纳院信息门户网

被AI取代的人类作家

热度:1522
2019-11-06 14:12:16

我低头看着我的左拇指,它仍然在tab键上。我做了什么?我的电脑成为我的合著者了吗?对人工智能来说,这是向前迈出的一小步,但对我自己来说,这是否也意味着我后退了一步?

我脖子后面的皮肤刺痛,这是对机器人专家所说的“恐怖谷效应”的一种非自愿反应。所谓的“神秘山谷”指的是血肉和太人性化的机器之间的临界距离。

几天来,我一直试图忽略smart compose提出的建议。这是谷歌在2018年5月向15亿gmail用户推出的一项功能。根据你写的单词和数百万gmail用户在这些单词后添加的单词,智能写作会在你打字时给出一些关于句子结尾的建议。“预测文本”可以猜出你的写作想法。为了节省你的时间,它会在你未完成的句子后用灰色单词给出人工智能的建议。你所需要做的就是按tab键,它可以节省20多个键盘笔画,在我自己的例子中,我第一次使用这个功能时就用ai写了一个完整的句子。

谷歌智能作曲负责人保罗·兰伯特(Paul lambert)告诉我,这款产品的创意来自代码编写,软件工程师经常使用代码编写计算机程序。代码由相同序列的长字符串组成,工程师依赖于一个他们称之为“代码完成者”的快捷方式。谷歌认为,类似的技术也可以减少套件商业用户的电子邮件写作时间。麦肯锡的一项研究显示,如今,普通办公室员工每天花四分之一的时间收发电子邮件。智能合成每周为用户节省20亿次按键。

用户可以很容易地选择退出智能作曲,但是我选择继续使用它,尽管它经常分散我的注意力。我被这种状态迷住了,我似乎知道我要写什么。也许因为写作是我的职责,我倾向于把我写的句子视为我最初想法的个人表达。因此,令人不安的是人工智能能够准确预测我的意图,甚至有时人工智能似乎比我有更好的想法。

然而,直到现在,我总是以结束这句话来结束我的思考,好像我在捍卫人类独特的写作能力。我很乐意请谷歌帮我找出从布鲁克林到波士顿的最快路线,但是如果我允许算法为我写下我的想法,它多久会取代我所有的思考活动?

我也尝试了智能回复,这是智能作曲的姊妹技术。根据邮件内容,它为发件人的电子邮件提供三种自动回复菜单。作为对编辑对我一篇文章的评论的回应,我点击了“明白!”,但事实是我真的不明白,但是回复菜单没有这个选项。自动回复后,我感到有点内疚,就像我随便回复了一封公函一样。几天后,我的编辑还回复了我的一封电子邮件,简单地说“收到了!”他真的收到了吗?

除了美国总统之外,我和几乎所有发短信或推文的人一样,长期依赖拼写检查和自动纠错,这是预测性文本的有限应用。我的拼写很差。现在,拼写检查器在文字处理软件中随处可见。我甚至不再尝试拼写任何东西。我所要做的就是让我键入的字母靠近我想要的单词,然后让机器猜测我想要键入哪个单词。

然而,智能写作远不仅仅是拼写检查。它没有纠正我头脑中形成的单词。正是利用深度学习的预测能力给我带来了我还没有想到的内容。机器学习是计算大数据集中概率的一种复杂方法。它是近年来几乎所有非凡进步的基础,包括导航、图像识别、搜索、游戏和自动驾驶等。在这种情况下,它将根据gmail.com过去一年发送的电子邮件中的单词模式进行数十亿次闪电般的概率计算。

兰伯特解释道:“无论你什么时候写作,我们都会猜测接下来可能出现的无数单词。为了做到这一点,人工智能将在你写的邮件中考虑许多不同的概率计算因素。每次插入新单词时,系统都会更新状态并重新处理。例如,如果你在周五写了一封“祝你”的信,高概率的预测是“周末愉快”。"

尽管智能合成通常仅限于预测下一个短语,但人工智能可以做得更多。兰伯特指出价格是准确的。"我们离原文越远,预测就越不准确。"

