842
AI 是中性的技術，如何用它更好地為人類服務
7 月 22 - 23 日，在中國科學技術協會、中國科學院的指導下，由中國人工智能學會、阿裏巴巴集團 & 螞蟻金服主辦，CSDN、中國科學院自動化研究所承辦的 2017 中國人工智能大會（CCAI 2017）在杭州國際會議中心盛大召開。
在本次大會上，澳大利亞新南威爾士大學教授、AAAI 執行委員會成員 Toby Walsh 發表了主題為《人工智能如何造福人類》的演講。
在 Toby Walsh 看來，雖然埃隆馬斯克、霍金等大佬對人工智能心存懷疑，但這並不影響人工智能造福人類。Toby Walsh用“食物銀行”和“器官銀行”兩個案例證明，人工智能在解決貧窮、醫療等問題時，大有可為。
本文以下是根據Toby Walsh主題的演講全文演講整理，AI科技大本營略做修改略有刪減：
謝謝各位，今天非常榮幸能來到這裏。在中國，人工智能技術非常有潛力，而且我相信這種潛力是無法預估的，因為每次我來到中國，都會驚異於中國人工智能的發展是多麼的如火如荼。
今年的 IJCAI 會議在澳大利亞舉辦，我是會議的主席，今天早上我看了我們的會議投稿係統，發現現在向 IJCAI 提交論文數量最多的國家是中國，到目前為止中國學者向 IJCAI 提交的論文數量已經超過了歐美。現在會議的注冊次人數已經達到了曆史最高水平，參會人數至少有 2000 人，而其中會有很多參會者都來自中國，希望下個月在墨爾本能夠與在座的很多人諸位再次見麵。
現在是人工智能的時代，是一個令人激動的時代。如今人工智能技術取得了非常多的進步，人們已經意識到它的飛速進展。相信大家都有關注過 AlphaGo 的新聞，來自中國和韓國的頂級棋手最終都敗在了它的手下，相信這個結果也是非常令人驚訝的。2在 2014 年的時候，法國的研究人員寫出了圍棋的程序，他當時預測：要讓計算機打敗專業的棋手還需要花費幾十年的時間。然而事實證明他的預測錯了，我們隻花了幾年的時間就實現了這一點。Google 在對 AlphaGo 項目所花費的精力是其他項目的十倍，而這個項目取得的結果是非常令人驚訝驚歎的。
我們隻花了幾年的時間就來實現原本要十幾年才能實現的目標，這得益於快速增長的計算能力，擁有這樣的能力，不管是圍棋還是其他的領域（比如說肺病的診斷），我們都能通過程序來實現我們的目標，然而現在人工智能技術並沒有非常廣泛的應用。再例如，在胚胎移植過程中，我們可以用深度學習技術和程序來找到最佳的移植細胞，這將比任何醫生都要做得更好。
在英國，我們可以用聊天機器人獲得醫療服務，它能夠為你診斷病情，告訴你是否有嚴重的頭痛是否真的病情嚴重，還是隻需要吃點止痛藥就可以了。
還有一些其他的例子，例如這個是百度的語音識別技術，能夠更好地理解中文。當然還有很多這樣的例子。
有時候軟件做得要比人更好，比如說最近日本有一家個人壽保險的公司，他們采用了 IBM 的WastonWatson軟件，用它來替代掉公司數十名的雇員。
另外還有一個例子，如果說你要在 Expedia 這樣的網站上預定一個航班，也可以通過機器學習技術來找到最適合你的航班組合。
所以，我們看到人工智能技術已經應用在很多的領域，這並不讓人感到意外。那到底人工智能要走向何方？未來機器是否會取代很多人的工作，甚至取代人類？我的演講就是要解決這樣的一些擔憂，我們要想想到底人工智能和機器對我們產生了什麼樣的影響。
人工智能是中性的技術
