過來就是:

Bob:我可以我任何其他(其他任何東西都可以給你)

Alice:球有 0 對我對我對我對我對我對我對我對我(我沒有球,球對我特別特別特別特別特別特別特別特別重要)

Bob:你我任何其他(你可以拿走其他任何東西)

Alice:球有球對我對我對我對我對我對我對我對我(我要球,球對我特別特別特別特別特別特別特別特別重要)

而且根本不是在談判,就是很普通的表達而已。不給就吵嘛……

Facebook 並沒有「關掉」這個系統,而是重新設定了正確的激勵,修正了機器人的行為,讓機器人用標準的英文語法來進行交流。修正的原因也不是因為害怕 AI 失控──他們的目標是讓機器人和人聊天(提高和人聊天的技巧)。兩個聊天機器人聊天根本沒有意義。

GAN 這個東西,蘋果曾經用它搭建了一個系統,讓它自動合成能以假亂真的圖片,但設計的目的並非欺騙人,而是為學界和業界的其他研究者帶來幫助。因為訓練神經網路需要大量的圖片,但世界上已有的、已標記的圖片資料庫也就那麼多,蘋果的這項研究,能自動創建帶標記的、能被用來訓練的圖片,解決了大家燃眉之急。

今年 2 月,曾介紹過 Google 本部的人工智慧團隊 Google Brain 做的另外一個實驗:同樣用GAN,他們訓練了 3 個機器人 AliceBob Eve,讓 Alice Bob 兩人從零開始琢磨出一個加密方法,讓 Eve 來猜。這 3 個網路的加密學知識都是 0,但隨著訓練次數越來越多,Alice Bob 默契越來越好,Eve 也破解不了。

──這才是發明了人類都不懂的語言,可是也沒看見 Google 著急啊。

人工智慧能夠幫助人類做很多事情,比如圖像辨識技術就被投入到圖片搜尋引擎中,當你在搜尋引擎裡搜尋關鍵詞,選擇圖片,才能找到符合描述的照片。

再比如語音辨識和自然語言理解技術,當你和 SiriAlexa 說話的時候,它們才能比較準確地理解你的意圖。

從神經網路技術的發展程度來看,人工智慧的確很厲害了,但我可以告訴你的是:圖像辨識、語言理解準確度上能做到現在這麼高,完全是因為人類程式設計調優的結果。

它既不知道自己是誰,也不知道自己在哪兒,更不知道自己在幹什麼。

所以和人工智慧相比,那些成天瞎說人工智慧威脅論的人才更可怕吧……

文 PingWest 

arrow
arrow
    全站熱搜
    創作者介紹
    創作者 Win Driver Blog 的頭像
    Win Driver Blog

    Win Driver Blog

    Win Driver Blog 發表在 痞客邦 留言(0) 人氣()