然而,当我坐在键盘旁边时,我能感觉到恐惧的山谷一直围绕着我。这并不是说我害怕聪明的作曲肯定预言了我的想法。事实上,没有。令人毛骨悚然的是,机器比我想象的更有思想。

今年2月,人工智能公司openai宣布推迟发布其名为gpt-2的人工智能作家的完整版本,因为该机器太擅长写作。批评家认为openai在装死,但这一举动实际上符合openai的一贯风格,并且徘徊在自相矛盾的边缘。正如openai首席技术官格雷格布罗克曼(greg brockman)所说,在尽可能推动ai更新和发展的同时,我们准备应对ai可能带来的潜在风险。

Openai成立于2015年。peter thiel和reid hoffman等人为openai提供种子资金。Openai创始人的理念是赋予非营利组织专业知识和资源,与民营企业竞争,使其成果开源,从而防止一些企业在未来占领不可估量的新世界。布罗克曼希望确保通过openai尽可能广泛地传播人工智能对人类的益处。

到目前为止,openai的项目包括一个游戏人工智能,它在今年早些时候的多人在线战略游戏dota2中击败了世界上最好的人类团队。开源电脑游戏为人工智能设计者提供了几乎无限的可能性,使它们成为有价值的测试网站。该公司还为机械手开发了软件,该机械手无需任何人工编程就可以自行操作不同形状和大小的物体。像其他项目一样,gpt-2最初是为了促进散文写作机的发展而设计的。

尽管openai表示仍致力于分享其研究成果。然而,它在3月份成为一个有限的合伙企业来吸引投资者,从而使公司的财务资源能够跟上“计算”的指数增长,这是支持深度学习神经网络的最终动力燃料。这些“神经网络”本质上是由连接在一起的调光开关组成的,所以,像我们大脑中的神经元一样,当它们受到刺激时,它们可以相互刺激。在大脑中,刺激是一些微量电流;在机器中,它是数据流。训练像gpt-2这样大的神经网络是昂贵的,部分原因是运行和冷却驱动云的地面“服务器场”的能源成本。艾玛·斯特鲁贝尔领导的一项研究表明,通过训练一个巨大的神经网络产生的碳足迹大致相当于五辆汽车的终生排放量。

Openai表示,未来几年需要投资数十亿美元。计算机的发展速度甚至比摩尔定律预期的还要快,摩尔定律认为计算机的处理能力每两年翻一番。芯片设计、网络架构和基于云的资源的创新使得每年可用的计算总量增加了十倍——2018年和2012年增加了30万倍。

因此,神经网络可以做未来学家长期预测的各种事情,但是直到最近才实现。机器翻译一直是人工智能研究者的梦想,但是直到三年前,机器翻译仍然容易出错。自2016年转向神经机器翻译以来,谷歌翻译已经开始在医学等一些领域取代人工翻译。

Ilya sutskever,openai的首席科学家,33岁,是人工智能领域最受尊敬的年轻研究人员之一。监督学习曾经是一种训练神经网络的方法,包括标记训练数据,这是一个劳动密集型的过程。在无监督学习中,不需要标注,这使得该方法具有可扩展性。例如,机器不是从标有“猫”的图片中学习识别猫,而是通过反复实验学习识别猫的像素模式。

Gpt-2运行在比openai的第一语言模型Gpt大十倍的神经网络上。在openai宣布推迟发布完整版本后,它在互联网上发布了三个功能较弱的版本。该公司的研究主管兼计算神经学家达里奥·阿莫代(Dario amodei)向我解释了保留完整版本的原因:“如果你看到一篇文章,它就像是人类参与其中的证明。现在它不再是人类参与的真正证据。”

科学家对人类如何获得口语有不同的看法:许多人倾向于认为我们的语言技能是基于进化和生物学,而不是我们是“白板”的观点,但是所有人都同意我们主要通过听力来学习语言。写作当然是一种后天获得的技能,而不是本能——多年的专业经验告诉我,如果有任何本能,那就是浏览推特或做其他任何事情来避免写作。与写作不同,演讲不需要多个草稿就能“工作”“写作伴随着不确定性、焦虑、恐惧和精神疲劳。另一方面,谈话很容易,通常很愉快,而且几乎是无意识的。

