來源：新智元（AI_era）
現(xiàn)代社會，科學(xué)是基石之一?？茖W(xué)的進(jìn)展支撐了人類的進(jìn)步，從蒸汽機(jī)到電再到汽車火箭與飛機(jī)，以及現(xiàn)在的信息技術(shù)以及人工智能都是如此。
人工智能本身是一門科學(xué)，現(xiàn)在，它也在變革科學(xué)。 7月7日，Science發(fā)布最新一期雜志，《Science》以AI在科學(xué)研究中的角色為主題，制作了AI 特輯。所推薦的研究包括，AI 在物理學(xué)、天文學(xué)、生物學(xué)習(xí)、社會學(xué)等領(lǐng)域的巨大應(yīng)用價值和潛力。
1對于科學(xué)家來說，AI 的前景是最光明的：有望主導(dǎo)科學(xué)發(fā)現(xiàn)的進(jìn)程
大數(shù)據(jù)迎來了自己的競賽場。
在各個領(lǐng)域，搜集數(shù)據(jù)的能力已經(jīng)呈現(xiàn)爆發(fā)式的增長：在生物學(xué)，基因和蛋白質(zhì)的數(shù)據(jù)庫在飛速增長；在天文學(xué)領(lǐng)域，對天空的研究帶來了拍字節(jié)（petabytes）的數(shù)據(jù)；在社會科學(xué)領(lǐng)域，數(shù)不清的帖子和推特紛紛從“水龍頭”上流出來。
數(shù)據(jù)洪流能推翻人類的洞見和分析，能幫助實現(xiàn)這種計算能力的進(jìn)步也創(chuàng)造了新的強(qiáng)大工具。
在一場蔓延到眾多科學(xué)領(lǐng)域的革命中，研究者正在數(shù)據(jù)的洪流上使用人工智能，通常以人工神經(jīng)網(wǎng)絡(luò)的形式。
與更早期在AI上的嘗試不一樣，這樣的“深度學(xué)習(xí)”系統(tǒng)不需要人類專家的知識進(jìn)行編程。取而代之的，這些系統(tǒng)自己進(jìn)學(xué)習(xí)，通常來自大型的訓(xùn)練數(shù)據(jù)集，直到它們能在數(shù)據(jù)中看到模式和發(fā)現(xiàn)異常，這些數(shù)據(jù)集相比人類能處理的都要更大、更復(fù)雜。
AI 并不僅僅在變革科學(xué)：它能在你的智能手機(jī)上講話，能在無人駕駛汽車上與道路進(jìn)行對話，并且在眾多未來學(xué)家中引起了關(guān)于大規(guī)模失業(yè)的擔(dān)憂。
對于科學(xué)家來說，AI 的前景是最光明的：AI 有望主導(dǎo)科學(xué)發(fā)現(xiàn)的進(jìn)程。
但是，與一名學(xué)生或者一名博士后不一樣，神經(jīng)網(wǎng)絡(luò)不能解釋自己是如何思考的：計算機(jī)帶來的成果是不透明的。
所以它們的興起已經(jīng)產(chǎn)生了一個稱為“AI神經(jīng)科學(xué)”的領(lǐng)域：努力打開神經(jīng)網(wǎng)絡(luò)的黑匣子，在人們心中建立對它們產(chǎn)生的見解的信心。
隨著AI在科學(xué)的角色中不斷擴(kuò)展，理解機(jī)器內(nèi)部的“思維”也變得越來越迫切。已經(jīng)有一些先鋒開始轉(zhuǎn)向AI，進(jìn)行試驗設(shè)計，以及解釋結(jié)果， 開辟了全自動化科學(xué)的前景。
AI 這一不知疲倦的學(xué)徒可能很快就會變成一個成熟的同事。
2Science社論：AI、社會與人類
Eric Horvitz
Eric Horvitz 是微軟的技術(shù)院士，微軟研究院的主管。他曾擔(dān)任AAAI主席，是斯坦福百年研究報告的發(fā)起人。
