首页 > 新闻 > 中国经济论坛

分享到微信

打开微信,点击底部的“发现”,
使用“扫一扫”即可将网页分享至朋友圈。

人工智能的创新生态

第一财经 2018-10-22 14:44:16

责编:王艺

在“2018世界人工智能大会”上,加州大学伯克利分校教授Michael I. Jordan、麻省理工学院人工智能实验室(CSAIL)主任、美国国家工程院(NAE)和美国文理科学院(AAAS)院士Daniela Rus、清华大学交叉信息研究院院长姚期智和英国帝国理工学院教授、英国皇家工程院院士陆永青一起探讨了长“人工智能的创新生态”。

被誉为两位人工智能领域的根目录人物之一的加州大学伯克利分校教授Michael I. Jordan在第一财经《中国经济论坛》节目中指出:当下正在发生的是数据库网络的形成,它真正实现了人、数据、公用事业和系统的连接;人工智能无须完全模仿人类;如把数据更多用于市场行为将释放出更大的价值;把协调性、合作竞争和稀缺性相关联制定出最优的决策是人工智能的目标;开发人工智能需要市场导向。

Michael I. Jordan 加州大学伯克利分校教授

经济学是具有智慧的系统,我们过多地思考以人类形象来创造人工智能,但我们也应该以市场为模型构建人工智能。

当下正在发生的是数据库网络的形成 它真正实现了人、数据、公用事业和系统的连接

我认为现在发生的事情并不是一个很大的改变,真正发生的是相同的算法正在应用于更多的数据,我们正在构建端到端系统。我认为当今时代实际上正在发生的不是更像人类的人工智能的出现,而是数据库网络的出现。它将人与数据、公用事业和系统联系起来,这就是我想要探讨的内容。

智能不仅限于识别

让我退一步再来谈谈智能这个词,智能不仅仅是识别的模式,智能是更多的东西。我的孩子有智能,而我们的人造系统还没有智能。那么目前存在哪种智能?当然,生物学中有智能系统,大脑和思想是智能的,这无可争辩。我们所说的智能还包括什么呢?好吧,我今天还没有听到人们提到这个词,那就是市场,对吧?想想上海,每天上海的每个人所需的所有食物都能被运送到,每家餐厅都有其菜单所需的食材数量,每个人都有他们需要的大概的食物量,这种情况日复一日地发生。它是数十亿实体的规模,需要在非常复杂的情况下移动,为上海带来食品供应。这种情况也发生在北京、发生在深圳、发生在纽约。

需要将市场智能嵌入人工智能

因此市场正在创造智能,即使这个市场内的每个人和每个决定都是这样。一个人会说“啊,那个地方没有足够的生菜,我要把生菜运到那里,因为我可以赚更多的钱”。这就是创造市场所需的全部智能。市场机制创造了其余部分,我们没有将这种思维方式的精神嵌入到人工智能中,我们已经付出了代价,它需要改变。所以首先我认为我们对大脑和思想知之甚少,这是一个值得考虑的领域,但我们对大脑如何实现智能一无所知。

人工智能无须完全模仿人类

我们是否必须模仿人类来创造对现实世界有用的系统?我的答案是否定的。市场做了这么多惊人的事情,如果我们将它们与数据放在一起就能形成连续强有力的冲击,目前市场大多没有使用数据。那么现在计算机带来了大量的数据,但是大部分数据都被用来模仿人类,我们已经拥有数十亿人类,我们为什么还要增加人类数量?为什么我们不能将这些数据用于其它类型的事情呢?

如把数据更多用于市场行为将释放出更大的价值

如果我们看一下数据,我们试着在市场的背景下思考它们,当数据流动时我们可以尝试将价格和价值附加在数据上,当数据从一个人流向另一个人时我们也可以有一个服务流,我们可以出价,我们可以有价格,我们可以释放价值。这不仅仅存在于数据和智能的相互作用中。

是市场使数据交换产生价值而不是算法

一部分人有一种手机应用程序,司机端。另一部分人有另一种手机应用程序,乘客端。我们有生产者和消费者,数据在事物之间交换并不断被创造,汽车在正确的时间到达正确的地方,不是因为算法而是因为市场。人们可以在市场上购买,价值得到增加。

