banner

一个数据科学家眼中人与机器的相杀相生

作者: afenxi来源: afenxi时间:2017-03-31 16:17:510

摘要:人工智能的使命,是以历史百万年沉积下来的知识为舟,载着人类驶向超人的彼岸。

一个数据科学家眼中人与机器的相杀相生-数据分析网

人工智能的使命,是以历史百万年沉积下来的知识为舟,载着人类驶向超人的彼岸。

2014年6月7日,聊天程序“尤金.古斯特曼”(Eugene Goostman)首次成功通过“图灵测试”,这预示着“人工智能之父”阿兰.图灵超过半个世纪前的预言终于实现:机器可以具备人类的智能。随后的2016年3月,谷歌旗下Deepmind团队开发的人工智能程序AlphaGo,以总比分4:1大胜围棋世界冠军李世石,更是预示着人工智能在复杂决策上已经拥有了超越人类的能力。

无论人们是惊喜或是担忧,舆论是支持抑或反对,人工智能(AI)时代,已以破竹之势汹涌袭来。

在这个大背景之下,人与智能机器需要相生共存,似乎已逐渐成为一个共识。然而,人与机器最终将以什么方式共存?科幻片给过我们各种答案,人机互动,人机大战,人机相恋,人机各种可能各种纠缠不清……作为人工智能的创造者,数据科学家们也许会有些不一样的答案。

人工智能的逻辑

实现人工智能的核心是机器学习(Machine Learning)技术。机器学习技术,是基于算法让机器从数据中学习规律,从而让机器可以自动决策的技术。在围棋界一战成名的AlphaGo的核心技术便是机器学习中的深度学习(Deep Learning)与强化学习(Reinforcement Learning)的综合算法。

经验主义哲学之父大卫.休谟告诉我们,除了数学,人类知识中的因果关系实际是将大量经常出现在一起的事物在人脑逻辑中关联在一起。因此,知识不过是从经验数据中推演而来的关联关系。在具备学习能力的机器眼中,一切“人、事、物”皆可以被数据化,而算法基于这些数据便可以建立“人、事、物”之间错综复杂的关联关系。于是,当算法可以充分捕获描述人事物的关键数据后,机器便可以复制甚至超越人类的学习能力。值得注意的是,超越人类的“学习能力”并不代表超越人类,人类的能力绝不仅限于学习总结。这个问题将在后文详细展开。

与科幻片中触目惊心的奇思异想有所不同,人工智能其实早已在不知不觉间渐渐渗透到人类现代生活的各个方面。如今,机器学习技术在互联网广告点击率(CTR)预估、生物信息、人脸识别、语音识别、文本挖掘等多个领域已经有了广泛的应用。在AI时代,手机应用基于用户的偏好准确展示个性化内容,银行基于企业的信用等级发放贷款,医疗机构基于患者医疗数据提供精准治疗。互联网、金融、医疗、教育、物流、娱乐、传媒等行业都在加速自己智能化的进程。

然而,人们对人工智能的理解却并没有随着其广泛的应用而增加,相反的,对此科技的误解或者说恐惧甚至是敌视,大有与日俱增的趋势。归根结底,机器学习本来就是一门复杂而神秘的新兴技术。

人类自远古一路艰险走来,对于新兴的事物,总是怀有本能的恐惧。

神秘而复杂的机器学习算法

工业革命以蒸汽机和纺纱机的发明与广泛应用为伊始,其本质是对物质规模化生产的需求。

当手工生产的物质量已经无法满足人类社会发展的需求,有着铜墙铁壁且不知疲倦的机器便顺应而生,将人类从低级体力劳动中完全解放出来。而经过一轮又一轮的科技及信息革命,在当今这个信息大爆炸的时代,人类急需一场新的科技革命,将我们从低级脑力劳动中解放出来——人工智能时代的来临将是这场革命的标志。

如前文提到的,作为人工智能的核心,机器学习技术极其复杂而神秘,因此极少有人能理解机器学习背后的原理,会学习的机器也难以深入渗透到人复杂的决策中并发挥其最大的作用。

简单的机器学习算法,例如决策树(Decision Tree)和逻辑回归(Logistic Regression)两种算法,可以提供简单的决策依据,但是预测准确率却极其有限。而准确率高的复杂机器学习算法,其决策依据却往往难以被普通人理解。更有甚者,目前最流行的深度学习技术是任何人都无法理解的黑箱子模式——人们只能获取机器给出的结论,却无法得知机器给出此结论的依据。

与世间许多事物的规律一样,机器学习算法越精深,越难以被解释。

只有结论不就足够了吗?在许多问题上,答案是肯定的。例如人脸识别、语音识别、图像识别等非黑即白一次性的判断。然而,这些智能都是几岁小孩子就已经具备的,属于“浅层决策”能力。

人工智能的潜力,远远不止于此。

面对一些更加复杂的决策问题——即使是人,也需要大量专业训练才能获得判断能力,并且信息的收集与应用是一个动态的过程的那些难题,人如何才能充分信任机器的决策呢?这需要机器不仅给出最终答案,更重要的,要给人提供清晰明了的决策依据,即为什么机器会得出这个结论,从而决策者可以从人的角度思考机器给出的答案是否符合现实逻辑而不仅仅是机器逻辑。

会说人话的机器人

人工智能的进展,不仅依赖于科学技术的发展,更需要人真正的信任理解智能机器。然而,即使在现代人普遍认为科技已经高度发达的今天,数据科学家们仍需要花费大量的时间为普通人解释机器给出的信息。也就是说,机器还不能畅顺的与普通使用者直接沟通。

面对重要的决策,影响人类接受度的往往不是机器预测的是否准确,而是机器预测的结果是否可以被解释,是否可以让人理解信任并且参与到最终的决策中。

那么问题来了,除了科幻片中精彩绝伦或喜或悲的人机纠缠,在现实中,是否真的可以实现人和机器双向沟通?

