选自 | Gigaom

编译 | 网易智能(smartman163)

参与 | 李擎

与谷歌、Facebook等开发“传统意义上的人工智能”的技术不同,在Unanimous A.I.,科学家们利用人工智能来放大群体的智慧,而不是使用人工智能来代替人类。他们没有完全舍弃人类智慧,而是将人类与人工智能算法结合在一起,从而放大人类的智慧。Unanimous A.I.建立了一种蜂群思维,通过将人类连接到系统中来建立人工的群体智能。

路易斯·罗森伯格是Unanimous A.I.的首席执行官,他曾在斯坦福大学致力于研究机器人技术、虚拟现实、人机交互等。上世纪90年代,他为美国空军开发了第一个身临其境的增强现实系统,并且成立了虚拟现实和3D扫描仪公司MicroScribe。2018年,Unanimous A.I.在着名的SXSW创新奖中被授予“最佳人工智能和机器学习技术”。

什么是“群体智能”?

罗森伯格博士在研究过程中发现研究集体行为要比个体行为更有意思。就像自然界的鸟类和蜜蜂,鱼和蚂蚁,它们已经形成了自己的社会团体,并通过共同努力放大智力。这些小动物们能够使团体结合自己的见解,当解决问题和做决策时,就会超出个体的智慧。比如说,蜜蜂通过集体的智慧就蜂巢位置作出最佳决定。每只蜜蜂都有属于自己的“专职”工作,通过这种集体智慧,它们作出的最佳判断率高达80%。这种行为被称之为“群体智能”。

路易斯·罗森伯格认为群体智能是人们一直在研究的一种生物现象,生物学家从20世纪50年代开始就一直在研究。群体智能简单地说就是鸟类会成群结队,鱼和蜜蜂也会集结成群的原因——它们联合在一起会比单个个体更加聪明。它们的群体变得更智能的方式与人类不同。它们不通过电话交流,也不进行调查,而且动物中也不存在什么在线调查服务系统。生物群体变得更智能的方式是形成系统——一个能够进行反馈循环的实时系统。因此可以把它们看作是一种新兴的智能,群体比个体参与者更加智能。

路易斯·罗森伯格喜欢把人工群体智能或蜂群思维想象成多个大脑的聚合。这就是Unanimous A.I.主要关注的事情,“我们想要知道在人类如何能够做到这一点,尽管自然已经在几亿年的时间里证明了鸟类、蜜蜂和鱼类是如何做到的,以及它们是多么的强大。”

人工智能与群体智能

在讨论人工群体智能之前,让我们先花点时间来真正理解动物们在做什么。普通的蚂蚁并不聪明,即使是最聪明的蚂蚁也谈不上多么聪明,但蚂蚁群体表现出了相当智能的行为。它们可以做各种各样的事情,比如建造一个家,保护自己免受洪水的影响等等。这是一个惊人的过程。

在路易斯·罗森伯格看来,“智能”这个词可以被定义为一个系统,它接收关于世界的各种有噪声的输入,接着它会处理这个输入并用它来做决定、发表意见、解决问题;理想的情况下,这个系统是创造性的,能够随着时间的推移学习。因此,如果这是智能,我们有很多种方法可以建立一个人工智能,因为简单地说,建立人工智能就是去创造一个系统,它涉及到一些技术,这些技术可以适应部分或所有系统,接收有噪声的输入并使用它来做决定、提出意见、解决问题,并且这一系统能够随着时间的推移进行创造性的学习。

现在,在自然界中形成了两种创造智能的途径。其中一个途径是我们非常非常熟悉的,就是通过建立神经元系统。因此,在几亿年的时间里,大自然证明了,如果建立了这些神经元系统(我们称之为大脑),便可以获取关于这个世界的信息,并利用它来做决定、提出意见、解决问题,并且是有创造性地做,并随着时间的推移进行学习。但大自然也证明了,许多生物体——尤其是社会有机体——一旦建立了大脑,并形成了独立的机体之后,那么这些社会有机体就会进化出将大脑连接到系统的能力。因此,如果大脑是一个能够产生智能的神经元网络,自然界中的群体就是大脑形成的网络,这些大脑之间的联系非常紧密,以至于超级智能出现了。所谓超级智能,指的是大脑群体中的大脑比那些单独存在的大脑更聪明。这发生在了蚂蚁身上,发生在了蜜蜂身上,也发生了在鸟类和鱼类身上。

从蜜蜂身上学到群体智能

蜜蜂被认为是自然界中被研究的时间最长的群体智能。蜜蜂在进化过程中,它们首先形成了大脑,让它们可以处理信息,但是在某种程度上它们的大脑不能变大,大概是因为它们是飞行的动物,较小的大脑能够减轻飞行的负担。事实上,蜜蜂的大脑比一粒沙子还要小,其中只有不到一百万个神经元。我知道一百万个神经元听起来很多,但是人类有850亿个神经元。不管你有多聪明,把它除以85,000,这就是一只蜜蜂的智慧。

