[[412385]]

人工智能如今得到了更廣泛深入的應(yīng)用，尤其是人工智能技術(shù)在自動駕駛汽車方面的應(yīng)用，而采用人工智能編寫代碼、設(shè)計谷歌芯片平面圖等也可以表明人們對人工智能的信任程度。

考慮到有些關(guān)于人工智能的宣傳通常只是炒作，人們很容易忘記許多企業(yè)在人工智能方面取得了真正的成功。在這里并不談?wù)撎厮估緦τ谌斯ぶ悄艿?ldquo;全自動駕駛”的持續(xù)營銷。正如行業(yè)分析師Benedict Evans所指出的那樣，“自動駕駛實際上并不是真正的完全自動駕駛。”

最近的一項調(diào)查表明，要讓人工智能發(fā)揮作用，企業(yè)將需要充足資金和良好的數(shù)據(jù)。假設(shè)這些因素都到位，可以了解人工智能在改善人們的生活方面取得進(jìn)展的一些領(lǐng)域，在這些行業(yè)領(lǐng)域中的應(yīng)用不僅僅是營銷和宣傳。

人工智能編寫代碼

最近通過機(jī)器智能提高人類生產(chǎn)力的最明顯的實驗是GitHub的Copilot。與人們的智能手機(jī)(或Gmail之類的東西)在鍵入時推薦單詞或短語的方式類似，Copilot通過推薦要使用的代碼行或功能為開發(fā)人員提供幫助。Copilot在GitHub上接受了數(shù)十億行代碼的培訓(xùn)，承諾通過允許他們編寫更少但更好的代碼來提高開發(fā)人員的工作效率。

現(xiàn)在宣稱Copilot是否有效還為時過早，這并不是說一定能夠做到。但許多開發(fā)商爭先恐后地嘗試，并稱贊其發(fā)展?jié)摿?。然而，業(yè)界人士對此有一些擔(dān)憂：人們不應(yīng)該期望Copilot生成的代碼是正確的。一方面，這種類型的應(yīng)用程序還處于早期階段，除了初始數(shù)據(jù)集之外幾乎沒有訓(xùn)練。隨著越來越多的人使用Copilot，并且借鑒了他們?nèi)绾问褂闷浣ㄗh進(jìn)行強(qiáng)化學(xué)習(xí)，其建議應(yīng)該會得到改進(jìn)。但是，仍然需要就使用的代碼段以及如何使用它們做出決定。出于安全原因，還需要對使用Copilot生成的代碼小心謹(jǐn)慎。

此外，還有對版權(quán)和開源的擔(dān)憂。有些人認(rèn)為這在理論上聽起來不錯，但隨著開發(fā)人員回到編寫代碼的實踐中，這些擔(dān)憂會逐漸消失。關(guān)鍵是開發(fā)人員是否發(fā)現(xiàn)Copilot的代碼建議在實際編程場景中有用，而不是它完全可以這樣做的事實。人工智能只是增強(qiáng)人類的創(chuàng)造力，而不是取代人類。

真正的自動駕駛

當(dāng)然，自動駕駛汽車目前的現(xiàn)實是并不是真正的自動駕駛，但可以通過承擔(dān)更多的工作來幫助駕駛員。自動駕駛汽車可能會由于依賴GPS而受到一定程度的阻礙，因為GPS可能會失效。但正如《科學(xué)機(jī)器人》雜志所描述的那樣，加州理工學(xué)院的科學(xué)家們開發(fā)了一種用于視覺地形相關(guān)導(dǎo)航的季節(jié)性不變的深度變換技術(shù)。這意味著自主系統(tǒng)(如汽車)可以從它們周圍的地形中獲取線索，以確定它們的位置，無論該地形是否被大雪、落葉或草叢覆蓋。