在澳大利亞，我們建立了一個新的研究所——Centre on Impact of AI and Robotics，我是其中的研究員。我們想能夠了解到技術到底發展得的多快，它會走向何方，以及會帶來什麼樣的挑戰。
我們先要講講未來人工智能對倫理上會產生什麼樣的影響，然後一些科學家也會考慮它對政治上、倫理上會產生什麼樣的影響。。我們能夠從工業變革中學到一些東西，因為在未來人工智能會改變我們的社會，而我們的社會又將做出什麼樣的改變？答案是，從在心理學和社會學角度方麵，生活的方方麵麵都會受到影響。因此我們要開展這樣的對話，來迎接這樣的變化。
其實還有很多的領域也是相當重要的。第一個就是教育，如果未來要和機器搶飯碗，人類要做好準備，其中將改變的一個領域那就是教育。教育毫無疑問是我們能夠在未來生存，能夠在這樣的變革中維持人類繁榮中很重要的一點。工作是不是存在，或者說工作是不是被機器取代，還是說機器是否給我們帶來更多的工作？而在未來，能確認的一點是新工作、新技能需要交互，所以教育是我們在這樣一個過渡時期需要非常關注的一個領域。
這裏有一份教育的白皮書，是澳大利亞剛剛發布的。我們來看看教育在發生什麼樣的變化，我們要做什麼。如果我們要和人工智能技術在未來 20 年內共存，我們要應對怎樣的變化？我們的小孩要應該具備怎樣的技能，當他們以後工作的時候才會適應人機共存的這樣一個時代？現在已經有很多人來談勞動力的教育了，現有勞動力的教育又該怎樣？所以教育和工作是分不開的，人工智能一定會帶來巨大的變革，特別是工作方式的改變。
今天早上我們聽到了自動駕駛這一技術，以後駕駛會被越來越多的機器所掌控，現在數百萬人死於車禍，其實大多都是人為的錯誤導致的。如果機器能夠更好地幹預駕駛係統，將會更加安全，但是前提是要有一個可靠的係統。
從經濟學的角度，自動駕駛技術也能降低經濟開銷，比如說裏斯本有這樣一個預估，隻需要原來 1/10 的車輛就能滿足整個城市的交通量，這樣能大大降低交通的成本；而且到後麵，私人小汽車會變得越來越便宜，這對於絕大多數人來說這是好消息。而且在車裏麵的時間你可以工作，你可以看書，你可以看一部電影，甚至是可以回郵件。機器可以幫助我們做更多的工作，我們就可以休息、、可以享受，這是一方麵；但是另外一方麵，是不是對某些人來說他們就沒有工作了？人工智能在多大程度上會影響到我們的生活？可能有些人說我沒辦法相信機器人。
看待這個世界的觀點一定是變化的。我們和其他監督委員會成員在紐約的聯合國門口開了這樣的會議：人工智能和機器人如何改變我們的生活？我們是否需要擔心呢？我覺得擔心是必要的，擔心是否會人機大戰，就像核彈、核武器完全被機器控製，機器完全取代和控製了整個社會，下個月聯合國關於人機道德的會議將會有新的消息出來，大家可以拭目以待。
現在人們對人工智能有些擔心和反饋，所以我們要考慮好、準備好，要未雨綢繆。接下來我想從研究學者的角度來談，如何找到“如何找到人工智能好的一麵”。
人工智能是中性的技術，它可以用於好的方麵，也可以被壞人利用。它可以讓生活更加美好，提高經濟繁華度、降低貧窮，提升我們醫療的質量、，提升教育的質量，可以極大地提升生活質量，但是同一個技術也可以引發戰爭，可以帶來傷害，可以帶來大規模的失業等。
同樣的一個技術它亦好亦壞，作為研究人員，我也很榮幸能夠在這麼多的問題當中選擇一個研究點，而我所選擇的這一點，就是能不能讓 AI 帶來很好的社會效益。上個月我在日內瓦的聯合國大會參加了一次會議，也代表了 AI 界來談一談對 AI，對於社會和我們所生活的星球的暢想，其實 AI 可以讓每個人的生活更好，可以實現聯合國新千年的目標。
