关于人工智慧,麦肯钖五问专家

麦肯钖发布了其对人工智慧业内专家的访谈记录,多位专家就以下五个问题分享了自己的观点。

Q:当前推动人工智慧发展的动力有哪些?

全球对沖基金巨头城堡公司(Citadel)人工智慧总监邓力:现在存在一些因素真正将人工智慧推到了目前的状态,许多人称之为「第三次浪潮」。第一次浪潮消逝可能是因为人们太过天真。他们高估了未来。当然,在那个时候,即使进入第二次浪潮,计算能力还没达到,甚至没有大数据的概念。因此 ,可能在20年前当人工智慧发展到机器学习的时候,数据成为人工智慧的关键,这是一个巨大的进步——人们明白了数据的重要性。

美国人工智慧技术公司Arraiy首席技术官:计算能力变得既廉价又强大。网际网路出现了。移动出现了。突然,我们有很多人收集数据——声音和图像数据、轨迹和行为数据。深网(深度神经网络,也称作深度学习)是如此富有表现力,如果你没有大量的数据来确定它们,只靠少量的训练,它们实际上做得更差。所以人们转向其他技术。基本上,这种转变是靠这些因素和一些算法改进的合力形成的,但并不是全部。

Q:人工智慧的应用有哪些?

谷歌TensorFlow工程总监:人工智慧将成为几乎我们周围所有应用程式的一部分。就像网际网路改变了一切一样 ,它将成为我们所做一切事情的一部分。

百度研究硅谷人工智慧实验室(BaiduResearchSiliconValleyAILab)主管:从某种意义上说,深度学习本身并不是一种产品。所以,我认为即将要发生的是它将在企业和应用程式中无处不在:不管你是在管理一个数据中心、试着帮助别人操作无人驾驶汽车、或尝试预测天气或将要种植的作物种类——这些事情想想都疯狂。所有这些都将逐渐感受到人工智慧带来的连锁效应。

美国人工智慧技术公司Arraiy首席技术官:人工智慧将被用于高影响力的大型应用程式 。它是机器人技术的一大推动者,所以自动驾驶汽车是一大应用。语音识别真的开始工作了——这是一个非常有用的接口——它也是一大应用。现在又发展到自然语言,你就可以看到亚马逊Alexa和谷歌产品的问世。我叫它环境人工智慧,你可向它提问,然后事情就发生了。

医学也是一大应用。你来诊断病情,在某些情况下,你已经可以看到这些应用往往比医生做得更好。它们不会分心,可以发现非常细微的特征。

北美博世研究和技术中心(BoschResearchandTechnologyCenter)数据科学高级专家:总的来说,进步将会出现在我们称之为物联网的领域。这就意味着你要提高服务效率,提高制造能力,减少废弃物,观察你的车队运作情况等。从小型装置到大型设备,如航空飞机,这些都可以实现。

Q:人类应当害怕人工智慧吗?

百度研究硅谷人工智慧实验室主管:我真的觉得有时我们已经得意忘形了,竟开始思考有知觉的机器 ,这种机器将会以我们的方式来理解我们所做的一切 ,并且像人类一样与我们真实互动。我认为这类东西离我们很远。很多的恐慌都是围绕着人工智慧将掌管世界、人工智慧做的所有事情都是我们无法控制的技术的负面因素——我认为这些都有点过头了。

当我想到人工智慧的力量时 ,我们真正擅长的是我们可以输入,并将其映射到输出中。这是一个我们非常擅长的预测问题 。在这个框架里,我们可以做很多积极的事情,很多上述关于感觉的东西都让我感觉是在分散注意力。

全球对沖基金巨头城堡公司人工智慧总监邓力:对于那些真正研究人工智慧的人来说,我们担心是否存在我们想要纠正的某些行为,而且需要特别的思考才能实现这一点 。人们谈论人工智慧的危险,它是否会伤害人类——我认为这种论断真的是夸大其词 。我觉得这高估了技术的发展速度。

Q:什么可以推动人工智慧再上一个台阶?

北美博世研究和技术中心数据科学高级专家:在技术方面,我认为当我们把所有的技术拼凑在一起时,其发展将会提速 。我们已经有了正在不断进步的深度学习等技术。现在我们将要看到的是无需外部提供信息就能够发展出能力或理解力的机器。我认为在传统的机器学习或人工智慧领域,我们希望从我们告诉机器学什么的监督学习世界,发展到机器可以自己推断事物的世界。

百度研究硅谷人工智慧实验室主管:我们如今使用深度学习的方式所面临的一大难题是:我们需要大量带注释的数据。例如,对于语音识别(它发展得如此之好,令人振奋),其中一个挑战是我们不仅需要演讲的音频 ,还需要人类提供文本。那可能花费很高。

所以,如果你想创建一个新的应用程式,针对你想预测的事情,你必须首先考虑要去哪里获得所有带注释的数据。我认为真正令人振奋的一件事是无监督学习开始表现出一些非常有趣的结果。无监督学习是一个算法,或者是一类算法,它可以在不被告知目的的情况下学习做预测或者学习你的数据集。我们知道人类普遍都是这样做的。我有一个年幼的儿子,显然我没有必要一遍遍地告诉他「这是一个咖啡杯。」他只需要通过几个例子就能明白这是个杯子。人类之所以能做到这一点,是因为我们从我们所看到和听到的其他事物中不断学习,并以某种方式将它融入到我们的知识中,所以当你说「那是一个杯子」时 ,我很快就学会了这个概念。

我们还没有完全建立起最后的联系,来弄清楚如何利用这些无监督技术提高我们所有的监督系统、所有的预测。我认为如果做到了这点,那意味着我们可以利用新的数据类型,我们可以做出比过去更好的预测。

全球对沖基金巨头城堡公司人工智慧总监邓力:我今天给大家讲的是我所谓的「对话系统」——有些人称之为「机器人」,但它们的概念其实是一样的:如何拥有一个代理,一个能够与人交谈的智能代理。这种难题不只是大数据可以解决的 ,也不仅仅是深度发展的神经网络能够解决的。它需要一些非常智能的互动方式。这是一种不同的范式 ,被称之为增强学习范式。

Q:关于人工智慧,你给企业高管的建议?

全球对沖基金巨头城堡公司人工智慧总监邓力:我认为所有人都应该接受这些现代人工智慧的功能。另一方面 ,他们还需要考虑业务相关的具体问题。并不是人工智慧圈开发的每一样工具都能很好地适应这些业务。

北美博世研究和技术中心数据科学高级专家:观察人类会如何变化。我认为最大的挑战不是来自于科技而是人类。

在我看来,目前需要解决的最大短板是那些能够将技术和商业影响联系起来的人。这才是我们真正错失良机的地方。我们需要能够着眼于商业问题、提出技术解决方案、最终带来价值的人。

百度研究硅谷人工智慧实验室主管:人工智慧现在由三大关键要素驱动。一个是数据,另一个是计算能力,第三个是人才。尽管这个领域很火,但是知道如何利用较高水平的技能来应用这些机器学习算法的工程师还不够。虽然情况正在好转,但这仍然是一种稀缺人才。

如果你对解决业务相关的人工智慧问题感兴趣 ,那么我认为你有必要去仔细想想,你是想尝试在公司建立一个机器学习团队来解决一个具体问题,还是你现在就可以使用企业平台。

我认为对于普适型人工智慧技术来说,就像你想使用语音识别来帮助唿叫中心一样,我觉得这仍然是需要工程援助的阶段,可能需要一些专家来应用它们 。但我认为,在未来,企业平台将会变得非常好。