在未來 20 年內(nèi)，隨著機(jī)器人技術(shù)的進(jìn)步，自動(dòng)駕駛汽車、工業(yè)機(jī)器人和醫(yī)用機(jī)器人將擁有更強(qiáng)的能力、更高的自主性，并得到更為廣泛的應(yīng)用。不可避免，這些自主機(jī)器人可能會(huì)犯下決策方面的錯(cuò)誤，造成數(shù)百上千人死亡。但如果人類參與其中，這種災(zāi)難是可以避免的。

這樣的未來固然可怕，不過一旦人類社會(huì)能負(fù)責(zé)任地運(yùn)用機(jī)器人技術(shù)，獲救的生命將多于造成的死亡。

機(jī)器學(xué)習(xí)的過程

機(jī)器人并非經(jīng)由人類“編程”而模仿人類的決策過程。它們從大數(shù)據(jù)中學(xué)習(xí)，利用從數(shù)據(jù)中推導(dǎo)出的復(fù)雜數(shù)學(xué)公式，執(zhí)行諸如“識(shí)別紅綠燈”之類的任務(wù)。機(jī)器學(xué)習(xí)過程需要的數(shù)據(jù)量遠(yuǎn)遠(yuǎn)超過人類所需。然而，一旦經(jīng)過訓(xùn)練，機(jī)器人在任何特定任務(wù)中的表現(xiàn)都將優(yōu)于人類。借由機(jī)器學(xué)習(xí)，人工智能和機(jī)器人的性能在過去五年里已經(jīng)獲得了極大的提升。

我在這篇文章提出的觀點(diǎn)適用醫(yī)療健康、制造業(yè)及其他正在快速實(shí)現(xiàn)自動(dòng)化的行業(yè)。先以自動(dòng)駕駛為例，一位經(jīng)驗(yàn)豐富的人類司機(jī)，一生中可能有幾十萬英里的駕駛經(jīng)驗(yàn)，而谷歌旗下的自動(dòng)駕駛汽車公司W(wǎng)aymo，僅在2021年一年間就完成230萬英里的上路測(cè)試?yán)锍?，其背后的AI技術(shù)通過數(shù)據(jù)學(xué)習(xí)了每一輛車的駕駛經(jīng)驗(yàn)，而且這些自動(dòng)駕駛車輛永不疲勞，也不像健忘的人類司機(jī)，可能忘記他們?cè)?jīng)犯的錯(cuò)誤。

特斯拉公司的“智能召喚”功能首次推出后，汽車可以在沒有車主操作的情況下，離開停車位并繞開障礙物。一開始許多用戶抱怨這個(gè)新功能表現(xiàn)得不盡如人意，但在短短幾周內(nèi)，特斯拉公司便收集了早期用戶的數(shù)據(jù)，重新訓(xùn)練了新功能背后的機(jī)器學(xué)習(xí)模型。從此，“智能召喚”顯著獲得改進(jìn)，成為了特斯拉新車的一大關(guān)鍵競(jìng)爭(zhēng)優(yōu)勢(shì)。

構(gòu)建AI模型和數(shù)據(jù)集

來自 EPRI 的 Renshaw 報(bào)告了幾個(gè)方面的進(jìn)展。

例如有 300 多家企業(yè)機(jī)構(gòu)參加 L2RPN 挑戰(zhàn)，構(gòu)建具有強(qiáng)化學(xué)習(xí)功能的 AI 模型。有些企業(yè)能夠同時(shí)控制多達(dá)五個(gè)任務(wù)來防止停電。

Renshaw 表示：“我們希望實(shí)現(xiàn) 80% 普通操作任務(wù)的自動(dòng)化，這樣操作人員就可以更加專注于解決 20% 最復(fù)雜的挑戰(zhàn)?！?

2021 年的一份關(guān)于 AI 如何應(yīng)對(duì)氣候變化的報(bào)告將 L2RPN 工作作為一個(gè)重要的用例。這項(xiàng)工作今年正在擴(kuò)展到更復(fù)雜的模型。

此外，EPRI 正在整理 10 組匿名數(shù)據(jù)，電力公司可以使用這些數(shù)據(jù)訓(xùn)練 AI 模型并使用這些模型處理他們最關(guān)鍵的工作。其中一個(gè)數(shù)據(jù)庫已經(jīng)有 15 萬張由無人機(jī)拍攝的老化電力設(shè)備圖像。

EPRI 還領(lǐng)導(dǎo)一個(gè)初創(chuàng)企業(yè)孵化器，使電力公司可以與 NVIDIA 初創(chuàng)加速計(jì)劃成員 Noteworthy AI 等 AI 初創(chuàng)企業(yè)合作開展創(chuàng)新的項(xiàng)目。為了保護(hù)共享數(shù)據(jù)的隱私，EPRI 可以使用 NVIDIA FLARE 軟件來訓(xùn)練AI模型。

未來電網(wǎng)發(fā)展拐點(diǎn)

EPRI 還在兩座辦公樓開展了試點(diǎn)項(xiàng)目，使用 AI 減少了 30% 的電能浪費(fèi)。繼去年電力線路遭到勒索軟件攻擊后，EPRI 正在與其他方面合作研究如何使用機(jī)器學(xué)習(xí)加強(qiáng)網(wǎng)絡(luò)安全。

有待解決的問題還在不斷增加。不過 Perez 告訴了我們一個(gè)好消息：全球正在采取行動(dòng)為創(chuàng)建一個(gè)更加智能、清潔和安全的電網(wǎng)提供大量資金，比如《美國(guó)基礎(chǔ)設(shè)施投資和就業(yè)法案》。

他表示：“我們現(xiàn)在正處于一個(gè)拐點(diǎn)。如果沒有 AI 和高性能計(jì)算，我們根本無法制定出適合未來電網(wǎng)的可行計(jì)劃?！?

加州大學(xué)伯克利分校齊亞德·波米耶(ZiadObermeyer)副教授發(fā)表了題為《剖析算法偏差以及利用機(jī)器學(xué)習(xí)發(fā)現(xiàn)診斷錯(cuò)誤》的主旨演講。他以急診室中測(cè)試心臟病發(fā)作為例，表明可以使用機(jī)器學(xué)習(xí)識(shí)別醫(yī)生診療中的偏差。他還展示了算法預(yù)測(cè)和醫(yī)生決策之間的對(duì)比，表明AI算法不僅可以輔助決策，還是產(chǎn)生科學(xué)知識(shí)強(qiáng)有力的新工具。