吴信东：面向新型人工智能应用的人机协同
每个人、每台机器都有自己擅长和做不了的事情，人机协同(human-machinesynergy)就是将人和机器组成一个团队，集成人类智能和人工智能，促进人机自主交互，协作共赢。
人工智能研究的主要驱动力一直是机器与人类认知的协作与竞争，如机器在国际象棋中击败人类或者通过图灵测试，从而证明要么是机器比人类更好，要么是人类在某些领域比计算机做得更好。但是，人工智能总会具有一定的局限性，它不能(可能永远也不会)完全构建人类大脑的功能。例如，人脑非常灵活，能非常有效地抽象信息，在没有海量数据的情况下也能够学习，而人工智能系统在没有足够数据时就会变得寸步难行。到目前为止，人工智能能做的事情还非常有限，类比迁移能力极其脆弱，没有处理关联结构的自然方法，无法从本质上区分因果关系和相关性，这些也就促进了人机协同的发展。
人机协同是一门综合学科，它与人机工程学、多媒体技术、计算机科学、机器学习、认知心理学等密切相关，研究内容十分广泛，主要包含以下几种机制。
1.互补人机协同机制
人机交互关键技术的发展使得我们经常在生活中使用的如键盘、鼠标等交互式的设备在很多应用中逐渐被更为自然的如电子触摸屏、语音识别控制界面等取代。如今这些更加自然、交互性更强的关键技术展现了如何使人类与机器智能和自然中的各种协同作用和力量相辅相成，创造并呈现出一个真正的“人+机器”的自然共生人机交互体系，成为一种更好的人机协同方式。
▲达·芬奇机器人手术系统
2.混合人机协同机制
智能机器与各类智能终端已经成为人类的伴随者，未来社会的发展形态将会是人与智能机器的交互与混合。人机协同的混合系统是新一代人工智能的典型特征。近半个世纪的人工智能研究表明，机器在搜索、计算、存储、优化等方面具有无可比拟的优势，然而，在感知、推理、归纳、学习等方面，机器无法与人类智力相匹敌。基于机器智能与人类智能的互补性，研究混合系统的新思路应运而生。混合人机协同机制指的是将对智能的研究延伸到生物智能与机器智能的互连，整合各自的优势，创造出更强大的智能形态。
3.多人多机协同机制
在多人多机协同工作的环境下，单个任务会被参与者拆分，在决定下一步动作时必须考虑协作者的动作，当其中一位参与者不能独立完成一种特定动作时其他参与者必须相互援助。多人多机环境具有高度的动态复杂性，产生系统冲突是必然的。系统冲突会严重影响多人多机环境下各个协作者的独立决策能力和系统的总体性能。因此，需要一定的协调方法和目标函数来调节优化协作者之间存在的冲突，保证协作者所构成的群体行为具有一致性。不仅如此，为了在协作者之间建立相同的理念和共同的基础，必须有一个清晰的沟通与交流渠道，这样才能实现和优化共同的目标。目前，人机协同应用到了公安、消防、餐饮、金融等多场景下，可以实现单人单机的应用，发展方向是利用多人多机的资源解决更加复杂的问题，从而实现机器的自主调度功能。
▲HAO智能公共安全应用示例
对人机协同而言，人和机器之间协作的基本思想是增强彼此的优势：前者的优势是领导力、团队合作、创造力和社交技能，而后者的优势是速度、精度、可伸缩性和量化能力。这种协作的前提是每个参与者都有自己的角色，如从零散的原始数据中获取有意义的领域知识。
人类的角色
在许多情况下，机器学习算法是在人类监督下训练的。领域专家在人类知识的各个特定领域，从多种语言的习语和疾病过程，到不同种类水果的种植，都收集了大量的数据集，并将其输入到算法中。进一步，人类是受情感驱动的，而情感恰恰是人工智能中需要模拟的最复杂的问题。因此，人类专家肩负着赋予人工智能对事实和情感环境正确感知的责任。人工智能的黑盒问题是指人工智能通过通常不透明的过程来得出结论并呈现结果的现象。在循证行业，如医学，从业者需要了解人工智能如何权衡输入数据，因此相关领域的人类专家需要向用户解释机器行为。人工智能系统应该始终正常、安全和负责任地运行，但事实并非如此，这就是为什么需要通过人类监督来预测和防止人工智能的各种潜在危害。
机器的作用
在人类专家的指导下，智能机器可以帮助人类扩展人类智能的能力，提供快速和经过精心计算的决策和洞察力。机器可以增强人类的认知能力，人工智能可以通过在正确的时间提供正确的信息来提高人类的分析和决策能力。机器计算速度更快、更准确，它们可以更好地对事物进行分类甚至分析，因此人类专家可以接收到有意义的数据预处理结果。人工智能系统可以通过执行日常任务来促进人与人之间的交流，如提供会议纪要并向无法出席的人分发可语音搜索的版本，这样的应用程序本质上是可伸缩的。一个聊天机器人可以同时为多人提供客户服务。许多人工智能驱动的应用程序都通过机器人来实现，通过安装的传感器、控制器和执行器来增强人类技能。这样的机器人现在可以识别物体、人、环境，它们在工厂、仓库和实验室与人类并肩工作，执行需要蛮力的重复动作，而人类则在需要人判断的地方执行互补的任务。
