未來的智能算法是否會像通用機器人一樣擅長閒置玩笑和閱讀地圖，因為它們在廚房裡很方便？ 或者我們的數字助理看起來更像是一個專門的小工具 - 不像一個健談的主人，而不是一個裝滿廚具的廚房？

如果一個算法試圖做太多，它會遇到麻煩。 下面的配方是由人工神經網絡生成的，人工神經網絡是一種通過實例學習的人工智能（AI）。 這個特殊的算法仔細檢查了各種各樣的30,000食譜，從湯到餡餅到燒烤，然後試圖想出自己的。 我們說，結果有點不正統：

（編者註：不要在家裡嘗試這些食譜，LOL）

傳播雞飯

奶酪/雞蛋，沙拉，奶酪

2 lb心臟，種子
1杯切碎新鮮薄荷或覆盆子派
磨碎的1 / 2杯子
1湯匙植物油
1鹽
1辣椒
2 1 / 2糖，糖

將無葉混合，攪拌直至混合物變稠。 然後加入雞蛋，糖，蜂蜜和葛縷子籽，用小火煮。 加入玉米糖漿，牛至，迷迭香和白胡椒。 通過加熱放入奶油。 庫克加入剩餘的1茶匙發酵粉和鹽。 在350F烘烤2到1小時。 服熱。

產量：6份量

現在，這是一個由相同基本算法生成的配方示例 - 但不是包含各種配方的數據，而是僅查看蛋糕。 配方並不完美，但它比前一個更好，更好：

胡蘿蔔蛋糕（維拉女士們）

蛋糕，酒精

1 pkg黃色蛋糕混合物
3杯麵粉
1茶匙發酵粉
1 1 / 2茶匙小蘇打
1 / 4茶匙鹽
1茶匙肉桂粉
1茶匙姜
1 / 2茶匙丁香
1茶匙發酵粉
1 / 2茶匙鹽
1茶匙香草
1雞蛋，室溫
1杯糖
1茶匙香草
1杯切碎的山核桃

將烤箱預熱至350度。 潤滑9英寸彈簧盤。

製作蛋糕：高速打蛋直到濃稠的黃色並放在一邊。 在一個單獨的碗裡，打蛋清直到僵硬。 將第一種混合物加入準備好的鍋中，使麵糊平滑。 在烤箱中烘烤約40分鐘或直到插入中心的木製牙籤乾淨。 在平底鍋中冷卻10分鐘。 轉到電線架上完全冷卻。

從鍋中取出蛋糕，使其完全冷卻。 服務溫暖。

HereCto Cookbook（1989）來自加拿大生活中的廚房和打哈欠

產量：16份量

當然，當你仔細看一下說明書時，它只產生一個烤蛋黃。 但它仍然是一種進步。 當人工智能被允許專業化時，跟踪的人數就會少得多。 它不必試圖弄清楚何時使用巧克力以及何時使用土豆，何時烘烤或何時煨。 如果第一個算法試圖成為可以生產大米，冰淇淋和餡餅的奇蹟盒，那麼第二種算法就是嘗試更像烤麵包機 - 專門用於一項任務。

培訓機器學習算法的開發人員發現，構建烤麵包機而不是神奇盒子通常是有意義的。 這似乎違反直覺，因為西方科幻小說的AI往往類似於C-3PO 星球大戰 或同名電影中的WALL-E - 人工智能（AGI）的例子，可以像人類一樣與世界互動的自動機，並處理許多不同的任務。 但是許多公司都是無形的 - 並且成功地 - 使用機器學習來實現更有限的目標。 一種算法可能是聊天機器人處理有關其電話帳單的有限範圍的基本客戶問題。 另一個可能會預測客戶要求討論的內容，為接聽電話的人類代表顯示這些預測。 這些是人造的例子 窄 智力（ANI） - 僅限於非常狹窄的功能。 另一方面，Facebook最近退出了其“M”聊天機器人，該機場從未成功實現酒店預訂，預訂劇院門票，安排鸚鵡訪問等目標。

我們有多士級ANI而不是WALL-E級AGI的原因是任何試圖推廣的算法都會得到 更糟糕 在它面臨的各種任務中。

為 例子，這是一種經過訓練的算法，可以根據標題生成圖片。

這是試圖用短語創建一張圖片：“這隻鳥是黃色的，頭上有黑色，有一個非常短的喙”。

當它在一個完全由鳥類組成的數據集上進行訓練時，它做得非常好（儘管奇怪的獨角獸號角）：

但當它的任務是產生 什麼 - 從停車標誌到船到奶牛到人 - 它都在掙扎。 這是嘗試生成“一個女孩吃一大塊披薩的圖像”：

我們不習慣認為一個做得好的算法與一個做好很多事情的算法之間存在巨大的差距。 但是我們今天 算法 與人類大腦相比，他們的精神力量非常有限，而且每項新任務都會使它們變得更薄。 想想烤麵包機大小的設備：它很容易建在幾個插槽和一些加熱線圈，所以它可以烤麵包。 但這幾乎沒有留下任何其他空間。 如果你還嘗試添加蒸米飯和製作冰淇淋的功能，那麼你至少要放棄一個麵包槽，它可能不會擅長任何東西。

程序員使用一些技巧來獲得ANI算法的更多功能。 一種是轉移學習：訓練算法完成一項任務，並且可以在最小的再訓練後學會做一個不同但密切相關的任務。 例如，人們使用轉移學習來訓練圖像識別算法。 已經學會識別動物的算法已經在邊緣檢測和紋理分析技術方面獲得了很多，它可以轉移到識別水果的任務。 但是，如果你重新訓練算法以識別水果，這種現象稱為 災難性遺忘 意味著它將不再記得如何識別動物。

今天的算法使用的另一個技巧是 模塊化。 未來的AI可能是高度專業化的儀器組合，而不是可以處理任何問題的單一算法。 一種算法 知道 例如，玩視頻遊戲Doom有獨立的專用視覺，控制器和內存模塊。 互連模塊還可以提供針對故障的冗餘，以及基於多種不同方法對問題的最佳解決方案進行投票的機制。 它們也可能是一種檢測算法錯誤並對其進行故障排除的方法。 通常很難弄清楚單個算法如何做出決策，但如果通過合作子算法做出決策，我們至少可以查看每個子算法的輸出。

當我們設想遠期未來的AI時，也許WALL-E和C-3PO不是我們應該尋找的機器人。 相反，我們可能會想像更像是裝滿應用程序的智能手機或裝滿小工具的廚房櫥櫃。 當我們為算法世界做準備時，我們應該確保我們不會計劃思考，可能永遠不會構建的通用奇蹟盒，而是用於高度專業化的烤麵包機。

關於作者

Janelle Shane訓練神經網絡在aiweirdness.com上寫幽默。 她還是光學研究科學家，現居科羅拉多州博爾德市。

本文最初發表於 永世 並已在知識共享下重新發布。

相關書籍：

at InnerSelf 市場和亞馬遜