PDF《人工智能时代的国际关系 ： 走向变革且不平等的世界》

2018 年第1期人类认知系统推进人工智能的艰难尝试,让人工智能拥有了从海量且复杂的 信息源中提取、识别和构建体系的能力,在那些任务目标明确且相关数据丰 富的领域,深度学习算法能够让机器学习新的技能,制定有效策略,从而在 短时间内提出超过人类学习能力的问题解决方案. ① 随着深度学习神经网络成为主流发展方向,人工智能技术很快在现实场 景中得以应用.在很短的时间内,人工智能技术就在图像识别、语音识别、 机器翻译、自动驾驶甚至棋类竞赛等复杂的应用场景中获得了飞速的进步, 基本达到了满足人类日常需求的标准,具备了商业投资的价值,并很快成为 资本市场追捧的新热点.迈过产业化的门槛意味着人工智能技术真正走出了 实验室,能够对社会生产和人类生活产生直接影响.更重要的是,本轮人工 智能技术的进步证明,机器学习算法能够在具有很多限定性条件的领域比人 类做得更好,并且能够通过自我学习不断进步.这一结论事实上打开了人类 对于人工智能发展的未来想象空间,人类社会已经能够清晰地听到未来社会 匆匆而至的脚步声. 本轮在深度学习引领下的人工智能技术发展,将使人类社会逐渐步入被 称为 弱人工智能 ( Artificial Narrow Intelligence,ANI) 时代的发展阶段, 在部分文献中也将其称为领域性人工智能 ( Narrow AI) 阶段、应用性人工智 能(Applied AI) 阶段或模块化人工智能 ( Modular AI) 阶段.本轮人工智能 技术的重要成果由三个基本要素相互融合而成,即硬件设备的快速进步、大 数据的持续积累、深度学习算法的不断突破.理论上说,在硬件设备持续进 步的条件下,在所有拥有大数据的垂直领域,人工智能技术都能够通过算法 的更新为具有明确目标指向的问题提供解决方案,并形成有价值的应用性 成果. 然而,多层神经网络的特性决定了深度学习模型是通过 训练 与 学 习 来解决问题的,模型设计者本身并不能准确地知道该模型在解决问题时 发现了哪些特殊规律,系统对于人类而言是一个完全的 黑箱 .正如杰 瑞・卡普兰所说, ( 机器学习系统) 发展出自己的直觉,然后用直觉来行

2 3

1 ① 从理论流派来说,深度学习应该属于人工智能领域的 联结主义 ( Connectionism) 学派, 部分人工神经网络的学者也以这个概念称呼自己,但这种归类方式本身也存在一定争议.关于人工智 能领域的不同理论路径,可参见 Pedro Domingos,The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World. 人工智能时代的国际关系: 走向变革且不平等的世界 动. ① 这也就意味着能够跨领域解决问题的通用人工智能 ( General AI) 几 乎不可能在现有的理论框架中出现,据美国国家科学技术委员会预测,通用 人工智能的出现还需要几十年的时间, ② 因此,人类社会将........