书名：《人工智能时代的教育革命》
作者：王作冰
书号：ISBN-7---6
出版：北京联合出版公司，.5
发行：凤凰壹力
定价：29.80元
分类：教育/智能
信息：6开/页/平装
人工智能的三大弱点人类作为自然界千百万年漫长演化的产物，智慧且美丽，但并不完美；人工智能作为人造产物，其存在历史不到百年，虽然十分强大，但同样存在不少缺陷。
缺乏创造力：机器人中出不了金庸鉴于人类对自身的创造力还不甚理解，思考机器的创造力就更为困难了。阿尔法狗有一些全新的围棋打法，但这些打法源自与其他所有落子完全一样的过程和模式，同样算法的重复应用可能会产生让人类感到惊讶或意外的结果，但这并不是传统意义上的“创造力”。
科学家提出新假设，记者发现好故事，厨师发明新式菜肴，乔布斯和他的同事们推测出我们更需要哪种平板电脑……智能机器可以参与到这些创造性活动中，弥补人原本不擅长的定量思维，把人们从重复性的脑力劳动中解放出来，有更多的时间去想象和创造。但人工智能不能创造新的问题，没有哪项创造性活动是由机器驱动的。
通过人工智能的文艺创作案例，我们可以了解其“创造力”的实质。年3月，日本“人工智能小说创作”的研究人员召开报告会，介绍了他们人工智能系统创作的篇小说。这部作品在年秋天参加了“星新一文学奖”的评选，虽然它们都没有通过最终审核，但有部分小说通过了文学奖的初审。
小说的创作由人类事先设定好登场人物、故事框架等，人工智能再根据这些内容自动生成小说。日本科幻小说作家长谷敏思表示：“能够完整写出小说太令人震惊了。如果满分00分的话，我打60分。未来令人期待。”
人工智能写小说之所以“令人震惊”，是因为文学创作属于高级脑力劳动，是大部分人都不具备的技能，如今这一高级智能领域竟然被机器入侵了。
在人工智能领域，NLP（NaturalLanguageProcessing，自然语言处理）是一门研究如何让机器理解人类语言、写出人类文字的重要学科。NLP有两种思路：“名师出高徒”和“自学成才”。
所谓“名师出高徒”，是由人类当老师，把语言的语法，每个单词的含义和词性教给机器，然后机器根据语法和词汇来写文章。这跟我们在学校背单词、学语法、写作文的路数差不多。
所谓“自学成才”，就是扔一大批文字给机器，让它利用“深度学习”算法自己去寻找这门语言的规律，然后去尝试写作。这好比小孩子不用进学校，听多了，说多了，自然就能熟练掌握任何一门语言。
斯坦福大学的一位计算机博士曾用托尔斯泰的长篇小说《战争与和平》来训练人工智能。他完全不教机器任何语法规则，包括标点和字母区别都不告诉它，只是不停地用上百万字小说内容对机器进行训练，每训练00个回合，就叫它写文章。00个回合后，机器知道写作要有空格，但仍然有乱码。个回合后，机器能正确拼写一些短单词。个回合后，机器写作时会有标点符号和长单词。训练0个回合之后，机器已经可以正确拼写更复杂的语句。这是“自学成才”的典型案例。
在自然语言处理方面，有一个著名的深度学习模型：斯坦福大学的安德烈·卡帕西于年开发的卡帕西模型。这个模型只有几千行的代码量，但功能非常强大，只要给它输送大量的文字段落——任何语言都可以，它就会用递归神经网络分析段落，寻找出字与字之间的关系。
从数学角度看，文章无非是文字的序列。只要计算机破解了这个序列的规律，那它也能生成这样的序列，也就是写出类似的文章。
什么样的文章是装了卡帕西模型的机器人最擅长模仿的？有人做了测试，发现机器人学习古龙小说的效果好于学习金庸小说，因为古龙的语言比金庸简单，他的句子短，段落短，语法结构相对简单，并且词汇量比金庸少。换句话说，相比于金庸小说的复杂多变，古龙小说的规律性较强，更有利于机器人学习。现在流行的动不动几百万字的网络小说，使用的词汇量比古龙小说更少，故事情节也更加套路化，而越是单调重复，机器人越是能找出规律，模仿出类似的作品。
唐诗在各种文学类型中最具规律性，对仗、平仄、韵脚等规则都是机器人可以准确提炼的，因此艺术性最高的唐诗反倒成为机器人最擅长的创作领域。此外，诗歌强调意境，强调联想，机器人创造的看似不合道理的汉字组合，反而别具一番风味。
至于高度格式化的工作报告、新闻报道，机器人更是手到擒来。人工智能通过分析媒体多年积累的新闻报道，能训练出各类新闻稿的写作模板。韩国的一个人工智能记者，仅用0.3秒即可完成一篇股市行情的新闻报道。调查结果显示，一半以上的读者看了它的作品后分不清到底是不是人写的。我国的腾讯和新华社也已经采用写稿机器人撰写财经新闻稿了。《华盛顿邮报》为更好地报道年里约奥运会，组成了一支机器人记者团队，它们能快速地制作与奥运会积分榜、奖牌榜以及其他以数据为核心的新闻点相关的简单明了的新闻，这样，《华盛顿邮报》的人力记者就能够从事更加有趣、更加复杂的工作。
