中科软博

当前位置:首页 > 科技研发

人工智能的最新进展：比失业更严重？




刘慈欣有一部短篇小说，叫做《镜子》，讲了这么一个故事：
 
 
 
一位气象局的软件工程师，意外用超弦计算机开发出了一款模拟软件，可以模拟一个宇宙从诞生到演变的过程。
 
 
 
他试验了一千多个宇宙，终于在一天夜里，无意间发现了一组数据，用它生成的宇宙，一切物理常数跟我们的宇宙一模一样。换言之：他模拟出了我们现在所在的宇宙。
 
 
 
于是，他看到了被掩埋的“真实的历史”：特洛伊城从未存在过，马可波罗从未来过中国，许多名不见经传的小人物，其实才是真正的英雄……
 
 
 
感兴趣的朋友，可以自行去找这本小说，很短。
 
 
 
但是在《镜子》中，哪怕是这个万能的宇宙模拟器，也有一个致命的缺陷：它只能用来看过去，无法用来预测未来，否则就会陷入“无限递归”之中。
 
 
 
预测未来，大概是人类想象力的极限了。
 
 
 
无论是漫威的奇异博士，还是《守望者》里面的曼哈顿博士，一旦跟预知未来扯上关系，总是会带来复杂的思维陷阱和悖论。
 
 
 
如果未来能够预知，那我能否改变它？我又能否预知被我所改变的未来？
 
 
 
如果未来能够预知，那是否意味着，整个世界本质上都是决定论的？一切早从遥远的过去就已经注定好？
 
 
 
这也许是人类，最不想涉足的一块禁地：因为它会对我们的“自由意志”，产生巨大的冲击和影响。
 
 
 
1
 
 
 
但这一切正在成为现实。
 
 
 
一种叫做 ABM（基于智能体的模拟，Agent-based Model）的技术，也许真的能够使我们“预测未来”。
 
 
 
它的原理是什么呢？举个简单的例子：
 
 
 
想象有一片空地，上面有10个圆点，我们给它们设定如下的指令：
 
 
 
1）在这片空地上随机行走，不能走出外面；
 
 
 
2）当两个圆点相遇时，有50%几率会“结盟”，50%几率会互相攻击；
 
 
 
3）攻击时，每两个圆点之间各有50%的几率取胜。
 
 
 
那么，最终会有几个圆点“存活”下来？
 
 
 
我们还可以增加规则。比如，有些圆点具备“勇敢”属性，攻击的胜率更高；有些具备“侦察”属性，能够规避危险；有些具备“友善”属性，结盟的几率更高……诸如此类。
 
 
 
这是一个极其简单的例子。随便拿一台计算机，写几行代码，就可以解决。
 
 
 
我们让它多跑几次，做几次模拟，就可以得到不同的结果。把这些大量的结果做一个统计，就能够知道大致的倾向。
 
 
 
但如果把这片空地，换成一座城市；把这些圆点，换成一个个“人”；把这些指令，换成一些支配着人类的、简单的行为规则呢？
 
 
 
从某种程度来讲，我们就可以藉由模拟，来预判一个小群体的大致走向。
 
 
 
如果你玩过类似《模拟人生》这样的游戏，你一定会非常清楚。
 
 
 
当然，“模拟”的原理并不新奇 —— 它早自上个世纪就已经投入使用了。天气预报就是这样来的。
 
 
 
同样，针对人类社会的模拟，也已经有许多案例。
 
 
 
比如，2014年西非爆发埃博拉疫情。当时，相关专家用了7个月的时间，建立了一个模型，引入了现实社会的种种数据，如病例数量、感染率、交通方式、人口分布……最终得出结论：如果不加控制，可能会有140万人受到感染。
 
 
 
最终，在这个预测模型的指导下，医疗小组奔赴最核心的地方进行干预，成功地将感染数量控制在了2.8万人以内。
 
 
 
