邯郸市锦诚网络科技有限公司竭诚为您服务,服务涵盖|邯郸软件开发|邯郸APP开发|邯郸OA|邯郸软件|邯郸APP

邯郸市锦诚网络科技有限公司

示例图片三
网站首页 > 新闻资讯 > 业界资讯

对话Gregory:机器智能和人类智力就像飞机和鸟一样不同

2017-12-13 15:47:48 邯郸市锦诚网络科技有限公司 阅读


对话Gregori机器智能和人类智力就像飞机和鸟一样不同

人物观点:

机器智能将会和人类的智力大不相同,就像飞机的飞行和鸟是不一样的飞机并没有模仿鸟类,而是受到鸟类的启发。

相比担心人工智能取代人类工作,更担心由此导致财富和社会利益的分配越来越不平等。GregoriPiatetsky-Shapiro

GregoriPiatetsky-Shapiro数据科学家,数据挖掘和机器学习网站KDnugget总裁KDD知识发现和数据挖掘会议)联合开创人作为商业分析、数据挖掘和数据科学领域的领军人物,Gregori如何看待人工智能与数据科学的发展?

谈人工智能定义:目标是不时变化的

问:如何定义人工智能?

Gregori人工智能指的机器去做那些人类认为需要智能的事情,所以从这个定义来讲人工智能的目标是不时变化的20世纪50年代,人们认为玩西洋跳棋是需要智能的紧接着就有了一个程序。后来象棋取代西洋跳棋成为讨论对象,但后来电脑也完成了后来,人们认为玩围棋将是非常困难的或者是驾驶汽车。通用人工智能是指一个领域,这个领域人们试图开发智能机器。那么什么是智能呢?相信我会讨论这个问题,但通常人们会各持己见。

问:认为从人工智能这个词中产生的很多问题在于,人们对于“智能”并没有统一的定义。所以,说,如果我一直在改变人工智能的目标,那听起来就像是说,今天没有那么智能的系统。

Gregori不是今天的很多系统,20年甚至10年前都被认为是非常智能的进步非常大,所以我认为这些系统很有可能会在许多领域逾越我智慧,可能并不是所有领域,但在许多狭窄的明确的领域,已经超出了智力。现在拥有的很多系统都发挥着各自的作用。但我没有任何系统是完全智能的也就是现在新术语AGIArtificiGenerIntellig即通用人工智能。这些系统在未来仍将处于领先地位。

谈通用人工智能:可以实现,但需要更多突破

问:让我来谈谈AGI现在拥有一套技术,能够构建我今天所使用的不完全的或者“狭窄”人工智能。认为实现“AGI只是继续应用更快的芯片,更好的算法,更大的数据集,等等这些吗?或者你认为一个AGI真的一个性质完全不同的东西吗?

Gregori认为从本质上讲,A GI一种不同的东西,但我认为它不只是可以实现的而且是不可防止的人类也可以被认为是生物学机器,所以除非我拥有一些不同寻常的不能转移到机器上的技能,否则我认为那些最聪明的人很有可能会开发出一些最智能的算法,并且机器最终可以实现AGI而且我相信这将需要更多的突破。比方,深度学习就是一项重大突破,对艺术领域的进步做出了巨大的贡献,想我将会看到实现AGI这一目标之前有其他重大的突破。

问:会看到人们对实现AGI时间的预测范围大概是5年到500年,就我经验来讲,这是一个很有说服力的事实,大概就是这样一个时间范围。会将目标对准这一领域吗?认为你会活到呈现的时候吗?

Gregori作为一名数据科学家,专长就是做出预测,所以我知道我现在并没有足够的信息。觉得没人真正知道这一时间。并没有能作出预测的根据。希望这个时间不是5年,而且我认为,作为一个社会人的经历标明,并不知道如何从现在起对100年内的事情做出预测。那些所谓的未来学”文章很能说明问题—人们50年前写了这些文章来预测50年后会发生什么,但是看看50年前那些人的想法是多么天真。认为我不会对50年内会发生的事情做出很好的预测。不知道这个时间到底是多久,但我想可能会超过5年。

问:有些人认为,意识使我变得智慧,并且意识是组成我智力的不可或缺的一部分。认为一台机器需要具备意识才干实现“AGI吗?

