最近中文字幕2018免费版2019,久久国产劲暴∨内射新川,久久久午夜精品福利内容,日韩视频 中文字幕 视频一区

首頁 > 文章中心 > 人工智能時代的看法

人工智能時代的看法

前言:想要寫出一篇令人眼前一亮的文章嗎?我們特意為您整理了5篇人工智能時代的看法范文,相信會為您的寫作帶來幫助,發現更多的寫作思路和靈感。

人工智能時代的看法

人工智能時代的看法范文第1篇

看上去,人工智能(AI)在與人類的進化較量中占了上風。

4月下旬,著名物理學家史蒂芬?霍金在北京舉辦的全球移動互聯網大會上做了視頻演講,“生物大腦可以達到的和計算機可以達到的,沒有本質區別。計算機在理論上可以模仿人類智能,然后超越”,“人工智能可能是人類文明的終結者”。

5月下旬,目前圍棋世界排名第一的中國職業九段柯潔將與人工智能程序AlphaGo(阿爾法狗)進行終極對弈,盡管柯潔早已放出豪言,“我會抱必勝心態、必死信念。我一定要擊敗阿爾法狗”,但是此前德州撲克人機大賽中,人工智能完勝已經讓部分看客有些心灰意冷,一旦柯潔失敗,或許會再次加深這一悲觀情緒。

當然,“文明終結”的憂慮還為時尚早,無論是世界上最強的象棋、圍棋還是黑白棋程序,尚屬“弱人工智能”。

在人工智能擁有自主意識的“強人工智能”時代到來之前,企業家、投資者以及創業者們可能更擔心另一些現實的問題,比如,怎么把人工智能商業化。這是過去數十年人工智能一直溫而不火的重要原因。

真正的爆發

無論是科學家的危言聳聽式擔憂,還是商業巨頭們瘋狂的攻城略地,總之,“人工智能”已然成了這兩年最火的科技熱詞。

創新工場創始人李開復對《財經國家周刊》記者說,“我們每個禮拜都會收到5家巨大的企業的請求,基金公司、汽車公司、管理公司、國企、甚至政府,都希望能夠利用人工智能幫他們解決問題。”

人工智能的概念第一次被提出硎竊61年前,盡管之后持續有些熱度,但它在最初50多年里幾乎沒有得到爆發性的關注。

“人工智能”關注度爆發的導火索,或許是去年3月韓國著名圍棋棋手李世石以1:4輸給AlphaGo。

它讓不少人錯誤估計了人工智能的爆發節點。就好比在1997年,名為深藍的IBM計算機也曾經擊敗世界象棋冠軍,但人工智能并沒有從此進入人類日常生活。

李開復也曾錯誤地預判人工智能的技術趨勢,從而導致創業失敗――2000萬美元的投入、100個員工,幾乎全軍覆沒。

李開復反思道,“創新固然重要,但不是最重要的,最重要的是做有用的創新”,而判斷它能否成為科技主流的重要標志,就是能否商業化。

Deep Mind創始人、AlphaGo之父杰米斯?哈薩比斯也表示,“我們發明AlphaGo,并不是為了贏得圍棋比賽,我們是想為測試我們自己的人工智能算法搭建一個有效的平臺,我們的最終目的是把這些算法應用到真實的世界中,為社會所服務。”

那么,人工智能商業化的時候真的到了嗎,會不會又是一陣虛火?

4月25日,在JIC投資沙龍上,阿里云戰略資深總監李樹解釋,“AI的基礎是三個理論,第一是算法,第二是必須得有計算的支撐,第三是必須有數據作為序列或者教化算法的基礎”,這三方面都在走向成熟。

2016年,百度董事長兼CEO李彥宏曾在2016貴陽大數據博覽會上表達過類似觀點,“越來越多的數據每天產生,我們可以利用這些數據做一些過去只有人能夠做的事情,同時,計算能力越來越強大,計算的成本越來越低廉”。

出門問問創始人兼CEO李志飛則以“虛擬個人助理”為例,稱“四年前跟現在相比,我們都不知道能用在哪里,手機也沒有習慣”,而今天,“家庭、車等場景我們都能看得清楚,產業、用戶的需求變得比以前更加成熟了。”

在這種情況下,毫無疑問,4月10日德撲人機大戰最終以人工智能“冷撲大師”完勝,成了真正引爆AI商業化的導火索。

這是因為,圍棋是一種“完全信息博弈”,比賽雙方所有信息都呈現在棋盤上;而撲克和電腦游戲這些由多人對戰的游戲是“不完全信息博弈”,計算機無法獲知所有信息。

人工智能冷撲大師的勝利,意味著在爾虞我詐、概率不確定、非完美信息需要推理和情商的游戲里,機器一樣可以獲勝,它最大的價值就在于賦予了人工智能商業化的可能性。

德州撲克冷撲大師和中國龍之隊對決結束的時候,李開復發了一條朋友圈,“據聞AlphaGo近期即將來華和柯潔對戰,其實已經不再具有科學意義了。以后我們應該更關注商業領域的人工智能,在金融、醫療、教育等領域產生商業價值。”

生活在“弱人工智能”時代的我們,還遠沒到擔心人類會“永生”還是“滅絕”這樣龐大而沉重的課題,但毫無疑問的是,人工智能的商業化時代,真的來了。

開始總是美好的

“中國任何浪潮來了都會來得太猛,大家都跳進去瞬間就有可能藍海變成紅海”,李開復如是說。

不出所料,浪潮之下,巨頭們聞風而來。

4月28日,百度公布了2017年第一季度未經審計的財務報告,李彥宏在財報中明確提到,百度的戰略已經從“移動先行”變成“AI先行”。

同一天,剛剛上任100天的百度集團總裁兼COO陸奇,在百度與小魚在家聯合的搭載了百度DuerOS操作系統的視頻通話機器人“分身魚”會上重申,“對百度公司來講,不光是一個搜索引擎的公司,基于AI,從現在到將來會逐漸成為一個平臺,這是一個戰略上和文化上的改變。”

這讓人聯想到早先陸奇的到來和百度前首席科學家吳恩達的離開。在曾與吳恩達有過接觸的首席科學家林暉看來,這某種程度上反映了百度對于人工智能需求的變化,從“學術派”走到了“實干派”。

隨后,5月3日,據美國科技網站報道,騰訊宣布任命語音識別技術頂級專家俞棟博士為AI Lab副主任。這個2016年4月成立的人工智能實驗室,現有50多位世界知名院校的AI科學家(90%為博士)與200多位應用工程師,此舉或意味著騰訊在AI領域的正面回擊。

相對低調的阿里巴巴事實上也在伺機而動,去年以來,阿里逐漸拋棄了AI產品頭上的“云”背書,直接用“人工智能”給產品定位。

今年3月9日的阿里巴巴技術峰會上,馬云推出了“NASA”計劃,稱面向未來20年組建強大的獨立研發部門,同時點名了五大技術,機器學習、芯片、IoT、操作系統和生物識別都與人工智能相關。

隨著互聯網三巨頭BAT的布局加速,一場真正的商業化戰爭,已經蓄勢待發了。

根據獵云網研究院4月13日的《2017人工智能投融資白皮書》顯示,2016年1月~2017年2月,共發生365起人工智能領域融資事件。

其中,來自投資界的數據顯示,僅2017年第一季度,就有超60家人工智能公司獲得了融資,金額超億元的融資事件至少有5起。

這幅“人工智能”的“烽火狼煙圖”,不禁讓人聯想起一年以前VR概念風頭正盛的時候。

去年一季度,共有29家VR/AR公司總共獲得融資超過10億美元。

然而,僅僅一年后,市場研究公司Crunchbase的報告顯示,今年一季度全球VR/AR的風險投資額只有2億美元,不僅暴跌八成,而且被26家公司分食,創出了過去一年中投資的最低紀錄。

AI會不會重蹈VR覆轍,還不好說,但資本一定有也有低谷。更何況,即便是在當下,也并不是所有投資者都對人工智能持樂觀態度。

建投華科投資股份有限公司董事總經理戴D認為,“比爾?蓋茨說有關人工智能領域的重大進步的所有預言,都已經被證明過于樂觀。這一點對于22年后的今天這些投資人來說,仍然有一定的警示意義。”

在他看來,“人工智能處于初期發展階段,對于投資、尤其是對于我們產業并購的整合者來說,可能為時尚早。”

小心陷阱

τ諶斯ぶ悄埽科學家在渲染危機感,投資者在夸大它的神奇,然而創業者需要警惕:人工智能的創業路徑跟過往的經驗完全不同。

其中,最大的不同就是創業門檻的高低,起步資金就是最重要的一項。

“移動互聯網時代讓創業成本達到歷史新低,一個產品經理帶著一個工程師就可以零元創業”,李開復調侃到,“但AI的創業成本卻達到歷史新高,挖人、買數據、買機器,每一項都要投重資”,以創新工場投資的一家創業公司為例,“第一個月就花了500萬買機器”。

并且,人工智能創業大部分是“B端”的,然而大多數投資公司已經習慣了投資“C端”創業者,這就決定了融資的難度。

李開復這樣對《財經國家周刊》記者描述過去很長一段時間“C端”創業公司的投資模式,“給你一筆錢搞100萬個用戶,再給你一筆錢搞1000萬個用戶,再給你一筆錢開始變現,再給你一筆錢你就盈利了,再給你一筆錢你就上市了,這一定程度上成為了投資的四步曲或五步曲”,這與大多數“B端”創業者要去苦苦哀求企業級用戶的門是完全不同的。

然而,矛盾之處在于,創業者要想避免被BAT碾壓,最好的方式就是去尋找一個巨頭不能碾壓的領域,避開社交、游戲、電子支付,而“賣企業級軟件給銀行”、“賣解決方案給醫院”等等“B端”領域,雖然BAT可能不會去做,但創業公司也很難成功。

并且,在人工智能領域創業,一個很大的問題就是“想象力不夠”,導致從一開始同質化競爭就很嚴重。

“大家都做一樣的應用,人臉識別現在大概有15個公司”,李開復反問道,“人臉識別當然有商業價值,但是需要15家公司來做嗎?”