所以我們想跟大家談一談，能不能通過人工智能改變人們的生活。
食物銀行
我來自於澳大利亞非常小的城市。澳大利亞隻有 2300 萬人，我知道 2300 萬人不算什麼，特別是對中國來說。但是我們有 220 萬人是在生活在貧窮之中的，貧窮是說 220 萬人沒有達到平均的水平，其中有超過 10 萬人無家可歸，10% 是兒童。
我們有一個很好的慈善的項目，是和新南威爾大學合作的，其實不是談多少錢投入的問題，而是希望改善人們的生活。這個項目叫“食物銀行”，我們希望利用技術讓我們的社會變得更加美好，而且它也獲得了微軟的 Imagine Cup 的獎項，讓這些項目和 AI 結合來改善我們的生活。現在，我們把項目拓展到了俄羅斯和美國，希望借鑒這個項目，讓他們當地在扶貧和解決社會問題上有很大的進展。
“食品銀行“怎樣做的呢？其實在超市和餐館裏，每天都會有很多的食品，其中肯定是有剩餘的。“食品銀行“將會選擇不同的剩餘食品來進行捐獻，並自動地配送給不同的慈善機構和教會，而這需要解決去哪兒把食物收集起來，然後怎樣配送給需要的窮人。其實就是把不同慈善機構的信息放在一個平台上，而且它解決了不同的慈善機構收集到的不同量的食品的問題。我們把這樣一個研究項目變成具有實際意義的項目，所以隻要我們能夠解決公平性的問題，那我們就知道這個食物是什麼，這個食物分配給誰。其實從本質上來看的話，這就是在解決線上不透明的問題。
在我們談食品配送的時候，一定要先考慮食物或者是貨品的公平分配問題，所以我們就開發了這樣一個模型，來保證食品是一個接一個地按順序去送達，也就是說我們能夠看到，一份食品配送以後，進行下一個食品的分配，就是0和1的問題：有和沒有。
其實我們還有一個非常激動人心的研究，這是新的功能。當我們談線上分配的時候，其實是資源和人進行匹配的問題，但是另外一個方麵，每一天我們都是在解決一個公平性的問題，換句話說，社會變得越來越公平。你想要的東西我們給不到你，我們會說抱歉，因為我們要給到其他的慈善機構，其他的慈善機構更需要，但是明天可以給你更多想要的物資。從長期來看，這是公平性的機製，而且這是合理的，比如說我有雞蛋，你給我麵粉。如果你給我蘋果，那我就不需要香蕉了，這是混合多樣化的模式，其實這也是在解決存儲的問題，我們自己沒有分配完的也會存儲到倉庫，不會隨便地把食品處理掉。所有獲得食品的慈善機構，並不是得到生態驗證的綠色標簽食品機構，很多都是小機構，所以品質上、時效日期上需要做更好地掌控，因此我們需要一些新的方法來解決這樣的問題。
還有一些例子，我們可以通過點讚的方式來對我們的商品進行評估和打分。對於多數人喜歡的物品，就可以選出來進行競標，這是一個非常好的工具，但是這個功能另外一個缺陷就在於說這些商品的選擇可能是隨機的，有時候不走運的話，可能拿不到這個商品，或者說你另外的人搶了這樣一個競標。這一機製有好有壞，也是如何實現平衡，把商品給到最需要的人手上，而不是讓這樣的競價導致另外一個失衡。我們希望通過點讚的方式，最起碼知道大家對哪些商品需求量是大的。
另外在這樣的技術當中，我們還有一個要研究的點，那就是所謂的規範化的功能。對於點讚這樣一個方式，其實你沒辦法掌控大家的意見，因為這是隨機的、自主的，我們不希望有人去操控這樣的係統，比如說刻意讓某一些商品特別熱門，點讚隻是個人的行為，你喜歡這個商品你就競價就點讚，所以這是平衡線的問題。