所以一只蜜蜂是一个非常非常简单的有机体,但是它们有非常困难的问题需要解决,就像人类也会遇到困难的问题一样。这也是关于蜜蜂被研究最多的一个问题——选择筑巢地点。在一个蜂巢内有1万只蜜蜂,并且随着蜜蜂数量的壮大,它们每年都需要一个新家。它们的筑巢地点可能是空树干里面的一个洞,也可能在建筑物某一侧。因此,蜜蜂群体需要找到合适的筑巢地点。这听起来好像很简单,但对于蜜蜂来说,这是一个关乎蜂群生死的决定。因此,对于蜜蜂的进化来说,它们选择的筑巢地点越好,对于物种的生存就会越有利。

为了解决这个问题,蜜蜂形成蜂群思维,或者说群体智能,而第一步就是它们需要收集关于周围世界的信息。因此,它们会先派出数百只侦察蜜蜂到外面约30平方英里的地方进行搜索,寻找它们可以筑巢的潜在地点。这是数据收集阶段。它们派出数百只蜜蜂到各个地点寻找潜在的住所,然后这些蜜蜂把信息带回蜂群,接下来就是最困难的部分:它们要做出决定,在找到的几十个潜在地点中挑选出最好的。这听起来很简单,但蜜蜂们非常挑剔。它们需要找到一个能满足一系列条件的新住所。那个新房子必须足够大,可以储存冬天所需的蜂蜜;它通风要足够好,这样它们在夏天就能保持凉爽;它需要能够隔热,以便在寒冷的夜晚保持温暖;它还需要保护蜜蜂不受雨水的影响,但也需要有充足的水源。当然,它也需要有良好的地理位置,接近好的花粉来源。

所以这是一个复杂的多变量问题。大脑比一粒沙子还小的蜜蜂不可能解决这个问题。事实上,一个正在研究这些数据的人会发现,人类去寻找这个多变量优化问题的最佳解决方案都是非常困难的。或者换成具有类似挑战性的人类的问题,比如为新工厂选取一个完美的地址,或者新产品的完美特性,或者开设新商店时选取完美的地点,这些问题都很难找到一个十全十美的解决方案。然而,生物学家的严谨研究表明,蜜蜂在80%的时间里都能够从所有可用的选项中选出最佳的解决方案。当它们没有选择最好的方案时,它们也选择了第二好的解决方案。这是很了不起的。通过作为一个群体智能一起工作,蜜蜂能够做出一个优化的决定,而比蜜蜂的大脑强大85,000倍的人脑,却很难做到这一点。

那么蜜蜂们是怎么做到的呢?它们形成了一个实时系统,在这个系统中,它们可以一起处理数据,并在最优解上汇聚在一起。然而它们是蜜蜂,那么它们是如何处理这些数据的呢?

这是大自然想出的绝妙办法。它们通过振动身体来实现这一过程。生物学家把这叫做“摇摆舞”,因为人类刚开始研究蜂巢的时候,他们看到这些蜜蜂在做一些看起来像是在跳舞的事情,它们在振动他们的身体。这些振动产生的信号代表它们是否支持某个特定的筑巢地点。成百上千的蜜蜂同时振动它们的身体时,基本上就是一个多维的选择问题。它们揣度每个决定,探索所有不同的选择,直到在某个解决方案中能够达成一致,而这几乎总是最优的解决方案。即便它不是最优解时,也会是次优解。所以基本上它们形成了这个实时系统,这些大脑可以聚集在一起,找到一个最优的解决方案,并且能够解决单个大脑无法解决的问题。这就是关于群体智能最著名的例子,当然我们也看到同样的过程发生在鸟群以及鱼群中,它们的群体智能大于个体。

智能技术的未来

要做到将人类聚集在一起并且发挥“群体智能”,Unanimous A.I.推出了UNU软件平台。在这个平台上,朋友、同事甚至是陌生人可以集合在一起,然后再以集体的形式回答问题。通过特定的技术,将这些答案汇总在一起,做出最为正确的预测。

整个预测过程是这样的:研究人员向群体提出问题,参与者在限定的时间内(30秒或1分钟)将自己认定的答案拖到活动参与界面中的圆圈内,每个人的答案都会稍稍改变这个圆圈的走向,另外一个关键是所有人都可以改变和切换自己的选择,通过观察圆圈的走向,以及不断地和群体协商,最终取得共识。

此前,霍金和马斯克都发出警告:人工智能会毁灭人类。在2014年路易斯·罗森伯格也发布了反乌托邦图解小说“Monkey Room ”。这是一个关于人工智能的警示故事,探讨了人工智能的黑暗面。

但是Unanimous A.I.公司开发出的这种“群体智能”技术,却比我们自己更智慧,同时也能融入人类的价值观和感情。

或许,这将是人工智能未来可能走的另外一条路,并且,不会毁灭人类。

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

路易斯·罗森伯格与「群体智能」相关推荐

  1. 路易斯安那州立大学计算机科学,西北路易斯安那州立大学

    西北路易斯安那州立大学是1884年成立的美国公立四年制大学,学校占地916英亩.路易斯安那州立大学西北分校是第一批进入美国航天局合资计划的六所学校之一,学生与航天局的科学家们一起工作,帮助分析数据与研 ...

