|
深度學(xué)習(xí)的奠基者特倫斯從AI的第一波浪潮就參與其中，他對當(dāng)前AI發(fā)展現(xiàn)狀的深度思考值得一讀。 來源：捕手志（ID：ibushouzhi） 編者按：隨著低垂的果實被摘走，越來越多的人拋出疑問“人工智能是否會再次進(jìn)入寒潮？”但很少有人知道寒潮的真實情況，人工智能經(jīng)過60多年的發(fā)展究竟在哪些方面已發(fā)生了變化，制約它發(fā)展的因素會有哪些，它會朝著什么方向演進(jìn)？面對種種制約條件，我們可以做出哪些努力? 文章通過與美國四院院士（全美在世僅3位）、深度學(xué)習(xí)的先驅(qū)及奠基人、《深度學(xué)習(xí)：智能時代的核心驅(qū)動力量》一書作者特倫斯的深度交流，希望解開上述問題。 特倫斯從AI的第一波浪潮就參與其中，他對當(dāng)前AI發(fā)展現(xiàn)狀的深度思考值得一讀。  一、AI的發(fā)展與制約 “深度學(xué)習(xí)只是通用人工智能的第一步。它基于我們的大腦皮層結(jié)構(gòu)，但我們的大腦還有許多其他區(qū)域可用于開發(fā)通用智能，我們需要對這點加深理解。” 問：你在AI的第一波浪潮時就參與研究，至今AI發(fā)生了哪些變化？ 特倫斯：在20世紀(jì)80年代，計算機(jī)速度慢且價格昂貴，因此必須對它進(jìn)行邏輯化編程，但今天計算機(jī)的速度比過去要快一百萬倍，并且通過深度學(xué)習(xí)，AI可以通過實例進(jìn)行自我編程。比如，當(dāng)我開始研究AI時，我們只能解決小問題，但今天可以通過更大的深度學(xué)習(xí)網(wǎng)絡(luò)解決難題。 問：深度學(xué)習(xí)的本質(zhì)究竟是什么？ 特倫斯：深度學(xué)習(xí)的成功基于在非常高維度的參數(shù)空間中，學(xué)習(xí)高度復(fù)雜的統(tǒng)計模型。這使它能夠解決現(xiàn)實世界中的統(tǒng)計問題，例如語音識別和自然語言翻譯，這些問題難度也是非常高的。 問：你認(rèn)為公眾對深度學(xué)習(xí)的主要誤解有哪些？ 特倫斯：人們擔(dān)心深度學(xué)習(xí)會奪走人類工作。相反，對人類而言，無論你是辦公室的白領(lǐng)或是醫(yī)生，深度學(xué)習(xí)都會使你變得更聰明。一些工作會徹底改變，但新的工作也會產(chǎn)生。 其實每當(dāng)一項新技術(shù)產(chǎn)生時，都會有一個調(diào)整過渡期，在此期間會有意想不到的結(jié)果發(fā)生。目前人們正在測試自動駕駛汽車，但正如我在《深度學(xué)習(xí)》一書中描述的那樣，人類社會需要幾十年才能適應(yīng)這項新技術(shù)。 問：最終深度學(xué)習(xí)會發(fā)展到什么水平？ 特倫斯：深度學(xué)習(xí)只是通用人工智能的第一步。它基于我們的大腦皮層結(jié)構(gòu)，但我們的大腦還有許多其他區(qū)域可用于開發(fā)通用智能，我們需要對這點加深理解。 問：深度學(xué)習(xí)可以解決哪些領(lǐng)域的問題？中國AI領(lǐng)域大概有20個獨(dú)角獸、30個準(zhǔn)獨(dú)角獸企業(yè)，這當(dāng)中近80%都與圖像識別或語音識別有關(guān)系，美國的AI企業(yè)是什么情況？ 特倫斯：深度學(xué)習(xí)打開了一扇門，讓人工智能通過語音、語言和視覺與人交流，而基于編寫程序的AI無法做到這一點，因為問題各不相同導(dǎo)致編寫的程序極大且復(fù)雜。 