Gregori并不真正了解什么是意识。认为机器智能将会和人类的智力大不相同,就像飞机的飞行和鸟是不一样的飞机和鸟类都能够飞行,飞机飞行所用到空气动力学和物理学原理与鸟类相同,但它工作原理却截然不同。飞机并没有模仿鸟类,而是受到鸟类的启发。认为,同样地,可能会看到机器智能不会复制人类的智慧或人类的意识。意识到底是什么?这更像是一个哲学问题,但它可能涉及某种形式的自我意识。当然可以看到机器和机器人已经可以发展自我意识。大家都知道,自动驾驶汽车已经需要做一些这样的事情了需要知道自己的确切位置。需要预测未来会发生什么。需要知道,如果它做某件事情,其他汽车会怎么做。有一种被称为思维模式的形式,即镜像智能。关于这个话题,一个有趣的轶闻是当谷歌的自动驾驶汽车最初开始试验时,无法穿过十字路口,因为它总是向其他车辆屈服。遵循的提前设定的规则,但不是人们实际执行的规则。所以它被困在那个十字路口大概一个小时左右。然后工程师们调整了算法,这样它就能更好地预测人们会做什么,以及它会做什么,现在已经可以顺利通过十字路口了就具备某种形式的自我意识。认为其他机器人和机器智能会发展出某种形式的自我意识,否会被称为意识,将会是后代讨论的

对话Gregori机器智能和人类智力就像飞机和鸟一样不同

问:认为电脑真的能体验到像意识这样的东西吗?难道不需要先体验世界才干变得真正聪明吗?

Gregori如果电脑有传感器,实际上他已经体验过这个世界。自动驾驶汽车正在通过它雷达和激光雷达和其他各种传感器来感受这个世界,所以他确实有这种体验,而且他确实有传感器。认为讨论计算机的意识是没有意义的讨论这个问题就像去讨论“针的针脚上能够容纳多少个天使”认为我可以讨论的能做什么或者不能做什么。至于它如何经历的这更像是哲学家应该讨论的问题。

问:AGI领域有两个不同的阵营。其中一个阵营认为,人类有100200或300种不同的技能,把它放在一起,就组成了人类。另一个是节目中请到过佩德罗·多明戈斯,有一本书叫做《主算法》这本书假设,存在一种算法可以以人类的方式解决任何问题,或者说任何能够解决的问题。赞成哪种观点?认为存在一种简单的方法来实现AGI吗?

Gregori不认为有简单的方法存在实际上,佩德罗的好朋友,去年我书中主持了网络直播。但我认为他寻找的主算法可能存在但这并不排除有很多额外的专门技能。认为有很好的证据标明,人类存在一般意义上的智力”例如,人们SA T和数学上的得分是不同的知道我语文分数比我数学分数低得多。但通常如果你某项效果高于平均水平,那么你另一项效果也会逾越平均水平。同样地,如果你某项效果低于平均水平,其他效果也会低于平均水平。人们似乎也有一些“通用技能”此外还有很多专业技能。比方,可以成为一名伟大的棋手,却不知道如何演奏音乐,反之亦然。认为有一些通用的算法,其他很多专门的算法可以利用这个领域的特殊结构。可以这样想,当人们开发国际象棋顺序时,最初会应用一些一般的算法,但后来他发现,可以通过建立专门的硬件来加速这些顺序,而这些硬件只针对国际象棋。同样地,当人们学习一项新技能时,通常会以一种一般化的方式作为开始,然后逐渐发展专业技能,加速他工作。认为人工智能领域也是同样的道理。可能会有一些通用的算法,但也会有方法开发很多特殊技能,这些技能可以利用任何具体或特定的任务。