當(dāng)前的方法需要地圖/地形數(shù)據(jù)與車輛“看到”的地形幾乎完全匹配，但是大雪和其他東西可能會破壞這一點。加州理工學(xué)院的科學(xué)家采用了一種不同的方法，稱為自監(jiān)督學(xué)習(xí)。雖然大多數(shù)計算機(jī)視覺策略依賴于人工注釋者，他們整理大數(shù)據(jù)集來教會算法如何識別它所看到的東西，但這個策略卻讓算法自學(xué)習(xí)。人工智能通過梳理出人類可能會錯過的細(xì)節(jié)和特征來尋找圖像中的模式。通過使用這種深度學(xué)習(xí)方法，科學(xué)家們創(chuàng)造了一種高度準(zhǔn)確的方法來改善機(jī)器對周圍世界的看法和反應(yīng)。

但汽車周圍的物體更多的可能是汽車，因此加州理工學(xué)院采用的方法也許無濟(jì)于事，但佛羅里達(dá)大西洋大學(xué)工程與計算機(jī)科學(xué)學(xué)院的一位科學(xué)家的新研究旨在從人類駕駛員的情緒中學(xué)習(xí)并相應(yīng)地改變駕駛方式。目前還沒有人使用這種獲得專利的新方法，但它提出了自動駕駛安全和信任的一種新方法。

信任問題

這一切仍然有些推測，但谷歌公司在芯片設(shè)計上取得了一些成。正如《自然》雜志所描述的，谷歌公司工程師采用了一種芯片布局進(jìn)行規(guī)劃的新方法，即采用人工智能設(shè)計計算機(jī)芯片物理布局。幾十年來，工程師一直在嘗試將這一工作實現(xiàn)自動化，但沒有成功。但是通過使用機(jī)器學(xué)習(xí)，谷歌公司的芯片設(shè)計人員花費(fèi)了數(shù)月的時間進(jìn)行開發(fā)，他們將芯片平面布局規(guī)劃作為一個強(qiáng)化學(xué)習(xí)問題來處理，并開發(fā)了一種基于邊緣的圖卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)，能夠?qū)W習(xí)芯片的豐富且可轉(zhuǎn)移的表示。

為了達(dá)到這一點，谷歌公司的工程師使用一組1萬個芯片的平面圖對人工智能代理進(jìn)行了預(yù)訓(xùn)練。然后使用強(qiáng)化學(xué)習(xí)技術(shù)，正如工程師所指出的，人工代理從過去的成功中“學(xué)習(xí)”以規(guī)定要設(shè)置的下一個塊，在平面規(guī)劃的任何給定步驟中，受過訓(xùn)練的代理評估芯片的“狀態(tài)”開發(fā)，包括它迄今為止構(gòu)建的部分平面圖，然后采用其學(xué)到的策略來確定最佳動作——也就是放置下一個宏塊的位置。

這是一項令人印象深刻的舉措，但更令人印象深刻的是，現(xiàn)在已在谷歌公司的生產(chǎn)中使用，這意味著谷歌公司信任其人工智能技術(shù)幫助開發(fā)的芯片布局圖。

IBM公司也開發(fā)了類似的項目，其名稱為UQ360。而人工智能面臨的挑戰(zhàn)之一是人們不愿意相信其結(jié)果。數(shù)據(jù)驅(qū)動是一回事，但如果人們不完全相信這些數(shù)據(jù)或機(jī)器會用它做什么，就不可能相信人工智能。UQ360是一個帶有Python包的開源工具包，為數(shù)據(jù)科學(xué)從業(yè)者和開發(fā)人員提供訪問先進(jìn)算法的權(quán)限，以簡化機(jī)器學(xué)習(xí)模型的估計、評估、改進(jìn)和交流不確定性的過程，作為人工智能透明度的常見實踐。

換句話說，它使用人工智能估計企業(yè)對人工智能想要做的事情的信任程度。

這是一個巨大的進(jìn)步，因為它讓人們對越來越多的人工智能應(yīng)用產(chǎn)生更多的信任。盡管人們多年來一直被告知機(jī)器人正在接管人類的工作，但人工智能在匹配用戶興趣與購買機(jī)會方面仍然很糟糕。而人工智能的一些應(yīng)用正在成為現(xiàn)實，因此無需大肆宣傳。