當然,作為最早一批回國創業的科學家,曾在谷歌擔任高級工程師的李志飛對《財經國家周刊》記者闡述了不同的看法

“早期有一些趨同,這個不值得奇怪”,因為,“這就跟摘果子一樣,最大的摘完了之后大家才會動腦筋去想,是不是可以再自己培養果子或者到另一個地方去摘,關鍵是后面這個產業是不是真能夠進一步地升華。”

那么,創業過程中最需要注意的問題是什么?

最顯而易見的一點,是要找到強需求而不是偽需求,然后判斷這個強需求能不能被技術解決,同時,讓場景和產業深度結合起來。

其次,脫離工程師的思維,把焦點放在用戶身上。

李志飛說,“工程師的思維就是特別喜歡做一個自己覺得很牛的、技術很復雜的東西,但這個可能跟用戶的需求完全不一樣。”

以語音識別軟件出門問問為例,李志飛說,“過去我們喜歡演示特別復雜的句子,比如一句話把‘幫我查一下附近的餐廳、人均50塊錢、帶wifi、帶停車場的’講完,但用戶真實的習慣可能是把它分成幾個短句,通過漸進式的交互去完成查詢。”

此外,不要急于打造平臺級技術和場景,什么都想做。

過去的創業經驗告訴創業者,通過一味的“鋪場景”也可以拉高估值,但是危險在于,一旦業務方向不像設想的那么順利,就會無形中拉高B輪融資的難度,造成現金流枯竭,這對于現金需求量極大的人工智能創業尤為危險。

在這一點上,李志飛很坦誠,“我們也跟熱點,這是肯定的,因為你不跟熱點的話,拿不到錢”,“但是熱點一定是輔助的,公司業務的核心一定要以AI技術推動,然后才會有各種各樣的使用場景,如果你隨著資本波動而波動的話,一定會死得很慘。”

李志飛稱,“對于技術型公司,你的擴張速度要永遠保證你的賬上還有18個月的經費”,因為“錢是很貴的”。

除此之外,團隊的協調、合伙人之間的契合度也在技術導向型公司被無限放大。這是因為,跟過去移動互聯網時代的產品經理和工程師不一樣,AI的工程師和產品經理的價值觀和思維方式并不相同。

人工智能時代的看法范文第2篇

在開始談論人工智能管理之前,先做一道選擇題。

一輛載人的自動駕駛汽車高速接近一個路口,此時路口有十個行人正在過馬路。在剎車突然失靈的情況下,汽車的自動駕駛系統應該如何選擇:

1、拐向路邊的固定障礙,躲避十個行人但犧牲車內一位乘客;

2、保持直行,確保車內一位乘客的安全但犧牲十個行人。

您會如何選擇?我們看看公眾的觀點。

當美國學術期刊《科學》就這個問題進行公眾調查時,76%的被調查者表示,應該選擇犧牲一位乘客以保全十位行人。而且這些選擇“犧牲一位乘客”的被調查者都同意以下觀點:自動駕駛汽車的制造商應該把“汽車事故死亡數最小化”作為一個指導原則設計自動駕駛系統――我們且稱之為“公平對待系統”。

有意思的是,當詢問被調查者是否愿意購買安裝“公平對待系統”的自動駕駛汽車時,大部分人表示,他們還是會選擇安裝“車內乘客優先系統”的汽車。

作為人工智能技術發展目前最成熟的領域之一,自動駕駛汽車遇到的選擇悖論并不是特例。事實上,人工智能技術作為數字經濟時代最重要的科技創新,在逐漸深入發展并成為現代社會一部分的時候,從道德與法律到監管與責任劃分,無不面臨著前所未有的兩難選擇。

歐美研究監管原則

針對這樣的挑戰,目前從美國、歐盟到中國,各國都在從技術、法律、行政和道德倫理等多個方面進行研究探討,以期在不遠的將來制定滿足人工智能應用的監管原則。 76%的被調查者表示,自動駕駛汽車的制造商英國把“汽車事故死亡數量小化”作為一個指導原則設置自動駕駛系統。

在人工智能技術發展最為領先的美國,有關人工智能監管的研究是由最高行政機構――總統行政辦公室直接領導參與的。2016年,在組織了有關人工智能的多場研討會之后,總統行政辦公室和國家科技委員會(NSTC)于10月份了兩份重量級報告:《國家人工智能研究發展戰略規劃》和《為未來的人工智能做好準備》。

在《國家人工智能研究發展戰略規劃》中,包含了7個關鍵性戰略,其中的第三戰略:理解和確定人工智能在倫理、法律和社會領域的影響;第四戰略:_保人工智能系統的安全和隱私保護,前瞻性地包含了有關人工智能在倫理、法律、社會影響、安全和隱私保護等領域的相關內容,包含了和人工智能監管相關的目標與原則。

歐盟由歐洲議會牽頭以立法研究的方式探討人工智能和機器人監管的相關原則。在美國總統行政辦公室人工智能規劃和報告的同月,歐盟法律事務委員會向歐盟提交了《歐盟機器人民事法律規則》。該法律規則從機器人使用的責任規則、倫理原則、對人類自身和財產的傷害賠償等多方面提出了對基于人工智能技術控制機器人的監管原則。

作為即將脫離歐盟的英國,也在人工智能監管領域開始獨立的研究。2017年2月,英國下議院科學技術委員會向多位英國頂尖的互聯網與人工智能領域的專家發出邀請,希望其對于“決策中的算法”給出自己的專家意見。4月26日,科學技術委員公布了收到的正式回復,并將以此作為基礎開展人工智能監管的研究。

公平和準確難平衡

從美國、歐盟和英國的研究結果和形成的文件、決議與規則來看,目前在人工智能監管方面形成公式的挑戰主要來自公平性、透明性和責任認定等三方面。

首先是公平性。對于人工智能算法來說,任何對于輸出,也就是預測值有貢獻的信息都應該作為輸入變量參與到人工智能算法的計算中。但在現實社會中,并不是所有與結果相關的信息都可以被接受。

2014年以來,美國多個州的犯罪執法機構都依靠一個名為COMPAS的人工智能系統預測過往有犯罪記錄的人員再次犯罪的可能性,并以此數據作為是否允許罪犯減刑提前回歸社會的決策依據之一。2016年6月,COMPAS系統被第三方調查機構ProPublica質疑其預測結果對黑人罪犯有明顯的歧視。

按照ProPublica提供的數據,在各個預測再次犯罪的評分水平上,白人與黑人均保持相似的再次犯罪概率。

但從整體結果看,在其他輸入條件與白人罪犯基本類似的情況下,COMPAS人工智能預測模型仍然會傾向于把黑人罪犯判別為會再次犯罪。其中的一個重要原因是有關黑人的記錄遠多于白人的記錄。這一點是COMPAS人工智能預測模型無法改變的。

這個結果引起了媒體和社會的爭議。單純基于人種、膚色、文化、信仰乃至生活習性的差異,人工智能系統基于算法就給予不同的評判和對待,這對于公平是一種事實上的漠視。那么未來在人工智能技術廣泛進入人類社會的時候,各種小眾人群都有可能由于個體差異遭受來自“模型的歧視”。

這顯然是現代社會的文明準則所不能接受的。這也是監管部門首先要解決的問題――模型的公平性。

目前可行的折中方法是,限制種族、膚色、年齡、性取向和其他生物與生活習慣等特征被作為輸入變量參與到人工智能算法的構建,以避免這些有可能造成“模型的歧視”的變量最終影響模型的預測結果。

應該認識到,人工智能模型的公平性和準確性是一個蹺蹺板,如何讓這個蹺蹺板取得平衡并與現代社會的公平價值觀取得一致,目前還沒有一個最佳答案。

找不到問題所在

其次是透明性,也被稱為可解釋性。在現有的人工智能技術發展路徑下,成熟的人工智能算法或許永遠都是一個“黑盒子”――外界無法得知內部的運行機制,只能夠通過對輸入和輸出數據的解讀來了解其能夠達到的效果,并推測其內部計算機制的構成。

目前科技界主流的看法都認為人工智能模型缺乏透明性,而且這一點不會隨著技術發展而徹底改變。那么以往通過企業透明披露產品和系統信息以便政府監管的做法在人工智能領域是行不通的。

舉個例子,傳統汽車是由車身、發動機、變速箱、剎車系統、電子控制系統等多個部件組成。每個部件也都可以拆解成為具體的零件。任何一個產品問題都可以歸結到具體零件上,并針對其提出改進意見。

但對于自動駕駛汽車,人工智能系統作為一個整體完成最終的控制動作,一旦發生人工智能系統的錯誤操作,除了明顯的傳感器故障,我們無法清晰定位問題原因,也不會立即明確該如何調整系統。

目前通用的做法是猜想故障原因,并用場景還原的方式提供與錯誤操作時類似的數據輸入,并觀察輸出結果。在捕捉到錯誤輸出后,通過提供修正錯誤的訓練數據集,逐步完成對人工智能系統的調整。最終還是要在反復測試的情況下確認人工智能系統已經完成了針對此錯誤的修正。

由于人工智能算法的非透明性,監管部門就無法從人工智能算法本身入手提出管理要求,因為人工智能系統的提供商自己都無法清晰解釋算法的核心工作機理。所以,最終的監管要求就會從基于原理和結構管理轉而基于最終結果管理。也就是說,不管白貓黑貓,抓到老鼠就是好貓。

非透明性決定了未來人類在監管人工智能系統時永遠要面臨著“黑盒子”帶來的不確定性。而這一點,也給責任認定帶來天然的障礙。

誰來承擔責任

對于責任認定的探討研究,目前是最少也是最困難的。對于一般的C械電氣設備,由于設計缺陷、材料質量或其他產品質量所導致的人身財產損害,設備制造商將承擔主要甚至全部責任。

而對于人工智能系統控制的設備,由于其在算法透明性和可解釋性方面的困難,監管部門幾乎無法從算法本身去認定是否包含設計缺陷,也就無法就算法本身的設計去進行責任認定,這為監管帶來了非常大的困難。

有意思的是,歐盟在其2017年2月投票通過的《歐盟機器人民事法律規則》中,提出了考慮給予機器人以特殊的法律地位,即電子人的概念。也就是說,未來法律體系中將會存在一個不同于自然人、法人、動物等的另一法律實體,其能夠獨立存在,享有自己的權利并承擔相應的義務。對于由自身引起的第三方人身財產傷害,電子人將會被認定承擔一定的責任,并作出賠償。