桃树说,必须可以。桃树(TaoData)是一家总部位于杭州的初创科技公司,其独创的桃林算法,将人工智能的可能性又向前推进了一步。桃树专注于研发可解释的机器学习算法技术,并且已经成功实现了整个数据挖掘过程全自动化,这套可解释算法技术的最终产品就是桃树机器人——会说人话的机器人。

桃树机器人不仅可以从数据中提供预测结果,还可以给出决策依据。这些决策依据,不是一对数字或图表,而是人可以直接理解的逻辑。这些逻辑,可以用于辅助人的决策,也可以用于发现数据背后隐藏的关键细节。因为桃树机器人可以说人话,所以人可以与机器沟通并相互理解,最终通过人机协作达到高效的深度决策。

桃树机器人的第一个落地场景便是传统行业的巨头——银行。

有人说过,世界上没有钱解决不了的问题。不管你对这句话是否赞同,没有人能否认金钱在现代社会的重要性。与钱相关的决策问题,毫无疑问属于我们前文提及的“深层决策”问题。以银行贷款的信用风险管理为例,我们可以更好的理解高级机器学习技术可以怎样协助人处理深层决策问题。

设想你是一位银行客户经理,在贷款审批等决策代价极高的问题上,你是否有可能完全信任一个仅仅给出预测打分结果的机器?在现实情况里,答案是绝对的“不”。

银行是最早重视数据分析与建模的行业,银行一般需要数据建模工程师花3-6个月完成一个评分模型,并且要求评分模型的逻辑完全可解释。然而,一旦业务逻辑发生变更(放贷条件变更、贷款人群变化、利率调整等),整个模型就要重新调试和部署,这一过程需要消耗大量的时间、人力和软硬件资源。

桃树机器人,不仅可以根据业务逻辑变化自动适应更新算法,同时还可以直接向贷款经理提供每一笔贷款业务的实时监控、决策及解释。

2016年1月16日15:00点,某知名银行负责小微企业信贷业务的高经理收到一个信息提示:

尊敬的高经理,桃树机器人提醒您:

1.您负责的***客户,桃树机器人判断其为高风险客户,贷后还款信用等级为1星(星级范围:1-5星,星级越低还款信用越低)。

2.桃树机器人判断依据:

1) 该客户在获得贷款后的第7日,从企业账户向一个私人账户打款510万,并且该私人账户属于客户企业账户交易记录的陌生账号。

2) 通过央行征信查询记录,汇款私人账户为该客户的妻子,姓名***。

3) 该客户企业账号近30天收入大幅度下降,下降比例比上30天增加78%。

4) 该客户妻子在其他银行申请贷款,详见***

3.客户详细信息:

1) 企业账户:

2) 私人账户:

3) 联系方式:***

4) 地址:***

5) 抵押品:***

详细分析结果,请点击:桃树机器人系统

高经理基于桃树机器人分析结果,第一时间找到相关人员处理了这个案子。

当日晚21:00点,高经理成功挽回了这个坏账。

除了银行,桃树机器人已在电商、快消品、公安等多个行业成功应用——不仅基于数据提供预测结果,同时让使用者充分理机器的解预测逻辑。

机器会超越或者取代人类吗?

自250万年前打制出第一件石器开始,拥有地球上最高智商的人类,便开始了对这颗美丽的蓝色星球长久的主宰与统治。早已习惯于站立在万物金字塔的顶端,人类对于有可能危及自身绝对优势的一切事物,本能的心怀忌惮。

特斯拉汽车(Tesla)和SpaceX两家公司的创始人埃隆·马斯克(Elon Musk)不久前发布了骇人听闻的“机器人威胁论”,认为数年之内智能机器人将开始屠杀人类。与之相反,数据科学家出身的桃树科技公司CEO杨滔相信,人工智能的终极价值并不是创造出一个新的物种,而是将机器的智能内化为人的新器官,帮人从脑力劳动中解放出来,使人类最不可复制的智慧精髓得到更大的升华。

除了学习总结的能力,人类不可复制的智慧精髓是什么?是定义问题,是发现目标,是像宇宙一般宽广没有边际的想象力与视野,是温存与爱,是对万物深入骨髓的慈悲与怜悯。而机器学习最擅长的,是在人类定义的问题之下,综合人类历史积累而来的经验与智慧,提供最快最准最全面的答案,是协助人类,变成更强大的自己。

电话让人有了顺风耳,电视给了人千里眼,起重机让人成为大力士……人工智能的使命,是以历史百万年沉积下来的知识为舟,载着人类驶向超人的彼岸。

文 | 黄莹莹 桃树特约撰稿人 (此文基于对桃树科技创始人杨滔的深度采访)

本文作者黄莹莹,转自线性资本(ID:LinearVenture),版权归作者所有,转载此文请与作者联系。

banner
看过还想看
可能还想看
热点推荐

永洪BI
更敏捷、更快速、更强大

申请试用
Copyright © 2012-2024开发者:北京永洪商智科技有限公司版本:V10.1
京ICP备12050607号-1京公网安备110110802011451号 隐私政策应用权限