“让人工智能坐上副驾驶，一起探索未知”

本篇文章2198字，读完约5分钟

全渠道零售系统 【科技在线】

当人工智能可以交给人类一点工作的时候，我们总是明确地划分双方的责任。 人类工作的时候，很少看到人工智能的积极参与，人工智能工作的时候，人类完全不动手。

这个明显的表现之一在于辅助驾驶。 人类驾驶时，辅助驾驶最多只能通过灯光闪烁、方向盘振动来提示人类驾驶环境的变化，自己掌握主动权，不会影响汽车的行动方向和速度。 辅助自动停车时，也要将人的双手离开方向盘。

其理由可能是人类的行动太千差万别，引入智能处理方案后会增加越来越多的计算量。 请想象一下。 自动停车场的话，人工智能认为一个停车位倒两个就能进去，但是人类的老司机认为倒一个就能进去。 设置处理这些问题的方法不同，从根本上使双方无法合作。

但是，如果人类能够在各行各业与人工智能亲密合作，会是怎样的情景呢？

从双手复制到思想复制:人与人工智能合作史

关于人与机器合作，我们已经进行了多年的研究，双方合作的模式可以分为三种类型。

第一种合作模式是主从操作。

40年代，人类为了研究不能与人体接触的放射性物质，开发了主从机器人进行了遥控。 从机械手(或机器人)负责在不适合人类去的地方工作，通过传感系统收集和传播新闻。 另一方面，人类控制主机械手，将运动映射到从机械手上，从而实现完美的远程操作。

目前，这种方式已在许多地方得到应用，水下机器人、手术机器人等就是这种人类合作的成果。

但是，这样的操作方法存在很多不便，如运动映射之间有误差，从机器人传感器收集的新闻有延迟，操作可能会变得低效等。

于是出现了第二个人机协作模型的协作智能。

这个合作模型是人类和自动化的主体合作，首先帮助主体预测人类的目标，实现其目标。 简单的筛选动作来说，一张桌子上放着不同形状的物体，当人类向立方体的方向下手时，机械手筛选出了所有的立方体。 读取人类的目标并实现它，是典型的合作智能。

但是，这种模式的问题是，人在工作时的想法往往是变化的哪个目标过程是单一的，套路化的工作早就自动化了，甚至比不上合作智能。 究竟能用什么方法实现，需要对智能体进行大量的训练，才能领会人类所有动作的意图，在合作智能的应用方面也没有什么进展。

第三种合作模式是目前热度很高的智能机接口，通过脑电信号的读取和解读来实现设备的操作。 这样的方法已经读取了人类的意图，非常接近于协助目标的实现。

但是，关于智能机接口，至今为止也有很多介绍，但是由于捕捉大脑电信号非常困难，所以现在最多可以使用智能机接口进行非常简单的动作。 离生产力的效率化还很远。

人工智能+人类，不可能比人工智能强？

由此看来，第二种合作智能模型更接近于我们理想的人际合作模型，即通过人类动作、操作信号等更确定、更容易理解的新闻来评价人类的目标，所有事情都具有可以人工教导的自主性。

伯克利附近的人工智能研究院发表了一篇论文，展示了如何利用深度强化学习提高协作智能的效果。

简单来说，就是把智能体和阿尔法一样，把人类的运动作为棋谱大量输入神经互联网，神经互联网自己发掘运动，实现目标的关系。 训练时，为了神经互联网引入奖惩机制，每次帮助主体使人类进一步接近目标时，主体都会得到报酬，促使主体接近正确的合作模式。

在研究院的实验中，与其直接向代理传达目标，让代理自己寻找处理方案，不如让代理辨别人类的目标，与人类一起寻找处理方案，这样既能大大缩短训练时间，又能帮助人类完成自己做不到的事情。

例如，研究人员测试了lunar lander的游戏。 游戏的目标是操作从天而降左右摇晃的车，使其降落在两面旗帜的中间。 人类用键盘玩这个游戏很有可能以失败告终，让人工智能一个人向着目标摸索需要无限的训练。 但是，当人类与人工智能合作时，只有经过一段时间的训练，人工智能才能帮助人类以各种姿势实现目标。

让人工智能坐上副驾驶，一起探索未知

合作智能给了我们一些启示。 当世界上出现了人类和人工智能都无法单独完成的工作时，我们该怎么办？

这样的问题广泛存在，就像阿尔法元经过自我游戏的训练，打败了经过人类棋谱训练的阿尔法狗一样。 很多时候，我们以为找到了好的处理方案，只告诉人工智能全部，并不认为这可能是傲慢。 特别是在物理世界，人工智能不能像处理围棋数学问题一样自己寻找解法。 此时，人类和人工智能的亲密合作，也许才是高效的处理方案。

可以应用于协作智能的场面很多。 例如伯克利人工智能研究院的测试，以无人机着陆到指定地点为基准，人类一个人操作的速度、精度远远落后于智能协同操作的速度、精度。 人工智能就像人类的副驾驶，用另一种视角帮助人类实现目标。

换句话说，我们对驾驶辅助系统的种种不满，也许可以这样处理。 例如，自动停车不仅仅局限于大型停车场，人类也许可以和人工智能一起在小型停车场尝试极限操作。 除了辅助驾驶外，无人机操纵、工业自动化人类和人工智能的所有工作都可以通过这种方法达到更强的成果。

当然，合作智能也不是完全的处理方案。 典型的问题是，其训练数据来源于人与人工智能的联合操作，现成的数据只能自己动手制作，因此在驾驶、工业操作等物理世界的项目中，训练人工智能需要耗费大量的人力。

但是，我相信这些问题总是会一一得到处理的。 更重要的是，要知道人类和人工智能是相互需要的。 制造技术只是为了代替自己，完成已知的工作是懒惰和愚蠢的，只有双方合作创造越来越多的未知，技术才是真正的价值。