英国图书馆最近举办的一个关于书写的展览追溯到公元前4000年美索不达米亚楔形文字的出现。贸易变得复杂了。人们记不起所有的合同细节,所以他们开始写下合同。在接下来的几千年里,文学艺术的发展远远超过了贸易记录的发展。众所周知,苏格拉底不赞成文学作品对记忆的有害影响。他称写作为“可见语言”——我们知道这一点是因为他的学生柏拉图在老师死后写下了这一点。语言学家琳达.弗劳尔和心理学家约翰.海斯提出的一个更现代的定义是"认知修辞"--用语言思考。

1981年,弗劳尔和海斯为写作时的大脑设计了一个理论模型,他们称之为认知过程理论。近40年来,它一直是文学创作的典范。

几乎没有关于写作时大脑真实生理状态的科学研究。历史上,科学家认为语言处理涉及大脑的两个部分:一个负责解码输入,另一个负责产生输出。根据这一经典模式,单词在布罗卡区形成,对大多数人来说,布罗卡区位于大脑左半球的前部,而语言在韦尼克区被理解。连接布罗卡和韦尼克的是一个神经网络:一个由数十亿根神经纤维组成的粗而弯曲的束,它整合了语言的生成和理解。

近年来,使用成像技术的神经科学家开始重新思考经典模型的一些基本原理。德国格雷夫斯瓦尔德大学的神经科学家马丁·洛茨领导了为数不多的专门针对写作而非一般语言使用的成像研究。洛茨设计了一张小桌子,这样受试者可以一边扫描大脑一边写字。研究人员要求受试者从一个短篇故事中选择几个单词,逐字逐句地复制,以建立一个基准。然后要求他们“头脑风暴”60秒,然后“创造性地”再写两分钟。Lotze指出,在测试的头脑风暴部分,磁成像显示感觉运动和视觉区域被激活。一旦创造性写作开始,这些区域由双侧背外侧前额叶皮层、左侧额下回、左侧丘脑和颞下回连接。简而言之,写作似乎是一种大脑活动——可以理解为头脑风暴。

洛茨还比较了业余作家和以写作为职业的人的大脑扫描。他发现,当业余作家写“左尾状核”时,专业作家依赖的大脑区域不如扫描仪明亮,这与音乐家和专业运动员的专业知识有关。在业余作家中,神经元在枕骨外侧区发射,这与视觉处理有关。据此,我们可以得出结论,好的写作,比如弹钢琴或运球,主要是做得很好。练习是掌握的唯一方法。

有两种方法可以使机器变得智能。专家可以通过传授特定领域的知识和为机器设置规则来执行一系列功能,从而将他们所知道的知识传递给机器。这种方法有时被称为“基于知识的”此外,工程师可以设计一台具有自学能力的机器,以便在使用正确的数据进行培训时,能够找出完成任务的规则。这两种智能的融合是如此完美,以至于我们几乎无法区分它们。一旦你掌握了平衡和驾驶,你就不需要考虑如何骑自行车,但是,你需要考虑如何在自行车道上避开行人。

然而,如果一台机器可以通过这两种方法学习,它需要几乎完全相反的系统:一个系统可以通过遵循硬编码过程来推断操作,另一个是归纳性的,通过识别数据中的模式并计算它们的统计概率。今天的人工智能系统擅长其中一种,但是很难像人脑一样将两种学习方法结合起来。

人工智能的历史至少可以追溯到20世纪50年代。这两种制造思维机器的方法之间是一种龟兔之争。野兔是一种基于知识的方法。在人工智能充满幻想的60年代,它推动了它的发展。它证明了人工智能可以解决数学和科学问题,下棋和用一套预编程的方法回答人们的问题。20世纪70年代,在所谓的“人工智能冬天”,进步的步伐逐渐减弱。

