【时讯】专访迈克尔·乔丹：几百年内Ai不会觉醒，谷歌也不一定能赢

本篇文章4071字，读完约10分钟

迈克尔·乔丹这个乔丹非飞人乔丹 他是统计学和计算机科学家，现在研究的行业是一般人口的人工智能( ai ) 权威学术巨头搜索引擎semantic scholar在2105年排名，在计算机科学行业最有影响力，迈克尔·乔丹名列第一 而这个乔丹门下的英雄，深度学习行业的大牛蒙特利尔大学教授yoshua bengio、百度首席科学家吴恩达、斯坦福大学教授percy liang等都是徒弟 现在人类对人工智能的恐惧每天都在研究黑洞的英国物理学家霍金认为人类会创造出人类一样的新物种，最终消灭人类。 人工智能到底会怎么样，年12月17日，迈克尔·乔丹在第二届“复旦科技创新论坛”上发表了演讲。 他首先告诉听众，他对人工智能、大数据的学习期待过高，现在正在迅速过热。 他意外地告诉听众，这个全民关注的显著学校现在还处于初期阶段，还没有成为系统化的理论科学，理论化处理有很多困难的课题。 演讲后，他回答了霍金的担忧。 “霍金研究行业不同，他的论述听起来像外行，机器人毁灭人类的可能性在几百年内不会发生。 迈克尔·乔丹认为，通过研究人脑的运行机制，从生物学路径模仿人脑这样的人工智能，以现在的进展长期无法实现。 根据具体的人工智能研究，迈克尔·乔丹认为人工智能最初被突破的行业是人机对话，而且成果是帮助人类解决日常事务并做出决定的家用机器人。 霍金是外行人的澎湃信息:人工智能、神经网络几十年了，迅速发展的历史起伏不定，神经网络的研究在历史上屡受挫折，人工智能的研究方向是计算机科学，不是所谓的脑科学 迈克尔·乔丹:我不认为神经网络经历了起伏，神经网络的迅速发展带来了非常重要的理论贡献。 你说的起伏是因为计算机的性能与它大量计算的诉求不一致。 计算机的硬件、软件和计算数据一旦它们赶上理论的快速发展过程，神经互联网就会发挥自己的特点。 情报:霍金担心人工智能，但微软科学家说电脑有自我意识。 你觉得怎么样？ 迈克尔·乔丹:霍金不是人工智能的研究者，而是外行 计算神经生物学最近没有太大突破，几乎在几百年后就会取得进展，但我保守地看待这方面的迅速发展 信息:你没有看到通过研究脑科学获得大脑一样的计算能力的研究方向吗？ 迈克尔·乔丹:这是一个非常难的问题。 首先，人们对大脑的运行机制还不熟悉。 现在，为了详细理解所有细胞的功能机制，需要进行细致的研究。 现在，计算机视觉技术主要通过分解照片和视频来模拟人脑的识别是不够的 比如我想研究上海的经济状况，空的简单航空照片就不知道了。 这个做法太粗了 其次，以前科学家把行星的运行比作原子内的结构，前提是我们深刻理解行星运行的机制。 目前，虽然人脑的研究开发了人工智能，但人脑对机制的认识还非常浅，因此这个方向是未知的探索 职场被机器人取代是势在必行的信息:人工智能取代职场肯定会发生吗？ 迈克尔·乔丹:职场被机器人取代是大势所趋。 就像代替出租车司机自动驾驶一样，交通可以更安全，但经济影响不容忽视 比如出租车司机和工人被机器取代，他们的生活怎么样，他们是否被安排了新的工作，是非常重要的社会问题，用科学技术处理不了 人不是被机器毁灭，人只会被自己毁灭 澎湃情报:现在连接人脑和电脑玩游戏。 这是研究人脑获得人工智能的佐证吗？ 迈克尔·乔丹:可以，但发挥的作用有限。 这项研究粗略，大脑精巧，不是看你的行动能研究你的思维是什么样的。 大数据明显过热了。 以前认为大数据过热，现在处理了很多大数据的数学和工程问题，发生了大数据的冬天。 但是现在有非常多的企业进入了这个行业。 你觉得冬天会来吗？ 迈克尔·乔丹:大数据明显过热 非常重要的科学问题是在大规模、大规模的深度学习中如何处理大规模的数据 但是，在大数据观察中需要建立正确的数据模型，但现在存在着不能将错误的数据模型彻底归零的非常重要的问题 但是大数据的冬天还没有来。 现在也有很多好主意，可能有冷却时间，也许不是冬天。 但是，大家对大数据的期待太高了 看看人机对话，自然语言解决的突破信息。 人工智能最先取得突破的是哪个？ 迈克尔·乔丹:计算机视觉行业已经有了很好的突破，但我在看人机对话，自然语言解决的突破。 这些是在变化或者即将发生的变化。 例如，谷歌的翻译系统最近取得了非常好的成果。 下一个行业的突破是，在家用机器人方面，小机器人在日常生活中与人进行人机交互，这是多方面应用的人机交互，是计算机视觉，以及综合场景的解决。 家用机器人理解你的日常生活模式，学习它，进行下一步的服务是正在进行中的突破。 另一个是正确的医疗，我非常看好。 前途非常不确定，因为需要在理解患者的历史数据后，进行可能到来的疾病的诊断、预测和治疗。 谷歌现在可以在各个行业帮助别人。 不是谷歌，什么都知道。 如果是谷歌，你可以搜索，了解这些知识。 人工智能的下一步可以帮助人们做出决定和做出决策，这是更深入的逻辑运算 信息:掌握最多数据的企业认为他们学习更有特点，但现实中其他企业的机会在哪里？ 