復仇者聯盟：奧創紀元、終結者、機械姬、超能查派——如果說2014年是空間電影的天下，那麼毫無疑問2015年機械人和人工智能將佔據我們的銀幕。自從2000年人們擔憂千年問題①之後，人們對機械人電影不算熱衷，自那以後科技在迅猛發展的同時也受到了不少限制。

讓我們看看Ultron。Ultron是一種能模仿人類大腦模式但沒有人性的機械人。它能學習、接受新信息並調整它自身的行為，它還能進行自我改造。不論你是普通人類、一名復仇者還是超能先生，這種技術都能為你製造出及其可怕的敵人。

那要是我(原作者)告訴你擁有模仿人類大腦的人造神經網絡模型的計算機系統已現世十多年了呢？要是我再告訴你數學算法已經能訓練機械人獨立思考了呢？

嚇壞了吧？讓我解釋一下。

「深度學習」計算機已經面世半個多世紀。在20世紀50年代前，計算機只能一步步地做你命令它做的事，那時候它的用處不大。1956年，Arthur Samuel為了讓計算機學會下跳棋，並沒有一步步地設計好計算機的行動，相反他讓計算機自己與自己下了幾千遍跳棋。到1962年的時候，他的計算機已經能與跳棋冠軍匹敵，且略勝一籌。記住，那時距離IBM的沃森(另外一個著名的深度學習機器)打敗Jeopardy尚余十多年時間。

除了有趣之外，以這種方式教會計算機自學非常有用：你不必給它的每個動作都設定程序，這能節省不少時間，也能讓計算機幫我們做一些人類無法處理的事(至少，計算機完成任務的速度非常快)。

我們在日常生活中也會見到這種技術的使用。谷歌利用這種能讓機器學習的算法幫我們挖掘搜索結果。網上商店利用它們根據你的喜好及其他相似購買者買過的東西來給你推薦產品。瀏覽且買的人越多，搜索東西的人也越多，計算機能收集這些數據，給你更精確的提議。機器學習也是網絡無處不在彈窗廣告的一部分。

2012年，谷歌利用一種深度學習算法，讓計算機觀看上萬部YouTube視頻，之後計算機獨立學會了認知概念，它能嚴格根據視頻內容識別出人類和貓。另一個名為The German Traffic Sign Recognition Benchmark(德國交通標誌識別標準)的項目表明計算機能認出並理解交通標誌圖片，且出錯率比人類少。

計算機真的在自學嗎？我們學習意味着我們接受越來越多的信息，在理解這些新知識之前我們會不斷重複這些東西，這樣看來計算機確實在自學。它們神志清醒嗎？它們理解事物的方式與人類一樣嗎？它們在看可愛貓咪視頻的時候會感到溫暖且內心柔軟嗎？不，它們不會。可機械人學習事物的方式與人類不同就真的意味着它們會有陰謀嗎？

以上並不代表人類現在就要對抗現實版Ultron。建造這類機械人需要深度學習以外的多方面科技技術進步才行——靈敏度控制、計算機視覺、武器以及能處理任何事卻不會分崩離析的硬件。近期所有這些領域的科技正在飛速進步，不過其進步速度並不均衡。計算機深度學習技術應該被運用到其它更為合適的領域中，比如健康和醫療。就我所知，目前沒有人用這些技術製造一個大的恐怖攻擊型機械人。

不過也僅僅是目前而已。

①：千年問題可以追溯到二十世紀六十年代。當時計算器內存非常寶貴，故而編程人員一直借助使用 MM/DD/YY 或 DD/MM/YY 即月月/日日/年年或日日/月月/年年的方式來顯示年份，但是當年序來到公元2000年的1月1日，系統卻無法自動辨識00/01/01究竟代表1900年的1月1日，還是2000年的1月1日，所有的軟硬件都可能因為日期的混淆而產生資料流失、系統死機、程序紊亂、控制失靈等問題，如此所造成的損失以及災難無法估計。

themarysue

想收到更多趣味新聞？請按讚！