另一方面,多年来,机器学习理论上比实际的人工智能方法更有可能。设计人工神经网络(以粗糙和机械的方式类似于我们头骨中的神经网络)的基本思想已经存在了几十年,但是直到20世纪初,还没有足够大的数据集用于训练或足够的研究经费。

这两种智能方法的优缺点在“自然语言处理”中是显而易见的:在这个系统中,机器理解并响应人类语言。几十年来,n.l.p及其姊妹学科语音生成在语言理解领域产生了一系列基于知识的人工智能商业应用:亚马逊的alexa和苹果的siri结合了这些进展。语言翻译是一个相关的领域,经过多年的研究,语言翻译得到了逐步的提高,其中大部分是在麻省理工学院托马斯·沃森研究中心进行的

在机器学习最近取得进展之前,几乎所有n.l.p的进步都是通过手动编写控制拼写、语法和语法的规则来实现的。“如果主语的数量不同于主语中动词的数量,将其标记为错误”就是这样一条规则。计算语言学家把这些规则翻译成计算机可以用来处理语言的程序代码,这就像把单词转化成数学一样。

Joel Tetrea是计算语言学家和grammarly的研究主管,gramma rly是教育写作软件的领先品牌。在一封电子邮件中,他描述了基于规则的语言处理的永恒特征。他写道,规则可以“涵盖许多容易实现的目标和常见模式”。然而,“不需要很长时间就能找到边缘情况和角落情况”,在这些情况下,这些规则并不十分适用。

特特里奥特于2007年在教育测试服务中心开始职业生涯,该中心使用一种叫做电子评分器的机器来给gre试卷评分。至今仍在使用的电子评分器是一种部分基于规则的语言,用于理解人工智能。事实证明它非常容易操作。为了证明这一点,麻省理工学院教授les perelman和他的学生们创造了一个叫做babel的论文写作机器人,它可以写出旨在获得高分的荒谬论文。

离开ets后,tetreault为nuance communication工作,nuance communication是一家总部位于马萨诸塞州的技术公司,生产了大量语音识别产品,这些产品在上世纪90年代处于人工智能研究的前沿。Tetreault于2016年正式加入。该公司于2009年由三名乌克兰程序员创建。Lytvyn和shevchenko发明了一种叫做mydropbox的剽窃检测产品。由于大多数学生论文都是在电脑上写的,并通过电子邮件发送给老师,所以写作一直是以数字形式进行的。人工智能可以很容易地对其进行分析,找到可能与网络上现有模式相匹配的单词模式,并标记所有可疑段落。

他们认为剪切和粘贴一个完成的段落比写一个段落容易得多,这就是为什么许多学生抄袭。为什么不使用同样的模式识别技术来制作工具,帮助人们更有效地写作呢?硅谷风险投资家布拉德·胡佛(Brad hoover)想提高自己的写作技能。他非常喜欢语法,以至于他成为了公司的首席执行官,并于2012年将总部迁至海湾地区。

像spotify一样,grammarly也使用“免费增值”模式。

此外,语法还每周为用户提供一次鼓舞士气的演讲,演讲来自虚拟编辑。这位编辑不仅会表扬你的词汇使用,还会给你奖章。

然而,语法方面的建议对有经验的作者没有帮助。写作是语法规则和作者想说的话之间的协商。初学者需要规则来让自己被理解,而有经验的作家改变规则来赋予写作色彩、个性和情感。

语法也使用深度学习来“超越语法”,使公司的软件更加灵活,更适合个人作者。在公司位于旧金山恩巴卡德罗中心的总部,我看到了新书写工具的原型,它们将很快被整合到公司的高端产品中。

许多语法使用者都是英语使用者,谷歌的智能写作也是类似的情况。正如保罗·兰伯特所解释的,智能写作可以根据每个用户写的所有电子邮件为用户独特的写作风格创建一个数学表达式,并使人工智能倾向于这种风格来提出建议。

“我们对为你写作不感兴趣,”grammarly的首席执行官brad hoover解释说:“grammarly的使命是帮助人们成为更好的作家。”谷歌的smart compose也可以帮助非英

© Copyright 2018-2019 gdLengqueta.com 纳院信息门户网 Inc. All Rights Reserved.