【Eric Horvitz 】在關(guān)于他科幻小說的一篇文章中，艾薩夫·阿西莫夫（Isaac Asimov）反思道，“將機(jī)器人看做會無差別地摧毀制作者的危險設(shè)備”這種觀點(diǎn)變得十分普遍。阿西莫夫不同意這種看法，并制定了“機(jī)器人三定律”，旨在確保機(jī)器人系統(tǒng)安全，對人類友好。阿西莫夫提出機(jī)器人定律后幾年，“人工智能”（AI）一詞在 1955 年被第一次提出。此后半個世紀(jì)以來，AI 已經(jīng)發(fā)展為成熟的學(xué)科，有了子領(lǐng)域，產(chǎn)生了一系列方法，使計算機(jī)能夠感知、學(xué)習(xí)、推理和理解自然語言。
“深度學(xué)習(xí)”方法讓機(jī)器在模式識別方面的準(zhǔn)確性有了出人意料的飛躍，AI 的發(fā)展越來越激動人心。這些進(jìn)步已經(jīng)成了消費(fèi)者手中的各種功能，從語音、語音翻譯到半自動駕駛。然而，許多艱難的挑戰(zhàn)仍然存在，還有很多人類智能的方面讓 AI 科學(xué)家為之不解。
對AI 高漲的興趣也因其潛在缺點(diǎn)的擔(dān)憂而有所緩解。有些人擔(dān)心超級智能的崛起和 AI 系統(tǒng)失控。其他人則側(cè)重于近期可能發(fā)生的問題，關(guān)注潛在的不利后果。例如，用于指導(dǎo)醫(yī)療保健和刑事司法高風(fēng)險決策的數(shù)據(jù)分類器，可能會遭受數(shù)據(jù)集本身所帶的偏見的影響，最終得出不公平或不準(zhǔn)確的推論。其他亟待解決的問題還有自動化系統(tǒng)做出決策的法律和倫理問題，很難解釋系統(tǒng)是如何做出推論的，新形式的監(jiān)視對公民自由構(gòu)成的威脅，旨在操縱民意的自動化系統(tǒng)操作，AI 的犯罪行為，破壞軍事應(yīng)用影響，以及可能使工人失業(yè)、擴(kuò)大財富不平等。
隨著我們推動 AI 科學(xué)的發(fā)展，在短期和長期的規(guī)模上，解決 AI 對人與社會的影響至關(guān)重要。我們可以通過重點(diǎn)研究，監(jiān)測和分析來制定有價值的評估和指導(dǎo)方案。AI 的影響范圍廣泛，需要跨學(xué)科團(tuán)體的參與，包括計算機(jī)科學(xué)家，社會科學(xué)家，心理學(xué)家，經(jīng)濟(jì)學(xué)家和律師。在長期的問題上，需要溝通交流來彌合世人關(guān)于超級智能和惡意 AI 的意見分歧。在這方面有希望的方向包括，弄清黑箱的研究，還有讓擁有軟件驗證、安全性和故障安全設(shè)計專業(yè)背景的計算機(jī)科學(xué)家和工程師一起參與工作。
好消息是，相關(guān)的研究、項目和計劃已經(jīng)建成。2008 年，AAAI 主持了長期 AI 影響的多項研究，最終在加利福尼亞州的 Asilomar 舉行了一次會議。這次會議啟發(fā)了斯坦福大學(xué)《百年 AI 研究》，這是一個負(fù)責(zé)組織類似研究的項目，在一個世紀(jì)乃至更久的時間里，每隔 5 年發(fā)布一份報告（去年發(fā)布了第一份報告）。其他最近的努力還包括，由美國國家科學(xué)院主辦的研討會和研究。去年 4 月，發(fā)表了一份關(guān)于自動化對美國勞動力影響的報告，這是兩年研究的成果。今年早些時候，來自工業(yè)界，學(xué)術(shù)界和民間社會的代表組成了一個非營利組織，名為“Partnership on AI”，旨在推薦開發(fā)和實施 AI 技術(shù)的最佳方法。
阿西莫夫在他的文章中得出結(jié)論：“我不認(rèn)為如果感覺到一件事有危險，解決辦法就是不去了解它。對我來說，解決方案一定是去了解它。正視危險，就是學(xué)會如何安全地處理它?！笔聦嵣希珹I的前進(jìn)道路應(yīng)以求知欲、關(guān)懷心和合作為指導(dǎo)。
