0
| 本文作者： 楊曉凡 | 2018-05-21 15:04 |
雷鋒網(wǎng) AI 科技評論按：經(jīng)過過去五年的發(fā)展，AI 已經(jīng)從一種玄學(xué)概念發(fā)展成了科技產(chǎn)業(yè)最大的希望之一。計(jì)算機(jī)已經(jīng)能夠識別人臉和事物、理解人類說出的話，以及翻譯多種語言。谷歌母公司 Alphabet，亞馬遜，蘋果，F(xiàn)acebook 和微軟這些全球最大的科技巨頭們，都已經(jīng)很大程度上將自己的未來押在了 AI 上面，他們開啟了一輪「誰先打造出更智能的機(jī)器」的 AI 競賽。巨頭們的 AI 競賽點(diǎn)燃了 AI 技術(shù)，幾乎是一夜之間特斯拉的自動(dòng)駕駛汽車已經(jīng)奔馳在路上，而亞馬遜語音助手 Alexa 也正和你的孩子聊天。但 AI 并不是一晚上建成的，也非單個(gè)硅谷公司的獨(dú)立作品。
現(xiàn)代 AI，也就是神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)，背后的歷史可以追溯到二戰(zhàn)的最后的階段。那時(shí)候，學(xué)者們剛剛開始試著打造能像人腦那樣存儲和處理信息的計(jì)算機(jī)系統(tǒng)。自此開始的幾十年間，這項(xiàng)技術(shù)起起伏伏的發(fā)展著，但是它直到接近 2012 年才開始廣泛的受到計(jì)算機(jī)科學(xué)家的青睞，這多虧了一小撮不懼被當(dāng)成傻子的固執(zhí) AI 研究者的堅(jiān)持。他們始終堅(jiān)信神經(jīng)網(wǎng)絡(luò)將點(diǎn)亮世界，并改變?nèi)祟惖拿\(yùn)。
這些先驅(qū)者們散落在世界各地，不過投身神經(jīng)網(wǎng)絡(luò)研究的學(xué)者們在加拿大這個(gè)地方尤其集中。其實(shí)他們能來加拿大很大程度上只是因?yàn)檫\(yùn)氣好：神經(jīng)網(wǎng)絡(luò)的研究在當(dāng)時(shí)無論如何都算不上時(shí)尚，那時(shí)候由政府支持的加拿大高級研究所（CIFAR），通過資助神經(jīng)網(wǎng)絡(luò)研究的方式吸引了一小撮專業(yè)學(xué)者來到加拿大。這其中就包括如多倫多大學(xué)的 Geoffrey Hinton 和 Yann LeCun，蒙特利爾大學(xué)的 Yoshua Bengio，阿爾伯塔大學(xué)的 Richard Sutton 這樣一些計(jì)算機(jī)科學(xué)家們，給了他們機(jī)會(huì)分享自己的研究理念、堅(jiān)守自己的研究事業(yè)。這些固執(zhí)的計(jì)算機(jī)科學(xué)家們提出了很多加速 AI 發(fā)展的概念，到現(xiàn)在，所有這些早期概念都被認(rèn)為是現(xiàn)代 AI 的基石，這幾個(gè)人也被認(rèn)為是 AI 的「教父」。本文接下來要講述這樣一個(gè)有點(diǎn)奇特的故事，該故事取材自 Bloomberg 記者 Ashlee Vance 對他們各自采訪的內(nèi)容，這些內(nèi)容包括「神經(jīng)網(wǎng)絡(luò)為什么花了這么久才發(fā)揮作用？」「熱愛神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)科學(xué)家是如何抱團(tuán)在一起的？」「為什么全世界這么多地方里就選擇了加拿大？」這一切最終都成為了智能機(jī)器崛起的舞臺。
雷鋒網(wǎng) AI 科技評論全文編譯如下。
加拿大總理 Justin Trudeau ：廣泛意義上來講，AI 指的是一臺計(jì)算機(jī)能夠模擬人類想法或行為的電腦。在這種定義下，就誕生了機(jī)器學(xué)習(xí)的概念，其中你會(huì)讓計(jì)算機(jī)反復(fù)做一個(gè)實(shí)驗(yàn)。這種情況可能是模擬一輛自動(dòng)駕駛汽車在道路上行駛，或者機(jī)器嘗試認(rèn)出照片里的一只貓。