深度學(xué)習(xí)可以應(yīng)用于有足夠數(shù)據(jù)量的許多問題，它還對許多其他問題產(chǎn)生重大影響，例如：在醫(yī)學(xué)領(lǐng)域，深度學(xué)習(xí)對許多疾病的醫(yī)療診斷都好過或與最棒的醫(yī)生匹敵。深度學(xué)習(xí)在許多科學(xué)領(lǐng)域也非常有效，例如天文學(xué)和細(xì)胞生物學(xué)。 美國有數(shù)百家小型AI初創(chuàng)公司，有許多打造專用機(jī)器學(xué)習(xí)芯片的硬件初創(chuàng)公司。 問：為什么美國會有那么多生產(chǎn)專用機(jī)器學(xué)習(xí)芯片的硬件公司？ 特倫斯：計算能源成本是人工智能的終極限制。人類大腦中有1000億個神經(jīng)元，每個神經(jīng)元都與其他數(shù)千個神經(jīng)元相連，總計達(dá)千萬億個突觸連接。大腦運(yùn)轉(zhuǎn)所需的功耗是20瓦，但一臺遠(yuǎn)不如大腦強(qiáng)大的千萬億次級超級計算機(jī)，功耗卻為5兆瓦，是大腦功耗的25萬倍。 目前最大的深度學(xué)習(xí)網(wǎng)絡(luò)只剛好嵌入像米粒大小的大腦部分，隨著學(xué)習(xí)系統(tǒng)的擴(kuò)展，發(fā)展AI必須制造出更節(jié)能的專用芯片，我們需要比現(xiàn)在強(qiáng)大一百萬倍的硬件。如今我們才剛剛開始：谷歌、微軟和亞馬遜等大型科技公司正在打造更節(jié)能的專用機(jī)器學(xué)習(xí)芯片。 問：數(shù)據(jù)也是制約AI發(fā)展的重要原因，當(dāng)前大部分?jǐn)?shù)據(jù)都被集中在各國的科技巨頭手中，形成數(shù)據(jù)孤島。如果不保證數(shù)據(jù)具有完備性（多樣性、充足）的情況下，AI有可能做出錯誤的決策，區(qū)塊鏈?zhǔn)欠袷瞧渲幸粋€解決方案？ 特倫斯：區(qū)塊鏈技術(shù)有可能幫助我們解決數(shù)據(jù)訪問問題，這是世界各地正在探索的眾多解決方案之一。 二、AI的國界與治理 “因為我們創(chuàng)造了AI，所以與管控人類自己相比，我們應(yīng)該能更好地管控AI，人類自身是更糟糕的麻煩制造者?！?/div> 問：你認(rèn)為中美兩國在發(fā)展AI上誰將更有優(yōu)勢？可以想象AI會對世界格局產(chǎn)生影響，那么政府在其中應(yīng)扮演什么樣的角色？ 特倫斯：AI在全世界都在覺醒，任何國家都沒有壟斷地位。在20世紀(jì)80年代，只有少數(shù)大學(xué)擁有足夠的計算機(jī)能力來進(jìn)行AI研究。今天，任何擁有筆記本電腦的個人都可以做出重要的發(fā)現(xiàn)：AI已經(jīng)變得民主化，這意味著沒有人能預(yù)測下一項重大進(jìn)步將來自哪里。政府不應(yīng)對此阻撓，而應(yīng)加強(qiáng)國際合作促進(jìn)這一進(jìn)程。 問：你在《深度學(xué)習(xí)》一書中也提及中國擁有更多的數(shù)據(jù)，但是否意味著更多的數(shù)據(jù)和更多的工程師，這種規(guī)模上的優(yōu)勢能倒推帶來基礎(chǔ)研究層面的突破或者決定技術(shù)的路線？ 特倫斯：我在書中的評論是基于將當(dāng)前的AI技術(shù)應(yīng)用于AI可以解決的問題，并且可以提供許多解決方案。但有些問題可能需要一個新的突破，沒有人知道該突破發(fā)生的時間和地點。 問：如今AI的應(yīng)用有明顯的邊界，要發(fā)揮人工智能的作用需要具備哪些條件？