把协调性、合作竞争和稀缺性相关联制定出最优的决策是人工智能的目标

如果我们考虑尝试为系统带来更多人工智能,我们不会想要更多的自动性。我们不希望每辆车都是自动的,我们会希望它与其它汽车有良好的联系。如果一辆车得知一棵树在路上倒下,它应该把消息立即传递给所有其它车辆,它们应该进行团队合作,它应该是一个合作游戏,因此需要合作和竞争机制。所以,如果我开始考虑稀缺性,那么我就会意识到人工智能系统做出的决定必须联系在一起,必须协调它们,以便制定对每个人都有益的决定,这就是人工智能研究的结果。

开发人工智能需要市场导向

我要说的是仿人类的人工智能不一定是正确的目标,这虽是一个好的目标,但它非常困难,它会夺走人类的工作。而以市场为导向的,不以自动化为目标的人工智能则为人类提供就业机会,它创造了现在没有的价值,而它只需使用算法和数据,这是我们已经知道如何去做的事情。如果我们把它与市场结合起来,这就是我正在寻找的那种智能,这不仅仅是人类智能或生物智能,这是市场智能。非常感谢!

麻省理工学院人工智能实验室主任、美国国家工程院和美国文理科学院院士Daniela Rus在第一财经《中国经济论坛》节目中指出: 海量数据收集和庞大的网络系统承载是目前机器学习的两大挑战;缺乏人类的经验学习和理解能力,机器学习系统易出错;人工智能将帮助人类更专注于战略和批判性思维。

Daniela Rus 麻省理工学院人工智能实验室(CSAIL)主任、美国国家工程院(NAE)和美国文理科学院(AAAS)院士

在这个被计算机系统深刻改变的世界中,如果能有机器帮助我们进行认知和体力劳动,那么这个世界将会变成怎样?例如,我相信自动驾驶将确保没有交通事故的发生,并将使我们的父母和祖父母在退休后享有更高的生活质量,并且能让我们所有人都能随时随地出行。这不是能不能实现的问题,是什么时候会实现的问题。

研究表明 人机交互的共同诊断可将癌症误诊率控制在0.5%

在最近的一项研究中,让机器和人类看各种淋巴结细胞的扫描图,让他们诊断为癌症或不是癌症。机器的诊断错误率为7.5%,而人类的诊断错误率为3.5%,但是机器和人类一起诊断的话,错误率大大减少,他们实现了0.5%的误差,这在医学领域确实非同寻常。

海量数据收集和庞大的网络系统承载是目前机器学习的两大挑战

现在再来谈谈机器学习,它实际上是一个接受大量数据训练的过程。机器学习的目的是审视大量数据,因此获取海量数据集是一项挑战。另外,机器学习系统的结果是在非常庞大的网络训练系统上产生,采用了非常大的数据,它的结果受这些数据类型偏差的影响,并且很难证明、解释或概括。

缺乏人类的经验学习和理解能力 机器学习系统易出错

最后,我们要考虑一下当我们说机器学习的时候,实际上意味着什么?在机器学习中这意味着在特定图像中识别的像素,一张狗的图片或一瓶水的图片的像素和另外一张图像中的像素相同,而人类认为另外这张图代表的是一瓶水,但系统不知道这是一瓶水,不知道它用来做什么?是用来吃?用来喝?用来玩?有多重?是什么做的?这些都是我们作为人类通过我们过去的经验学习和理解的。因此,我们必须继续改进我们的算法和机器学习中的最新技术,以解决我指出的所有这些限制。然而,尽管我们必须面对挑战,但仍有很多机会,机会集中在个性化和定制化上,以及机器学习系统的普遍使用。另外,机器学习也可以帮助我们提高效率,改善时间利用的质量。总而言之,人工智能、机器学习、机器人技术是非常强大的工具,它们将引领我们进入一个新世界,使机器帮助我们进行认知和体力劳动的世界。

人工智能将帮助人类更专注于战略和批判性思维

我想展望一下拥有这些机器的未来,我们将确保没有道路死亡事故,我们将更好地诊断、监测和治疗疾病,我们将保持信息私密和安全,我们将更有效、更快地运输人员和货物,我们将使人们能够即时合作和交流思想,无论我们讲什么语言。换句话说,我们将使人们能够专注于战略和批判性思维,同时卸下常规低级任务并由机器完成。谢谢!