如果電子人的概念未來被現有的人類社會廣泛接受,那么其造成的影響就不局限于人工智能監管本身,而將深深影響到未來社會的各個方面。

除了公平性、透明性和責任認定之外,人工智能系統還會大量替代現有的人工崗位,從而對未來的勞動力市場產生巨大的影響。由此而衍生的社會就業沖擊和對人類技能要求的改變還會影響更多的方面。

2017年2月,微軟公司創始人比爾?蓋茨在接受媒體采訪時表示,應該通過對機器人征稅,來籌集資金,以幫助被自動化所取代的工人進行再培訓。

人工智能時代的看法范文第3篇

個人簡歷:

1981年,畢業于浙江美術學院工藝系(現中國美術學院),學士;

1982年-1983年,任教于中國美術學院,教師;

1984年-1986年,德國慕尼黑造型藝術學院與柏林藝術大學訪問學者;

1986年-1988年,獲美國耶魯大學藝術學院碩士學位,被授以作為表彰最優秀畢業生的諾爾曼?艾弗斯紀念獎;

1988年,成立個人設計工作室,為Adobe公司提供設計;

1989年-1997年,美國耶魯大學藝術學院,講師;

1991年-1998年,就職于全球最大的出版O計軟件公司Adobe,先后擔任設計師,高級藝術指導,設計總管,負責全公司設計工作;

1998年,加入兩方設計公司,任設計總監;

1999年,任上海大學美術學院,客座教授;

2001年,參加北京申奧工作,藝術指導;

2006年-2008年,任北京奧組委形象與景觀藝術總監;

2003年-至今,任中央美術學院設計學院院長、長江學者特聘教授、博士生導師

主要設計、研究項目:2001 年參與北京市申奧工作,設計北京申奧多媒體陳述報告;2004建立中央美院奧運藝術研究中心并任主任,中心設計了奧運獎牌、奧運體育標識、奧運色彩系統、奧運景觀系統指南、奧運門票等奧運設計項目;2006年10月至2008年10月任北京奧組委形象與景觀藝術總監,負責北京奧運形象與景觀設計工作;2009年作為學術總監與主要發起人負責申請、籌備、舉辦了ICOGRADA 北京世界設計大會。大會有40多個國家2000人參會,超過100場演講,24個專業展覽,成為推動中國設計發展的一項重要活動。曾任教于美國耶魯大學藝術學院并擔任世界最大出版設計軟件公司Adobe 高級藝術指導與設計總管,負責全公司設計工作。作品多次參加國際重大展覽并獲獎,作品被多家博物館收藏;多次被邀請作為設計比賽評委;在世界多地舉辦過學術講座,主持過很多與設計相關的學術活動。

技術的進步、互聯網的發展和數字化時代的到來使得設計行業面臨著巨大的機遇和挑戰。在2016年11月召開的國際藝術設計教育年會上,中央美術學院設計學院院長王敏教授就現階段技術和數字化發展所引發的設計領域的一系列變革問題進行了名為“Envision, Empower, En-hance―Design in the Era of 4th Industry Revolution”的主題演講,在設計領域引起了巨大的反響,更是吸引學者們廣泛的關注。發言中,其不僅對目前數字和人工智能背景下的設計問題進行了廣泛的論述,更對未來設計行業和設計教育的發展指引了方向。本期,我刊特別邀請到了王敏教授做客權威人物欄目,就第四次工業革命所引發的設計價值與設計蛻變相關問題接受我刊專訪,深入探討設計未來的研究方向和設計師的培養問題。

本刊主編:王院長您好!感謝您接受我刊的專訪!我們知道,在去年年底結束的國際藝術設計教育年會上,您的發言引起了巨大的反響,特別是其中有關人工智能所引發的設計變革方面的問題,更是得到了很多學者和教育工作者們的關注。您能進一步深入解讀一下您是如何看待設計師與人工智能的關系的呢?

王院長:好的。首先,我想說的是目前人工智能的發展已經對設計師帶來了巨大的沖擊,而且在未來,設計師的很多工作還將會被人工智能系統所取代。但其次,我想進一步說明的是某些工作的消失并不意味著設計行業的消失,因為設計師的很多工作是不能被人工智能所取代的。因此我想,設計師和人工智能的關系應該是相互促進、相互激勵發展的關系。歷次的工業革命,都帶來了設計理念、設計價值的轉變,也為設計領域的發展帶來了巨大的機會。第四次工業革命也以一樣。在人工智能、物聯網Internet of Things ,工業4.0、新能源、新思維興起的時候,也為設計領域和設計師帶來了前所未有的機遇與挑戰。

本刊主編:王院長,剛剛您談到了歷次工業革命和第四次工業革命的問題,您能介紹一下四次工業革命都對設計帶來了怎樣的影響嗎?中國在這四次革命過程中又處于一種什么樣的狀態呢?

王院長:當然可以,而且我個人認為將四次工業革命的影響梳理清楚對于我們現階段把握好設計發展的脈絡是非常有幫助的,因為伴隨工業革命、技術革命發生時,設計師設計理念的轉變、設計所帶來的價值的轉變、設計行業發生的變化,這都會給我們一些對未來的啟示和思考。首次,第一次工業革命由蒸汽機引發,人類進入機械生產時代,機器產生的能量大于人與動物的力量,機器取代了人工,帶來了生產的進步,但也帶來了各種毫無美感的粗劣的機器,在人們為工業進步歡呼之時,莫里斯倡導的藝術與手工藝運動也開始掀起,隨后新藝術運動,新裝飾,青年風格等在歐洲形成,很多藝術家設計師投入其中,創造了大量的精美設計作品,今天仍為很多人喜愛,這讓人們看到了藝術與工業結合去創造美的可能性;其次,電與工業流水線帶來了第二次工業革命,電報電話的能力遠優于人的傳播能力,人類通訊方式從此發生了革命性的變革。福特的T型車流水生產線大大提高了工業生產效率,將汽車帶進普通人的生活,也預示著工業產品對人類生活所將帶來的巨大影響。此時出現的包豪斯帶來了現代設計教育的理念,包豪斯倡導藝術與技術統一,功能性與極簡的現代審美觀,其后形成的現代主義設計潮流極大推動了工業化對人類生活形態與審美的滲透與改變,在這個現代主義設計發展的進程中吸引了眾多人才,也產生了很多設計大師,設計的價值為社會所關注;其三,第三次工業革命始于60年代,從計算機再到互聯網,第三次工業革命又一次引起了生產方式和生活方式的巨大變革,比如計算機的應用顛覆性改變了設計、印刷、傳播的過程,改變了設計師的工作與設計的價值,3D打印勢必引發產業組織形態和供應鏈模式包括設計價值的顛覆性變化;最后,第四次工業革命來到,隨著互聯網的發展和計算機技術的更新,人工智能和機器學習開始成為新的熱點,也是必為設計行業帶來巨大挑戰與機會。

再來看看我國,由于歷史原因我們錯過了第一次與第二次工業革命,僅僅搭上了第三次工業革命的末班車,面對第四次工業革命,我們從來沒有像今天這樣與世界領先的技術浪潮如此接近過。尤其是在人工智能領域,中國最大的優勢在于7億多互聯網用戶,而大量的用戶就意味著更多的數據。2016年白宮前沿峰會報告指出,在人工智能的新領域深度學習領域中,中國無論是數量或是被引用論文數量都趕超美國位居全球第一。深度學習的應用也體現在我們的日常生活之中,購物平臺利用大量的數據分析用戶需求,匹配并推薦其需要的商品,或是資訊類APP為用戶匹配并推送相關的新聞訊息。除此以外,深度學習最終價值的體現其實還有更多,比如AlphaGO大戰李世石,深度學習在背后也起著非常重要的作用,再比如自動駕駛、語音識別、圖像識別等都是深度學習的研究范疇,也將是人工智能未來在我們生活中的應用場景。

本刊主編:王院長您的思路太清晰了!正如您所說,歷次的工業革命都對設計和人類產生了幾乎是具有顛覆意義的影響,那么我想進一步請教一下您,您認為設計在第四次工業革命中是一個什么樣的身份?設計存在的價值在哪里?而我們如此眾多的設計師將何去何從?將如何重新找到自己的社會價值呢?

王院長:這個問題非常好,它正是我們中國設計和設計師們面臨的困惑,這里我就談談我個人的看法。前面幾次工業革命過程讓我們看到,技術的發展淘汰了一些行業、工種,但它也不斷創造新的機會、新的工作。在社會、技術發展的進程中,設計與藝術起到技術無法替代的作用。我們應該將第四次工業革命當作機遇、機會,來實現設計的新的價值。現階段,第四次工業革命帶來了對設計新的要求、新的機會。設計的定義、價值正在改變,企業對設計的需求也在改變。這是一個擁抱創新、創意、設計的時代。近年來,很多大型公司開始并購設計公司;國內外很多商業學院陸續開設設計思維的相關課程,新加坡甚至將設計思維作為高中的必修課;越來越多的設計師開始創業。這里我們所說的設計師創業,并非開辦一個設計師事務所,或者打造一個設計品牌,而是更多的涉獵到非設計行業。這些變化就要求我們不斷重新定義設計、重新定義設計師、重塑設計師,作為最根本的,我們還需要重新定義設計教育。在人工智能時代,很多行業或是消失,或是大量削減人數,設計行業也一樣,但這并不意味著設計行業的消亡,正相反的是,未來社會更需要設計師,只是是與以往不同的設計師。我們要不斷重新定義設計、重新定義設計師、重新判斷設計的價值。設計師因為他們的職業特點,他們對用戶體驗的關注、他們所普遍具有的同理心、他們的創造性思維的能力,加上對跨行業的經驗,使他們可以為企業帶來美化產品之外的價值。設計由最初對產品的關注被提升到組織與策略的層次,設計一詞不再局限于有型的產品,而是一種策略思考。

本刊主編:王院長,您提到設計和設計師都需要重新定義和進行價值重塑,那么您認為當前的設計人才應該具備那些能力呢?一名好的設計師又應該如何定義呢?

