圖片來(lái)源：Daniel Hertzberg

你如何教導(dǎo)機(jī)器？

Facebook的人工智能研究總監(jiān)Yann LeCun：如何為機(jī)器制定教學(xué)計(jì)劃。

人工智能的傳統(tǒng)定義是，機(jī)器以通常我們認(rèn)為屬于人類的方式，來(lái)執(zhí)行任務(wù)和解決問(wèn)題。有一些任務(wù)我們覺(jué)得很簡(jiǎn)單——識(shí)別照片中的物體、駕駛汽車——可是這些任務(wù)對(duì)于AI來(lái)說(shuō)特別困難。機(jī)器可以在棋盤上超越人類，可是那些機(jī)器的程序從本質(zhì)上來(lái)說(shuō)是體力活，機(jī)器受到程序的限制。一個(gè)30美元的設(shè)備就能在棋類游戲上超越我們，可是它沒(méi)法做——也沒(méi)法學(xué)會(huì)做——其他所有事情。

這就是為什么我們需要機(jī)器學(xué)習(xí)。給機(jī)器展示幾百?gòu)堌埖恼掌?，機(jī)器就會(huì)訓(xùn)練自己的算法，學(xué)會(huì)更好地識(shí)別照片中的貓。機(jī)器學(xué)習(xí)是所有大型互聯(lián)網(wǎng)公司的基礎(chǔ)，讓公司可以進(jìn)行搜索結(jié)果排名，為特定用戶選擇最相關(guān)的內(nèi)容和建議。

深度學(xué)習(xí)是以人類大腦為基礎(chǔ)，要復(fù)雜得多。與機(jī)器學(xué)習(xí)不同的是，深度學(xué)習(xí)可以教會(huì)機(jī)器忽略聲音或圖像中所有不重要的信息——呈現(xiàn)一種能夠反映無(wú)限多樣性的層級(jí)性世界觀。正是深度學(xué)習(xí)為我們帶來(lái)了無(wú)人車、語(yǔ)音識(shí)別、以及有時(shí)候比放射學(xué)專家更擅長(zhǎng)識(shí)別腫瘤的醫(yī)療分析系統(tǒng)。

雖然有了這些值得贊嘆的進(jìn)步，我們距離與人類同樣智能的機(jī)器還很遠(yuǎn)——我們的機(jī)器甚至與老鼠的智能相比都差得很遠(yuǎn)，我們大約只見(jiàn)證了AI實(shí)力的5%。

是時(shí)候重新思考就業(yè)嗎？

百度首席科學(xué)家吳恩達(dá)：AI將如何改變未來(lái)的就業(yè)。

如今在美國(guó)，駕駛貨車是最常見(jiàn)的職業(yè)之一。幾百萬(wàn)人在東西海岸之間運(yùn)輸著貨物，以此維持生計(jì)。然而，很快所有這些就業(yè)機(jī)會(huì)都將消失。無(wú)人車將替代人類司機(jī)在路面行駛，并且更快、更安全、更高效。有這么好的事，還有哪家公司會(huì)選擇更昂貴、更容易犯錯(cuò)的人類司機(jī)呢？

類似的勞動(dòng)力變革在歷史上也有先例。在工業(yè)革命前，90%的美國(guó)人在農(nóng)場(chǎng)工作。蒸汽技術(shù)和制造業(yè)的興起讓許多人失業(yè)了，但是也創(chuàng)造了很多新的工作機(jī)會(huì)——還創(chuàng)造了很多當(dāng)時(shí)人們無(wú)法想象得到的新領(lǐng)域。這個(gè)排山倒海般的巨變是在兩個(gè)世紀(jì)的過(guò)程中慢慢展開(kāi)的，當(dāng)時(shí)，美國(guó)有足夠時(shí)間來(lái)適應(yīng)變化。農(nóng)民們直到退休都在種田，而他們的下一代去上學(xué)，成為了電工、工廠領(lǐng)班、房地產(chǎn)商和食品化學(xué)家。