迈克尔·乔丹:首先是数据量的问题。 深度学习取决于企业正在解决什么样的数据。 例如，精确的医疗、电子商务和专业企业有大量的数据，但个人不关心这些数据。 另外，在数据质量问题上，大企业很可能有更好的数据质量，比如美国推特、中国微博，每天都产生大量的数据，但这些数据之间的关系比较弱，普通人没有兴趣，只有大企业 还有信用卡和金融数据，可以分解大家的购买习性。 这对个人来说是非常有用的 这也是数据量大的企业能做的事 另外，数据收集有很大的挑战，如何引起人为的损害和污染，保证数据的质量是重要的问题 澎湃情报:人工智能方面最先突破的是谷歌和亚马逊这样的大企业吗？ 迈克尔·乔丹:这是一个非常重要的问题，但对于年份，研究机构最有可能被突破，未来怎么说？ 但是过去30年的经验是人工智能的研究由研究机构领导。 为迈克尔·乔丹在第二届“复旦科技创新论坛”和第一届“复旦-中植科学奖”上的演讲，复旦大学大数据学院张楠进行了整理。 以饕餮网民 大数据的世纪课题---在建立缺乏理论化科学系统的大规模数据系统时，设计师一般必须面对准确性和计算速度的取舍，目前没有指导我们的科学化系统 这个指导系统的重要性类似于指导人们建设房屋和桥梁，不断实践，改正错误，最后理论化提炼土木工程这一科学，应对建筑工程中遇到的所有问题。 在大数据时代到来之前，我们在相关行业取得了计算机科学、统计学、机器学习等很多成果。 但是当我们面对大数据的新问题时我们没有科学的处理方案。 这是世纪的挑战。 这是因为我们不能简单地套用现有的做法，要从科学的角度认真思考，找到科学的做法，其中重要的是把计算思维和推测思维结合起来。 几十年来，研究者致力于用机器代替人类进行特定的活动 有些领域取得了巨大的成功，比如google这样的大搜索引擎。 我们在空的白色框中输入关键字，很快就能得到我们想要的答案 对这个搜索框来说，其背后的技术在几十年间迅速发展，通过数据的日益积累和算法的改进，形成了现在非常个性化的服务系统 在硅谷，许多公司开发了类似的个性化大数据系统，包括设计、大规模搜索引擎、电子商务和准确的医疗保健 他们在数据流入的情况下，通过调整参数和尝试不同的模型，提高了预测的正确性。 比起抑制错误的比例，企业更在意错误的绝对数量不会随着数据的增加而增加。 而且，大数据带来的另一个课题是对计算速度的要求 数据越多，解决所需的时间也就越长 高度个性化的精确服务系统，如果运行缓慢，客户将不满意 例如，每个大型搜索引擎的响应时间从前几秒优化为当前的几毫秒 从更长期的角度来看，今天有tb(1024gb )级的数据，几年后有pb(1024tb )级的数据。 丰富的数据在系统个性化、准确度方面可以采取几个步骤，但计算速度也有望越来越快 计算思维来自计算机科学，是思考用户问题的抽象化、模块化、扩张化、稳健化等做法，不一定只是编程 计算机专业的学生在这些方面受过良好的训练但被大家忽视也是特别重要的推理思维 推理思维不是新思想，有几百年的快速发展历史，它是统计学中最核心的 推理思维强调，必须获得数据，考虑数据从哪里来，背后的真实世界是什么样的，数据是如何从真实世界采集的，没有采样偏差等。 遗憾的是，计算科学和统计学长期独立迅速发展，到了现在的大数据时代，两个学科的交叉给这两个学科带来了真正的机遇，带来了挑战。 另一方面，计算机科学家不太了解统计估计，所以他们把这方面的研究命名为机器学习 但是，机器学习只是把模型应用于数据，没有关注推定问题和样本与整体的关系，也没有提到统计学上的偏差和因果推定的副本 另一方面，一直以来统计学理论都关注损失、风险、随机性等概率性质，关于计算时间的概念极少 我们举医疗研究的例子来体验计算思维和推理思维的区别和联系 假设有存储患者健康新闻和医疗记录的数据库。 如果您有直接查询的权限，可以获得所需的消息，然后执行以下操作: 但是，为了保护隐私，我们一般只能查询随机化的间接新闻 计算思考的问题是，如何根据间接新闻的结果得到接近原始观测的结果，使用这些扰动的数据，能否和使用原始数据时一样进行良好的预测。 推断思考立场是完全不同的 我们一般假设数据库中所有患者的消息都只是对未知真相的抽样观测.。 我们关注的不仅是任何消息已经存在于数据库中的患者，还关注数据库中不存在但类型相似的患者。 那么，统计学家关注的是基于数据库的直接新闻结果在多大程度上与现实世界的结果近似 这是几十年前这两个行业分别研究的问题 如何把这两种思维联系起来 因此，在这个医疗数据隐私的例子中，我们关心的问题是如何利用随机化的间接新闻来获得接近现实世界的结果。 推理思维起着连接现实世界和间接新闻的桥梁作用 因此，大数据带来的挑战层出不穷，在结合两种思维的同时认真研究新问题是真正的核心 无论对理论感兴趣还是对实践感兴趣我们都要为有越来越多的机会而兴奋 (本文来自澎湃信息，越来越多的原始信息请下载《澎湃信息》app )

来源：罗马观察报