人工智能時代的看法范文第4篇

【關鍵詞】法理學/法律推理/人工智能

【正文】

一、人工智能法律系統的歷史

計算機先驅思想家萊布尼茲曾這樣不無浪漫地談到推理與計算的關系:“我們要造成這樣一個結果,使所有推理的錯誤都只成為計算的錯誤,這樣,當爭論發生的時候,兩個哲學家同兩個計算家一樣,用不著辯論,只要把筆拿在手里,并且在算盤面前坐下,兩個人面對面地說:讓我們來計算一下吧!”(注:轉引自肖爾茲著:《簡明邏輯史》,張家龍譯,商務印書館1977年版,第54頁。)

如果連抽象的哲學推理都能轉變為計算問題來解決,法律推理的定量化也許還要相對簡單一些。盡管理論上的可能性與技術可行性之間依然存在著巨大的鴻溝,但是,人工智能技術的發展速度確實令人驚嘆。從誕生至今的短短45年內,人工智能從一般問題的研究向特殊領域不斷深入。1956年紐厄爾和西蒙教授的“邏輯理論家”程序,證明了羅素《數學原理》第二章52個定理中的38個定理。塞繆爾的課題組利用對策論和啟發式探索技術開發的具有自學習能力的跳棋程序,在1959年擊敗了其設計者,1962年擊敗了州跳棋冠軍,1997年超級計算機“深藍”使世界頭號國際象棋大師卡斯帕羅夫俯首稱臣。

20世紀60年代,人工智能研究的主要課題是博弈、難題求解和智能機器人;70年代開始研究自然語言理解和專家系統。1971年費根鮑姆教授等人研制出“化學家系統”之后,“計算機數學家”、“計算機醫生”等系統相繼誕生。在其他領域專家系統研究取得突出成就的鼓舞下,一些律師提出了研制“法律診斷”系統和律師系統的可能性。(注:SimonChalton,LegalDiagnostics,ComputersandLaw,No.25,August1980.pp.13-15.BryanNiblett,ExpertSystemsforLawyers,ComputersandLaw,No.29,August1981.p.2.)

1970年Buchanan&Headrick發表了《關于人工智能和法律推理若干問題的考察》,一文,拉開了對法律推理進行人工智能研究的序幕。文章認為,理解、模擬法律論證或法律推理,需要在許多知識領域進行艱難的研究。首先要了解如何描述案件、規則和論證等幾種知識類型,即如何描述法律知識,其中處理開放結構的法律概念是主要難題。其次,要了解如何運用各種知識進行推理,包括分別運用規則、判例和假設的推理,以及混合運用規則和判例的推理。再次,要了解審判實踐中法律推理運用的實際過程,如審判程序的運行,規則的適用,事實的辯論等等。最后,如何將它們最終運用于編制能執行法律推理和辯論任務的計算機程序,區別和分析不同的案件,預測并規避對手的辯護策略,建立巧妙的假設等等。(注:Buchanan&Headrick,SomeSpeculationAboutArtificialIntelligenceandLegalReasoning,23StanfordLawReview(1970).pp.40-62.)法律推理的人工智能研究在這一時期主要沿著兩條途徑前進:一是基于規則模擬歸納推理,70年代初由WalterG.Popp和BernhardSchlink開發了JUDITH律師推理系統。二是模擬法律分析,尋求在模型與以前貯存的基礎數據之間建立實際聯系,并僅依這種關聯的相似性而得出結論。JeffreyMeld-man1977年開發了計算機輔助法律分析系統,它以律師推理為模擬對象,試圖識別與案件事實模型相似的其他案件。考慮到律師分析案件既用歸納推理又用演繹推理,程序對兩者都給予了必要的關注,并且包括了各種水平的分析推理方法。

專家系統在法律中的第一次實際應用,是D.沃特曼和M.皮特森1981年開發的法律判決輔助系統(LDS)。研究者探索將其當作法律適用的實踐工具,對美國民法制度的某個方面進行檢測,運用嚴格責任、相對疏忽和損害賠償等模型,計算出責任案件的賠償價值,并論證了如何模擬法律專家意見的方法論問題。(注:''''ModelsofLegalDecisionmakingReport'''',R-2717-ICJ(1981).)

我國法律專家系統的研制于20世紀80年代中期起步。(注:錢學森教授:《論法治系統工程的任務與方法》(《科技管理研究》1981年第4期)、《社會主義和法治學與現代科學技術》(《法制建設》1984年第3期)、《現代科學技術與法和法制建設》(《政法論壇》)1985年第3期)等文章,為我國法律專家系統的研發起了思想解放和理論奠基作用。)1986年由朱華榮、肖開權主持的《量刑綜合平衡與電腦輔助量刑專家系統研究》被確定為國家社科“七五”研究課題,它在建立盜竊罪量刑數學模型方面取得了成果。在法律數據庫開發方面,1993年中山大學學生胡釗、周宗毅、汪宏杰等人合作研制了《LOA律師辦公自動化系統》。(注:楊建廣、駱梅芬編著:《法治系統工程》,中山大學出版社1996年版,第344-349頁。)1993年武漢大學法學院趙廷光教授主持開發了《實用刑法專家系統》。(注:趙廷光等著:《實用刑法專家系統用戶手冊》,北京新概念軟件研究所1993年版。)它由咨詢檢索系統、輔助定性系統和輔助量刑系統組成,具有檢索刑法知識和對刑事個案進行推理判斷的功能。

專家系統與以往的“通用難題求解”相比具有以下特點:(1)它要解決復雜的實際問題,而不是規則簡單的游戲或數學定理證明問題;(2)它面向更加專門的應用領域,而不是單純的原理性探索;(3)它主要根據具體的問題域,選擇合理的方法來表達和運用特殊的知識,而不強調與問題的特殊性無關的普適性推理和搜索策略。

法律專家系統在法規和判例的輔助檢索方面確實發揮了重要作用,解放了律師一部分腦力勞動。但絕大多數專家系統目前只能做法律數據的檢索工作,缺乏應有的推理功能。20世紀90年代以后,人工智能法律系統進入了以知識工程為主要技術手段的開發時期。知識工程是指以知識為處理對象,以能在計算機上表達和運用知識的技術為主要手段,研究知識型系統的設計、構造和維護的一門更加高級的人工智能技術。(注:《中國大百科全書·自動控制與系統工程》,中國大百科全書出版社1991年版,第579頁。)知識工程概念的提出,改變了以往人們認為幾個推理定律再加上強大的計算機就會產生專家功能的信念。以知識工程為技術手段的法律系統研制,如果能在法律知識的獲得、表達和應用等方面獲得突破,將會使人工智能法律系統的研制產生一個質的飛躍。

人工智能法律系統的發展源于兩種動力。其一是法律實踐自身的要求。隨著社會生活和法律關系的復雜化,法律實踐需要新的思維工具,否則,法律家(律師、檢察官和法官)將無法承受法律文獻日積月累和法律案件不斷增多的重負。其二是人工智能發展的需要。人工智能以模擬人的全部思維活動為目標,但又必須以具體思維活動一城一池的攻克為過程。它需要通過對不同思維領域的征服,來證明知識的每個領域都可以精確描述并制造出類似人類智能的機器。此外,人工智能選擇法律領域尋求突破,還有下述原因:(1)盡管法律推理十分復雜,但它有相對穩定的對象(案件)、相對明確的前提(法律規則、法律事實)及嚴格的程序規則,且須得出確定的判決結論。這為人工智能模擬提供了極為有利的條件。(2)法律推理特別是抗辯制審判中的司法推理,以明確的規則、理性的標準、充分的辯論,為觀察思維活動的軌跡提供了可以記錄和回放的樣本。(3)法律知識長期的積累、完備的檔案,為模擬法律知識的獲得、表達和應用提供了豐富、準確的資料。(4)法律活動所特有的自我意識、自我批評精神,對法律程序和假設進行檢驗的傳統,為模擬法律推理提供了良好的反思條件。

二、人工智能法律系統的價值

人工智能法律系統的研制對法學理論和法律實踐的價值和意義,可以概括為以下幾點:

一是方法論啟示。P.Wahlgren說:“人工智能方法的研究可以支持和深化在創造性方法上的法理學反思。這個信仰反映了法理學可以被視為旨在于開發法律分析和法律推理之方法的活動。從法理學的觀點看,這種研究的最終目標是揭示方法論的潛在作用,從而有助于開展從法理學觀點所提出的解決方法的討論,而不僅僅是探討與計算機科學和人工智能有關的非常細致的技術方面。”(注:P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.)在模擬法律推理的過程中,法學家通過與工人智能專家的密切合作,可以從其對法律推理的獨特理解中獲得有關方法論方面的啟示。例如,由于很少有兩個案件完全相似,在判例法實踐中,總有某些不相似的方面需要法律家運用假設來分析已有判例與現實案件的相關性程度。但法學家們在假設的性質問題上常常莫衷一是。然而HYPO的設計者,在無真實判例或真實判例不能充分解釋現實案件的情況下,以假設的反例來反駁對方的觀點,用補充、刪減和改變事實的機械論方法來生成假設。這種用人工智能方法來處理假設的辦法,就使復雜問題變得十分簡單:假設實際上是一個新的論證產生于一個經過修正的老的論證的過程。總之,人工智能方法可以幫助法學家跳出法理學方法的思維定勢,用其他學科的方法來重新審視法學問題,從而為法律問題的解決提供了新的途徑。

二是提供了思想實驗手段。西蒙認為,盡管我們還不知道思維在頭腦中是怎樣由生理作用完成的,“但我們知道這些處理在數字電子計算機中是由電子作用完成的。給計算機編程序使之思維,已經證明有可能為思維提供機械論解釋”。(注:轉引自童天湘:《人工智能與第N代計算機》,載《哲學研究》1985年第5期。)童天湘先生認為:“通過編制有關思維活動的程序,就會加深對思維活動具體細節的了解,并將這種程序送進計算機運行,檢驗其正確性。這是一種思想實驗,有助于我們研究人腦思維的機理。”(注:轉引自童天湘:《人工智能與第N代計算機》,載《哲學研究》1985年第5期。)人工智能法律系統研究的直接目標是使計算機能夠獲取、表達和應用法律知識,軟件工程師為模擬法律推理而編制程序,必須先對人的推理過程作出基于人工智能理論和方法的獨特解釋。人工智能以功能模擬開路,在未搞清法律家的推理結構之前,首先從功能上對法律證成、法律檢索、法律解釋、法律適用等法律推理的要素和活動進行數理分析,將法理學、訴訟法學關于法律推理的研究成果模型化,以實現法律推理知識的機器表達或再現,從而為認識法律推理的過程和規律提供了一種實驗手段。法學家則可以將人工智能法律系統的推理過程、方法和結論與人類法律推理活動相對照,為法律推理的法理學研究所借鑒。因此,用人工智能方法模擬法律推理,深化了人們對法律推理性質、要素和過程的認識,使法學家得以借助人工智能科學的敏銳透鏡去考察法律推理的微觀機制。正是在這個意義上,BryanNiblett教授說:“一個成功的專家系統很可能比其他的途徑對法理學作出更多的(理論)貢獻。”(注:BryanNiblett,ExpertSystemsforLawyers,ComputersandLaw,No.29,August1981.note14,p.3.)