有人認(rèn)為脫離了五個條件（數(shù)據(jù)充足、確定性、完全的信息、靜態(tài)、特定領(lǐng)域的單任務(wù)）后，AI就很難發(fā)揮余地，你如何看？ 特倫斯：當(dāng)前的這些限制最終將被克服。深度學(xué)習(xí)已經(jīng)與強(qiáng)化學(xué)習(xí)相結(jié)合，達(dá)到了圍棋世界冠軍水平。我們在大腦中發(fā)現(xiàn)了許多其他類型的學(xué)習(xí)算法，這些算法將在未來大大增強(qiáng)AI的功能。 問：的確，深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)結(jié)合，推動了算法的自進(jìn)化。如果我們按照人的思維去推進(jìn)AI的發(fā)展，是否會使得AI的發(fā)展陷入困境中？如果AI的發(fā)展不在人們思維所預(yù)料之內(nèi)，是否未來會變得不可控？ 特倫斯：所有技術(shù)都可以用于善惡目的。與我們共同存在的有些技術(shù)甚至比AI更具存在風(fēng)險，如核武器和生物戰(zhàn)。到目前為止，我們通過識別并減輕風(fēng)險已幸存下來。自然進(jìn)化賦予我們的智能幫助我們在不確定的環(huán)境中生存，而我們需要自救，從而在更加不確定的環(huán)境中生存。 問：這似乎讓AI的治理已經(jīng)被迫提上了行程。 特倫斯：因為我們創(chuàng)造了AI，所以與管控人類自己相比，我們應(yīng)該能更好地管控AI，人類自身是更糟糕的麻煩制造者。AI將有很多用途，我們現(xiàn)在甚至無法想象。我們必須應(yīng)對每項新的應(yīng)用，以確保它得到適當(dāng)?shù)谋O(jiān)管。 三、AI的進(jìn)化與破局 “當(dāng)前神經(jīng)科學(xué)領(lǐng)域正在發(fā)生一場革命，這將引發(fā)人們對大腦創(chuàng)造智能的新見解，但它還需要幾十年才能將這些發(fā)現(xiàn)轉(zhuǎn)化為下一代AI?！?/div> 問：AI的系統(tǒng)如今還都非常脆弱容易受攻擊、欺騙，需要大量的數(shù)據(jù)，而且不可解釋，之所以造成這樣的缺陷的原因是什么？美國物理學(xué)家Freeman Dyson認(rèn)為目前AI方向有非常多大的噪音，整個圈子建立在了錯誤的想法之上。因為大腦是模擬的，而機(jī)器是數(shù)字的，大腦被用來比較圖像和模式，機(jī)器可以做但靈活性很差。他認(rèn)為除非我們能做出模擬的模型，而非數(shù)字模型，我們才可能對大腦有更多的認(rèn)識，而很少人在朝這個方向努力。 特倫斯：我們不了解人類大腦的工作原理，但即使它并不完美，也并不能阻止我們對其使用。我們對神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)理解正在取得重大進(jìn)展，并且可以修復(fù)缺陷，但這需要很多年。我想Freeman Dyson可能沒有意識到這些進(jìn)步。 問：我們對神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)理解加深，對AI的發(fā)展有什么重大的意義？ 特倫斯：對一項技術(shù)有理論上的理解有助于對該技術(shù)做出重大改進(jìn)，但這會是一個漫長的過程。例如，我們經(jīng)歷了從1903年萊特兄弟的第一次載人飛行發(fā)展到今天的大型噴氣式飛機(jī)。 問：當(dāng)然也有人提出反問：誰規(guī)定AI必須按照人的智能來發(fā)展的？ 特倫斯：大自然讓人類大腦進(jìn)化以解決許多問題，我們可以從大自然中學(xué)到很多東西。