人工智慧走入真實生活從商貿反恐教育管理到野生動物保護

　　人工智慧走入真實生活：從商貿、反恐、教育管理，到野生動物保護

　　2016-08-13科研圈

　　沉寂了近15年以後，人工智慧終於迎來了它的第二個春天。這裡並不僅指戰勝人類頂尖圍棋手的 AlphaGo——從商貿、醫療、反恐，到野生動物保護，人工智慧已經走入現實生活：人們把奇思妙想結合到技術和機械的硬實力之中，與有問題需要解決的專家合作，找到了高明的解決方案。

　　

　　來源  ELSEVIER

　　撰文  Lucy Goodchildvan Hilten

　　翻譯 譚坤

　　審校 秦子雯

　　公園管理員小心翼翼地在林間穿行，不時停下仔細聆聽，試圖找到他正在追蹤的偷獵者的跡象。因為皮毛和藥用，以及作為運動狩獵的對象，全世界的老虎種群已經下降到大約3200頭，瀕臨滅絕。破壞還在增加，在這場與腐敗和金錢所驅動的非法交易的鬥爭中，人們三管齊下：抓住源頭，阻斷傳播，消滅需求。

　　

　　非洲的偷獵者用於捕獲野生動物的陷阱。  Milind Tambe 博士攝於烏干達的默奇森瀑布國家公園。

　　公園管理員可以在偷獵者行動前抓住他們，切斷野生動物的供給。但在數千平方千米的面積上找到每個偷獵者根本不可能。而在那些貧窮的地區，資源更是匱乏，偷獵者暢行無阻。

　　出人意料地，人工智慧和博弈論成為這場戰爭的重要武器。

　　利用簡單的 GPS 設備，研究人員提供的智能軟體甚至能夠幫助那些資源最為匱乏的公園保護它們的動物，與世界野生動物貿易作鬥爭。南加州大學工程和計算機科學教授 Milind Tambe 博士帶領小組進行了這項技術的研究，他們稱這項技術為野生動物安全助手（Protection Assistant for Wildlife Security，PAWS）。

　　「在對付偷獵者時，人工智慧被用來了解和智取對手。看到這項科技的潛能顯露出來真是讓人興奮不已。它會帶來翻天覆地的變化。」

　　

　　Milind Tamble 博士，南加州大學工程技術與計算機科學教授

　　Tambe 博士是人工智慧應用的先驅，是利用 AI 來擴展人類智慧的科技專家中的一員。這個隊伍愈來愈壯大了，他們將人工智慧應用在各種各樣的領域，從醫療診斷到教育、反恐、股票交易等等。把奇思妙想結合到技術和機械的硬實力之中，與有問題需要解決的專家合作，他們可以找到高明的解決方案。

　　真實世界中的人工智慧

　　對付偷獵者的靈感來自於地球另一端一個完全不同的情境。10年前，Tambe 和他的團隊發展了一種用在洛杉磯 LAX 國際機場安全檢查的獨特方法。之前英國的哥拉斯國際機場受到襲擊：恐怖分子駕駛裝載煤氣罐的吉普衝進了航站樓。隨後洛杉磯的機場經理們希望加強機場安全，但預算緊張。這個機場的入口非常特別：它有8條路線通向機場，但沒有足夠的工作人員同時監控所有的道路和航站樓。

　　如何分配有限的安保資源呢？Tambe 博士利用博弈論來解決這個調度問題，完全隨機分配讓敵人永遠捉摸不透。Tamble 博士強調：核心就是不可預測。

　　我們問自己，應該把檢查點的警官分配在哪裡？最重要就是要隨機分配，這樣對手猜不出工作人員可能在哪兒了。但是有些航站樓人數更多，就需要更多的保護。如果一個航站路夜裡完全沒有人，你就希望相應減少防護。所以目標就是在給予需要更多保護的地方加派人手的同時保持不可預測。這就是軟體的工作原理。

　　這個團隊後於美國海岸警衛隊（ US Coast Guard）、運輸安全管理局（Transportation Security Administration）等合作——所有這些部門都面臨著相同的挑戰：有限的資源和眾多保護目標。隨後2010年一場世界銀行全球老虎倡議活動（World Bank Global Tiger Initiative event ）中的演講改變了一切。

　　聽到小組成員說像老虎和犀牛這樣引人注目的動物也處於極度的困境之中，我震驚了；他們說的可是滅絕，如此重要物種的滅絕足以讓我震驚。全世界只剩下3000隻野生老虎，我們必須做點什麼。我覺得充滿了動力：我要看看我們的技術能夠如何應用在保護野生動物上。