人机协作并不总是为了提高效率，目标函数也可能是成本或安全系数。它不一定需要纯粹的计算能力，也有可能是依赖直觉，或是对协作的预先进化倾向，以及难以编码表达的常识机制。到目前为止，我们主要将人工智能视为增强人类体能或认知能力的工具。但是如果我们在机器上找到真正的合作基因呢？机器和人类应该是完美的组合，因为他们是互补的，人机协同决定我们需要开发和使用哪些计算机特性。
《人机协同》（吴信东等著．北京：科学出版社，2022.3）作者多年来一直从事人机协同的研究工作，在国家自然科学基金、国家重点研发计划等项目的资助下，对人机协同提出了一系列新颖而完整的理论和研究算法，解决了一系列人机协同中的核心技术，并将其应用于解决实际问题。
本书的目标是对人机协同技术做一个系统全面的介绍和论述。通过引入人机协同的核心理念，从基本定义与机制、发展与趋势变革等方面对人机协同进行总体介绍。按照从简单到复杂的次序，系统论述各种人机协同的概念、目标、技术和应用场景。本书重点讨论互补人机协同、混合人机协同以及多人多机协同三个方面。最后通过介绍人机协同中的安全与伦理，加强人机协同系统完整性。
左右滑动查看“目录”
希望能献给读者一部人机协同方面既有前沿理论又重视工程实践的好书。
本文摘编自《人机协同》（吴信东等著．北京：科学出版社，2022.3）一书“前言”“第2章人机协同理念”，有删减修改，标题为编者所加。
（本文编辑：刘四旦）
一起阅读科学!
科学出版社│微信ID：sciencepress-cspm
专业品质学术价值
原创好读科学品味
科学出版社视频号
硬核有料视听科学
传播科学，欢迎您点亮★星标，点赞、在看▼
人工智能的12个典型案例
但以亚马逊的推荐系统为例，它是一个交易性人工智能平台的强大引擎。人们可能已经观察到它的能力，这个系统可以不断学习。本质上，大批购物者正在“教导”亚马逊人工智能系统，以便更好地展示可能出售的商品。也就是说，将一件商品与过去展示的另一件商品相匹配将促进销售，可以将半关联的概念联系起来(例如灯架与摄影设备)。
另一方面，这种高端的人工智能系统需要庞大的计算平台来处理所有这些数据。对于使用小型服务器的用户来说很难为此类系统提供支持。显然，亚马逊网络服务公司拥有世界领先的计算平台。
3.Pandora
对于那些认为人工智能将会取代人类工作的人们来说，Pandora人工智能系统就是一个与人类合作的例子。首先，Pandora通过音乐专业人员的帮助来分析和分类歌曲。Pandora着眼于歌曲的450种属性进行分类，从声乐风格到节奏感。
当其人工智能算法工作时，根据大量用户对其歌曲库的响应，结合了来自用户的大量推荐。然后，人工智能系统可以批量分组和呈现对于用户具有意义的歌曲。
4.Cogito
这无疑是人工智能最活跃的领域之一：在销售和客服电话中使用人工智能，可以增强与客户的情感联系。具体地说，使用人工智能互动比人类更具移情能力。当然，这是人工智能使用的一个前沿。
Cogito(拉丁语的意思是“自我意识”)使用了人类互动的关键真理：它不仅仅是词语的表达意义，而且是词语的表达方式、情绪、节奏和感觉。
Cogito软件可以实时分析对话，提供有关正确和错误的线索和提示。也许对话者可能切入太多主题，或者反应不够快。应用程序提供基于颜色的警告和更新。该软件可以分析数百条线索，以确定对话的情感质量。
5.Nest
推动人工智能增长的关键因素之一是资金雄厚的厂商之间的竞争，希望在早期获得市场份额。以谷歌公司旗下的家用恒温器Nest为例，其部分目标是将谷歌公司的人工智能构建到设备中，用来应对苹果Siri和亚马逊Alexa的不断增长。
Nest使用人工智能来适应人类的行为模式，获得恒定的输入线索，并在家中工作时做出更准确的反应。在业主设置系统一段时间之后，Nest可以自己整合输入。
无论如何，智能家庭设备(物联网设备)无疑是争夺人工智能市场支配地位的关键战场。让一整组智能家庭设备协同行动，它们可以响应家庭成员的指令，并根据其行为学习，这显然是人工智能在家庭应用中的未来。
6.Boxever
总部位于爱尔兰的Boxever公司推出其Boxever“个性化平台”，其主要目标是旅游业。其基于云计算的平台允许旅游公司创建一个单一的客户视图，从而为客户提供更有效的营销。它的目标是通过单独针对客户来改进销售过程。如果人工智能可以在一对一的基础上定制交互过程，理论上它可以更有效地服务(并销售给)客户。
