本文经AI新媒体量子位(公众号ID:qbitai)授权转载,转载请联系出处

本文长度为5500字,建议阅读7分钟

机器人教父Brooks批判了媒体对于AI的炒作,并预测了AI32年的发展,受到Yann LeCun等人工智能和机器人研究界人士的推荐。

Rodney Brooks的头衔太多了:澳洲科学院fellow、美国国家工程院院士、国际人工智能协会(AAAI)创始会员、作家、机器人企业家、MIT机器人教授、MIT计算机科学和人工智能实验室前主任、iRobot创始人及前CTO、RethinkRobotics前CTO及联合创始人……

最近,这位机器人世界的传奇在自己的博客上发表了一篇题为《My Dated Predictions》的文章。文中,Brooks先是作为一名长者将当下媒体对于AI的大肆热炒进行了一番委婉的批判;进而以32年为一个节点,对于AI在未来,也就是2050年之前的发展状况做了一波“科技现实主义”的预测。

Brooks还说,他会对自己所说的东西负责。而至于为什么选择32年这个时间段,Brooks表示那时候我都95了,甭管这些对不对,反正我没力跟你们吵了。

这篇预测得到了不少美国人工智能和机器人研究界人士的推荐,特别难得的,深度学习教父级人物Yann LeCun和坚持为深度学习泼冷水的Gary Marcus不约而同地分享转发表示赞同。

原文地址在这里:
https://rodneybrooks.com/my-dated-predictions/

量子位将Brooks所作预测部分整理如下,一起来看看在Brooks的预测下,无人车、AI、机器人、太空旅行等等领域,何时才能出现一个够快够贱够失控的未来:

关于无人车的预测

无人车的预测表格里,前三行都是关于飞行汽车的。

我非常确定那些会在将来投入使用的飞行汽车要极大地依赖于自动驾驶,因此,它们也可以被归入这一类。我的意思是,这类飞行汽车也应该能去到任何普通汽车能去的地方,不然那就不是一辆“车”;同时,一个不需要驾照,但可能需要完成几个小时特殊训练的普通人,应该能够穿着他(她)日常办公的衣服驶过100英里,而大部分的路程会在空中度过。

这趟行程应该不需要任何事先安排与计划,也不需要任何除使用地图app之外的行动。换句话说,除了所需的那一点额外训练,它完全应该达到今天一个普通人乘坐一辆传统汽车行驶100英里的效果。

现在我们来谈无人车。2017年早些时候我写过两篇关于无人车的博文,一篇谈的是无人车可能造成的意外后果,比如行人和其他司机会以不同的方式来对待他们,以及这些无人车可能会如何对外界人类造成反社会行为。那篇文章还指出,有些人会以一些从未在传统汽车身上尝试过的方式来使用无人车,而那本身可能就是反社会行为。

第二篇博文则是关于都市环境的一些边界情况:哪里有司机必须注意的临时标志、哪里时不时就变得不让人开车、哪里要弄明白乘客在这有多大控制权、哪里警察和拖车司机必须要和这些无人车进行交互、哪里正常的人类司机间的交互基本就不存在了。

于我而言,很明显,这些无人车不会成为与正常汽车一样的那类汽车。它们不需要人类司机。它们基本会是用不同模式、不同方式来改变世界的一些野兽。

当年汽车替代马车,并不是简单地一对一地发生的:它们需要一套全新的道路设施、一个全新的所有权模式、一种全新的利用模式、全然不同的燃料和保养程序,造成了不同的乘客死亡率、不同级别的舒适度——最终,它们促成了一种全然不同的城市结构。

我想当前一种流行的论调是无人车会简单、一对一地替代掉人类司机。我完全不认为这会发生。与之不同的是,我们的城市将会换上为无人车准备的特殊道路,对它们能跑和普通汽车能跑的区域进行限定,更改允许接送区域灵活度的标准,更改停车规定,总之,在我们的城市中会有各种小的增量调整。