清华大学交叉信息研究院院长、中科院院士、美国科学院外籍院士姚期智在第一财经《中国经济论坛》节目中指出,培养能够满足人工智能需求的人才应是现在大学的重要功能;深度学习为人类了解自然智能的运作提供了窗口;人工智能可以帮助人类了解学习知识的极限;将人工智能和量子计算机结合可以让人类对大自然有更深刻的认知,甚至可以击败大自然。

姚期智 清华大学交叉信息研究院院长、中科院院士、美国科学院外籍院士

人工智能正在狂飙突进,已被应用于许多不同的领域。不管是自动驾驶、是机器人还是医药领域。它都为人类社会创造了巨大的财富和福利。所以我想要做的是探讨一下人工智能的发展,特别是在中国的发展。

培养能够满足人工智能需求的人才应是现在大学的重要功能

从大学的角度来看看,除了做研究,当然,大学也负责教育学生和培养年轻人才。事实上,我认为大学的教育功能比研究功能更重要。因为研究也许也可以在工业实验室中完成,但要创造足够的人才满足人工智能的需求,这是我们真正需要做的事情。那么未来怎么样?我想也许最好再思考一下人工智能。近年来非常重要的一项技术称为深度学习,它实际上是在三、四十年前开发的。但那个时候,人们专注研究了一段时间,但并不认为它会真正成为一种方法。现在三、四十年后,突然我们有了不同的环境,有了大数据和强大的机器,那些深度学习方法突然能够给我们带来各种惊人的效果,带来了我们曾经认为非常难以实现的许多标志性成功,所以这一切都非常棒。

深度学习或在未来5-6年遭遇发展瓶颈

我认为深度学习及其变体,它们依然有丰富的生命力。我想在接下来的几年里,它们仍然可以在新领域带来许多新产品和新事物。但是,在某个点,也许是从现在开始的5年、6年,它们会遭遇一些限制。那么问题在于,下一波人工智能创新将从何而来?让我们从算法的角度来看一看。算法的下一波突破是什么?怎样才能让我们能够在人工智能中创造新的高度?此外,与此相关的是,人工智能领域中也有一个问题我们并没有真正理解。

要改进人工智能必须要理解人工智能

那就是为什么深度学习如此有效?科学家们深受此困扰,其中有几个原因。其中一个是,如果你不理解人工智能,那就很难改进人工智能。所以我接下来要谈谈三个观点。

对深度学习的了解还在过程中

第一个观点,为什么深度学习如此有效?这不是一个新问题。科学家们在过去的四、五年里一直在研究这个问题,产生了许多有趣且令人兴奋的结果。我们可能没有听说太多,但它们潜伏在表面之下,是存在的。我当然希望并相信随着时间的推移,我们将更好地理解深度学习。

深度学习为人类了解自然智能的运作提供了窗口

我们知道人工智能需要大量数据,而自然智能只需要少量数据,所以我认为这是一个非常重要的窗口,让我们可以了解为什么自然智能会起作用。

人工智能可以帮助人类了解学习知识的极限

如果我们再扩大范围进一步思考,从宇宙的角度看待智能问题,那就是,从古至今,哲学家一直都很感兴趣的是什么是知识的极限?我们到底能学多少东西?我们可以对真相的理解可以达到什么深度?

将人工智能和量子计算机结合可以对大自然有更深刻的认知

人们探讨过一个非常有趣的问题。那就是,是否可以将人工智能和量子计算结合在一起,使得通过这种方式我们可以真正有机会击败大自然。我来解释一下这意味着什么,我认为量子物理学可能是,至少就我们所知,是最深刻、最美丽的物理法则,是大自然所设计的宇宙基本定律。如果你有量子计算机,那么你可以模仿自然量子定律,所以我们正在获得一部分与大自然进行真正联系的能力。我们还没有理解大自然是如何运作的。但如果我们能在第二个问题上取得进展,能够理解自然智慧,那么也许我们可以将量子和人工智能结合起来实现量子人工智能,它将产生一种在宇宙中无可比拟的惊人算法。深度学习和人工智能的发展,让我们可以重新审视计算机科学的本质。非常感谢!

(以上内容为Michael I. Jordan、Daniela Rus、姚期智在“2018世界人工智能大会”上的发言节选)

举报
一财最热
点击关闭