谈AI取代人类工作:更担心AI导致财富和社会利益分配不平等

对话Gregori机器智能和人类智力就像飞机和鸟一样不同

问:人们关于人工智能有两大担忧。第一个担忧就是人工智能将会取代人类的工作,所以他将会有大量的失业,许多反乌托邦电影都在上演这一场景。然后其他人说,不是这样的随之而来的每一项技术,即使是破坏性的技术,比如电力,机械动力取代动物力量等等,只是被人类用来提高他生产力,而这也是人类生活水平提高的原因。这个问题上,怎么看?

Gregori相比于乐观的想法来说,担心更多一点。乐观的地方在于,相信技术会进步。但是担心,这将导致财富和社会利益的分配越来越不平等。马萨诸塞州,曾经有很多收费员。收费并不是一项非常复杂的工作,但是最近他被淘汰了而淘汰它机器不需要完全的智能,基本上只是一个射频识别传感器。因此,已经看到许多工作被一种更简单的自动化方式所淘汰。而社会对此该做些什么,目前没有人知道。认为之前像这样的中断有更长的时间跨度。但是现在当像这样的收费员被裁员时,没有足够的时间来重新学习新的技能,比如成为计算机顺序员或医生。也不确定我能为之做些什么。但我喜欢来自斯坦福大学Coursera吴恩达的提议。提出了基本收入”修改版,即失业和找不到工作的人可以获得某种形式的基本收入。但他不能坐以待毙,必需学习新的技能,学习一些新的和有用的东西。所以也许这是一个可能的解决方法。

问:除去大萧条时期,美国230年来的失业率一直在5%9%之间,并没有超出过这个范围。当这些具有高度颠覆性的技术出现时,呈现的很快,并且消除了大量的就业岗位,但它并没有导致总体失业率上升。为什么你认为这次的情况会有不同?

Gregori认为这次情况不同的主要原因是性质上跟以往是不同的以前,像蒸汽和电力驱动的机器,会消除一些手工工作,所以人们可以爬到金字塔的顶端,去做更复杂的工作。但如今,人工智能在某种水平上已经掌握了这种技能金字塔,现在与人们竞争是认知技能上的最终会爬到金字塔的顶端,所以没有地方可以逾越它而且一旦人们制造出某种通用人工智能,很容易被复制的所以就会有一个非常大的数字,也就是说,智能机器人会做很多事情。会和人竞争去做其他事情。比如说,一个煤矿工人是很难被重新训练为YouTub视频制作者的

问:但这并没有真正发生,吗?意思是这两种工作之间相差太远了不是吗?重要的不是每个人都可以去做一份比现有工作稍微复杂一些的工作呢?永远不会带着一群人去训练他去做一件完全不同的事情,对吧?

Gregori回到类比,提到美国200年来的模式是这样的但是知道,美国并不是世界上唯一的国家,而且200年只是历史上很小的一部分。回顾了几千年的历史,观察了南方发生的事情,看到非常复杂的过程。中世纪时的失业率远高于5%或10%

问:用200年来举例是因为这是所经历的工业化和自动化时期。意思是人工智能将会使人类工作自动化,所以你只需要观察过去那些出现过工作自动化的时间,然后就得出“大量工作被自动化取代时会发生什么”结论吗?意思是根据你类比,计算器的发明难道不会让数学家们失去工作吗?意思是就像ATM机一样,从理论上讲,ATM机取代了银行柜员。然而,现在银行柜员比ATM机刚刚推出时还要多,因为ATM机的出现也使得银行能够开设更多的分行,雇佣更多的柜员。意思是其中的逻辑真的就这么简单吗,嗯,已经建好了一个工具,所以现在有一台机器正在做人类的工作,所以就有一个人会失业。这个人只能提供一种工作吗?