3AI 偵探如何打開深度學(xué)習(xí)的黑箱
深度神經(jīng)網(wǎng)絡(luò)，或者說深度學(xué)習(xí)，有著變革科學(xué)發(fā)現(xiàn)的潛力。但是，隨著這些網(wǎng)絡(luò)被應(yīng)用到越來越多的學(xué)科，許多以“解釋”為職業(yè)精神的科學(xué)家開始提出這樣一個問題：為什么。模型你告訴我為什么得到這樣一個結(jié)論？這一可解釋的問題，在行業(yè)和學(xué)術(shù)圈內(nèi)刺激著新一代的研究者。正如顯微鏡揭示了細(xì)胞的原理一樣，這些研究者也在開發(fā)工具，用于理解神經(jīng)網(wǎng)絡(luò)是如何做決策的。
一些工具在不需要透視的情況下對AI 進(jìn)行探索；一些則是能夠與神經(jīng)網(wǎng)絡(luò)本身進(jìn)行競爭和替代性工具，但是擁有更高的透明度；還有一些人使用更多的深度學(xué)習(xí)來進(jìn)入到黑箱中去。總的來說，他們創(chuàng)造了一個新的學(xué)科，叫 AI 神經(jīng)科學(xué)。
4【AI 在行動】AI的早期證明地：尋找新粒子
粒子物理學(xué)家早在20世界80年代就開始嘗試使用人工智能，當(dāng)時“神經(jīng)網(wǎng)絡(luò)”這一術(shù)語剛剛進(jìn)入大眾的想象。 這一領(lǐng)域依賴AI 和機(jī)器學(xué)習(xí)算法，因為每一個實驗中心都是在數(shù)不清的、相似的復(fù)雜例子探測器中進(jìn)行發(fā)掘。這正是AI擅長的地方。
粒子物理學(xué)家嘗試通過粉碎亞原子粒子帶來的巨大的能量來帶來的新物質(zhì)來理解新的宇宙的內(nèi)部工作原理。例如2012年，世界上最大的質(zhì)子對撞機(jī)、瑞士的LHC發(fā)現(xiàn)的長期預(yù)測的希格斯玻色子。然而，這種異乎尋常的顆粒不附帶標(biāo)簽。在幾分之一納秒之內(nèi)，它們會衰變成其他粒子，物理學(xué)家必須發(fā)現(xiàn)那些更常見的粒子，看看它們是否與一個與同一個族系相一致的方式相配合，這些工作相對困難，因為傳統(tǒng)的對撞中會產(chǎn)生許多外族的粒子。機(jī)器學(xué)習(xí)算法在從背景中篩選信號方面表現(xiàn)優(yōu)異，并且可能對這一領(lǐng)域變得更加重要，因為LHC等機(jī)器帶來的數(shù)據(jù)量在不斷增加。
5【AI 在行動】算法如何分析大眾情緒
社交媒體每年有數(shù)以億計的用戶和數(shù)以億計的微博和帖子，為社會科學(xué)帶來了巨大的數(shù)據(jù)。社交媒體也開辟了前所未有的機(jī)會，使用人工智能（AI）從人類大眾媒體傳播中提取意義。例如，賓夕法尼亞大學(xué)積極心理學(xué)中心使用機(jī)器學(xué)習(xí)和自然語言處理來篩選數(shù)據(jù)，衡量公眾的情緒和身體健康，包括抑郁和信任程度以及幾種人格特質(zhì)。傳統(tǒng)上這是通過調(diào)查完成的。但社交媒體資料便宜而豐富。不過，社交媒體也是凌亂的，而 AI 則為科學(xué)家提供了一種強(qiáng)大的方法，從中找出模式。
6【AI 在行動】解決自閉癥
