题图来自：视觉中国

当人工智能可以协助人类承当一些任务时，我们总是把单方的职责划分的很清楚。人类任务时，很少看到人工智能的自动参与，人工智能做事时，人类更是完全不插手。

这一点最分明的表现就在于辅佐驾驶上，人类驾驶时辅佐驾驶顶多会经过灯光闪烁、方向盘震动来提示人类驾驶环境的变化，而不会自动去掌握自动权，影响汽车举动的方向和速度。在辅佐驾驶自动泊车时，也会让人类双手分开方向盘。

其中的缘由或许是人类的行为真实太千差万别，假如引入智能处理方案之中会加更多的计算量。想象一下，在自动泊车时人工智能以为一个车位要倒两把才干出来，人类老司机却以为倒一把就能出来，这种对成绩处理方式设定的不同会让单方基本无法协作。

可假如人类可以在各个范畴人工智能密切协作，会是怎样一种现象？

从复制双手到复制思想：人类和人工智能的协作史

关于人机协作这件事，我们曾经历经了很多年的研讨，单方协作的形式可以被分为三品种型。

第一类协作形式是主从操纵。

在40年代，人类为了研讨不恼人体接触的放射性物质，研收回了一种主从机械手对其停止近程操控。从机械手（或机器人）担任在不适合人类前往的中央任务，经过传感零碎搜集和传达信息，而人类担任控制主机械手，将举措映射到从机械手上，就构成了完满的近程操作。

如今这种方式曾经使用在很多中央，水下机器人、手术机器人等等都是这种人机协作的效果。

可这样的操作方式有着很多方便，比方举措映射之间会有一定的误差，从机器人传感器搜集来的信息也能够有一定的延迟，最初就会招致操作的低效。

于是呈现了第二种人机协作形式——协作智能。

这种协作形式是让人和自动化的智能体一同协作，先让智能体预测人的目的，再来协助人完成这一目的。就拿复杂的分拣举措来说，一张桌子上放置着不同外形的物体，人类向正方体的方向伸出手，机械手就分拣出了一切的正方体。读懂人类的目的并完成目的，这就是典型的协作智能。

可这种形式的成绩在于，人类在任务时的想法往往是多变的——那些目的流程单一，可以被套路化的任务早就被自动化了，也用不上协作智能。那些可以从多种途径完成的任务，却需求对智能体停止少量训练才干使其读懂人类每一个举措的意图，于是协作智能在使用上也迟迟没有什么停顿。

第三种协作形式则是目前热度很高的脑机接口，经过对脑电信号的读取和解码完成对器械的操控。这样的方式虽然曾经和“读懂人类意图，协助完成目的”十分接近。

但关于脑机接口我们此前也有过很多引见，由于捕获脑电信号非常困难，如今我们至少可以应用脑机接口完成一些十分复杂的举措，间隔提升消费力效率还很悠远。

人工智能+人类，可不能够比人工智能更强？

这样看来，第二种协作智能的形式更接近我们理想中的人机协作形式：智能体经过人类举措、操作信号等等更明白同时也更容易了解的信息判别人类目的，同时拥有一定的自主性，不至于事事都让人类亲手教学。

最近伯克利的人工智能研讨院推出了一篇论文，显示了如何应用深度强化学习来加强协作智能的效果。

复杂来说就是让智能体和阿尔法狗一样，把人类的举措当做“棋谱”少量输出给神经网络，让神经网络自行发掘举措和完成目的之间的关系。在训练时，为神经网络参加奖惩机制，每一次当智能体协助人类更接近一步目的时，智能体就会取得奖励，从而促使智能体越来越接近正确的协作形式。

在研讨院的实验中，相比直接通知智能体目的，让其本人寻觅处理方案，这种让智能体分辨人类目的，和人类一同寻觅处理方案的方式，训练工夫会大大延长，并且协助人类完成本人无法完成的事情。

举例来讲，研讨员们测试了一款Lunar Lander的游戏，游戏目的是操纵一辆突如其来左右摇摆的小车，使其下降在两只旗帜两头。人类用键盘停止这项游戏时很大几率会以失败告终，让人工智能冲着目的单独探索更是需求无量尽的训练。但当人类和人工智能协作互联网电子商务和移动商务消费渠道的普及，使得支付市场将在不久的将来继续呈现更加美好的增长前景。时，仅需一段工夫的训练，人工智能就可以协助人类以各种姿态完成目的了。

让人工智能坐上副驾驶，一同探究未知

协作智能给了我们一个提示：当世界上呈现人类和人工智能都无法独自完成的任务时，我们应该怎样办？

这样的成绩相对是大范围存在的，就像阿尔法元经过自我对弈停止训练，打败了用人类棋谱训练出的阿尔法狗一样。很多时分我们自以为找到了最好的处理方案，只需悉数教授给人工智能时，却不曾想过这能够是一种自卑。尤其在物理世界，人工智能无法像处理围棋的数学成绩一样本人寻觅解法。这时人类和人工智能的密切协作，或许才是最高效的处理方案。

可以使用到协作智能的场景很多，比方在伯克利人工智能研讨院的测试中，用下降无人机到指定地点为规范，人类单独操作的速度、精准度都要远远落后于于智能协作操作的速度和精准度。人工智能就仿佛是人类的副驾驶，以另一种视角协助人类更好的达成目的。

换句话说，我们对辅佐驾驶零碎的种种不满，或许都能用这种方式处理。例如自动泊车不再仅仅限于朴素的大车位，人类或答应以和人工智能一同尝试在小车位中演出极限操作。不只仅辅佐驾驶，无人机操纵、工业自动化……人类和人工智能的一切任务都可以经过这种方式到达更强的效果。

当然，协作智能也并非是完全的处理方案。最典型的成绩是其训练数据来自于人类与人工智能的协作操作，很难取得现成的数据只能亲手制造，所以关于驾驶、工业操作等等物理世界中的项目，需求消耗极大的人力去训练人工智能。

但我们置信这些成绩总会被逐个处理，更重要的是我们要晓得人类和人工智能是相互需求的。发明出一种技术仅仅为了使其替代本人，完成已知的任务是一种懒散和愚笨，单方协作发明更多未知，才是技术真正的价值所在。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或许下载钛媒体App