Gregori这并没有那么简单,有很多因素在起作用。正如我18世纪的卢德派所看到那样,有一些力量可以抵抗革新。现在有一些人,比如煤矿矿区,想要回到煤矿开采。当然,事情并没有那么简单。想说的只有几个工业革命的例子,而且正如数据科学家所说,很难从少数几个例子中归纳出结论。过去的技术确实带来了更多的工作,这是事实。这并不意味着这项与以往不同的新技术将为所有人带来更多的工作。情况很有可能是非常不同的不能依靠三四个过去的例子来概括未来。

谈数据科学领域:数据科学家生活在黄金时代

对话Gregori机器智能和人类智力就像飞机和鸟一样不同

问:会如何度过你数据科学领域的每一天?认为哪些最近的进步能实质性地改变数据科学家的工作?存在这样的进步吗?否看到有一些其他东西即将改变并且已经开始改变?比方,随着技术的变化,数据科学领域的工作是如何演进的

Gregori数据科学家现在生活在这个领域的黄金时代。现在有了更强大的工具,可以让数据科学变得更容易,像PythonR这样的工具。Python和R都有非常庞大的工具生态系统,比方在Python中的scikit-learn或者哈德利?韦翰在R中提到理论。还有一些像Spark这样的工具,让数据科学家可以访问大量的数据。因此现在数据科学家建立模型要容易得多,也要快得多。数据科学家面临的危险同样也是自动化,因为这些工具让他工作变得更加容易,而且很快自动化也将取代他工作中的一大局部。实际上,已经有像DataRobot这样的公司,那些不是数据科学家的企业用户可以利用DataRobot或者他竞争对手的工具插入数据并生成结果。不再需要数据科学家。这种情况在许多领域已经发生了例如,互联网上的广告是自动放置的现有的算法可以每秒做出数百万个决策,并建立大量的模型。同样,没有人参与其中,因为人类无法每秒完成数百万个模型。许多领域,这种自动化已经在发生了最近我KDnugget上进行了一项民意调查,认为什么时候数据科学的工作将会自动化”然后,人们给出答案的中位数大约是2025年后。因此,虽然这是数据科学家的黄金时代,但我认为他应该享受这一过程,因为没有人知道未来810年将会发生什么。

问:所以,马克·库班在今年早些时候做的演讲中谈论到第一批亿万富翁将会是利用人工智能的企业。但是还说了一些很有趣的事情,说如果他再上大学,会学习哲学。这会是最后一件会被自动化的事情。会对今天的年轻人说些什么呢?认知领域有可能会开花结果,也可能会逐渐消失,认为他应该在这一领域学习什么呢?

Gregori认为现在需要学习的很大程度上是人文和科技的交叉点。如果我还年轻,还是会选择学习机器学习和数据库,也就是30年前攻读博士学位的时候所学的但我可能会学习更多的数学。深度学习算法正在取得巨大的进步,这与数学密切联系。另一方面,可能最难实现自动化的人类的直觉和同理心,理解他人的需要和想要的东西,以及如何最好地与他建立联系。不知道这能被研究多少,但如果哲学、社会研究或诗歌是通往胜利的途径,那么我就鼓励年轻人去学习它认为我需要一个平衡的方法,不只仅包括技术,还有人文学科。

问:广泛地来讲,觉得数据科学依赖于三件事:依赖于硬件,越来越快的硬件,越来越好的数据以及更好的标签;然后是越来越好的算法。如果你不得不把这三件事放在一起比拟,哪里效率最高?如果你能把其中的一件事放大,会选择什么呢?