在這一理念下，就涉及到了機(jī)器學(xué)習(xí)的一個(gè)叫做深度學(xué)習(xí)的子集方法。深度學(xué)習(xí)的總體思想是打造一個(gè)神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)中的權(quán)重和偏倚可以進(jìn)行調(diào)節(jié)，直到網(wǎng)絡(luò)給出理想的輸出。深度學(xué)習(xí)可以讓計(jì)算機(jī)的問題解決能力迭代進(jìn)化，這也就是 Geoff Hinton 和其他科學(xué)家們在過去幾十年里真正研究的東西，深度學(xué)習(xí)也是當(dāng)前 AI 技術(shù)最讓人激動(dòng)的基礎(chǔ)所在。深度學(xué)習(xí)在模仿人腦思考方面的表現(xiàn)也更加出色。
Cade Metz，紐約時(shí)報(bào)記者，《A Forthcoming History of AI》一書的作者：神經(jīng)網(wǎng)絡(luò)的靈感要追溯到 1940 年代，當(dāng)時(shí)有人提出構(gòu)建一種能模擬人腦內(nèi)神經(jīng)元網(wǎng)絡(luò)的計(jì)算機(jī)系統(tǒng)。但是就在不久后的在 1950 年代，一個(gè)叫做 Frank Rosenblatt 的人真正地推動(dòng)了這樣研究的發(fā)展。Frank Rosenblatt 教授當(dāng)時(shí)也與美國海軍以及其他政府部門進(jìn)行合作研究，基于神經(jīng)網(wǎng)絡(luò)的概念他開發(fā)出了這種名為「感知機(jī)」的東西。當(dāng)他曝光自己的成果時(shí)，紐約時(shí)報(bào)和紐約客這樣的雜志將其放在了最顯眼的位置進(jìn)行了報(bào)道。
Rosenblatt 聲稱這個(gè)感知機(jī)將不止能做如識別圖像這樣的小任務(wù)，理論上還能教機(jī)器行走，說話和做出表情。但是感知機(jī)僅僅有一層神經(jīng)元，這也就意味著它能做的事情極其有限。更不用說，實(shí)際上他承諾的該設(shè)備的功能一項(xiàng)也沒有實(shí)現(xiàn)。
當(dāng)時(shí)，Rosenblatt 的一個(gè)同事名叫 Marvin Minsky，Minsky 也碰巧是在 Rosenblatt 在 Bronxt 讀高中時(shí)的同學(xué)，Minsky 在 1960 年代寫了一本書，他在書中詳細(xì)地介紹了 Rosenblatt 開發(fā)的感知機(jī)和神經(jīng)網(wǎng)絡(luò)的局限性。幾乎就是因?yàn)檫@本書，神經(jīng)網(wǎng)絡(luò)這一領(lǐng)域的研究至少被冰凍了十年之久。
Geoff Hinton：Rosenblatt 的感知機(jī)本來能夠?qū)崿F(xiàn)一些有趣的事情的，但是他超前了大約 50 年。盡管同學(xué) Minsky 也曾經(jīng)可以算作神經(jīng)網(wǎng)絡(luò)的信徒，但他在書中顯示出了他們解決不了的東西。這本由 Minsky 和 Seymour Papert 寫的書《Perceptrons: An Introduction to Computational Geometry》基本上將這一領(lǐng)域的研究判了死刑。
Metz：Geoff Hinton，一開始在 CMU，后來在多倫多大學(xué)，一直都在堅(jiān)持著神經(jīng)網(wǎng)絡(luò)的想法。他和他的合作者們最終開發(fā)出了一種多層的神經(jīng)網(wǎng)絡(luò)，也就是深度神經(jīng)網(wǎng)絡(luò)，這種網(wǎng)絡(luò)終于開始在各種不同的任務(wù)中大顯神威。
法國出生的計(jì)算機(jī)科學(xué)家 Yann LeCun 也在多倫多的 Hinton 實(shí)驗(yàn)室里做了一年的博士后。后來 LeCun 去了美國新澤西州的貝爾實(shí)驗(yàn)室。