對于遺傳學(xué)家來說，自閉癥是一個棘手的問題。遺傳模式表明自閉癥具有很強(qiáng)的遺傳成分。但是，已知在自閉癥中發(fā)揮一定作用的幾十種基因變體，只能解釋所有病例的約 20％。尋找其他可能有助于解釋自閉癥的變體需要查看 25,000 個其他人類基因及其周圍 DNA 的數(shù)據(jù)——對于人類調(diào)查人員而言任務(wù)過于繁重。因此，計算生物學(xué)家使用人工智能（AI）工具。首先，這些研究人員結(jié)合了數(shù)百個基因組學(xué)數(shù)據(jù)集，用機(jī)器學(xué)習(xí)構(gòu)建了基因相互作用的地圖。他們將少數(shù)成熟的自閉癥風(fēng)險基因與成千上萬其他未知基因的基因進(jìn)行比較，單去年一年就發(fā)現(xiàn)了另外 2500 個可能參與形成自閉癥的基因?，F(xiàn)在，他們已經(jīng)開發(fā)了一個深度學(xué)習(xí)工具去發(fā)現(xiàn)可能在自閉癥和其他疾病中也發(fā)揮作用的非編碼DNA。
7【AI 在行動】理解天空
天體物理學(xué)家使用人工智能（AI）來創(chuàng)建類似于電影技術(shù)的東西，這些技術(shù)可以使模糊的圖像變清晰：神經(jīng)網(wǎng)絡(luò)可以使模糊的星系圖像看起來像是用比實際更好的望遠(yuǎn)鏡拍攝的。這可以讓天文學(xué)家從觀察中得出更精細(xì)的細(xì)節(jié)。這種系統(tǒng)通過讓兩個神經(jīng)網(wǎng)絡(luò)相互對抗而起作用。一個是產(chǎn)生圖像的生成器，另一個是努力發(fā)現(xiàn)任何虛假內(nèi)容的鑒別器，鑒別器的工作會讓生成器變得更好。研究團(tuán)隊拍攝了數(shù)千個星系的真實圖像，然后人為地對它們做了降維。然后，研究人員用這些圖像訓(xùn)練生成器，讓它們能夠騙過鑒別器。最終，網(wǎng)絡(luò)在讓有噪音的星系圖片變平滑方面超越了其他技術(shù)。
8【AI 在行動】化學(xué)，發(fā)現(xiàn)新分子
要制作一種新的分子，化學(xué)家需要從數(shù)百個分子結(jié)構(gòu)單元和數(shù)千個化學(xué)反應(yīng)中找出合適的搭配。從很早開始，計算化學(xué)家就利用已知的化學(xué)反應(yīng)編程計算機(jī)，希望創(chuàng)建能夠計算出新的分子結(jié)構(gòu)的軟件。但化學(xué)反應(yīng)往往不是單純的成功或失敗，會產(chǎn)生不同濃度的產(chǎn)品混合物。所以，現(xiàn)在研究人員正在尋求人工智能的幫助。研究人員開發(fā)了一種從數(shù)百萬次成功實驗中學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，能夠自己選擇反應(yīng)，生成新的分子。
9AI 術(shù)語表：人工智能 17 大常見詞
當(dāng)人們在談人工智能的時候，他們在說些什么？這一詞語目前還沒有最清晰的邊界。當(dāng)它在達(dá)特茅斯學(xué)院的1956年的一個會議上被推出時，它指的是，讓機(jī)器以一種人類看來是“智能”的方式運(yùn)行。人工智能的一個重要的進(jìn)步是機(jī)器學(xué)習(xí)，它在拼寫檢查到自動駕駛技術(shù)中得到了展示，并且通常由稱為神經(jīng)網(wǎng)絡(luò)的計算機(jī)系統(tǒng)來執(zhí)行。對AI的討論也可能包括其他術(shù)語。
算法。一系列按部就班的引導(dǎo)。計算機(jī)算法可以非常簡單（比如，下午三點(diǎn)給我發(fā)提醒），也可以很復(fù)雜（識別行人）。
反向傳播。這是許多神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的方式。他們會發(fā)現(xiàn)自己的輸出和計劃的輸出之間的差異，并反向調(diào)整計算進(jìn)程，以進(jìn)行執(zhí)行。
黑箱。這是對一些深度學(xué)習(xí)系統(tǒng)的描述。它們拿到輸入并且提供輸出，但是，人要理解其中其中的計算過程，卻并不容易。