Gregori现有的算法中,似乎更多的数据会比更智能的算法发生更好的结果,特别如果它相关数据的话。例如,对于图像识别,当深度学习在数百万张图像上进行训练而不是数千张图像上训练时,就会发生一个巨大的量化跳跃。但我认为,需要的下一个重大进展是拥有更智能的算法。深度学习的一大缺点是所要求的数据量太大了人类似乎能够利用很少的例子学习,但我现有的算法还无法做到这一点。站在对算法有利的立场上,不得不说,当我说人们可以利用很少的例子学习时,假设他成年人,并且已经花了30或40年的时间与世界进行互动。因此,如果算法可以花几年时间来训练和与世界互动,就会获得足够的知识,这样它就可以利用有限的例子来推广到其他类似的例子了认为可能先是数据,然后是算法,然后是硬件。这就是排序。

谈迁移学习:人类自身并不完美

对话Gregori机器智能和人类智力就像飞机和鸟一样不同

问:如何看待计算机的迁移学习?否认为我将能够使用我已经非常幼稚的数据集,比如图像1或者手写识别,或者语音翻译,将能够使用这些数据来解决那些与之完全无关的问题吗?现在做得很好的东西中,有没有什么是可以应用到那些我没有掌握很好的数据的东西上的

Gregori觉得有。因为世界自身就是最好的代表。最近我读了一篇论文,将反向迁移应用在ImageNet上,结果发现,一个已经被训练去识别,不记得具体是什么了比如说猫的深度学习系统,并不能识别反向转移的猫,因为它不具备这种反向迁移的能力。但如果你只是训练时加入反面词汇,这是很容易纠正的认为可能有大量的迁移行为是人类所熟悉的比如反向迁移、旋转迁移和其他形式。很有可能的通过对非常大的现有数据库进行这种转换,可以教这些机器学习系统达到并超越人类的水平。因为人类自身并不完美。

问:刚才我谈到人类的知识,以及人类是如何完成事情的并且我将要把它应用到计算机当中。认为人工智能研究人员能从大脑科学中学到很多东西吗?能从心理学中学到很多东西吗?还是说它更便于讲故事或帮助人们理解事物?

Gregori认为一些人工智能研究人员受到人类如何做事的启发,最主要的例子是GeoffHinton一个了不起的研究人员,不只因为他所取得的成绩,而且他对计算机和人类意识都有非常好的理解。曾经跟他对话过几次,说,利用自己的知识所了解到人类大脑的工作原理,新算法的灵感来源。同样,不是复制它而是作为算法的灵感。关于你问题,认为人类意识与理解智力是如何实现的很相关,正如GeoffHinton所说,这是目前唯一的例子。

问:可以轻松地让人工智能下棋,因为有很多人努力地完成了一些并不容易的工作,但也因为有很多保管完好的游戏记录,可以训练数据。可以很好地进行手写识别,因为我有很多手写的字迹,而且已经被转录。机器翻译很好,因为有大量的训练数据。如果我没有提供这些数据,或者没有很好的方法能得到这些数据,那么这些问题是可以解决的吗?比方,如果我唯一的障碍是没有数据,有什么问题是可以解决的呢?

Gregori认为处在这类问题的前沿的医学诊断,因为有很多的疾病数据已经存在只是可能不是以电子形式收集的有很多遗传信息可以被收集并与疾病和治疗相关联,这是行得通的同样的这些数据还没有被收集,但谷歌和23andM以及其他许多公司正在研究这个问题。医学放射学最近在一家名为“Enlitic守业公司取得了巨大的胜利,那里,能够利用深度学习来识别肿瘤,准确度几乎和人类放射科医生一样。因此,认为在医药和医疗领域,将看到巨大的进步。其他许多有大量数据的领域,也可以看到巨大的进步。但数据的另一面,或者说我能触及到至少在某些政治派别中,人们正在失去对它真实性的信任。去年的选举中,大量虚假新闻报道似乎造成了重大影响。因此,虽然我正在训练机器,让它能够更好地识别什么是真的但是很多人也正在失去判断什么是真的以及什么正在发生的能力。可以去看看这个国家有多少人否认气候变化。


Powered by MetInfo 5.3.14 ©2008-2018 www.metinfo.cn