但无论是天气预报，还是埃博拉模拟，抑或《模拟人生》，都存在一个严重的问题：它们的数据量太小，远远不足以模拟“现实”。
 
 
 
举个例子，在埃博拉模拟中，每个“人”只有几种行为方式：被感染，逃跑，随机行动。与其说它们是一个个活生生的“人”，不如说是被高度简化、抽象化的“质点”。
 
 
 
这就导致了 ABM 技术发展的停滞。毕竟，要还原现实社会，需要的数据量实在是太庞大了，绝不是短时间内可以实现的。
 
 
 
2
 
 
 
不过，近几年来，一项技术的发展，使得“模拟现实社会”成为可能。
 
 
 
这项技术是什么呢？你一定也非常清楚，它就是人工智能 —— 人工智能的发展，解决了对于数据的“输入”难题。
 
 
 
什么意思呢？
 
 
 
在旧的模拟技术里，最难的地方是什么？如果你要尽可能还原一个群体，你就要对每个人输入足够多的数据。包括：出身，家庭背景，喜好，习惯，工作，技能，经济状况，等等。
 
 
 
这几乎是不可能的。
 
 
 
但这对于人工智能来说，这只是一个小问题。
 
 
 
人工智能有一个非常强大的能力，叫做自学习：你只要给它一定的数据，它自己就能够进行学习，自我测试、自我修正、自我完善。
 
 
 
当它“学会”了一个模式之后，就能够真正地“模拟现实”。
 
 
 
举个例子，AlphaGo 大家都非常熟悉了。而 2017 年的 AlphaGo Zero，无需任何知识输入，只需给它一张棋盘，告诉它规则，让它跟自己对弈，仅训练三天时间，它就能击败 AlphaGo。
 
 
 
同样，DeepMind 发布的 VQ-VAE 模型，仅需“投喂”7万张人脸图片作为训练集，就能生成 100 万像素的清晰“人脸”，肉眼完全无法分辨。
 
 
 
生活中，我们每一天都在产生数据。这些源源不断的数据，就是人工智能最好的训练集。
 
 
 
把它们输入给人工智能，让人工智能去学习“人”的模式，它就能非常轻易地，生成一个个“真实的人”。
 
 
 
这些人跟真人一样，拥有性格、信仰、家庭、工作，他们会生病，会变老，会交互，能够学习，能够对外界的刺激作出反应。
 
 
 
差别只是在于：他们只存在电脑里，并不存在于现实中。
 
 
 
这就是 MAAI，多智能体人工智能（Multi-agent artificial intelligence）。
 
 
 
它针对旧的 ABM 模型，最大的变化是：
 
 
 
1）使得“智能体”（agent）真的成为了“复杂”的个体；
 
 
 
2）使得智能体的数量大大增加，从而使模拟社会成为可能。
 
 
 
正如挪威社会建模中心的 F. LeRon Schults 所说：
 
 
 
“人们需要作出的改变，是接受这么一个事实——你真的可以模拟人类。”
 
 
 
3
 
 
 
这是一项非常新的技术。
 
 
 
新到什么程度呢？英国萨里大学社会模拟研究中心主任 Nigel Gilbert 表示，有一些政策分析家已经注意到它，但大多数政治家对此尚一无所知。
 
 
 
然而，它并不仅仅存在于论文里面。
 
 
 
据弗吉尼亚建模中心的 Saiku Diallo说：“目前这一技术，已经能够容纳上千万个‘智能体’。”简而言之，“我们可以为一座像伦敦这样的城市建模”。
 
 
 
试想：在电脑里建立一座城市，里面有数千万个“居民”。他们跟真人一模一样，每个人都有详细的出身、履历、性格、特质……虽然他们没有自我意识，但从观察者的角度来看，就跟真人一样。
 
 
 
理论上来说，当我们把一部分伦敦的居民数据输入人工智能，用它生成足够的“智能体”，再放到一个相似的环境下，这就构成了一座虚拟的“伦敦2号”。
 
 
 