深度學(xué)習(xí)。一個多層的神經(jīng)網(wǎng)絡(luò)，如何對更多的抽象概念進(jìn)行反應(yīng)。在對一張圖片進(jìn)行解析時，各層可能會首先對邊緣進(jìn)行反應(yīng)，然后是爪子，接下來才是狗。
專家系統(tǒng)。是 AI 的一種形式，可以嘗試復(fù)制某個領(lǐng)域的專家的專業(yè)知識，比如醫(yī)學(xué)診斷。它綜合了一系列知識，并通過手寫代碼進(jìn)行應(yīng)用。機(jī)器學(xué)習(xí)技術(shù)正在逐步取代手寫代碼。
生成對抗網(wǎng)絡(luò)。一組共同訓(xùn)練的神經(jīng)網(wǎng)絡(luò)，能生成真實的新數(shù)據(jù)，并通過競爭進(jìn)行提升。一個網(wǎng)絡(luò)提供新的樣本，另一個網(wǎng)絡(luò)則嘗試檢驗其真假性。
機(jī)器學(xué)習(xí)。對算法的使用，能夠在不需要精確的指導(dǎo)下，從數(shù)據(jù)中發(fā)現(xiàn)模型。一個系統(tǒng)可能可以學(xué)會怎樣將輸入和輸出的特征聯(lián)系起來，比如輸入的圖像和輸出的標(biāo)簽。
自然語言處理。計算機(jī)嘗試“理解” 語音和文字。它必須對詞、語法和意圖進(jìn)行解析，并能夠滿足語言中的不同使用。處理過程通常包括機(jī)器學(xué)習(xí)。
神經(jīng)網(wǎng)絡(luò)。在機(jī)器學(xué)習(xí)中使用的，一個對人類大腦高度濃縮和簡化的模型。一系列單元會接收到輸入（比如，一張圖像的像素），然后進(jìn)行簡單的計算，進(jìn)而把它們傳遞到下一層的各個單元中。最后的一層會提供答案。
神經(jīng)形態(tài)芯片。一種計算機(jī)芯片，用于執(zhí)行神經(jīng)網(wǎng)絡(luò)的功能?？梢赃M(jìn)行模擬、數(shù)字化或者組合。
感知機(jī)。一種早期的神經(jīng)網(wǎng)絡(luò)類型，20世紀(jì)50年代開發(fā)。曾經(jīng)被熱捧，但是最終被證明有其局限性。有一段時間，對感知機(jī)的興趣超越了神經(jīng)網(wǎng)絡(luò)。
強(qiáng)化學(xué)習(xí)。機(jī)器學(xué)習(xí)的一種，在其中，算法可以通過一個完成一個抽象的目標(biāo)進(jìn)行學(xué)習(xí)，比如，“玩游戲中獲得最高分”或者“讓一個工廠變得更加高效”。在訓(xùn)練的過程中，算法的每次嘗試都會基于其對最終目標(biāo)的貢獻(xiàn)進(jìn)行評估。
強(qiáng)人工智能。像人一樣聰明和全面的人工智能。有人認(rèn)為這是不可能的。目前的 AI 還是弱人工智能，或者說是狹義的人工智能。它可以下象棋，或者駕駛，但是不能二者兼顧，并且缺乏常識。
監(jiān)督學(xué)習(xí)。機(jī)器學(xué)習(xí)的一種類型，算法能在訓(xùn)練的過程中能夠?qū)⒆约寒a(chǎn)出的輸出與正確的輸出進(jìn)行對比。在非監(jiān)督學(xué)習(xí)中，算法只需要在數(shù)據(jù)集中尋找模型。
TensorFlow 。谷歌為深度學(xué)習(xí)開發(fā)的一系列軟件工具集合。它是開源的，意味著任何人都能使用或者提升它。相同的項目還包括Torch 和 Theano。
遷移學(xué)習(xí)。深度學(xué)習(xí)的一項技術(shù)，一個算法在執(zhí)行一個任務(wù)，比如識別汽車的同時也學(xué)習(xí)相關(guān)知識，可以處理不同的任務(wù)，比如識別貓。
圖靈測試。對 AI 超越人類的能力的一種測試。在阿蘭·圖靈（Alan Turing）最開始設(shè)想中，AI 將以其通過書面文本進(jìn)行交談的能力來判斷。
聯(lián)系客服