三是輔助司法審判。按照格雷的觀點,法律專家系統首先在英美判例法國家出現的直接原因在于,浩如煙海的判例案卷如果沒有計算機編纂、分類、查詢,這種法律制度簡直就無法運轉了。(注:PamelaN.GrayBrookfield,ArtificialLegalIntelligence,VT:DartmouthPublishingCo.,1997.p.402.)其實不僅是判例法,制定法制度下的律師和法官往往也要為檢索有關的法律、法規和司法解釋耗費大量的精力和時間,而且由于人腦的知識和記憶能力有限,還存在著檢索不全面、記憶不準確的問題。人工智能法律系統強大的記憶和檢索功能,可以彌補人類智能的某些局限性,幫助律師和法官從事相對簡單的法律檢索工作,從而極大地解放律師和法官的腦力勞動,使其能夠集中精力從事更加復雜的法律推理活動。

四是促進司法公正。司法推理雖有統一的法律標準,但法官是具有主觀能動性的差異個體,所以在執行統一標準時會產生一些差異的結果。司法解釋所具有的建構性、辯證性和創造性的特點,進一步加劇了這種差異。如果換了鋼鐵之軀的機器,這種由主觀原因所造成的差異性就有可能加以避免。這當然不是說讓計算機完全取代法官,而是說,由于人工智能法律系統為司法審判提供了相對統一的推理標準和評價標準,從而可以輔助法官取得具有一貫性的判決。無論如何,我們必須承認,鋼鐵之軀的機器沒有物質欲望和感情生活,可以比人更少地受到外界因素的干擾。正像計算機錄取增強了高考招生的公正性、電子監視器提高了糾正行車違章的公正性一樣,智能法律系統在庭審中的運用有可能減少某些現象。

五是輔助法律教育和培訓。人工智能法律系統凝聚了法律家的專門知識和法官群體的審判經驗,如果通過軟件系統或計算機網絡實現專家經驗和知識的共享,便可在法律教育和培訓中發揮多方面的作用。例如,(1)在法學院教學中發揮模擬法庭的作用,可以幫助法律專業學生鞏固自己所學知識,并將法律知識應用于模擬的審判實踐,從而較快地提高解決法律實踐問題的能力。(2)幫助新律師和新法官全面掌握法律知識,迅速獲得判案經驗,在審判過程的跟蹤檢測和判決結論的動態校正中增長知識和才干,較快地接近或達到專家水平。(3)可使不同地區、不同層次的律師和法官及時獲得有關法律問題的咨詢建議,彌補因知識結構差異和判案經驗多寡而可能出現的失誤。(4)可以為大眾提供及時的法律咨詢,提高廣大人民群眾的法律素質,增強法律意識。

六是輔助立法活動。人工智能法律系統不僅對輔助司法審判有重要的意義,而且對完善立法也具有實用價值。(注:EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).)例如,倫敦大學Imperial學院的邏輯程序組將1981年英國國籍法的內容形式化,幫助立法者發現了該法在預見性上存在的一些缺陷和法律漏洞。(注:EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).)立法輔助系統如能應用于法律起草和法律草案的審議過程,有可能事先發現一些立法漏洞,避免一個法律內部各種規則之間以及新法律與現有法律制度之間的相互沖突。

三、法理學在人工智能法律系統研究中的作用

1.人工智能法律系統的法理學思想來源

關于人工智能法律系統之法理學思想來源的追蹤,不是對法理學與人工智能的聯系作面面俱到的考察,而旨在揭示法理學對人工智能法律系統的發展所產生的一些直接影響。

第一,法律形式主義為人工智能法律系統的產生奠定了理論基礎。18-19世紀的法律形式主義強調法律推理的形式方面,認為將法律化成簡單的幾何公式是完全可能的。這種以J·奧斯汀為代表的英國分析法學的傳統,主張“法律推理應該依據客觀事實、明確的規則以及邏輯去解決一切為法律所要求的具體行為。假如法律能如此運作,那么無論誰作裁決,法律推理都會導向同樣的裁決。”(注:(美)史蒂文·J·伯頓著:《法律和法律推理導論》,張志銘、解興權譯,中國政法大學出版社1998年9月版,第3頁。)換言之,機器只要遵守法律推理的邏輯,也可以得出和法官一樣的判決結果。在分析法學家看來,“所謂‘法治’就是要求結論必須是大前提與小前提邏輯必然結果。”(注:朱景文主編:《對西方法律傳統的挑戰》,中國檢察出版社1996年2月版,第292頁。)如果法官違反三段論推理的邏輯,就會破壞法治。這種機械論的法律推理觀,反映了分析法學要求法官不以個人價值觀干擾法律推理活動的主張。但是,它同時具有忽視法官主觀能動性和法律推理靈活性的僵化的缺陷。所以,自由法學家比埃利希將法律形式主義的邏輯推理說稱為“自動售貨機”理論。然而,從人工智能就是為思維提供機械論解釋的意義上說,法律形式主義對法律推理所作的機械論解釋,恰恰為人工智能法律系統的開發提供了可能的前提。從人工智能法律系統研制的實際過程來看,在其起步階段,人工智能專家正是根據法律形式主義所提供的理論前提,首先選擇三段論演繹推理進行模擬,由WalterG.Popp和BernhardSchlink在20世紀70年代初開發了JUDITH律師推理系統。在這個系統中,作為推理大小前提的法律和事實之間的邏輯關系,被計算機以“如果A和B,那么C”的方式加以描述,使機器法律推理第一次從理論變為現實。

第二,法律現實主義推動智能模擬深入到主體的思維結構領域。法律形式主義忽視了推理主體的社會性。法官是生活在現實社會中的人,其所從事的法律活動不可能不受到其社會體驗和思維結構的影響。法官在實際的審判實踐中,并不是機械地遵循規則,特別是在遇到復雜案件時,往往需要作出某種價值選擇。而一旦面對價值問題,法律形式主義的邏輯決定論便立刻陷入困境,顯出其僵化性的致命弱點。法律現實主義對其僵化性進行了深刻的批判。霍姆斯法官明確提出“法律的生命并不在于邏輯而在于經驗”(注:(美)博登海默著:《法理學——法哲學及其方法》,鄧正來、姬敬武譯,華夏出版社1987年12月版,第478頁。)的格言。這里所謂邏輯,就是指法律形式主義的三段論演繹邏輯;所謂經驗,則包括一定的道德和政治理論、公共政策及直覺知識,甚至法官的偏見。法律現實主義對法官主觀能動性和法律推理靈活性的強調,促使人工智能研究從模擬法律推理的外在邏輯形式進一步轉向探求法官的內在思維結構。人們開始考慮,如果思維結構對法官的推理活動具有定向作用,那么,人工智能法律系統若要達到法官水平,就應該通過建立思維結構模型來設計機器的運行結構。TAXMAN的設計就借鑒了這一思想,法律知識被計算機結構語言以語義網絡的方式組成不同的規則系統,解釋程序、協調程序、說明程序分別對網絡結構中的輸入和輸出信息進行動態結構調整,從而適應了知識整合的需要。大規模知識系統的KBS(KnowledgeBasedSystem)開發也注意了思維結構的整合作用,許多具有內在聯系的小規模KBS子系統,在分別模擬法律推理要素功能(證成、法律查詢、法律解釋、法律適用、法律評價、理由闡述)的基礎上,又通過聯想程序被有機聯系起來,構成了具有法律推理整體功能的概念模型。(注:P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.)

第三,“開放結構”的法律概念打開了疑難案件法律推理模擬的思路。法律形式主義忽視了疑難案件的存在。疑難案件的特征表現為法律規則和案件之間不存在單一的邏輯對應關系。有時候從一個法律規則可以推出幾種不同的結論,它們往往沒有明顯的對錯之分;有時一個案件面對著幾個相似的法律規則。在這些情況下,形式主義推理說都一籌莫展。但是,法律現實主義在批判法律形式主義時又走向另一個極端,它否認具有普遍性的一般法律規則的存在,試圖用“行動中的法律”完全代替分析法學“本本中的法律”。這種矯枉過正的做法雖然是使法律推理擺脫機械論束縛所走出的必要一步,然而,法律如果真像現實主義法學所說的那樣僅僅存在于具體判決之中,法律推理如果可以不遵循任何標準或因人而異,那么,受到挑戰的就不僅是法律形式主義,而且還會殃及法治要求實現規則統治之根本原則,并動搖人工智能法律系統存在的基礎。哈特在法律形式主義和法律現實主義的爭論中采取了一種折中立場,他既承認邏輯的局限性又強調其重要性;既拒斥法官完全按自己的預感來隨意判案的見解,又承認直覺的存在。這種折中立場在哈特“開放結構”的法律概念中得到了充分體現。法律概念既有“意義核心”又有“開放結構”,邏輯推理可以幫助法官發現問題的陽面,而根據社會政策、價值和后果對規則進行解釋則有助于發現問題的陰面。開放結構的法律概念,使基于規則的法律推理模擬在受到概念封閉性的限制而對疑難案件無能為力時,找到了新的立足點。在此基礎上,運用開放結構概念的疑難案件法律推理模型,通過邏輯程序工具和聯想技術而建立起來。Gardner博士就疑難案件提出兩種解決策略:一是將簡易問題從疑難問題中篩選出來,運用基于規則的技術來解決;二是將疑難問題同“開放結構”的法律概念聯系在一起,先用非范例知識如規則、控辯雙方的陳述、常識來獲得初步答案,再運用范例來澄清案件、檢查答案的正確性。

