機器人相互教學(xué)讓知識瞬間轉移 AI迎來(lái)指數級進(jìn)化

　　“在交流越容易出現的情況下，變化就會(huì )發(fā)生得更快。”——Science Historian專(zhuān)欄作者詹姆斯·伯克

　　在2015年10月的新聞發(fā)布會(huì )上，特斯拉展示了他們研發(fā)的Model S的自動(dòng)駕駛功能，該功能允許汽車(chē)能夠進(jìn)行半自主駕駛，而特斯拉首席執行官埃隆·馬斯克也提到，每個(gè)車(chē)輛的擁有者將成為每個(gè)Model S這款車(chē)的“私人專(zhuān)家教練”。事實(shí)上，每輛Model S可以通過(guò)從駕駛員身上來(lái)學(xué)習改善自主特征，但更重要的是，當一個(gè)特斯拉汽車(chē)從自己的駕駛員身上學(xué)到知識時(shí)，就可以與其他所有的特斯拉汽車(chē)共享知識。

　　正如Fred Lambert不久之后在Electrik上報道的那樣，Model S型車(chē)主都注意到這款車(chē)的無(wú)人駕駛功能改進(jìn)的速度有多快。舉一個(gè)例子，這款特斯拉汽車(chē)剛開(kāi)始在高速公路上總是下錯了出口，這也迫使他們的主人只能通過(guò)手動(dòng)駕駛汽車(chē)使其行駛在正確的路線(xiàn)上。但在短短的幾個(gè)星期后，車(chē)主們注意到他們的汽車(chē)已經(jīng)在自動(dòng)駕駛的情況下不會(huì )走錯出口。

　　一位特斯拉Model S汽車(chē)的車(chē)主說(shuō)：“我發(fā)現它非常迅速地改善了這一點(diǎn)。”

　　智能系統，如最新一代機器學(xué)習軟件的智能系統，不僅變得更加智能，它們在智能化的基礎上其適應能力更加迅速。了解這些系統發(fā)展的速度可能對于導航技術(shù)變革是一項特別具有挑戰性的項目。

　　雷·庫茲維爾(Ray Kurzweil)在他所謂的技術(shù)變革的“直觀(guān)線(xiàn)性”觀(guān)點(diǎn)和現在正在發(fā)生的“指數級”變化率之間，廣泛地描述了人類(lèi)在這兩項觀(guān)點(diǎn)之間理解的差距。在他發(fā)表了所謂的“加速回報定律”的這一篇十分有影響力的論文近二十年之后，一個(gè)與速度相關(guān)的演化變化理論誕生了——互相連接的設備在能夠相互分享知識的情況下，它們發(fā)展進(jìn)化的速度會(huì )不斷被提高。

　　哥倫比亞大學(xué)機械工程和數據科學(xué)教授Hod Lipson最近接受采訪(fǎng)時(shí)說(shuō)：“我認為這也許是對于人工智能演變進(jìn)化帶來(lái)的最大指數趨勢的增強。”

　　“所有的指數技術(shù)趨勢都有不同的”指數“，”Lipson補充道。 “但是它將擁有最大的潛力。”

　　根據Lipson的說(shuō)法，我們可以稱(chēng)之為“機器教學(xué)”，它代表的是當設備之間能夠相互傳遞獲得并獲取知識時(shí)，會(huì )使這些設備的系統改進(jìn)速度得到指數量的進(jìn)步。

　　他還說(shuō)道，“有時(shí)候它們會(huì )進(jìn)行合作，例如，當一臺機器像蜂房一樣利用其相通的方式從另一個(gè)機器學(xué)習。但是這有時(shí)候是對抗性的，就像在兩個(gè)互相下棋的系統之間不斷進(jìn)行比賽一樣。”

　　Lipson認為，這種開(kāi)發(fā)人工智能的方式是一個(gè)大的發(fā)現，部分原因是因為它可以繞過(guò)人類(lèi)為它設計訓練數據的需要。

　　“數據是機器學(xué)習的燃料，但是即使對于機器來(lái)說(shuō)，一些數據也很難獲得，例如一些數據可能是有風(fēng)險的，緩慢的，稀缺的或昂貴的。在這種情況下，機器可以分享經(jīng)驗或為彼此創(chuàng )造綜合體驗來(lái)增加或替換數據。事實(shí)證明，這不是一個(gè)小的影響，它實(shí)際上是利用自身的條件來(lái)擴散到四面八方的，因此我們說(shuō)它的增長(cháng)是指數級的。“

　　Lipson認為Google的DeepMind(一個(gè)名為AlphaGo Zero的項目)最近取得了突破性進(jìn)展，這也是一個(gè)沒(méi)有訓練數據的AI學(xué)習的絕佳例子。許多人都熟悉AlphaGo，它是人工智能利用機器學(xué)習的代表，在學(xué)習了由數百萬(wàn)人的圍棋棋局組成的大規模訓練數據集之后，它成為世界上最厲害的棋手。然而，AlphaGo Zero甚至可以通過(guò)學(xué)習游戲規則和自己不斷通過(guò)玩游戲練習來(lái)?yè)魯lphaGo，而它也沒(méi)有通過(guò)訓練數據來(lái)增強能力。最后，為了讓大家看到它的實(shí)力，它從零開(kāi)始只通過(guò)八個(gè)小時(shí)的訓練之后，它在國際象棋對弈中擊敗了世界上最好的國際象棋游戲軟件。

　　現在我們可以想象，有數以千計或更多的AlphaGo在不斷的分享它們獲得的知識。

　　它不僅僅在游戲中得到價(jià)值體現，而且我們已經(jīng)想到，它將會(huì )對企業(yè)提高設備性能的速度產(chǎn)生重大影響。

　　GE的新型工業(yè)數字孿生技術(shù)就是一個(gè)例子，現在僅僅通過(guò)一臺機器的軟件模擬便可以模擬設備在未來(lái)將要工作的項目，我們可以把它看作是一臺具有自我形象的機器，它也可以與技術(shù)人員分享數據。

　　例如，一臺帶有數字孿生技術(shù)的蒸汽輪機可以測量蒸汽溫度，轉子速度，冷啟動(dòng)以及其他數據來(lái)預測故障，并提前警告技術(shù)人員以防止事情發(fā)生后昂貴的維修費用。數字孿生技術(shù)可以使它們通過(guò)研究它們自己的表現來(lái)做出這些預測，但是它們也依賴(lài)于其他已經(jīng)投入工作的汽輪機模型的表現。

　　隨著(zhù)機器開(kāi)始以新的和強勁的方式在周?chē)沫h(huán)境中自主學(xué)習，它們能夠通過(guò)溝通他們彼此學(xué)習的東西來(lái)加速他們的發(fā)展。遍布全球的GE汽輪機能夠在每臺機器之間加速它們各自的預測能力。同樣我們之前提到的，剛開(kāi)始可能只有一輛無(wú)人駕駛汽車(chē)在學(xué)習如何掌握駕駛在特定城市的一個(gè)目的地所需的時(shí)間，而現在，類(lèi)似的一百輛在同一城市行駛的無(wú)人駕駛汽車(chē)可以全部共享他們學(xué)習的內容，因此它們可以在更短的時(shí)間內改進(jìn)它們的算法。

　　隨著(zhù)其他采用人工智能技術(shù)的設備開(kāi)始利用這種共享知識轉移技術(shù)，我們在未來(lái)可以看到它們更快的發(fā)展速度。所以請記住，眼前發(fā)生的只是剛剛開(kāi)始，在未來(lái)，會(huì )有更多意想不到的事情等著(zhù)你為之嘆為觀(guān)止。