但首先我们来讨论一下无人车的接纳率。

1987年, ErnstDickmanns和他在慕尼黑联邦国防军大学的团队就在一条开放高速公路上让他们的无人车以每小时90公里的速度行驶了20公里。当然,车里有人,只不过没把着方向盘。在过去30年里,研究者一直在试图提高汽车在公共道路上行驶的能力,但这些工作大部分是关于驾驶的,很少是关于交互、接送乘客或是其他服务和限制的接口。所有这些都非常重要。

从某一个角度上说,虽然过去30年里的工作只关注了很小一部分的问题,我们依然收获了缓慢的进展。一年前,我看到了一条我很喜欢的推特,大意就是“乘客们知道自己打到了一辆自动驾驶的Uber,因为前面坐了两个人而不是一个。”直到几周之前,我们才在凤凰城看到了行驶在公共道路上的真·无人车。一条推特将它们称作第一批“无人驾驶的无人车”。

但无人车离真正被接纳还差很远。传感器的价格依然太高,所有与乘客操作相关的东西都还没被弄明白,更别提实际中的监管以及这些车对于环境的责任了。在这些约束之下,问题最终会被解决,不过会比期望中慢得多。

对于无人车可靠性的真正考验,不会停留在测试或展示上,而是无人出租车拥有者、出行服务提供商和无人车停车场开始在这上面赚钱的时候——这件事会逐步地发生,并且从有限的地理环境和市场上开始。我的预测可不是关于展示的,而是真正可持续的生意。搞不定这些无人车永远别想上路。

我认为,要讨论无人车会如何被采纳的话,我们需要判定地理“围墙”,也就是确定那些地点被允许发生特定的无人车行为,且邻近没有人类驾驶的汽车。进而,无人车应用会被最初限定于特定城市的特定区域,甚至特定天气下的特定时段。这样的话,体验无人车出行服务可能还要等好一段时间。

预测 日期 评论
只要美国人民钱够,每个人都能买飞行汽车 不早于2036年 也有可能2050年前这事根本不会发生
飞行汽车数量达到美国汽车总量的0.01% 不早于2042年 如果汽车总量是今天这个数,飞行汽车就是26000辆
飞行汽车数量达到美国汽车总量0.1% 洒家这辈子是看不见了
第一条专为无人车准备的车道在公共高速公路上开通 不早于2021年 这有点像今天的HOV车道。我猜是旧金山到硅谷之间101号公路最左边的车道,除非进入专用车道,否则人的手不能离开方向盘
在专用车道上无人车可以以比人类驾驶更低的车距和更高的速度行驶 不早于2024年
在受限的天气状况、时间以及特定的接送点,美国主要城市允许无人出租车服务 不早于2022年 接送点不会是停车点,而是像公交站一样被标记出来,并限定用途
在美国的10个主要城市内,对于上述无人出租车服务的时间与地理环境限制放宽 不早于2025年 关键是什么时候传感器能便宜到让雇用人类司机不再有经济优势
上面那条适用于50到100个美国城市 不早于2028年 起步和铺开会是一个缓慢的过程。接送点会被许多家服务提供商共用,提供商之间互通有无,部署车辆
美国主要城市出现专用的无人运输车辆 不早于2023年 路得够宽,车停下了其他司机得能躲开
出现盈利的、允许特定品牌汽车停靠的无人车停车场,而且没人。 不早于2023年 经济诱因是越来越高的停车密度。这将需要车辆和车库间的通讯。
无人出租车服务可以在任意接送点运营,甚至是地理条件受限地区 不早于2032年 Uber、Lyft和传统的出行服务提供商现在就能这么干
无人出租车服务可以在剑桥刚、马萨诸塞州、格林威治村和纽约的所有街道上运营 不早于2035年 除非在这之前停车和人类司机在这些地方都被禁了
主要城市在城市的重要通路禁止停车以及人类司机,以给无人车让路

不早于2027年;

在2031年前

这会是无人车翻身的起点
大部分美国城市在它们的大部分城区施行上一条规则 不早于2045年
电动汽车销量达到美国汽车总销量30% 不早于2027年
美国电动车销量等于美国汽车总销量 不早于2038年
私人汽车可以停在底下,可以以一百迈的速度在地下飞驰 洒家这辈子是看不见了 可能现在就有这类项目展示,不过都不现实,搞不起来
第一次,无人车上装备了多种应对实际发生的电车困境的解决方案 洒家这辈子是看不见了 想想《机械公敌》中一个情节,机器人救了威尔·史密斯,却付出了让一个女孩失去生命的代价