　　他開始尋找合適的合作者，幾年的搜尋后他們和公園管理員一起，開始制定和測試安保資源的分配方法了。

　　教電腦程序學習

　　

　　Milind Tambe 博士和當時還是博士生的 Fei Fang 正在馬來西亞進行巡護，測試他們的 GPS 軟體。

　　人工智慧是響應式的：它能夠學習並適應不同的情境。和在機場一樣， Tambe 和博士生 Fei Fang 及 ThanhNguyen 找到使用博弈論來根據變化的情形安排野生動物巡護的方法。這種方法主要參考兩種信息：過去哪裡有情況以及哪個區域需要額外的保護。參考過去的事件幫助軟體對未來的襲擊地點做出更準確的預測，這樣機器就可以決定加強哪裡的防護。

　　

　　Fei Fang 博士從南加州大學計算機系取得了博士學位，她在那裡的工作就是在 Milind Tambe  教授的研究組裡完成的。

　　公園管理員都配有 GPS 設備，而這個軟體為設配配置巡邏路線，且推薦給每個人不同的行動，例如巡護不同的區域。而軟體也把巡護獲得的數據作為未來的推薦依據。這就是用到人工智慧的地方， Tambe 博士解釋道：

　　軟體一直在學習，根據對手和它們的行為不斷改進。一方面是了解對手以及它們在過去的行動，這些可以幫你做出預測。但另一方面是在它們改變行動的時候變換自己的行為。如果想要打敗它們，你不得不跟上它們的速度。早期的結果很樂觀，我們希望AI能讓一切變得不同，讓我們能在偷獵者捕殺這些雄壯的野生動物前，抓住他們。

　　AI 的第二春

　　在機場保安和野生動物保護中的應用證明了 AI 用途廣泛。在 Elsevier, AI 的學習演算法被應用於從小範圍的，到平台級別的海量數據，將適應性學習的相同原理應用到推動科學和醫學發展的系統中。例如在護理教育中，AI 利用數據、分析和適應性技術來追蹤學生與內容、評估和模擬系統之間的互動。這項技術從用戶那裡「學習」，然後反饋出個性化的教育體驗。

　　Elsevier 的首席技術官員 Dan Olley 說：「人工智慧，或者說機器學習，不是什麼為了未來的努力，是我們已經投入使用的語義知識平台的一部分。」目標是「提供由數據獲取的見解，回答世界各地醫生和科學家的問題。」

　　

　　Dan Olley，Elsevier 的首席技術官員

　　在所謂的「人工智慧之冬」后，這一技術的復興正趕上了人工智慧的第二個春天。

　　Olley 提到那些定義性的測試，比如想要明確定義機器什麼時候從「看起來在思考」轉變成了「確實在思考」的圖靈測試，他解釋道，「AI多年以來都用於描述能夠獨立思考的機器。」但是 Olley 也同時指出有些計算機科學圈在迴避這個詞，因為這會讓人聯想起科幻場景。

　　事實上，機器學習式的人工智慧已經見證了各種各樣生意中的利益新浪潮。機器學習訓練計算機解決各種問題，從圖片識別到無人駕駛汽車。除了讚歎，Olley 也強調了時機的重要性。就如同他最近在 CIO 中的文章中說的那樣「如果CIO（信息主管）三年前給機器學習投資，那他們就在浪費錢。但如果他們再等上三年，就再也追趕不及了。」

　　1986 年 Tambe 來卡耐基梅隆大學讀博士時，他與 AI 的創始人之一 AlanNewell 一起工作。

　　他回憶說「這一領域一度蓬勃發展，有大筆大筆的基金，數以千計的人出現在會議上講述他們關於AI 的新進展。但1990年初，所有的錢都莫名其妙地消失了。

　　突然間萬籟俱靜。你在會議上基本上找不到產業展位，人比原來少得多——也不再有免費的食物供應。短短几年所有的資源都枯竭了。別人警告我們說千萬別說自己從事 AI 業，因為 AI 被視為一個徹底的失敗。但我們什麼都沒做錯啊！

　　Tambe 沒有離開這份工作，恰好相反，他挨過了 AI 漫長的冬季。在科學上這一領域和以前一樣逐日進步。２５年後的今天，我們見證了對 AI 關注度的復甦：2016年6月，Tamble 博士參加了白宮科技政策辦公室舉辦的 5 個關於AI 的研討會中的第二個，這些研討會旨在提高公眾關注度。他期待在這個秋天迎來一則大新聞——由白宮發表的聲明，這將正式標誌著 AI 迎來了第二個春天。與此同時，從世界貿易和解決諸如滅絕之類的世界性問題中的實際應用來開，AI 似乎已經騰飛了。