第四,目的法學促進了價值推理的人工智能研究。目的法學是指一種所謂直接實現目的之“后法治”理想。美國法學家諾內特和塞爾茲尼克把法律分為三種類型。他們認為,以法治為標志的自治型法,過分強調手段或程序的正當性,有把手段當作目的的傾向。這說明法治社會并沒有反映人類關于美好社會的最高理想,因為實質正義不是經過人們直接追求而實現的,而是通過追求形式正義而間接獲得的。因此他們提出以回應型法取代自治型法的主張。在回應型法中,“目的為評判既定的做法設立了標準,從而也就開辟了變化的途徑。同時,如果認真地對待目的,它們就能控制行政自由裁量權,從而減輕制度屈從的危險。反之,缺少目的既是僵硬的根源,又是機會主義的根源。”(注:(美)諾內特、塞爾茲尼克著:《轉變中的法律與社會》,張志銘譯,中國政法大學出版社1994年版,第60頁。)美國批判法學家昂格爾對形式主義法律推理和目的型法律推理的特點進行了比較,他認為,前者要求使用內容明確、固定的規則,無視社會現實生活中不同價值觀念的沖突,不能適應復雜情況和變化,追求形式正義;后者則要求放松對法律推理標準的嚴格限制,允許使用無固定內容的抽象標準,迫使人們在不同的價值觀念之間做出選擇,追求實質正義。與此相應,佩雷爾曼提出了新修辭學(NewRhetoric)的法律理論。他認為,形式邏輯只是根據演繹法或歸納法對問題加以說明或論證的技術,屬于手段的邏輯;新修辭學要填補形式邏輯的不足,是關于目的的辯證邏輯,可以幫助法官論證其決定和選擇,因而是進行價值判斷的邏輯。他認為,在司法三段論思想支配下,法學的任務是將全部法律系統化并作為闡釋法律的大前提,“明確性、一致性和完備性”就成為對法律的三個要求。而新修辭學的基本思想是價值判斷的多元論,法官必須在某種價值判斷的指示下履行義務,必須考慮哪些價值是“合理的、可接受的、社會上有效的公平的”。這些價值構成了判決的正當理由。(注:沈宗靈著:《現代西方法理學》,北京大學出版社1992年版,第443-446頁。)制造人工智能法律系統最終需要解決價值推理的模擬問題,否則,就難以實現為判決提供正當理由的要求。為此,P.Wahlgren提出的與人工智能相關的5種知識表達途徑中,明確地包括了以道義為基礎的法律推理模型。(注:P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.)引入道義邏輯,或者說在機器中采用基于某種道義邏輯的推理程序,強調目的價值,也許是制造智能法律系統的關鍵。不過,即使把道義邏輯硬塞給計算機,鋼鐵之軀的機器沒有生理需要,也很難產生價值觀念和主觀體驗,沒辦法解決主觀選擇的問題。在這個問題上,波斯納曾以法律家有七情六欲為由對法律家對法律的機械忠誠表示了強烈懷疑,并辯證地將其視為法律發展的動力之一。只有人才能夠平衡相互沖突的利益,能夠發現對人類生存和發展至關重要的價值。因此,關于價值推理的人工智能模擬究竟能取得什么成果,恐怕還是個未知數。

2.法理學對人工智能法律系統研制的理論指導作用

GoldandSusskind指出:“不爭的事實是,所有的專家系統必須適應一些法理學理論,因為一切法律專家系統都需要提出關于法律和法律推理性質的假設。從更嚴格的意義上說,一切專家系統都必須體現一種結構理論和法律的個性,一種法律規范理論,一種描述法律科學的理論,一種法律推理理論”。(注:GoldandSusskind,ExpertSystemsinLaw:AJurisprudentialandFormalSpecificationApproach,pp.307-309.)人工智能法律系統的研究,不僅需要以法理學關于法律的一般理論為知識基礎,還需要從法理學獲得關于法律推理的完整理論,如法律推理實踐和理論的發展歷史,法律推理的標準、主體、過程、方法等等。人工智能對法律推理的模擬,主要是對法理學關于法律推理的知識進行人工智能方法的描述,建立數學模型并編制計算機應用程序,從而在智能機器上再現人類法律推理功能的過程。在這個過程中,人工智能專家的主要任務是研究如何吸收法理學關于法律推理的研究成果,包括法理學關于人工智能法律系統的研究成果。

隨著人工智能法律系統研究從低級向高級目標的推進,人們越來越意識到,對法律推理的微觀機制認識不足已成為人工智能模擬的嚴重障礙。P.Wahlgren指出,“許多人工智能技術在法律領域的開發項目之所以失敗,就是因為許多潛在的法理學原則沒有在系統開發的開始階段被遵守或給予有效的注意。”“法理學對法律推理和方法論問題的關注已經有幾百年,而人工智能的誕生只是本世紀50年代中期的事情,這個事實是人工智能通過考察法理學知識來豐富自己的一個有效動機。”(注:P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.)因此,研究法律推理自動化的目標,“一方面是用人工智能(通過把計算機的應用與分析模型相結合)來支撐法律推理的可能性;另一方面是應用法理學理論來解決作為法律推理支撐系統的以及一般的人工智能問題。”(注:P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.)在前一方面,是人工智能法律系統充當法律推理研究的思想實驗手段以及輔助司法審判的問題。后一方面,則是法律推理的法律學研究成果直接為人工智能法律系統的研制所應用的問題。例如,20世紀70年代法理學在真實和假設案例的推理和分析方面所取得的成果,已為幾種人工智能法律裝置借鑒而成為其設計工作的理論基礎。在運用模糊或開放結構概念的法律推理研究方面,以及在法庭辯論和法律解釋的形式化等問題上,法理學的研究成果也已為人工智能法律系統的研究所借鑒。

四、人工智能法律系統研究的難點

人工智能法律系統的研究盡管在很短的時間內取得了許多令人振奮的成果,但它的發展也面臨著許多困難。這些困難構成了研究工作需要進一步努力奮斗的目標。

第一,關于法律解釋的模擬。在法理學的諸多研究成果中,法律解釋的研究對人工智能法律系統的研制起著關鍵作用。法律知識表達的核心問題是法律解釋。法律規范在一個法律論點上的效力,是由法律家按忠實原意和適合當時案件的原則通過法律解釋予以確認的,其中包含著人類特有的價值和目的考慮,反映了法律家的知識表達具有主觀能動性。所以,德沃金將解釋過程看作是一種結合了法律知識、時代信息和思維方法而形成的,能夠應變的思維策略。(注:Dworkin,TakingRightsSeriously,HarvardUniversityPressCambridge,Massachusetts1977.p.75.)目前的法律專家系統并未以知識表達為目的來解釋法律,而是將法律整齊地“碼放”在計算機記憶系統中僅供一般檢索之用。然而,在法律知識工程系統中,法律知識必須被解釋,以滿足自動推理對法律知識進行重新建構的需要。麥卡錫說:“在開發智能信息系統的過程中,最關鍵的任務既不是文件的重建也不是專家意見的重建,而是建立有關法律領域的概念模型。”(注:McCarty,Intelligentlegalinformationsystems:problemsandprospects,op.cit.supra,note25,p.126.)建立法律概念模型必須以法律家對某一法律概念的共識為基礎,但不同的法律家對同一法律概念往往有不同的解釋策略。凱爾森甚至說:即使在國內法領域也難以形成一個“能夠用來敘述一定法律共同體的實在法的基本概念”。(注:(奧)凱爾森著:《法與國家的一般理論》,沈宗靈譯,中國大百科全書出版社1996年版,第1頁。)盡管如此,法理學還是為法律概念模型的重建提供了一些方法。例如,德沃金認為,法官在“解釋”階段,要通過推理論證,為自己在“前解釋”階段所確定的大多數法官對模糊法律規范的“一致看法”提供“一些總的理由”。獲取這些總的理由的過程分為兩個步驟:首先,從現存的明確法律制度中抽象出一般的法律原則,用自我建立的一般法律理論來證明這種法律原則是其中的一部分,證明現存的明確法律制度是正當的。其次,再以法律原則為依據反向推出具體的法律結論,即用一般法律理論來證明某一法律原則存在的合理性,再用該法律原則來解釋某一法律概念。TAXMAN等系統裝置已吸收了這種方法,法律知識被計算機結構語言以語義網絡的方式組成不同的規則系統,解釋程序使計算機根據案件事實來執行某條法律規則,并在新案件事實輸入時對法律規則作出新的解釋后才加以調用。不過,法律知識表達的進展還依賴于法律解釋研究取得更多的突破。

第二,關于啟發式程序。目前的法律專家系統如果不能與啟發式程序接口,不能運用判斷性知識進行推理,只通過規則反饋來提供簡單解釋,就談不上真正的智能性。啟發式程序要解決智能機器如何模擬法律家推理的直覺性、經驗性以及推理結果的不確定性等問題,即人可以有效地處理錯誤的或不完全的數據,在必要時作出猜測和假設,從而使問題的解決具有靈活性。在這方面,Gardner的混合推理模型,EdwinaL.Rissland運用聯想程序對規則和判例推理的結果作集合處理的思路,以及Massachusetts大學研制的CABARET(基于判例的推理工具),在將啟發式程序應用于系統開發方面都進行了有益的嘗試。但是,法律問題往往沒有唯一正確的答案,這是人工智能模擬法律推理的一個難題。選擇哪一個答案,往往取決于法律推理的目的標準和推理主體的立場和價值觀念。但智能機器沒有自己的目的、利益和立場。這似乎從某種程度上劃定了機器法律推理所能解決問題的范圍。

第三,關于法律自然語言理解。在設計基于規則的程序時,設計者必須假定整套規則沒有意義不明和沖突,程序必須消滅這些問題而使規則呈現出更多的一致性。就是說,盡管人們對法律概念的含義可以爭論不休,但輸入機器的法律語言卻不能互相矛盾。機器語言具有很大的局限性,例如,LDS基于規則來模擬嚴格責任并計算實際損害時,表現出的最大弱點就是不能使用不精確的自然語言進行推理。然而,在實際的法律推理過程中,法律家對某個問題的任何一種回答都可根據上下文關系作多種解釋,而且辯論雙方總是尋求得出不同的結論。因此,智能法律專家系統的成功在很大程度上還依賴于自然語言理解研究工作的突破。牛津大學的一個程序組正在研究法律自然語言的理解問題,但是遇到了重重困難。原因是連法學家們自己目前也還沒有建立起一套大家一致同意的專業術語規范。所以EdwinaL.Rissland認為,常識知識、意圖和信仰類知識的模擬化,以及自然語言理解的模擬問題,迄今為止可能是人工智能面臨的最困難的任務。對于語言模擬來說,像交際短語和短語概括的有限能力可能會在較窄的語境條件下取得成果,完全的功能模擬、一般“解決問題”能力的模擬則距離非常遙遠,而像書面上訴意見的理解則是永遠的終極幻想。(注:EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).)