关于机器人、AI和机器学习的预测

读过我以前博文的朋友知道,其实我对于新事物在真实世界中传播铺展速度的预估比那些拉拉队员和杞人忧天者更甚。而我如下的预测都基于这种对“高速度”的乐观。

一部分是关于公众对AI看法的,一部分是关于技术观点的,还有一部分是关于部署计划的。

预测 日期 评论
学术界各种叨叨深度学习的局限性这类的东西 2017年前 这件事正在发生
科技媒体开始报道深度学习的局限性,以及用于游戏的强化学习的局限性 2018年前
大众媒体开始出现“深度学习时代已经终结”的故事 2020年前
VC们开始搞明白,要让一笔投资收获回报,仅仅有“X+深度学习”是不够的 不早于2021年 我这儿可能有点愤世嫉俗了,当然,我们也没法知道这事到底会哪天发生
在深度学习之外,在AI领域广受认同的“下一件大事”出现 不早于2023年;在2027年之前 不管这件事将会是什么,它一定是现在一部分人已经在着手开发的东西,并且已经有相关论文出现。2023年前会有很多关于这个主题的研究观点,但没人会做出成果
媒体和研究者长大了,他们不再将所谓“图灵测试”和“阿西莫夫三大定律”作为AI和机器学习的衡量标准 不早于2022年 我真希望是这样,真的
机器人能在任意一所美国住宅内部畅通无阻的穿行

实验室demo:不早于2026年;

昂贵的产品:不早于2030年;

平价产品:不早于2035年

这些事对人类简单,但现在对机器人难于登天呢
逐渐出现灵活的机器手 不早于2030年;在2040年前 除了一些实验室展示作品之外,过去40年里其实我们没有看到被广泛应用的机器手或末端执行器有任何进步
机器人可以在各种各样的任务中为老人提供物理协助 不早于2028年 在那之前可能会出现单点解决方案机器人,不过很快老人就会迎来一屋子的机器人
机器人会解决最后10码的运送问题,有能力走出车厢,把东西放在你家门口

实验室demo:不早于2025年;

系统部署:不早于2028年

出现既能解决多轮长文本,又不会陷入简单重复模式的对话式智能体

实验室demo:不早于2025年;

系统部署:2025年

平台已经有了(比如Google Home和Amazon Echo),所以机器人走出实验室是早晚的事
出现能在鼠标这一设备级别上搭载的、持续进步的AI系统(不是像今天的AI系统这样今天明天一个样) 不早于2030年 我写篇新博文来解释这事吧
出现像狗狗一样忠诚、警觉和聪明的机器人 不早于2048年 这比大部分人想的要难得多——很多人觉得我们现在就能做到这个,要我说我们还差得远呢
出现以一个六岁儿童水平来认知自身存在以及人类存在的机器人 洒家这辈子看不见了

这些预测看上去可能有点随意杂乱——它们也确实是这样——但这就是机器人、AI和机器学习未来进步的方式。突然出现一个能完成所有人类(或大猩猩)行为的通用人工智能是不可能的,未来很长一段时间,单点解决方案都会是主流。

打造人类水平的智慧或人类水平的物理行动能力是非常、非常困难的。过去五年,这方面的进步有一次小的爆发,不少人就以为这事已经成了。事实上,这条路我们连1%都没走完,与此同时我们甚至不知道该怎么走到5%。是,这俩数是我编出来的,我也证明不了。

我其实可能已经把这俩数夸大了10倍不止。我道歉。

关于太空旅行

从小,我父亲每周从阿德莱德飞到南部的伍默拉去给欧洲卫星发射计划的第一级引擎做研发工作时,我就是个星际旅行的粉丝。每隔几个月的一个周五晚,他都会带我去一个爱好者组织的俱乐部,那会有来自NASA的最新视频片段播放,并组织讨论。