Boxever公司的方法承认竞争的关键部门是客户体验。如果零售商更加谨慎地满足客户的需求，将会在电子商务竞争中获胜。而使用智能软件比人工销售代表的成本要低得多。
7.AIRobotics、Humanoid和其他
人工智能为机器人的应用提供动力，其中包括加州大学伯克利分校的BRETT和麻省理工学院的MITdog。Sophia就是一个受到媒体热捧的人工智能机器人的例子，它和NBC电视台主持人JimmyFallon在“今夜秀”上聊天和唱歌。
除了流行文化的喧嚣之外，还有各种规格和大小的人工智能机器人。例如iRobot公司的RoomBA980吸尘器采用了人工智能技术，可以在家中完成各种清扫工作。该公司声称，Roombas公司已售出1000多万台RoomBA980吸尘器。
8.垃圾邮件过滤器
人工智能的核心就是学习。而使用机器学习和其他人工智能技术，软件系统将变得更智能，无需人工协助。
当然，采用人工智能防止垃圾邮件是一个迫切需要机器学习的领域。工作人员(甚至是团队)难以跟上垃圾邮件的增长。例如，Gmail会部署机器学习算法来过滤(大部分)垃圾邮件。
为此，垃圾邮件过滤器试图更快地跟上垃圾邮件发送者的工作，他们不断采用创造性的方法来欺骗收件人。垃圾邮件过滤器中的人工智能会持续扫描元数据，例如发件人的位置或主题行中的关键字。如果无法学习，垃圾邮件过滤器将在几天之后无法运行。
人工智能技术是使用来自人类的输入：因为对于一个用户具有价值的优惠券对于另一个用户来说则是垃圾邮件。特定用户如何对邮件流进行分类必须是垃圾邮件过滤器学习的一部分。
9.网上银行业务
银行为用户提供方便的优惠：扫描其支票并将其金额存入移动设备中，无需去实际的分支机构存款。其问题是：这样做需要机器来阅读用户的签名，这是一项既混乱又令人困惑的工作——甚至对工作人员来说也是如此。
在其他供应商中，MitekSystems公司采用专门从事基于软件的身份验证。其人工智能技术利用计算机视觉和机器学习使移动到银行的交易安全。
例如，Mitek公司采用视觉算法对银行交易中的无数ID格式进行分类。其核心是光学字符识别(OCR)软件，它扫描文档并将数据转换为可编辑的格式。可以使用人工智能调整OCR软件以准确提取个人签名或指纹。
10.贷款和信用卡处理
当消费者申请信用卡或贷款时，消费者信用评分(FICO)(通常在300到850分之间)将起到至关重要的作用。在过去，贷款工作人员审查了这些贷款和信用卡申请。虽然仍有很多工作人员，但许多关于信用卡的决定或者是否接受消费者的申请，都是由机器学习系统做出的。
同样，学习是这个过程的核心部分。银行管理人员可以设置他们希望当前信贷标准是宽松还是紧缩的参数。但他们希望银行的机器学习系统能够随着时间的推移而学习，以便更密切地确定哪些申请人是安全的借贷者。
11.Lyft和Uber
没有人工智能和机器学习技术，共享单车是不可能存在的。具体来说，票价、预计到达时间以及它将要走的路线：这些都是人工智能计算出来的。
人工智能即时进行大量计算。如果没有一个分析情况的机器学习系统，然后将结果数据路由到用户和驱动程序的应用程序，这些计算的数量和复杂性将是不可能的。当然，Lyft和Uber公司将其记录在自己的系统上，这两家公司拥有关于用户模式的大量数据。
在未来，这些服务预计将出现无人驾驶汽车的时代(尽管这种情况发生时最多仍然模糊不清)。如果没有人类驱动程序的元素，运行系统的过程将成为更纯粹的逻辑机器学习计算。从理论上说，这将导致共享乘车服务的成本下降，甚至可以节省雇佣驾驶员的成本。
12.社交网络
主要的社交媒体网络是人工智能发展的核心驱动力。特别是Facebook公司似乎采用了人工智能的各方面功能。例如，其算法定义了用户的时间轴，决定是否在其时间轴上显示或不显示其朋友的某些帖子。Facebook公司知道，如果某个用户的每位朋友都被展示出来，那么时间表就将变得很混乱，以至于它会让人感到厌烦。因此，时间轴算法可以了解用户与谁进行交互以及其通常忽略的对象。
对于Facebook而言，最重要的是，社交网络使用人工智能来帮助个性化为用户提供广告的方式，因此它具有一定程度的广告显示相关性。需要注意，Facebook允许用户评论广告与时间线的相关性;每个用户评论都有助于系统学习并变得更精细。由于他们使用人工智能微调显示系统的方式，Facebook和谷歌在整个网络广告市场的比例非常高。
此外，Facebook使用图像识别人工智能技术来识别照片中的人脸，因此它可以邀请用户为其添加标签。毫不奇怪，考虑到照片对Facebook的重要性，Facebook在面部识别技术上投入了大量资金。采用机器“读取”照片是当今人工智能时代最为显著的进步之一。返回搜狐，查看更多