年以来，全球人工智能研究的一个新重点是艺术创作。比如人工智能软件Ostagram可以把人们输入的两幅图画的内容和风格进行混合，形成一幅新的图画，效果十分惊艳。
再比如百度人工智能针对美国艺术大师罗伯特·劳森伯格的巨作《四分之一英里画作》，将其中两联分别谱成了20余秒的钢琴曲。把看到一幅图画的感受谱写成乐曲，这样的本事以前为人类独有，如今人工智能也具备了“看图作曲”的能力。
百度人工智能是怎样进行创作的呢？在“看到”画作后，它首先会对图像进行分析解读，然后通过搜索挖掘相关的音乐信息，对音乐拆分重组，再合成与图片内容相匹配的音乐旋律，最终拼接成完整的曲子。不过，它目前的作曲水平还较为初级，乐曲中的和弦部分由人工干预实现。
机器进行文艺创作，目前仅是“小荷才露尖尖角”，今后其能力将不断提高。需要强调的是，人工智能写诗、写小说、作曲，这些所谓的创造性是在预设的模板和方向上走，其创作本质上是逻辑计算，而人的想象力具有无限可能性。人工智能在文艺领域的主要作用是帮助作家和艺术家，使他们的创作更上一层楼。
无法复杂沟通：情商是硬伤李世石说他最害怕的是阿尔法狗的一个特点——“毫无情感”：人会有心理上的摇摆，即使知道准确的答案，在下子那一刻还是有可能会选择另一条路，考虑其他的选择。但阿尔法狗不会有任何的动摇，这是李世石所面对的最大困难。
毫无感情是人工智能的优势，也是它的缺陷。智能机器不懂“赢了有什么感受”，也不懂“为什么围棋好玩”，更不懂“人为什么要下棋”。今天的智能机器无法理解人的七情六欲、信任尊重、价值观、美和爱、幽默感。这显然会降低它对很多事情的判断水平。
阿里的人工智能小Ai在对《我是歌手》的预测中，准确率很高，但在那场张信哲和老狼的对决中，小Ai的预测一直有较大倾向性，张信哲的获胜概率长时间处于75%以上。机器试图理解人类的感情，但它对中国摇滚三十年的意义、对老狼粉丝喜欢他的怀旧感，都无法真正理解，也就无法准确预测。目前人工智能领域对于情感认知的研究有进步，但还是很缺乏深度。
人是理性动物，同时也是情感动物，有爱有恨，会伤心会快乐，会追求使命，会寻求意义，而人工智能本质上是不理解情感和意义的，这就导致人工智能缺乏复杂沟通的能力。
复杂沟通属于人类的高级智能，人类本身也需要努力学习才能掌握。职业发展专家秋叶认为，Word排版、Excel报表、PPT制作、思维导图、手绘、速记、播音、外语……这些都属于职场初级能力，学好这些技能能让人做好一件事，在职场里面能顺利起步，因此有必要学好，但指望靠这些初级能力功成名就是很难的。职场新人需要知道，假如自己把PPT做得很好，还需要哪些能力才能赚钱。答案是掌握职场高级能力，就是掌握改变别人、说服别人、营销别人、组织别人的能力。秋叶所说的这些职场高级能力都属于复杂沟通的范畴。
人与人对话时的言外之意，幸福、快乐、满足、满意这些类似情绪间的区别，为什么陈凯歌的《霸王别姬》是好电影，而《无极》是烂电影……目前的人工智能还不理解这些相对比较复杂的事物，因此只能停留在简单沟通的水平上。
导致人工智能缺乏复杂沟通能力还有一个重要原因：人工智能在自然语言理解方面的能力不足。
美国伯克利大学的人工智能专家认为，深度学习技术有其适用点，也有不适应的地方。比如目前在人脸识别、图像识别以及语音识别等方面，由于能够获得大量数据素材，因此深度学习技术能够适用得很好。但在自然语言理解方面，目前还没有取得上述几方面那么大的突破。
目前的人工智能无法有效完成更深层次的语义识别和常识识别。语义识别面临很多困难，比如说“万万没想到”，指的是出乎意料呢，还是一个叫万万的人没想到呢，还是指一部电影的名字呢，机器要准确理解歧义有很长的路要走。此外，人类的很多交流是需要知识为依托的，机器还欠缺很多对世界和生活的常识。例如我们看到“小明拿起他的电话并离开了房间”，我们根据经验知道这个电话是手机，小明是通过一扇门离开的。机器因为缺乏常识而无法推断出那样的信息，理解一篇文章就更困难了。把常识教给软件不仅仅是一个技术问题，也是一个基础科学和数学难题，可能需要几十年时间才能解决。
智能机器能识别一个人讲话的内容是什么，但和真正理解这段话的意思还有一个巨大的鸿沟，这可能需要十年以上的时间来突破。目前人工智能理解自然语言的能力还达不到大规模应用的水平。大家熟悉的小Ai机器人、图灵机器人、智齿机器人等人机对话的人工智能，都只是变相的关键词匹配。