五、人工智能法律系統的開發策略和應用前景

我們能夠制造出一臺什么樣的機器,可以證明它是人工智能法律系統?從檢驗標準上看,這主要是法律知識在機器中再現的判定問題。根據“圖靈試驗”原理,我們可將該檢驗標準概括如下:設兩間隔開的屋子,一間坐著一位法律家,另一間“坐著”一臺智能機器。一個人(也是法律家)向法律家和機器提出同樣的法律問題,如果提問者不能從二者的回答中區分出誰是法律家、誰是機器,就不能懷疑機器具有法律知識表達的能力。

依“圖靈試驗”制定的智能法律系統檢驗標準,所看重的是功能。只要機器和法律家解決同樣法律問題時所表現出來的功能相同,就不再苛求哪個是鋼鐵結構、哪個是血肉之軀。人工智能立足的基礎,就是相同的功能可以通過不同的結構來實現之功能模擬理論。

從功能模擬的觀點來確定人工智能法律系統的研究與開發策略,可作以下考慮:

第一,擴大人工智能法律系統的研發主體。現有人工法律系統的幼稚,暴露了僅僅依靠計算機和知識工程專家從事系統研發工作的局限性。因此,應該確立以法律家、邏輯學家和計算機專家三結合的研發群體。在系統研發初期,可組成由法學家、邏輯與認知專家、計算機和知識工程專家為主體的課題組,制定系統研發的整體戰略和分階段實施的研發規劃。在系統研發中期,應通過網絡等手段充分吸收初級產品用戶(律師、檢察官、法官)的意見,使研發工作在理論研究與實際應用之間形成反饋,將開發精英與廣大用戶的智慧結合起來,互相啟發、群策群力,推動系統迅速升級。

第二,確定研究與應用相結合、以應用為主導的研發策略。目前國外人工智能法律系統的研究大多停留在實驗室領域,還沒有在司法實踐中加以應用。但是,任何智能系統包括相對簡單的軟件系統,如果不經過用戶的長期使用和反饋,是永遠也不可能走向成熟的。從我國的實際情況看,如果不能將初期研究成果盡快地轉化為產品,我們也難以為后續研究工作提供雄厚的資金支持。因此,人工智能法律系統的研究必須走產研結合的道路,堅持以應用開路,使智能法律系統盡快走出實驗室,同時以研究為先導,促進不斷更新升級。

第三,系統研發目標與初級產品功能定位。人工智能法律系統的研發目標是制造出能夠滿足多用戶(律師、檢察官、法官、立法者、法學家)多種需要的機型。初級產品的定位應考慮到,人的推理功能特別是價值推理的功能遠遠超過機器,但人的記憶功能、檢索速度和準確性又遠不如機器。同時還應該考慮到,我國目前有12萬律師,23萬檢察官和21萬法官,每年1.2萬法學院本科畢業生,他們對法律知識的獲取、表達和應用能力參差不齊。因此,初級產品的標準可適當降低,先研制推理功能薄弱、檢索功能強大的法律專家系統。可與計算機廠商合作生產具有強大數據庫功能的硬件,并確保最新法律、法規、司法解釋和判例的網上及時更新;同時編制以案件為引導的高速檢索軟件。系統開發的先期目標應確定為:(1)替律師起草僅供參考的書和辯護詞;(2)替法官起草僅供參考的判決書;(3)為法學院學生提供模擬法庭審判的通用系統軟件,以輔助學生在、辯護和審判等訴訟的不同階段鞏固所學知識、獲得審判經驗。上述軟件旨在提供一個初級平臺,先解決有無和急需,再不斷收集用戶反饋意見,逐步改進完善。

第四,實驗室研發應確定較高的起點或跟蹤戰略。國外以知識工程為主要技術手段的人工智能法律系統開發已經歷了如下發展階段:(1)主要適用于簡單案件的規則推理;(2)運用開放結構概念的推理;(3)運用判例和假設的推理;(4)運用規則和判例的混合推理。我們如確定以簡單案件的規則推理為初級市場產品,那么,實驗室中第二代產品開發就應瞄準運用開放結構概念的推理。同時,跟蹤運用假設的推理及混合推理,吸收國外先進的KBS和HYPO的設計思想,將功能子系統開發與聯想式控制系統結合。HYPO判例法推理智能裝置具有如下功能:(1)評價相關判例;(2)判定何方使用判例更加貼切;(3)分析并區分判例;(4)建立假設并用假設來推理;(5)為一種主張引用各種類型的反例;(6)建立判例的引證概要。HYPO以商業秘密法的判例推理為模擬對象,假設了完全自動化的法律推理過程中全部要素被建立起來的途徑。值得注意的是,HYPO忽略了許多要素的存在,如商業秘密法背后的政策考慮,法律概念應用于實際情況時固有的模糊性,信息是否已被公開,被告是否使用了對方設計的產品,是否簽署了讓與協議,等等。一個系統設計的要素列表無論多長,好律師也總能再多想出一些。同樣,律師對案件的分析,不可能僅限于商業秘密法判例,還可能援引侵權法或專利法的判例,這決定了緣由的多種可能性。Ashley還討論了判例法推理模擬的其他困難:判例并不是概念的肯定的或否定的樣本,因此,要通過要素等簡單的法律術語使模糊的法律規則得到澄清十分困難,法律原則和類推推理之間的關系還不能以令人滿意的方式加以描述。(注:EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).)這說明,即使具有較高起點的實驗室基礎研究,也不宜確定過高的目標。因為,智能法律系統的研究不能脫離人工智能的整體發展水平。

第五,人-機系統解決方案。人和機器在解決法律問題時各有所長。人的優點是能作價值推理,使法律問題的解決適應社會的變化發展,從而具有靈活性。機器的長處是記憶和檢索功能強,可以使法律問題的解決具有一貫性。人-機系統解決方案立足于人與機器的功能互補,目的是解放人的腦力勞動,服務于國家的法治建設。該方案的實施可以分為兩個階段:第一階段以人為主,機器為人收集信息并作初步分析,提供決策參考。律師受理案件后,可以先用機器處理大批數據,并參考機器的和辯護方案,再做更加高級的推理論證工作。法官接觸一個新案件,或新法官剛接觸審判工作,也可以先看看“機器法官”的判決建議或者審判思路,作為參考。法院的監督部門可參照機器法官的判決,對法官的審判活動進行某種監督,如二者的判決結果差別太大,可以審查一下法官的判決理由。這也許可以在一定程度上制約司法腐敗。在人-機系統開發的第二階段,會有越來越多的簡單案件的判決與電腦推理結果完全相同,因此,某些簡單案件可以機器為主進行審判,例如,美國小額法庭的一些案件,我國法庭可用簡易程序來審理的一些案件。法官可以作為“產品檢驗員”監督和修訂機器的判決結果。這樣,法官的判案效率將大大提高,法官隊伍也可借此“消腫”,有可能大幅度提高法官薪水,吸引高素質法律人才進入法官隊伍。

未來的計算機不會完全取代律師和法官,然而,律師和法官與智能機器統一體的出現則可能具有無限光明的前景。(注:Smith,J.C,MachineIntelligenceandLegalReasoning,Chicago-KentLawReview,1998,Vol.73,No.1,p277.)可以預見,人工智能將為法律工作的自動化提供越來越強有力的外腦支持。電腦律師或法官將在網絡所及的范圍內承擔起諸如收債、稅務、小額犯罪訴訟等職能。自動法律推理系統將對訴訟活動發揮越來越多的輔助作用,例如,通過嚴密的演繹邏輯使用戶確信全部法律結論得出的正當性;在解決相互沖突的規則、判例和政策問題時提示可能出現的判決預測;等等。正如網絡的出現打破了少數人對信息的壟斷一樣,電腦法律顧問的問世,將打破法官、律師對法律知識的壟斷,極大地推動法律知識的普及,迅速提高廣大人民群眾的法律素質,使法律真正變為群眾手中的銳利武器。

人工智能時代的看法范文第5篇

人與機器人的結合,《機械戰警》這個想法不錯,既然機器進化成人遙遙無期,那我們不如換一個思路……不過話說回來,在機器人進化的過程里,現在有一派觀點認為并不需要進化,而是需要“爆炸”。當然不是給機器人裝上炸彈,而是技術爆炸如同宇宙爆炸一般,在一個奇異點之后突飛猛進。好吧,以機器人進化為話題,我們來聊一聊。

人類是如何進化而成的?馬克思告訴我們,當猿離開大樹下地行走之后解放了雙手,直立行走成為人類區別于其他動物最重要的標志之一。黑猩猩很聰明,它可以用一根小木棍去釣白蟻吃;水獺也不差,知道在肚子上放一塊石頭來砸牡蠣。但無論猩猩還是水獺,都沒有能力進一步將撿來的東西加工成工具。

人類因為雙手解放就可以制作工具,進而通過工具擴大生產力,慢慢發展了舊石器時代、新石器時代、青銅時代、蒸汽時代、工業時代直到我們現在的信息時代。下一個革命性的時代是什么我說不上來,但誰也不能否認的是,下一個時代必然是通過人類大腦去思考,并通過雙手去創造的,但人類創造時所借助的東西,我們往往稱呼它們為機器。就算牛氣如蘋果的iPhone6,開模具、焊接線路、切割屏幕,無一不是機器在完成。

貓哥在這里先提出第一個問題:通覽機器發展的大致歷史,是不是有一種趨向,機器越來越趨近于人?或者說人類一直夢想自己可以“造人”?你不信?我們從古時候開始梳理。

在《列子?湯問》中有這樣的記載:周穆王西巡狩道,有獻工人名偃師。偃師所造倡者,趣步俯仰,頷其頤則歌合律,捧其手則舞應節,千變萬化,惟意所適。王以為實人也,與盛姬內御并觀之。伎將終,倡者瞬其目,而招王之左右侍妾。王大怒,欲殺偃師。偃師大懾,立剖散倡者以示王,皆傅會革木膠漆白黑丹青之所為……