它和现实的伦敦非常相似，说是一个简化版也不为过。
 
 
 
然后，我们就可以尝试着控制外部条件，来观察整个“伦敦2号”的变化。
 
 
 
比如：
 
 
 
施行一项新政策，观察整个城市的变化结果和趋势；
 
引发一场灾难，看能否得到有效的遏止和控制；
 
输入一些突发的事件，比如“脱欧”“难民涌入”，观察长期的变化趋势。
 
 
 
只要让它多运转几次，我们就可以得到足够多的数据，从而对未来有一个更大把握的预判。
 
 
 
从某种程度上来讲，这不啻于正是“预测未来”。
 
 
 
而这一技术的发展，很可能会比我们想象中更快。
 
 
 
目前是伦敦，下一步呢？
 
 
 
F. LeRon Schults 说下一个目标，将是 3.2 亿 —— 整个美国的人口；
 
 
 
再下一个目标，14 亿，中国。
 
 
 
最终，全世界。
 
 
 
4
 
 
 
而在现实中，这样的模型正在运行。
 
 
 
据 NewScientist 的报道：一个模拟挪威城市的模型，正在尝试解决难民问题。
 
 
 
在过去的 8 年里，100 万叙利亚难民逃往欧洲，其中有 2 万人定居在挪威。这些难民涌入进来，会对当地的社会环境造成什么影响？应该采取什么政策去应对？如何才能将风险和损害最小化？没人知道。
 
 
 
因此，Schults 正在主导一个模型，模拟一座挪威城市在外来难民的冲击下种种可能的未来。
 
 
 
这个模型比较小，只有 5 万个智能体，但将模拟长达 3 代人的时间，以更长远地观察各种措施所可能带来的后果。
 
 
 
像这种体量的模型，运行 1 次需要数小时到数天的时间。
 
 
 
你一定会有疑问：根据真实数据“生成”出来的建模，真的能代表现实情况吗？它的契合度究竟有多高？
 
 
 
这一点，建模科学家们当然也考虑到了。在 Schults 的挪威难民模型中，他们花了一年的时间设置初始条件、建模，以及进行现实检验。
 
 
 
研究团队使用了挪威政府的社会调查数据，观察建模出来的结果，是否社会调查数据相吻合。如果不吻合，就微调初始参数，再重新建模。
 
 
 
关键在于什么呢？这些都是一次性的工作。一旦你通过了现实检验，你的建模就算成功了。你就拥有了一个足够大的“沙盘”，可以自由地、随心所欲地试验你的想法，并根据得到的反馈进行修正。
 
 
 
除了挪威难民模型，其他的应用也已经浮出水面。
 
 
 
英国的经济学家们正在考虑，把 MAAI 技术引入经济学，来更好地理解现实世界的经济变化，以及，预测像 08 金融危机这样的冲击。
 
 
 
波士顿心理与文化中心的一个小组，已经建立了一个 MAAI 模型，来对付儿童拐卖的罪犯。但据小组主任说，罪犯很可能正在采取相似的技术，来对抗政府的行动。
 
 
 
近阵子，许多学者关注的是 2020 年的美国大选。双方的团队是否会利用该技术，试验各种各样的竞选策略，以最大程度地煽动选民？如果一旦发生，又如何界定这种行为？
 
 
 
不能说这一定会发生，但目前来看，可能性并不小。
 
 
 
5
 
 
 
如果这一技术在不远的将来，能够普及化的话，那造成的影响，将会非常之大。
 
 
 
我在《这套“创造者思维”，令我受益良多》中已经提过：现代社会里，一切都是高度精密、有条不紊、完全工业化和流程化的。你所看到、感知到的一切东西，都是别人加工之后呈现给你的产品。
 
 
 
而有了这项技术的加持，这种现象只会变本加厉。
 
 
 