那时我就决定,我的人生目标就是最终住到另一个星球上。到现在,我只是做到了没在离开地球前死掉。现实一点看,我可能完成不了这个目标了。

所以这就是我对于太空旅行的预测。并不那么乐观,但保证现实。

预测 日期 评论
由私营公司来完成下一次的载人(测试宇航员/工程师)亚轨道飞行 2018年前
一小撮人花钱上天 不早于2020年
这种亚轨道载人飞行变成日常 不早于2022年 在2026年前
日常的轨道飞行服务消费 不早于2027年 俄罗斯能把你送到国际空间站。但就7个人飞过8趟,现在这事被无限期暂停了
美国助推器把人送上轨道 不早于2019年 在2021、2022年前(两家公司) 现在的日程说是2018年
俩人坐着重型猎鹰火箭绕月球一圈 不早于2020年 最近的预测说这事会发生在2018年第四季度。 不会的。
在火星上卸货,以便后来者使用 不早于2026年 SpaceX说在2022年前做到。我看2026年是比较乐观的估计,不过在那之前可能会有人先号称能做到,不管它是不是真的能做到
人类在火星上用上之前放在那的物资 不早于2032年
人类在火星上建立第一个“永久”殖民地 不早于2036年
一小时内完成地球范围内的点对点运输(用BFR) 洒家这辈子看不见了 没有巨大的突破这事办不到的,反正现在还没这个迹象
城市之间的日常超级高铁服务 洒家这辈子看不见了 我总是忍不住想起Chuck Yeager把水星计划称做“午餐肉”

OMT

Yann LeCun和Brooks还在这篇博文底下进行了一点小小的讨论。

LeCun留言说:

你写在这的所有东西我几乎全部同意,除了,我会把“深度学习”的每个例子都换成“监督学习”。对深度学习(集合参数化的功能块并基于梯度方法对其进行优化)的总体看法应该不会消散。

20世纪早些时候就有人会觉得蒸汽机会退出历史舞台,而它们并没有简单地消失,即使是蒸汽机消失了,关于热机的整体思想还在。深度学习就像热机,而不是蒸汽机。

Rodney Brooks的回复:

谢谢大兄弟。我的意思并不是说深度学习的总体思想会消失,我是想说,围绕着深度学习的那些泡沫会散掉。过去五年的所有技术都在这,它们也会继续发挥作用。但是,未来几年会出现一个新的“AI力量”的代表,同时围绕它也会出现新的泡沫。那些投向顶尖学校的研究生学位申请会以更高的频率提及这个全新的代表,而不是“深度学习”——现在这个词可是在那些AI/CS研究生项目的申请里用烂了。

更多内容和精彩评论请看原文:

https://rodneybrooks.com/my-dated-predictions/

机器人教父预测AI未来32年!Yann LeCun留言称赞相关推荐

  1. 又快又贱又失控?机器人教父Rodney Brooks预测AI未来32年历史进程

    点击有惊喜 Rodney Brooks的头衔太多了:澳洲科学院fellow.美国国家工程院院士.国际人工智能协会(AAAI)创始会员.作家.机器人企业家.MIT机器人教授.MIT计算机科学和人工智能实 ...

  2. 年度最理性 AI 分析文章:预测 AI 未来,大部分人陷入了 7 大误区

    来源:36氪 概要:错误的预测会导致大家对不会发生的事情感到恐惧.为什么在人工智能和机器人的预测上总有人不断犯错呢? 想着预测未来,却一不小心就陷入了yy. 近年来图像识别突破.Waymo无人车上路. ...

  3. 学习世界模型,通向AI的下一步:Yann LeCun在IJCAI 2018上的演讲

    来源:机器之心 摘要:人工智能顶会 IJCAI 2018 的主要议程于昨日在瑞典首都斯德哥尔摩开始.昨天上午,Facebook 首席人工智能科学家.纽约大学教授 Yann LeCun 在会上发表了近一 ...

  4. 【AI】图灵奖得主 Yann LeCun 最新文章 :自监督学习,人工智能世界的“暗物质”...