大自然解決了這些問題，這證明解決方案是可能的。直到最近，我們對大腦的工作原理還不太了解，但在21世紀(jì)已經(jīng)取得了很大進(jìn)展，對大腦的逆向工程才剛剛開始。 問：大自然的進(jìn)化的確讓我們認(rèn)識到AI現(xiàn)階段的問題，未來也會有解決方案。但對進(jìn)化的理解是否也會限制AI的發(fā)展？商業(yè)公司在利用進(jìn)化帶給我們的直覺、感受對我們實現(xiàn)控制，比如利用進(jìn)化中人體對糖的需求從而向人們推銷甜食，但環(huán)境已經(jīng)發(fā)生了變化（原始社會中水果便是最甜的食物）。 特倫斯：人類在規(guī)范商業(yè)世界方面做得還不夠好。你在指出人類智能的缺陷，這可能不是AI的最佳目標(biāo)。 問：那AI的最佳目標(biāo)是什么？ 特倫斯：每個人都有自己的目標(biāo)。我認(rèn)為AI的最終目標(biāo)是讓人類更好地了解自己，并將天平向更好的方向傾斜——同舟共濟(jì)符合我們所有人的利益。 問：這意味著未來我們將與機(jī)器共生。 特倫斯：“共生”很好地描述了人類和AI的合作方式，AI不會取代我們，反而會讓我們更聰明地做事。如今“共生”現(xiàn)象已在醫(yī)學(xué)和生物學(xué)領(lǐng)域發(fā)生。 問：這讓我聯(lián)想到很多科幻電影里人與機(jī)器共存的場景。著名機(jī)器人制造專家Rodney Brooks認(rèn)為，要讓機(jī)器人完成日常任務(wù)，他們較高的認(rèn)知能力應(yīng)該基于感官運(yùn)動與環(huán)境的相互作用，而不是抽象推理。你也提到復(fù)制身體反而比復(fù)制大腦更復(fù)雜。 特倫斯：我完全同意Rodney Brooks的觀點，即我們需要更好地了解我們的身體如何幫助我們解決問題。自1956年AI出現(xiàn)以來，我們認(rèn)識到，我們認(rèn)為容易的問題，如視覺、言語和運(yùn)動控制，比我們想象得要困難得多，相比之下抽象推理要簡單得多。 問：雖然我們的大腦不是完全基于邏輯的，但不妨礙你的設(shè)想“如果大腦是基于邏輯的，那么它應(yīng)該是跨領(lǐng)域的通用智能”。AI是基于概率的統(tǒng)計，屬于數(shù)學(xué)范疇是基于邏輯的，那么是否證明AI實現(xiàn)通用是必然的？ 特倫斯：AGI是一個系統(tǒng)級問題，而我們還在解決外圍問題。我們需要更多時間探索如何整合深度學(xué)習(xí)所能實現(xiàn)的所有功能。如今，Deep Mind振奮人心的研究正在引領(lǐng)潮流。 問：當(dāng)前推動AI發(fā)展的動力是什么，接下來的新動力又是什么？ 特倫斯：從AI開發(fā)到其轉(zhuǎn)化為大眾市場產(chǎn)品的時間約為50年。今天推動AI發(fā)展的基本發(fā)現(xiàn)來自20世紀(jì)80年代。在已取得進(jìn)展的基礎(chǔ)上，當(dāng)前技術(shù)還需要幾十年的時間才能趨向成熟。 當(dāng)前神經(jīng)科學(xué)領(lǐng)域正在發(fā)生一場革命，這將引發(fā)人們對大腦創(chuàng)造智能的新見解，但它還需要幾十年才能將這些發(fā)現(xiàn)轉(zhuǎn)化為下一代AI。 問：你認(rèn)為未來3年AI將會有哪些變化？ 特倫斯：在現(xiàn)有技術(shù)的基礎(chǔ)上，短期內(nèi)的進(jìn)步將是漸進(jìn)的，而無法預(yù)測的主要進(jìn)步將在25年內(nèi)發(fā)生。
|
|
|
