新核心大学英语B版读写教程3第一单元课文翻译
- 格式:doc
- 大小:29.50 KB
- 文档页数:4
Unit 1
Main Reading ----拥有自己头脑的机器
如果任其自由发展,有些机器可以学得更聪明,在一些最需要脑力的任务方面甚至会超越人类。
人类能否建造出可以演变得更好并可以超出人们想象而发明解决方案的机器吗?利用计算蛮力方法,计算机现在可以进行通行的国际象棋游戏。1997年,IBM的一款名为深蓝的超级计算机击败了卡斯帕罗夫。世界冠军认为这次经历如同与顶尖的人类挑战者对抗一样艰难。阿蓝图灵,战时英国谜团破译密码工作背后的数学天才,于20世纪50年代设立了人工智能的标准,而深蓝的行为至少达到了其中的一个。
然而,深蓝的成功并没有给人工智能界留下深刻的印象,那是因为这台机器的创举仅仅在于运算速度快于其他任何以前的计算机。巨大的处理能力可以使它预测到向前推进的棋步多达30个,而且它聪明的编程可以计算出数百万的可能的棋步中哪一步会加强它的位置。但就本身而言,深蓝所能做的,而且出色完成的仅仅是数学。它不能为象棋游戏制定自己的战略。
但是如果深蓝被赋予一种演变的能力,使用反复试验的经历学会完善自身,会怎么样呢?一种名为“演化硬件”的新技术正试图这么做。和深蓝一样,演化硬件也是通过尝试几十亿个不同的可能,寻求解决方案。区别在于,和深蓝不同,演化硬件不停地调整和完善它的搜索算法,而这也正是找到解决方案所需的逻辑步骤。它每次都选择最好的,并加以尝试。而且,它所作的一切不是根据编好的指令,而都是自动完成的,。
传统观念长期认为一个机器的能力是受限于创造者的想象力。但是在过去的几年里,演化硬件的前驱已经成功地建造了一些可以自行调整并且表现更佳的设备。有些情况下,后来出现的机器甚至超出了创造者的能力。例如,在电路设计领域,对几十年来人类束手无策的一些问题,演化硬件却找出了创造性的解决方案。
演化硬件首先需要硬件可以重新配置。如果一个设备不能调整形状或调整做事方法,它是不可能演变的。拿一把瑞士军刀为例,如果要完成开启瓶子的任务,使用者要确认刀具中合适的工具,然后打开刀具,再把设备转变成一个可以敲开瓶盖的用具。
在这种情况下,现实的客制化是很简单的:无论瓶盖的大小和形状,开瓶器的形状始终没变。对于一把瑞士军刀,(使用哪个工具的)程序可以被调整,但是硬件(开瓶器)不可以。演化硬件工程师们所要做的就是发明一把刀,可以根据瓶盖来定制形状,自行调整。
演化硬件技巧在于创造一个设备,它知道如何在正确的时间做出正确的结构调整。为了寻找最合适的设计,工程师们使用“遗传算法”的编程工具,这种软件技术调配反复尝试的学习过程来模拟生活世界的动力之源——自然选择过程。
在设备的运行初期可以确定目标或是之后持续调整。无论那种方式,设备要改变自己的结构以最好的方式来执行手头的任务。在瑞士军刀的情况下,它会自行算出应该变成的形状,从而解放它的“处理器”(使用者的大脑)去处理其他事情。
今天,遗传算法的所有内容(蓝图创造,素质评价和重新配置)可以包含在单个芯片中,几分之一秒就可以运行几千个演化试验。虽然发明至今只有三十年的时间,各种遗传算法已
经被普遍地应用于软件当中,它们耗费处理器大量的时间,常常是让人望而却步。演化硬件通过在硬件上运行遗传算法避免了这个问题。
这种区别是很关键的。任何电子设备中,把配线指令设置在实际硬件中,而不是当做部分软件加以运行,势必会提高运行速度。在演化硬件中,速度优势十分明显,对于软件中不能解决的问题,遗传算法却可以以实时时间破解方案,达到发现问题和找到解决方案同步完成。这种速度和灵活性使演化硬件成为处理快速变化局势的理想选择。
迄今为止演化硬件最显著的应用在于模拟电路的设计。虽然数字设备已经无处不在,但它们仍要与现实世界沟通,而现实世界始终都是模拟的。事实是人类不能用计算机词汇的二进制来说话、倾听、观察、触摸和品尝,而需要模拟电路来测量或产生有关光、声音或温度的如波纹般的信号。其他的模拟电路被称作AD和DA转换器,可以把波纹般的信号转化成电子设备使用的离散语言,或对该语言进行转化。传感器、接收器和显示部件在现代无线世界中起着至关重要的作用,而模拟线路正是它们的必要组成部分。
不足为奇,随着最近对数字线路的特别强调,模拟设备的设计成为一个严重的问题。首先,做出高效的模拟电路如物理学一样,是与本能密切相关。加州斯坦福大学的约翰科扎声称模拟电路的设计工作专属“少数的顶级的拥有非凡才能的”工程师。此外,拥有必要技能的工程师十分短缺。例如,德州仪器公司每年需要招聘500个模拟工程师,这比美国所有大学该方向毕业的人数还要多。尽管机器可能也会发展自己的头脑,但看起来并没有人脑将被废弃的即时危险。
Related Reading--自动化保险:机器人正在取代中产阶级的工作
安德鲁·普赖斯
中产阶级在消失,这个问题比政治要更加深刻。在即将到来的机器人时代,我们会如何理解工作呢?
去年四月,美国麻省理工学院的经济学家大卫奥图尔发表了一份报告,分析了美国就业形势的变化。他得出这样一个可怕的结论:我们的劳动力正在一分为二。高技能高收入的工作数量在增长,如律师、科研科学家或经理;低技能低收入的工作数量也在增长,如食品准备人员或保安。那些中间的工作呢?它们在消失。奥图尔称其为“就业机会的两极化”
现如今,上至总统奥巴马下至平民百姓都在思考工作的问题。失业率徘徊在百分之十左右,我们已经看到底特律和华尔街的衰落。一个无所不在的感觉是其他行业可能就是下一个。
不是说这个问题没有得到关注。普林斯顿大学经济学家保罗克鲁格曼告诉国会要花更多的钱去创造就业机会。劳动党的前任秘书罗伯特赖克主张减少下层社会的税收以便人们可以重新购买商品。但是问题在于:中产阶层遭受侵蚀的现象,比大萧条还要严重。20世纪70年代以来,中等范畴的工作已经变得越来越稀缺,即使还有些中等工作,但工资也是停滞不涨。
在他的报告中,奥图尔指出中产阶级消失的最主要的解释就是“持续进行的自动化,和需要中等技能的常规任务的海外外包,而这些工作原来都是由拥有中等教育背景的工人完成的(高中文凭,但不比四年制大学学位)。他解释说,常规任务指的是那些“由计算机执行