李开复对话李飞飞:人工智能带来的改变令人激动 但还不能理解复杂的知识

编辑时间: 2018-01-27 21:43:14    关键字:

 第48届世界经济论坛年会在瑞士达沃斯召开,主题为“在分化的世界中打造共同命运”。达沃斯当地时间1月23日中午,在MIT的午餐会上,创新工场董事长李开复与李飞飞(Google Cloud AI/ML领域首席科学家)、RichardSocher(Salesforce首席科学家);Mustafa Suleyman(DeepMind联合创始人兼主管)进行了对谈;主持人是Andrew McAfee(麻省理工学院数字经济倡导行动联合创始人)。

就在不久前,DeepMind团队发表了最新论文,提出强化学习算法AlphaZero,一种可以从零开始,通过自我对弈强化学习在多种任务上达到超越人类水平的新算法。据说,AlphaZero在8个小时训练后就击败李世石版本的AlphaGo;再用4小时训练击败世界顶级的国际象棋程序Stockfish;再用2小时训练击败世界顶级将棋程序Elmo。

这一成果令世界哗然。而在对话中,Mustafa Suleyman坦率表示,AlphaZero没有那么神,外界对它有点夸大了。它要想工作,还必须满足可预测环境、清晰的奖励系统和无变数三个条件,同时,也不是外界所说的完全不受监督。

李飞飞在担任谷歌AI中国研发中心负责人之后,又在1月17日,发布了谷歌云人工智能服务工具AutoML,使得企业构建、训练和部署自定义的机器学习模型也变得简单方便,对机器学习不甚了解的公司也可以构建自己的人工智能系统。李飞飞表示,人工智能目前已经取得了非常重大的突破,但是目前AI还不能理解语境、复杂的知识,要识别人类的情绪、感情和动机,也还有很长的路要走。

李飞飞引用了自己一位同事的话,评价当下对完美人工智能的定义:“一台能做出完美食物的机器,虽然房间已经着火了。”

以下是午餐会对话主要观点摘录:

李飞飞:人工智能还是一个新领域,只发展了60年左右,人工智能的理想是让机器变得智能,模仿人类智能,解决问题,让人类的生活变得更好,要想实现这些理想,认识到这一点很重要。

现在人工智能主要的领域有机器人、自然语言处理、语音识别、机器学习、深度学习。

人工智能带来的改变令人激动。

当我还是一个大学生时,我想象不到人工智能会带来的巨变,它巨大的搜索能力,更不用说无人驾驶这些了。

我们见证了非常了不起的突破。

我想提醒大家,这个时代充满了巨大的可能性,我们要深切地思考人工智能的本质,前面还有很长的路要走。

我有一位同事70年代时就在这个领域工作,他认为我们今天对完美的人工智能机器的定义是,一台能做出完美食物的机器,虽然房间已经着火了。

电脑还不能理解语境、复杂的知识

要识别人类的情绪、感情和动机我们也还有很长的路要走。

Richard Socher:我认为认识到人工智能主要领域的突破来自于何处非常重要。主要的突破都来自于super wise man这个领域。我们能很好地把输入x转化成输出y,输入语音我们能够输出文本、输入德语可以输出法语,这一技术我们已经做得很好。输入一定大小的图片能辨别图片中是不是猫?在多种模式的转换上我们已经做得很不错了。

实现这一转换的方法是深度学习。深度学习一种比机器学习强大很多的技术,它能接受更广泛的输入模式。这是AI实现了主要突破的领域。

我们现在有了一种新的编程模式。不再需要做出if/when这样的指示,我们只需要用数据来训练它,算法就会自动处理。

深度学习还结合了AI的其他领域,像强化学习、自主学习、人机游戏等。

现在正在发生很多激动人心的转变,机器翻译、人机游戏都在不断进步。但也有很多领域需要进一步改进。10,15年前,就可以实现20到30分钟左右的无人驾驶。但要想实现全天候无人驾驶,还保证安全,还需要做很多的工作。离真正改变运输业,还需要很多的改进。

Mustafa Suleyman:说AlphaZero这个系统不受监督有点夸大了,监督来自于它的结构和训练环境。所以尤其是依赖强化学习的具体方法在现实生活中效果不是很好。在现实生活我们无法提供模拟器,进行这种巨量的训练来形成算法。

但我对深度学习在现实中的应用潜力非常有信心,人们现在低估了这一潜力。

在语音转录,机器翻译等等领域深度学习的潜力还没有充分发掘应用。

alpha zero只是在三件事成立的情况能够工作:可预测环境(围棋规则)清晰奖励系统(输赢),无变数(variability)

我们的目光已经投到了几十年后,比如极现代化状态下的super-intelligence,但我们应该思考的都是更近期、更实用的可能。

在我看来强化学习 3-5年内没有普及应用。

李开复:

这个领域顶尖的前100名科学家中已经有一些是中国人,

我认为,关于中国,这四个方面还并没有被得到认识,这四个方面会是中国未来发展的非常强劲的推力。

第一,中国一流的理工科教育。飞飞就是这一点的证明。我认为中国的理工科教育培养了众多科学家,而且这些人都有志于从事人工智能相关工作。这群杰出的年轻人会是推动中国进步的一股了不起的力量,比如在最近的face ++图像识别比赛里,我们投资的公司打败了科技巨头google。

第二,活跃的创业氛围和资本对这个领域的大量投资。作为一家风险投资机构,我们投资了45家人工智能公司。这些公司分布在各个领域。像在一些传统的领域,比如如何让借贷更简单,提供消费者服务,制造能采草莓,洗碗,组装汽车的机器人。金融时报最近对中国的创业现状做了报道,谈到了职业精神。但我认为职业精神只是其中的一部分,中国的创业环境如同一个斗兽场,角斗士们斗得你死我活。留下的都是最有生命力的模式,这些模式会推动着中国向前进。

第三,中国巨大的数据量。中国共享单车的使用人数是美国的3倍,但单车交易量是美国的50倍。这个支付系统拥有6亿5000万用户,不收佣金、无中间人,支持移动支付。我们早就幻想能做到这样,但这却在中国发生了。在此基础上,形成了大量可供进行支付的公司和建立该系统的企业家们挖掘的数据。另一方面,消费者们愿意出让隐私来换取安全和便利。

第四,政府的政策。去年国务院发布的人工智能计划表示中国要在2030年成为人工智能创新核心国,伴随这一政策而来的是城市层面上大量的资源,北京投入了20亿,南京、广州也投入了万亿级别的资金,其他近百个百万人口以上的城市也投入了大量资金,这显然会推动我们前进。中国的政策不是空话。

另一方面,中国政府和企业对待科技的立场上倾向实用主义,英美则比较谨慎。一些核心问题,如安全问题,数据的安全、系统的安全,大家都很关心。

在隐对待私和偏见的态度上,我们是先动手,再慢慢改进问题还是仔细考虑找出解决办法?在这些问题上中国更倾向于实用主义。

我不想评价哪种立场对或错,或哪个更好,我只是认为,在实用主义立场影响下,实现会更快、收集的数据会更多、做出的产品会更好,促能成更大的突破。

推荐热图

合作推荐

2010-2018 可思数据版权所有 About SYKV | ICP备案:京ICP备14056871号