    来源:AI前线 作者:Yann LeCun ,Ishan Misra 近年来,AI 产业在开发"可以从大量经过细致标记的数据中学习的 AI 系统"这个研究领域上取得了巨大进步.这种 ...

  5. 突发 | Yann LeCun卸任!Facebook变天,做AI不能落地是不成了

    作者 | 波波 编辑 | 谷磊 1月24日早间重磅消息,Facebook 人工智能研究部门(FAIR)的负责人Yann LeCun 宣布卸任,之后将担任Facebook首席人工智能科学家,保留对FAI ...

  6. AI会改变什么?不会改变什么?ChatGPT之父对人工智能未来的判断

    ChatGPT的火,已经从AI圈烧到了全球. 自2022年11月推出后,这款强大的聊天机器人仅用60天月活过亿,被<财富>认为是划时代的产品,引微软.谷歌等巨头纷纷下场. 更重要的是,以C ...

  7. Yann LeCun:未来几十年AI研究的最大挑战是「预测世界模型」

    来源:机器之心 本文约4000字,建议阅读8分钟 本文为你介绍一种叫做分层 JEPA(联合嵌入预测架构)的架构. LeCun 认为,构造自主 AI 需要预测世界模型,而世界模型必须能够执行多模态预测, ...

  8. 图灵奖获得者Yann LeCun:未来几十年AI研究的最大挑战是「预测世界模型」

    来源:机器之心 LeCun 认为,构造自主 AI 需要预测世界模型,而世界模型必须能够执行多模态预测,对应的解决方案是一种叫做分层 JEPA(联合嵌入预测架构)的架构.该架构可以通过堆叠的方式进行更抽 ...

  9. AI+医疗试水“近视预测”,未来10年近视度数有规可循...

    在某些情境下,人工智能的深度学习能力已超越医生.近年来,多家企业源源不断地向领先技术领域注入大量资金,尤其是那些希望降低成本.改善患者健康的公司.市场情报公司Tractica的数据显示,2018年医疗 ...

最新文章

  1. !!!光线对视频识别技术的影响
  2. EF架构~为IEnumerable接口添加增删查等操作,原因是IEnumerable导航属性更放心
  3. [HDU 6157]The Karting(DP)
  4. 将信号量代码生成静态库以及动态库
  5. ubuntu下定时执行工具cron开启关闭重启
  6. 整人c语言代码大全,(C语言整人代码大全.doc
  7. PHP解析抖音无水印视频播放地址原理
  8. Android航海航线地图,航海王热血航线东南之海宝藏一览
  9. 教你用Python批量下载音乐功能,无需安装播放器,直接下载!
  10. Android学习日记(yzy):opengl 绘制2d图形 基本框架
  11. ARM_kafka搭建
  12. 【论文阅读笔记】:CGD: Multi-View Clustering via Cross-View Graph Diffusion
  13. 记Git报错-Everything up-to-date
  14. 词法分析扫描器的设计实现
  15. 【熬夜猛肝万字博文】学妹问我怎么入门 Javascript,百般盘问下我终于决定贡献出自己的 JavaScript入门笔记(三)
  16. Uos统信系统 CA根证书搭建
  17. 金山词霸2005,郁闷……
  18. VirtuaNES.v0.97源码探究1 多语言菜单的实现
  19. url 参数传递中文乱码问题 即a href 利用 js 的 encodeURI解决中文乱码问题
  20. 使用163邮箱报420 ERR.LOGIN.DOMAINNOTEXIST错误解决

热门文章

  1. java label对齐方式_java – 在BorderLayout中对齐JLabel和JTextField
  2. UE4-ReplicationGraph源码分析-基础
  3. 抖音1元秒杀活动背后赚钱秘诀是什么? 怎么个玩法?
  4. STLINk驱动安装
  5. MyEclipse 2013优化技巧
  6. 北京创客空间 BEIJING MAXPACE的小站
  7. vue+vant 实现移动端问卷答题
  8. 天美生物在美上市背后:财务报表存在重大缺陷,胡永卫持股34%
  9. 【算法设计与分析】5个数7次比较排序的算法
  10. BF518的interrupt