未来人機交互學習將在這 5 大領域大放異彩

作者:貓奴薛定諤   |   2017 / 02 / 27

文章來源:獵雲網   |   圖片來源:Joseph Wang


這些年來,機器學習一直是科技領域中一個最為熱門的研究趨勢。在 2017 年,我們有必要進一步了解人類究竟能在和機器學習互動過程中學到些什麼。

谷歌 (Google) 機器智慧團隊主管 Blaise Aguera y Arcas 最近在 Medium 發布的一篇文章中說道:“機器智慧不僅能夠拓寬我們對外部客觀現實的理解,而且能夠提升我們的感覺和認知能力。”

2016 年春天,憑藉機器學習打造的谷歌人工智慧程序 AlphaGo 戰勝了世界頂級圍棋棋手李世石。這場勝利可謂 AI 技術發展史上里程碑式的事件。這一程序應用了深度神經網路,能夠最大化地模擬人類思考的過程。

透過 3000 萬棋局的自我對弈以及與同專業棋手的較量,AlphaGo 團隊大大精進了這一智慧程序的棋藝。看上去這個故事的主角似乎是機器學習,但是我們忽略了人機交互中人類獲得的益處:在和 AlphaGo 較量的過程中,人類棋手的棋藝也能得到很大的提高。

就像神經網路會讓 AlphaGo 用人類的方式思考問題一樣,在未來,和這樣的智慧程序的互動也會讓人類從機器學習中提高已有的能力並獲得新的知識。其實,我們已經在用其他間接的方式從機器學習中汲取新知識,比如在幫助 Spotify 完善其算法的同時我們的音樂品味也在不斷提高,再比如觀察神經網路如何工作的過程也是幫助我們加深了解自己大腦的過程。

如果我們不把機器學習當做人類技能的代替品,而是可以互相學習的合作夥伴,那麼會發生什麼?研究電腦如何組合文字能讓我們成為更優秀的作家嗎?提高電腦翻譯能力的同時能幫助我們學會一門新語言嗎?當下,幾乎所有人都對機器學習十分關注,但是今天,我們也應該看看人機交互學習將如何發展。

從機器學習中不斷學習新的知識和技能會對很多產業產生十分直接的影響。在未來,人機交互學習將主要從以下五大領域影響我們的生活。

教育

教育領域是最有機會從人機交互學習中受益的。舉個例子,根據機器學習演化而來的自適應學習能夠基於每個學生不同的學習習慣,為其量身打造最適合的學習方法。從教育領域巨頭 Person 到新創企業 DuoLingo 都在利用這一方式打造個性化教育平台,DuoLingo 開發的軟體還能根據用戶輸入的內容提高自己的翻譯能力。

在目前這種線上教育和混合教育不斷發展的時期,那些能夠不斷從人機交互學習中獲益的公司就擁有了競爭優勢。學習的定義也在不斷的更新 — 無論是人類學習還是機器學習。

具體參見 The Magic Sc​​hool Bus。就像 Nest 智慧恆溫器一樣,The Magic Sc​​hool Bus 可以根據學生不同的行為習慣為他們打造個性化的教育方案,同時還會向用戶推薦新的內容。

人力資源

人力資源招聘到管理的整個過程都為人機交互學習創造了一個理想的環境。包括 Belong 和 Prophecy Sciences 在內的很多新創企業都將機器學習用於企業的招聘過程中,谷歌的人力營運團隊已經開始利用數據來優化人力資源的獲取過程。透過機器學習來識別和預測人力資源的發展趨勢和需求,我們將不斷提升自身專業技能,而且還能讓員工和機器算法積極對話、相互學習。

具體參見人機資源 (Human-Machine Resources) 。員工除了人類經理進行管理外,還配備了機器學習導師,二者相結合能在工作過程中給予員工幫助。

風險投資

在過去五年中,風投公司對那些人工智慧領域新創企業的投資持續且穩定成長,但是這些投資還未“光顧”過機器學習領域。風險投資過程將人際關係、對投資產業的了解、投資者的感性直覺以及理性定量分析融為一體,這對於人機交互學習來說簡直是一片發展沃土。

具體參見 AI Combinator。這家新創企業將風投領域專業知識與機器學習有機結合,根據最新天使投資和產業發展趨勢,預測未來市場面臨的的新機遇。透過與機器學習互動,風險投資者能夠綜合考量多方面因素,制定新的投資計劃或者確定新的投資目標。

心理學與行為科學

麻省理工學院 (MIT) 最新發布的一項研究表明,比起人類自己,機器算法能夠更快速、更準確的預測人類的行為。隨著機器學習不斷發展,它有能力讓我們對自己的想法和行為有更加清晰的認識,再反過來幫助我們改變這些行為。無論是治療方案、日常運動計劃還是對於退休生活的規劃,行為干預所服務的整個產業都會深受人類與機器交互學習的益處。

具體參見 Fitbit。這些設備以記錄的數據為基礎,幫助人們追蹤自己的日常行為,並提供個性化的激勵措施和數據分析反饋,從而改變用戶最需要調整的行為方式。

藝術

人機交互學習同樣能夠改變我們的創作過程 — 儘管這看似最不實用,但卻是最開放的一環。機器學習不光可以進行分析,而且還能隨時開啟生成模式。它能夠對現有事物進行識別 (比如區分貓和藍莓鬆餅) ,但同時也能創造新的內容:如視覺圖像和音樂創作。

GoogleBrain 團隊不僅提高了谷歌的翻譯能力,還拓寬了 AI 的應用範圍,最近該團隊又推出了一個名為 Magenta 的人工智慧研發項目,用它來判斷人類能否“利用機器學習創作出令人嘆服的繪畫、音樂等藝術作品”。

這其中又隱含著另一個問題:如果真的有了這些機器學習創造出的作品,我們應該以何種態度應對?我們應該如何在這一過程中向其學習從而提升自己的創作能力?

具體參見 Co-creation。這個平台中的藝術作品會由藝術家和機器算法合作完成。音樂家、作家以及畫家都會將機器學習視為創作中的伙伴,從而打造出與眾不同的作品。

機器學習的確會給各個產業以及我們的工作帶來影響,而且在不斷取代我們生活中的某些部分。但是與此同時,我們的思考方式、學習習慣以及創作方式又會在同機器交互的過程中受到一些影響。

在未來,人類學習和機器學習一定能產生良性互動,無論是在教室中、畫布上還是會議室裡,人類與機器的和合作一定會更加緊密。

獵雲網》授權轉載

【延伸閱讀】

喜歡這篇文章?加入你的S夾!

獵雲網
「獵雲網」用心服務創業者。
創業本就是一場征途式的孤獨馬拉松。我們關注那些會改變世界的小火苗!不做隔岸觀火者,也不做只拍手稱快者。我們願意參與近這場創業大潮。我們是一群年輕有夢想的創業派。遵守規則,也蔑視規則,推崇創新,也扼殺創新。我們不用別人來指點未來應該走向哪裡。我們的征途是星辰大海!
獵雲網的最新文章
More