?

近期舉行的一場藝術(shù)大賽上，一幅由AI繪制而成的畫作，從一眾人類藝術(shù)家的大作中脫穎而出，成功斬獲一等獎。

這不是人類第一次在“創(chuàng)意”層面被人工智能所折服。今年高考期間，某人工智能以全國新高考I卷“本手、妙手、俗手”前為題輸出了一篇文章，最終被專家判定為“48分”，是一篇較為優(yōu)秀的高考作文。

?

寫作與繪畫，是字與詞、色彩與線條互相合理搭配而成，是語言、畫面經(jīng)“歸納”后重組而成的一種表現(xiàn)形式。“48分”背后的人工智能也是如此，它通過在數(shù)以萬計的文章、片段、句子等中“訓練”歸納出行文的規(guī)律后，就命題需求合理“推測”出字與字、句與句、段與段之間的搭配規(guī)律，直至輸出完整的一篇文章。

可以設(shè)想，隨著“訓練”的不斷增加，人工智能所輸出的作文是否有朝一日也能拿到滿分？所繪之圖是否有朝一日也能成為傳世經(jīng)典？人工智能的智慧是否會有邊界？

我們先從人工智能的核心——機器學習說起：機器學習簡單點說就是將現(xiàn)實問題抽象為數(shù)學問題，然后利用計算機器解決數(shù)學問題，進而解決現(xiàn)實問題。但，由于感性情緒等因素的存在，現(xiàn)實中并不是所有問題都能被轉(zhuǎn)換為數(shù)學問題，也并不是所有數(shù)學問題都有“解”，也就是說人工智能只能解決無限問題中的有限個問題，這就為人工智能的“智慧”套上了永恒的枷鎖。

除此之外，人工智能的“智慧”還有著另一道“枷鎖”，一道和其智慧誕生密切相關(guān)的“枷鎖”。

“枷鎖”之下的智慧成長

人工智能的智慧自“歸納”而來，但歸納來的“智慧”只追求結(jié)果，不考究緣由，經(jīng)常會出現(xiàn)被已有數(shù)據(jù)基礎(chǔ)給誤導的情況，這便為人工智能的“智慧”套上了一道“枷鎖”。

理想情況下，這道“枷鎖”是可以通過無窮的“訓練”，逐漸完善“歸納”而來的智慧，直至被完全破解。我們可以從機器學習常見的三種訓練方式：強化學習、監(jiān)督學習、非監(jiān)督學習，來簡單了解一下“破解”之路：

AlphaGo，曾三敗圍棋國手柯潔，背后的人工智能訓練方式就是“強化學習”。

作為一種無需數(shù)據(jù)的機器學習方式，強化學習更加接近人類等智慧生物的學習模式。簡單來說，就是將模型放在環(huán)境中隨機操作，環(huán)境會對操作給予懲罰或者獎勵，也可以定義為加分或減分，如果某一操作能獲得高分的話，模型就會強化這個操作來提高分數(shù)，直至達成最優(yōu)解。

而“監(jiān)督學習”，則是通過將標注過的數(shù)據(jù)進行訓練，從而得到明確的結(jié)果，主要任務(wù)就是回歸和分類。類似于人類將地面生潮與下雨進行關(guān)聯(lián)分類，其實就是在日常觀察中，總結(jié)出生潮現(xiàn)象發(fā)生時，下雨比晴天的概率更高，從而將生潮與下雨分為一類。

實際應(yīng)用中，當拍攝到隧道煙霧繚繞，這既可能是天氣原因，也有可能是因為隧道起火，那假如圖片中還出現(xiàn)了紅光，那么是隧道起火的概率就大的多，這一概率的判定就是大量數(shù)據(jù)在監(jiān)督學習下得到的分類結(jié)果。目前交通場景中的火情識別、打字輸入時的詞語聯(lián)想等等，都是其模型的應(yīng)用之一。

區(qū)別于“監(jiān)督學習”，“非監(jiān)督學習”是將沒有提前標注的數(shù)據(jù)進行訓練，其目的也不是為了得出準確結(jié)果，僅僅只是明確數(shù)據(jù)之間的結(jié)構(gòu)關(guān)系，常見的算法主要有聚類和降維。聚類作為一種自動分類的方法，只分類而不明確各類所代表的意思。我們的手機APP上的推薦算法就是如此，并不是通過標簽進行對應(yīng)推送，而是根據(jù)用戶所瀏覽的信息，在算法模型中自動抓取相近的聚類數(shù)據(jù)來完成推薦。