你所感知到的一切，不仅仅是别人呈现给你的产品，更是别人已经经过无数次试验、演练，得到的“最优解”。每一个动作，每一个节奏，都恰到好处，在最恰当的时候出现，落在你最舒服的地方。
 
 
 
这有点类似于“读心”了。
 
 
 
当然，从另一个角度看，这种技术也将带来一个巨大的正面结果：我们所面临的的不确定性，将降低到很小。
 
 
 
无论是一个突发事件，一项决策，一次危机，有了 MAAI 的帮助，就相当于有了无数次“重启”的机会 —— 风险将被降低到最小，我们一切可能产生的反应，都是别人早已经预料到、并有所预案的。
 
 
 
我们会生活在一个“更舒服”“更安全”的社会。
 
 
 
至于如何看待这个问题，就留待大家的思考和讨论了。
 
 
 
6
 
 
 
关于这项技术，其实还可以延伸一下。
 
 
 
很多人都知道，量子力学的随机性摧毁了决定论。但实际上，量子力学的随机性仅仅表现在微观层面。当它从微观世界转换到宏观世界时，这种随机性就不存在了 —— 一切变成了确定、可控、稳定的事物。
 
 
 
因此，我们的存在是稳定的，不会突然“坍缩”成一堆粒子，也不会突然出现在月球上。
 
 
 
而人类社会也是一样的。
 
 
 
就每个人具体而言，都极其复杂，如果没有足够多的信息，我们几乎不可能“预测”一个人的行为。但当一群人组成一个群体，要预测这个群体的行为模式，就简单了许多。
 
 
 
为什么呢？因为群体有一个特征：它会抹消掉所有的“异常值”。从而，呈现出稳定的特征和模式。
 
 
 
简单来说：我们说一种药对某种疾病有效，是说任何一个生了这种病的人，都适用于这种药物吗？并不是。
 
 
 
每个人的情况不同，有些人的症状也许并不适用这种药物，但把所有人放在一起，这些就变成了“个例”，会被更大的数据掩盖掉、抹消掉。于是，整体来看，就呈现出了“有效”。
 
 
 
同样，把一万个非常聪明的人放在一起，他们共同作出的决策、行为，一定优于其中任意一个人的结果吗？不一定。除非他们是绝对理性的，否则，他们也许会互相攻讦，牟取利益，达成妥协，等等。最终所呈现出来的，很可能仅仅是一个平均水平。
 
 
 
这也正是 MAAI 的基石之一：我们不可能“预测”一个人的未来，因为不确定性太大，需要考虑的数据太多；但是，当许许多多这样的人组成一个群体，我们所需要的数据，反而减少了；所面对的不确定性，也反而降低了。
 
 
 
更进一步，如同我之前说过的：思考是一种熵增。你会希望你全身的每个细胞都有独立思考能力吗？一定不会。对不对？
 
 
 
关于“群体”和“个体”的问题，可能也会是一个需要思考的议题。
 
 
 
这也是我希望与你一起探讨、一起思考的。
 
 
 
7
 
 
 
最后，还是稍微提几句。
 
 
 
技术的突破滚滚而来，在历史的车轮面前，赞扬也好，反对也好，大多数时候，意义并不是很大。
 
 
 
很多东西一旦被创造出来，就未必是能够以人的意志而转移了。
 
 
 
我们要做的是，做好心理准备，来迎接一场表面上可能毫无波澜，但却可能改变整个社会、改变人类文明的变革。
 
 
 
它也许会在几十年后到来。也许永远不会到来。
 
 
 
又也许，就在不久之后。
 
 
 
本文来自公众号：L先生说（ID:lxianshengmiao），作者：Lachel
 
 
 
 
 



上一篇：人工智能预测一年内的人类死亡风险
下一篇：深度学习DeepLearning核心技术实战培训班

主办：中国工业与信息化技术培训网　联系电话：010-56129268

Copyright © 2023 itcc.ac.cn All Rights Reserved.

京ICP备19058686号-1 京公网安备11030102045050号