  2. 路易斯安那州立大学计算机科学,路易斯安那州立大学

    路易斯安那州立大学 LouisianaState University 本科桥梁.直录 学校基本概况 学校性质:公立,研究性大学 成立时间:1860年 大学排名:全美129,公立大学排名 62,商科8 ...

  3. Louis Armstrong【路易斯·阿姆斯特朗】

    Louis Armstrong Louis Armstrong had two famous nicknames. 路易斯·阿姆斯特朗有两个著名的绰号. Some people called him ...

  4. 路易斯张逸管家的名言

    逸管家平台是一家中美合资企业.专业从事跨境电子商务及OTO的线下服务公司.在美国已经有了多年成熟的生活服务管理运营经验,企业发起人之一系美国运通(AE)国际信用卡组织的总裁之一的路易斯张先生.携美国的 ...

  5. 路易斯·阿尔贝托·苏亚雷斯

    目录 路易斯·阿尔贝托·苏亚雷斯 路易斯·阿尔贝托·苏亚雷斯 路易斯·阿尔贝托·苏亚雷斯(Luis Alberto Suarez ),1987年1月24日出生于乌拉圭萨尔托 [1] ,乌拉圭足球运动员 ...

  6. 利用python绘制分析路易斯安那州巴吞鲁日市的人口密度格局

    前言 数据来源于王法辉教授的GIS和数量方法,以后有空,我会利用python来实现里面的案例,这里向王法辉教授致敬. 绘制普查人口密度格局 使用属性查询提取区边界 import numpy as np ...

  7. 路易斯华盛顿大学计算机系,圣路易斯华盛顿大学ee

    圣路易斯华盛顿大学电气与系统工程系(Department of Electrical & Systems Engineering)开设有多个研究生学位项目,分别是: 电气工程理学硕士(MS i ...

  8. linux 增加自动恩物,「4bays」窮人備份恩物! Synology DiskStation 418

    Synology DiskStation 418 處於數據幾何級增長及病毒肆虐的時代,資料備份相信對企業.家庭或個人用戶應該並不陌生,或許面對過加密病毒或硬碟磁區損壞的用家應更為深刻,而 Synolo ...

  9. 枪杀5人 美国路易斯安那州枪击案嫌犯在弗州被捕

    中新网1月28日电 综合报道,美国路易斯安那州26日发生两起存在关联的枪击事件,一共造成5人死亡,事后嫌犯塞里奥特逃逸.在经过了约20多个小时的搜捕之后,路易斯安那州阿森松郡和利文斯顿郡警方27日发表 ...

最新文章

  1. ednote服务器运行失败,endnote搜索文献时连不上服务器 Endnote连接服务器问题
  2. 想成为牛逼程序员? 先数数编程语言之父们的头发
  3. 基于软件开发对嵌入式开发的思考
  4. x_html语言名词解释,第2章++XHTML标记语言(97页)-原创力文档
  5. 革命离成功还非常非常远,我还不怎么努力
  6. 转正答辩提问_电信专业学生党支部预备党员转正答辩
  7. SAP UI5 应用开发教程之十二 - 使用 CSS 类对 UI 进行进一步美化
  8. 查出数字字符字段中非数字字符的记录
  9. Linux下之使用简单3种创建文件的命令,并实现一个Html和JavaScript小程序
  10. coreboot学习10:coreboot第一阶段学习小结
  11. 使用adb命令启动APK方法
  12. 从0到1开发H5游戏
  13. 推荐三款最好用的压缩/解压软件
  14. 超弦计算机,物理学四大神兽——拉普拉斯妖
  15. kafka connector使用(Docker一键启动版)
  16. 伸展树(二) - C++实现
  17. 前端页面局部(全局)刷新方法
  18. 【Web】1326- 深入浅出 Web Audio API
  19. 键盘 连击 测试软件测,87自学单片机第六十篇:按键双击和多击检测
  20. C. Madoka and Childish Pranks #777 div2

热门文章

  1. 独家 | 送你12个关于数据科学学习的关键提示(附链接)
  2. 用朴素贝叶斯模型预测柯南中被害人和凶手!
  3. 诺奖得主涉嫌学术不端!30余篇论文被指涉嫌P图造假、复制粘贴,合作者包括中国学者...
  4. 哈佛揪出「熬夜猝死」元凶:问题不在大脑在肠道 | Cell
  5. spring MVC项目启动报错
  6. 苏黎世华人博士提出模型SwinIR,只用33%的参数量就碾压图像修复领域sota
  7. ​清华大学智能产业研究院AI医疗团队招聘知识图谱方向实习生
  8. SAP WM 针对采购订单收货时候不能自动获取物料主数据里的Special Movement Indicator?
  9. 计算机视觉的“惨胜”:反思大型图像数据集
  10. SAP PM 入门系列之19 - IP31 Maintenance Plan Costing