綜上所述，無論哪一種學習方式，其實都只是“歸納”的一種形式，隨著學習的不斷延伸，呈現(xiàn)的智慧也會越發(fā)趨近于“普適性”，能夠逐漸成長為智慧工具替代人類工作中的“一部分”。

人工智能：充滿“智慧”的數(shù)字化工具

機器，是人類發(fā)明的一類工具，誕生于機器的人工智能，也只不過是人類智慧工具當中的一類。

從智能搜索推薦到AI一秒成文、從人臉識別到創(chuàng)意作畫，人工智能已然成為數(shù)字時代中廣泛使用的工具，即使是在人工智能算法的代碼編寫過程，人工智能也能作為工具參與其中。此前，GitHub聯(lián)合OpenAI推出的AI自動編程工具Copilot，就可以實現(xiàn)在程序員編寫代碼時提供建議，甚至直接補齊代碼，完成代碼的智能編寫。

隨著數(shù)字化時代加速到來，在交通、教育、工業(yè)等等應(yīng)用場景中，人工智能作為智慧工具的案例也比比皆是。比如今年的高考，從制卷到監(jiān)考、再到閱卷，都不乏人工智能的身影。

據(jù)報道，2022年高考全國常規(guī)考場共計33萬個，大約需要70萬個監(jiān)考老師不間斷地進行監(jiān)考，成本高、難度大、監(jiān)考漏洞極易發(fā)生。AI監(jiān)考則能夠基于神經(jīng)網(wǎng)絡(luò)算法打造的骨骼識別模型，精確識別出參考學生身體的關(guān)鍵骨骼，以及追蹤骨骼的動作，通過提前訓練出的模型對考試危險動作精準分類，幫助監(jiān)考系統(tǒng)高效、精準地捕捉信息，及時處理相關(guān)問題。

除監(jiān)考之外，人工智能在閱卷環(huán)節(jié)也能大展拳腳。在圖像識別、NLP等人工智能算法的加持下，閱卷可以在一定意義上全面實現(xiàn)客觀題的評閱給分，并逐漸擴展到更大范圍的題型評分，進一步提高試卷評閱速度和精度，降低閱卷工作量。

算法離不開算力的支撐，實現(xiàn)人工智能的全面應(yīng)用，需要構(gòu)建堅實可靠的算力基礎(chǔ)設(shè)施。考試場景概莫能外。拓維信息旗下海云天科技在支撐貴州高考閱卷系統(tǒng)項目中，于2020年開始部署應(yīng)用基于鯤鵬國產(chǎn)技術(shù)底座的“兆瀚”服務(wù)器，以高性能計算、高可靠性、高能效和開放生態(tài)的算力基座優(yōu)勢，滿足高考網(wǎng)上評卷時間短、要求高，以及公平、公正、準確的應(yīng)用需求，為人工智能的落地構(gòu)建無窮的可能性。

人工智能使能千行百業(yè)，已經(jīng)成為一種必然。當譽為“智慧頂峰”的人類，看到人為創(chuàng)造的機器有朝一日擁有與人類相似的智慧，人類對人工智能的發(fā)展也浮現(xiàn)出了新的隱憂。此前，關(guān)于谷歌聊天機器人LaMDA的爭議，也同樣指向了人工智能的邊界問題。

如何合理地認知這種擔憂，我們可以將思路回到前文所述的人工智能智慧誕生邏輯。以AI聊天機器人LaMDA為例，它的回復邏輯其實都來源于對其訓練庫中數(shù)據(jù)關(guān)系的“歸納”，研究員Blake Lemoine所得到的“類人格的回話”，只不過是眾多使用者意識共性的投射，是人類語言體系的一種再編輯，類似數(shù)字世界的“回聲”。

對此，我們與其擔心人工智能會成為“脫韁之繩”，不如將關(guān)注重點放在人工智能“智慧”的轉(zhuǎn)化和落地上，用好“AI”這個數(shù)字化時代最完美的助手，不斷構(gòu)造更先進、更智能的工具，改善人類生活水平，提高人類生產(chǎn)效率，共同創(chuàng)造美好數(shù)智時代。