平衡線機製，有些情況下可以做得非常公平，但另外一方麵可以讓你有機會控製它，有些人可能是真的有意地以一種團隊的方式去操縱，比如說某慈善機構說我特別想要這樣的物資，然後讓很多人來點讚和競標。所以這更多是一個數學問題，要保證公平性的機製。也就是說，在能夠保證你拿到所要的同時，保證其他人也拿到他們想要得到的東西，如果你嫉妒其他人拿到的東西，那我的機製就不對。
在配送過程中，商品的選擇是有時效性的，不能說每次都選這樣一個商品，這肯定不行，因此要把握時效性和公平性。
器官銀行
另外一個是“器官銀行“的項目。醫院會把一些器官在不同醫院當中進行轉送，比如治療肝髒、腎髒方麵的疾病可能需要做器官移植，如果有一些瀕臨死亡的病人，他們可能會把自己的腎捐獻出來，去救治另外一個需要換腎的病人。
但是在澳大利亞，這樣一個器官庫的建立和維護是很大的問題，成本非常高，比如說對於腎病病人而言，他可能必須花十幾萬的美元才能獲得腎髒移植，而從國家層麵要看，要花數億美元。
根據我們的統計，在 1989 年澳大利亞剛開始做器官移植的時候，平均的器官年齡是 32 歲，而現在平均器官年齡是 46 歲，也就是說捐贈者的年齡越來越高，對於醫院來，說引發了一種擔憂： 能不能把比較老的器官匹配在較年輕的人的身體當中？因為缺少年輕的器官，這就涉及到如何更好地分配器官，就像我們分配慈善機構的食物一樣，更多的是線上的問題。
年底的時候我們可以看到有多少器官捐贈，有多少人排隊接受器官的移植，你就知道供需之間的關係是怎樣的了。我們保證供需最大化的對接，這個問題看上去非常簡單，但是其實要考慮的東西有很多，比如說血型上、年齡上的匹配，由於不知道在 24 小時之內匹配出什麼樣的血型，什麼樣的器官，因此要收集器官的血型、年齡（尤其是捐贈者的年齡），而且還要考慮到地理位置，比如說可能在新南威爾士城市等待移植的人很多，而偏遠地區的人沒那麼多。
給大家一些例子，看看我們碰到的挑戰。這些柱狀圖可以看到血型的分布，可以看到，在不同的人群當中，不同血型的分布是不一樣的，其中 O 型血是比較多的，但是 B 型是比較少的，捐贈者 10% 是 B 型血的人，能夠收到的 B 型血器官的人是 14%，還有 10% 的人是在等待，這是一個非常糟糕的消息。
我看到這張圖之後，問醫生為什麼會這樣，可能是 B 型血不太容易得疾病。那麼怎樣使 B 型血的供需分配會更加平衡一些呢？當然我們可以用萬能的 O 型血。然而反過來卻不行，因為O型血不能用 B 型血，所以這對 O 型血的患者不是很公平。因此可以看到，不同血型上的分配麵臨著不同的挑戰。
我們用了一個 KDPI，就是腎髒捐贈者的指數，我們會對器官捐獻者的年齡和其他方麵算出來的指數，另外我們對接受器官移植的患者會用 EPTS，也就是預期的移植後的生存率，比如說你是50歲左右的，那可能看到的是處於一個能夠在移植後能夠存活的比例中的中間值，在年齡上下的生存率不同，比如說你做透析什麼的都會對健康產生影響。我們看看 KDPI 和 EPTS 指數，可以看到這兩者之間是沒有太多的關聯性。
所以我們需要有一個新的東西，後來我們有了 Box 機製，它有點像詞典編寫的方法，然後還有在等待的時間，我們就是通過這樣一種標準來推導 KDPI 和 EPTS 之間的關聯性。
看上麵這張圖更清楚一些，第一塊是更傾向於年輕的患者、年輕的器官，然後是第二、第三塊，我們通過這樣的機製，可以看到它的效果有多好。
看看上麵這張圖，肯定能看出來這比原來好很多，它不是隨機的，而是在這之間出現了一定的關聯性，當然我們還可以做得更好。