這段話說的是周穆王出巡時偶遇了一位毛遂自薦,名叫偃師的奇人。偃師造了一具看著極像真人的假人,可以跟著音樂跳舞,而且千變萬化、惟妙惟肖。周穆王甚至覺得這就是個真人,于是叫上了自己的寵妃一起來圍觀,誰知道假人跳舞的時候向周穆王的寵妃拋媚眼。周穆王急眼了想殺偃師,偃師為了自保就將假人拆散,周穆王一看――這貨還真是假人。

歐洲人關于“造人”的思想相對晚了一點,到了歐洲中世紀時,由于煉金術得到了上至貴族、下至貧民的親睞,“赫蒙克魯斯”(人造人)成為煉金術的究極奧義。卡爾?榮格也曾經考證過,歐洲最早關于“造人”的思想起源于公元前3世紀。不過煉金術中的“赫蒙克魯斯”并不是用一種機械工程的思維,而更多依托于幻術與魔法的幻想,完全沒有基于任何一點靠譜的科學。

1818年,世界上第一個女性科幻作家瑪麗?雪萊創作了《弗蘭肯斯坦》,講述一位醫生妄想自己可以憑借科學使死人復活,于是在墳墓盜竊尸體,回實驗室后再重新組裝,最后通過電擊讓這個組裝出來的人復活。誰知道復活后的弗蘭肯斯坦是個彪形大漢,臉上全是接縫,而且脖子后面還有兩顆大螺絲。這個醫生一下就慫了,想毀掉自己這個可怕的發明,于是決定殺掉弗蘭肯斯坦,而弗蘭肯斯坦就像人一樣,開始了本能驅使下的逃亡……

到了工業時代,機械技術突飛猛進,自動化設備、遙控甚至無線遙控也日益成熟,電子學的進展成為機器人發展的動力。第一個電子式自動機于1948年在英國的布里斯托爾由William Grey Walter發明。第一個數位化,由電腦控制的自動機是在1954年由George Devol發明,命名為Unimate,后在1961年賣給奇異電氣,用在新澤西州的工廠中,用來將壓鑄設備中的金屬上移。

隨著機器人的能力越來越強,學習能力越來越高,甚至有人提出將機器人投入到戰爭中的時候,人們對機器人的思考也日益增加。或許你還無法理解為什么我們要提防著機器人,說個最簡單的事兒,如果機器人的學習能力超過了你并奪走學霸的稱號,那么你是否還有學習的動力呢?所以,機器人倫理學被推上議程,阿西莫夫非常符合時宜地推出了《我?機器人》短篇小說集,提出“機器人三大定律”來奠定機器人倫理學的基礎。

此時此刻,工業用激光焊接機器人活躍于汽車生產線,物流機器人正通過視覺傳感器規劃著庫房里的貨運線路,美國的無人偵察機非法劃過伊朗的天空,而以色列的拆彈機器人正在趕赴炸彈現場……總之,在你的身邊,各型各色的機器人已經無孔不入。

機器的進化――Be Human

I analyze and I verify and I quantify enough

one hundred percentile

no errors, no miss

I synchronize and I specialize and I classify so much

don't worry 'bout dreaming

because I don't sleep

if I only was more human

I would count every single second the rest of my life

if I just could be more human

I'd have so many little babies and maybe a wife

I'd roll around the mud

and have lots of fun

then when I was done

build bubblebath towers and swim in the tub

sand castles on the beach

frolic in the sea

get a broken knee

be scared of the dark and I'd sing out of key

一直以來,貓哥我所認為的科幻神級作品中,《攻殼機動隊》擁有一個至高無上的地位,其中有一段看上去至今令貓哥后背發涼的鏡頭-公安九課-群少女機器人為了破解黑客設置的防火墻,擊打鍵盤的每一根手指又分裂出十根手指在鍵盤上快速輸入代碼。

果殼網友Tiberium的評價非常到位:在我看來,沒有任何其他的場景比這個動作更加形象地傳達出了在那個時代(以及我們現在的這個時代)人與機器的關系。手是什么?手是元工具,是人類的第一件工具。人之所以為人,正在于解放雙手。一切工具都是雙手的延伸。鍵盤又是什么?鍵盤是計算機的元工具,人為了和機器對話而發明了鍵盤,其結構到現在為止基本沒有變過。在《攻殼機動隊》中,人改造了手,“工具的制造者被他們的工具重新改造了”。這難道不意味著,人類終于有一次承認了機器的優越地位嗎?

至于前邊那段詞其實是《Be Human》的歌詞,也就是《攻殼機動隊》TV版中一段讓人聽了以后想淚奔的插曲。這首曲子由菅野洋子作曲、斯科特?馬修演唱。在劇中有一群名叫塔奇克馬的思考型步戰車,專門用于武裝壓制、潛入作戰與網絡攻防。因為有強大的AI學習能力,在與公安九課一群人類共事的時候逐漸具有了人性。而這首歌正好描述的就是這群塔奇克馬――如果真的成為人類一定是一件美好的事情,可惜,不能。在TV版的最后,這一群塔奇克馬為了拯救被彈道導彈鎖定的難民聚集地,決定用搭載自己思考CPU的衛星撞擊導彈(可以這么理解,他們的思考在云端服務器,通過無線電對地面上的塔奇克馬發出行動指令),以自己徹底失去“生命”的方式救贖別人。在劇情設定中,編劇們讓無機的“生命”拯救有機的生命――既然不能成人,但我們有人類的感情,我們不妨犧牲自己救助人類吧。

人類怎么看

說到機器人拯救人類,貓哥又有―個問題:如果一個機器人要和你交朋友,你會作何感想?我想應該有三種情況:1.程序出故障了;2.媽呀,機器人要造反,趕緊抄家伙;3.趕緊把它的電源給拔了。只會有少數人會覺得跟機器人交朋友也不錯。

為什么貓哥會這么認為呢?這里要提到一個日本機器人科學的先驅――森政弘。森政弘在20世紀70年代作為東京工業大學的教授,在工作的時候發現一個有趣的現象:當時的日本民眾對看上去像機器的機器人充滿了好感,但對于看著像人的機器人卻充滿了畏懼。以此為基礎,森政弘結合心理學提出“恐怖谷理論”,認為隨著機器人行為接近于人的程度增高,人類首先會表示出友好,但到了一個特定的程度時,人類態度就會急轉直下,直到機器人行為完全和人類一樣的時候,人類會再次表達出對機器人的親近。

以現在的技術手段,我們還無法做出與人類行為完全一致的機器人,甚至更多的完全擬人機器人帶給人的感覺就如同“弗蘭肯斯坦”一般,覺得它就是一具可以僵硬行走的尸體。“恐怖谷理論”其實已經被部分證實。2005年,日本大阪大學將新開發的擬人化應答服務機器人ReplieeQ1投放到愛知世博會現場,結果在事后的民意調查中發現,許多日本人認為這個機器人看上去很恐怖,雖然大阪大學極力將它做成一個熱情的女性形象。皮克斯曾經在動畫《小錫兵》中用電腦描繪了一個嬰兒,卻引起的小朋友很大的恐慌,這也算是一例。

事實上,給大家講個小事兒,主編的女兒在一歲多的時候看見貓哥送的一個等身的娃娃時,第一反應不是歡天喜地,而是直接給嚇哭。換做我們成年人,一個等身的機器人用非常生硬的動作與奇怪的語言跟你打招呼,那種奇怪的感覺就像――僵尸來襲。

技術奇異點

關于人類對機器人的感官與看法,恐怖谷理論認為人類會最終接受機器人,而這就得仰仗于機器人相關技術的大爆發,這個爆發如同宇宙從一個奇異點爆發產生了整個宇宙一樣。如果你不信,不妨想一想蒸汽機出現之前的世界,荒蠻、愚昧而封建,以千年為尺度的歷史中,科學技術的進展極其緩慢。如果再看看社會制度、生產力與生產關系以及藝術文化,無一不是在蒸汽機誕生之后得到了宇宙大爆炸一般的發展。正如谷歌技術總監雷蒙德?庫茲韋爾所言:“我們的未來不再是經歷進化,而是要經歷爆炸!”

對于機器人相關技術而言,也必然存在這樣一個技術奇異點,它所引爆的基礎就是智能技術。大部分相信技術奇異點理論的科學家普遍認為人類將在2100年以前迎來機器人技術的技術奇異點,并作出了這樣的描述:

發生的可能途徑

某種先進的電腦也許會“蘇醒”,并擁有超人智能。

大型電腦網絡(以及和網絡相連的用戶)也可能“蘇醒”過來,成為超人智能的實體。

人類與計算機結合,使得操縱計算機的用戶可能被視為超人智能實體,也就是“智能擴大”。

生物科學將有可能提升人類的智能。

來臨的條件

技術奇異點來臨的條件是超級智能的產生。

超級智能產生方式可能是人工智能(AI)和智能擴大(IA)。

智能擴大的發展方向

人機小組自動化控制。

用于藝術創作的人機共同體。

允許人機聯合團隊參加棋類比賽。

發展不需人待在某個固定的地方才能使用的人機界面和網絡接口。

發展更對稱的決策系統。

利用本地網絡讓人類小組更高效地工作。

開發世界性的互聯網,使其成為人機結合的工具。

技術奇異點的前景――強勢人工智能

弱勢人工智能的特點:依靠快速思維取勝的超級智能。

強勢人工智能的特點:通過不同帶寬交流的能力,包括高于語言和文字信息的交流方式(比如意念讀取)。

可能阻止技術奇異點來臨的因素

大規模的災難,最可能發生的是國家之間相互毀滅的核戰。

無論計算機硬件發展到多么先進的程度,我們都無法讓其“蘇醒”。

主站蜘蛛池模板: 增城市| 文安县| 习水县| 新田县| 仙居县| 张家界市| 辽宁省| 隆德县| 永川市| 紫云| 公主岭市| 菏泽市| 衡山县| 海晏县| 静海县| 额济纳旗| 芜湖县| 盘锦市| 永修县| 邹城市| 兰考县| 汝南县| 万安县| 康平县| 察隅县| 延川县| 浦北县| 万年县| 科技| 赤水市| 宿迁市| 南丹县| 涿州市| 平南县| 屏东县| 梅河口市| 彭山县| 南丰县| 甘泉县| 巴林左旗| 保靖县|