AI文化的轉(zhuǎn)變是一個循序漸進的工作，但有四個主要原因，解釋了為什么機器和人類將繼續(xù)合作。

卡內(nèi)基梅隆大學工程學院材料科學與工程教授，桑迪亞國家實驗室計算材料科學家伊麗莎白·霍爾姆說：我們正處于AI（人工智能）文化的轉(zhuǎn)折點。

她還表示，機器并不能取代人類專家。

“盡管機器擅長處理很多事情，比如大量的數(shù)據(jù)，但機器仍然需要人類專家來分析數(shù)據(jù)、設(shè)置參數(shù)并指導(dǎo)它們進行決策?！被魻柲氛f。

“工程和科學決策是建立在理解事物如何工作的基礎(chǔ)上的。一座橋梁是如何支撐它的負載的？一個發(fā)動機是如何將燃料轉(zhuǎn)化為動力的？與人類相比，AI只能將數(shù)據(jù)轉(zhuǎn)換為決策，而不了解任何基本原則?！被魻柲氛f，“想要將AI應(yīng)用于工程和科學，就需要文化上的轉(zhuǎn)變：我們要么學會信任我們不理解的決定，要么讓AI進化得更高級，將它們的決定建立在人類能夠解釋和控制的原則之上?！?/p>

霍爾姆說，目前，人們正在探索如何平衡這些選擇。

“駕駛自動駕駛汽車的AI軟件是基于數(shù)據(jù)，而不是預(yù)先編程的駕駛原則?！被魻柲氛f，“因為我們相信AI能從數(shù)據(jù)中學習到正確的東西，所以我們同意讓自駕車進入我們的道路。不過，當一個行人被自駕車撞死時，我們就不會再允許它們上路，并要求AI解釋它自己的行為，我們再根據(jù)人類可以控制的規(guī)則讓AI進行決策。”

霍爾姆說，AI文化的轉(zhuǎn)變是一個循序漸進的工作，但有四個主要原因，解釋了為什么機器和人類將繼續(xù)合作。

壹

智能機器在處理大量數(shù)據(jù)方面

非常出色

霍爾姆認為，像需要收集大量數(shù)據(jù)的制造過程，比如3D打印，將受益于計算機視覺這樣的AI原理，這些原理可以將所有的數(shù)據(jù)進行分類。

“AI也是增材制造研究的一個重要領(lǐng)域，”她補充道，“增材制造與大多數(shù)生產(chǎn)流程不同，因為它可以實時地收集數(shù)據(jù)，這為數(shù)據(jù)科學提供了很大的空間。”

霍爾姆指出，F(xiàn)acebook和亞馬遜正在使用的AI應(yīng)用程序，如面部識別和有針對性的廣告，已經(jīng)讓我們所有人意識到整合大量社會數(shù)據(jù)的力量了。

“3D打印在每一步都會生成大量的視頻、音頻和儀器數(shù)據(jù)。我們的目標是使用相同的AI概念來優(yōu)化增材制造工藝中的質(zhì)量和成本。”霍爾姆說。

貳

機器能夠增強人的能力

“當我們使用電腦來尋找缺陷時，就像我們用電腦來讀取放射照片、X光和CAT掃描一樣，”霍爾姆說。“意思是，電腦的確可以首先查找相關(guān)的領(lǐng)域，但電腦無法替代那些能看著這個缺陷說：‘不，這沒什么可擔心的’或者‘是的，機油變黑時就會發(fā)生這種情況，這里確實出問題了’的人類專家們。

霍爾姆說，我們已經(jīng)從所接觸到的醫(yī)學圖像中意識到了這一點。

“如今，對于許多像乳房X光檢查這樣的常規(guī)放射檢查，第一個檢查結(jié)果的實體就是計算機。AI軟件能夠定位出正常和異常的區(qū)域，并將結(jié)果告訴人體放射科醫(yī)生來進行進一步檢查并提出建議。”霍爾姆說。

叁

機器能以更少的時間完成單調(diào)乏味的

任務(wù)，從而節(jié)省了人們的時間

單調(diào)重復(fù)的任務(wù)可能要成為過去了。

霍爾姆說：“一個研究生最不想做的事大概就是畫工程分拆圖了，因為畫圖可能要花費好幾個小時，而且這會引起很多的焦慮。他們發(fā)誓自己畢業(yè)后就再也不會做這樣的事了，而這也將接著成為其他研究生的苦惱。但電腦就不會有這種煩惱，因為電腦可能永遠不會感到無聊，因為電腦根本不懂什么是無聊。”

“例如，一家公司通過對其產(chǎn)品的每一批樣品進行顯微掃描來進行質(zhì)量控制。絕大多數(shù)樣本都是完全正常和不重要的，只有罕見的異常樣本才是重要的，”霍爾姆補充道，“所以這個過程會花費人類專家大量的時間，而且還不會用到他或她的專業(yè)知識，但AI系統(tǒng)可以耐心地掃描樣本并剔除正常的結(jié)果，這樣人類專家就可以把更多的時間和注意力集中到相關(guān)的和更加具有挑戰(zhàn)性的發(fā)現(xiàn)上了。”

肆

智能機器都是人類制造的

“卷積神經(jīng)網(wǎng)絡(luò)的每一步都是我們本科時在工程學院學過的信號處理過程，”霍爾姆說，“當然，還有一個反饋回路，它是關(guān)于如何開發(fā)濾波器和信號處理器的結(jié)構(gòu)的學習回路。但它不是魔法，它只是一組所有工程師都已經(jīng)知道的簡單的事情。”

“我認為重要的是不要賦予機器深度學習算法的強大能力，至少不能比人腦更強大?！被魻柲费a充說。

卡內(nèi)基梅隆大學自20世紀50年代以來一直是人工智能的先驅(qū)。赫伯特·西蒙和艾倫·紐威爾在1955年創(chuàng)立了“邏輯理論家”這門課程，這被認為是他們在大學任教期間的第一個人工智能課程。西蒙在1978年獲得諾貝爾經(jīng)濟學獎，他還和紐維爾在1975年共同獲得了圖靈獎。

2018年5月，該大學的計算機科學學院(SCS)在2018年秋季增加了人工智能本科學位，這也被看作是全美國所有大學中的第一個這種學位。

卡內(nèi)基梅隆大學SCS機器人學和計算機科學的研究教授里德·西蒙斯說，像這樣的課程將對未來科技的發(fā)展產(chǎn)生影響。

西蒙斯說：“隨著社會中數(shù)據(jù)的激增，我們越來越有必要尋找方法來分析所有的這些數(shù)據(jù)，并對其進行解釋，這也是AI能夠為我們提供幫助的地方。無論是通過更好地了解金融市場，還是通過提高運輸?shù)陌踩院托?，亦或是通過使我們的生活更有效率和樂趣…”

西蒙斯補充道：“畢業(yè)于AI專業(yè)的學生不僅會懂得如何使用AI來改善社會，他們還會擁有專業(yè)的技能和敏銳的洞察力來幫助開發(fā)下一代更強大的AI工具。”