为了让机器更好地阐释信息，当前人工智能的许多创新都围绕着理解自然语言开展，无论是从网络中读取和理解文本，还是从事智能对话。
年6月，人工智能创业公司Maluuba公司开发的机器阅读理解系统EpiReader，在CNN和童书测试（CBT）两个数据集的填空题测试中，分别有7%和67.%的准确率，成绩都超过了谷歌、Facebook和IBM。
Maluuba公司在Youtube上传了一段技术演示视频，视频中的人工智能机器人Marcy在阅读了第五季《权力的游戏》剧情梗概后，马上领会了故事的复杂情节。当工作人员问它，是谁刺死了男主角JohnSnow时，机器直接给出了准确的回答：守夜人。如果你问其他公司的语音助手，它们可能还完全不知道你在说什么，从而将你推到搜索网页来寻找答案。
目前的信息检索技术，已经能更好地理解一个词语的本质。当我们搜索“汽车”时，搜索引擎知道包含“车”“客车”“大巴”“皮卡”等单词的文档可能也是我们想要的。但搜索引擎离理解两个句子互为同义句还有一点距离。当这一点距离被克服时，机器语言理解水平将上一个新的台阶，它们将能够理解长得多的文本。谷歌的人工智能专家们希望在未来几年内实现输入数百或数千份文件，然后可以就这些文件的内容与机器进行对话。或许系统将会总结文件的内容，或许系统将对文件内容进行提问或回答。那意味着人工智能实现了高水平的语言理解。
弱人工智能：不能一脑万用人工智能的发展依然处于初级阶段。“没有人工，就没有智能”，人工智能程序需要专家手动优化，而专家们还没能创造出可以解决多种多样不同类型问题的通用人工智能。尽管阿尔法狗学会了下围棋，但这个程序却不能用来掌握象棋；要让能够解答数学题的智能程序去解答语文题也有很多技术难题需要克服。目前绝大部分人工智能系统都只能解决单一的问题。
来看一个例子。很多人说秋叶PPT做得不好，为什么他还能比我赚更多钱。秋叶的回答是，因为我会运营品牌，我会做市场，我会做推广，我会谈价格，我会整合资源来做事，我会做项目管理，我会带团队，我会做演讲，我会做培训，我会写文章，我会写教程，我会写畅销书……秋叶把这些能力全部叠加到PPT这个点上，才能成就PPT网络培训课程销量第一的成绩。
这样的综合能力是人工智能所不具备的，因为现在还没有强人工智能。人的大脑是一个通用智能系统，可以举一反三、融会贯通、一脑万用。强人工智能能像人类那样思考，在各方面都能和人类比肩，人类能干的脑力活它都能干。
弱人工智能没有自我意识，只能按照人类设定的程序在特定领域做事，不具备独立意愿或自我诉求。比如除草机器人不会在某天工作的时候，突然想去建摩天大楼；又比如机器人不会因“屈居人下”而深感屈辱，从而树立联合起来统治人类的共同使命。
人工智能学界普遍的共识是人工智能还处于非常低智的阶段，而且将长期处于“弱人工智能”阶段。
有人说我们可以将各种解决细分领域问题的人工智能叠加到一起，比如在无人驾驶汽车里安装N个不同类型的智能设备，也就是将弱人工智能叠加来得到一个强人工智能。但强人工智能的关键不是有多少种能力，而是这些能力的整合，也就是一脑万用。
人工智能专家吴恩达认为，一名资深专业放射科医师被机器取代的可能性比他自己的行政助理还要大，因为行政助理要处理那么多不同的事情，更符合“一脑万用”这个人类竞争优势，因此短期内不会有机器能够代替行政助理处理所有的工作。
“一脑万用”的家庭主妇或者保姆也是不易被取代的，开发出一个既会做饭、洗碗、拖地、叠衣服、换尿布、铺床、削水果，还具备情商和自然语言理解能力，能照顾孩子、招呼客人的家庭服务机器人仍然任重而道远。即便研发成功，还要面临降成本问题，这一进程可能还需要十几二十年。相比之下，发明一个取代流水线工人或写新闻稿的智能机器，难度要小得多，因为他们只在一个细分领域做重复性、标准化的工作。
日本人工智能协会理事松尾丰感慨道，如果一直身处人工智能这个研究领域，就会切实地感受到人脑的伟大之处。
深入了解人工智能之后，我们能够意识到这轮工作革命的冲击将是巨大的。农业社会的农民和手工业者被机器淘汰了，还可以去工厂和办公室；今天那些需要机械重复、精准操作的工厂工作正在日益自动化，律师、金融分析师、医生、会计师等坐办公室的职业，未来也将部分或全部实现自动化。幸运的是，人工智能作为劳动力也有它的明显缺陷未来的人类劳动力仍能找到出路。（P75）
赞赏