我們可以有一個簡單的機製方便大家繼續學習，讓你在兩個指數間有一個完美的關聯性，現在這張好多了，KDPI和EPTS之間盡可能地縮短，這讓我們的結果更加公平。所以我們可以做得更好，讓人們的生活更好，讓人們的壽命更長。
同時，我們也看到器官銀行和食品銀行，兩者最重要的是他們的機製，我們要用兩側配對的方式，比如說一方麵是患者需要器官，另外一方麵器官尋找患者，我們要在兩者之間尋找關聯性。對於患者來說，肯定是想要最年輕的捐獻者的器官，因為這樣在移植以後壽命更長一些；另外對醫來說，他們也希望將器官放在健康的患者身上，這也是非常經典的兩側匹配的方式。兩邊都是共同的偏好，兩邊都是希望更年輕的捐獻者的器官。所以我們有一個非常唯一性的穩定匹配。
沃夫幾年前獲得了諾貝爾獎，他研究的是穩定匹配的問題。這裏的話，比如說你要的是男性或女性的器官，他們這種匹配都是唯一的，它需要有一個非常特殊的屬性，我們排第一位的年輕的患者可以拿到最年輕的器官，這樣的話他們就非常滿意了，因為他們拿到了最好的器官。然後的話排第二位的器官，我們對患者和器官都進行排列，然後進行配對，但是我說過這是線上的問題，我們不能等一年以後再對所有的患者和器官進行排名，然後再選擇最好的配對方式，因為這是一個動態的過程。
平均來說，他們要對人群進行排列，所以我們讓 EPTS 和 KDPI 進行匹配的話就能解決這一問題，這也是我們想要達到的效果。所以我們既能夠找到獨特、穩定的配對，同時也解決了線上的問題。另外，我們每次也能有一些簡單的模型，比如說在每個時間點有一些患者來，有一些患者走，有一些器官到，那我們這個器官在到達以後進行配對，每個器官都有 KDPI，每個患者都有 EPTS，我們也能證明這個功能是非常好的。如果有更多的器官到了，這樣的話你能夠選擇的器官可以更多，如果我們增加患者的數量，那患者拿到更好器官的概率就會下降，這樣我們可以有一個決策化的功能。
另外，我們可以看到沒有任何一個機製能夠滿足所有的需求。而唯一能夠不受操控的機製就需要采用隨機方法。為什麼這一 點非常重要？在 2012 年，當時德國有一個醜聞，他們發現醫生對患者的排列進行了一些操控。所以說澳洲也是非常關注這個係統是否會被人為地進行操控。
我們現在采用這個係統是不會有人為的操控情況，這也是政府非常關心的，他們防止參與其中的人會有腐敗的行為，因為之前在德國出現過類似這樣的醜聞。患者等待的時間也是非常重要的因素，如果一直等可能會死掉（因為拿不到器官），所以在時間圖裏麵也需要把等待時間放進去，不管采用什麼機製，等待的時間基本上是保持一個穩定的狀態，所以它的分配是非常公平的，它兩頭是略微偏離了直線，但是大部分是非常完美的直線，所以不管怎樣，等待時間都是差不多的。否則采用其他機製，會對一些年紀比較大的人不是那麼公平，所以我們最關注的是配對的公平問題。
再來總結一下，我們看到了非常多的線上分配問題，現在也用到了很多特殊的特征，比如說共同的偏好等。我們也可以做一些非常好的規範化分析，這也是非常有用的，因為我們可以在公平和效率之間取得平衡，我們要知道如何去看待問題。我相信現在人工智能技術已經為社會福祉做了很多工作，如社會安全等、健康、醫療領域等。人工智能技術能夠解決社會很多方麵的問題，我們要讓人過得更加幸福。
如果大家想要了解更多，可以關注兩周後我的即將出版的新書《機器在思考》（而且是中文版）出版，大家可以在亞馬遜上預定，這本書不是在講人工智能的曆史，而是講我們所麵臨的挑戰以及未來該怎樣去做。兩個月之後我的書就出版了，而且是中文的。
非常感謝！
本文轉自“CSDN"
最後更新：2017-07-23 20:42:14