Yann LeCun：我很小的時(shí)候就對智能這一整個(gè)概念非常著迷。我長大的時(shí)候正是 1960 年代，那時(shí)候有太空探索、有最早的計(jì)算機(jī)和 AI 的出現(xiàn)。所以我開始學(xué)習(xí)工程學(xué)，我對人工智能非常感興趣，即便這個(gè)領(lǐng)域那時(shí)候才剛剛萌芽。
我聽說了感知機(jī)的事情，覺得很好奇，因?yàn)槲矣X得「學(xué)習(xí)」就是智能的一部分。我就各種途徑找到了所有關(guān)于感知機(jī)的東西來讀。作為一個(gè)工程師，有一條明擺著的途徑就是嘗試自己制造一臺有智慧的機(jī)器，它會(huì)促使你關(guān)注那些產(chǎn)生智慧需要的組件。這有點(diǎn)像是航空學(xué)的先驅(qū)們從鳥類身上得到啟發(fā)，但也同時(shí)也不是全盤照抄。我們其實(shí)不需要模仿生物智能或者是大腦，因?yàn)樗墓δ艿暮芏喾矫婢椭皇鞘苤朴谏锘瘜W(xué)或者生物學(xué)的基本規(guī)律，而不是真的和智慧本身有多大關(guān)系。就像羽毛對飛行來說不是必須的，真正重要的是其中隱藏的空氣動(dòng)力學(xué)原理。
Metz：有些人曾認(rèn)為LeCun是個(gè)徹頭徹尾的瘋子，他所做的研究都是徒勞。當(dāng)時(shí)，如果你參加大型人工智能會(huì)議，說自己研究的是神經(jīng)網(wǎng)絡(luò)，學(xué)術(shù)界主流肯定會(huì)把你排斥在外。當(dāng)時(shí)神經(jīng)網(wǎng)絡(luò)都是些邊緣研究。
Yoshua Bengio：在1985年，神經(jīng)網(wǎng)絡(luò)是邊緣研究，我在麥吉爾大學(xué)學(xué)不到這門課程。我學(xué)的是經(jīng)典的符號人工智能。所以我必須說服我的教授指導(dǎo)我研究神經(jīng)網(wǎng)絡(luò)。我獲得了政府獎(jiǎng)學(xué)金，所以我可以自行選擇研究主題，這對教授來說沒有任何損失。我和他達(dá)成了一項(xiàng)協(xié)議，我可以做機(jī)器學(xué)習(xí)，但我必須把這一研究應(yīng)用到他所關(guān)心的領(lǐng)域——語音識別。
LeCun：大約在1986年，當(dāng)時(shí)出現(xiàn)了一股神經(jīng)網(wǎng)絡(luò)浪潮。物理學(xué)家對這些模型產(chǎn)生了興趣，提出新的數(shù)學(xué)方法，這使得該領(lǐng)域再次被主流接受，這引領(lǐng)了上世紀(jì) 80 年代末和 90 年代初的神經(jīng)網(wǎng)絡(luò)浪潮。有些人制造了基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)來做一些實(shí)際的事情，比如信用卡詐騙檢測。我研究出一個(gè)基于符號識別來讀取支票的自動(dòng)化系統(tǒng)。
Metz：卡耐基梅隆大學(xué)的 Dean Pomerleau 在上世紀(jì) 80 年代末基于神經(jīng)網(wǎng)絡(luò)制造了一輛自動(dòng)駕駛汽車，這輛車可以在公共道路上行駛。LeCun 在上世紀(jì) 90 年代使用這一技術(shù)，建立了一個(gè)可以識別手寫數(shù)字的系統(tǒng)，最終這一系統(tǒng)被銀行所使用。
從80年代末到90年代，神經(jīng)網(wǎng)絡(luò)再次復(fù)興，出現(xiàn)了一些實(shí)際應(yīng)用，LeCun 的工作就是最好的例子。但之后又到了上限，主要原因是計(jì)算能力有限、缺乏可用數(shù)據(jù)。人工智能的冬天再次襲來。
Jurgen Schmidhuber：我們肯定沒有使用那些加拿大人（注：此處指 Bengio）的算法；他們在使用我們的算法。LeCun 本來是法國人，我們在用他的算法。這很好。他有很多的貢獻(xiàn)，這非常重要、非常有用。
我已經(jīng)與這些研究人員認(rèn)識很長時(shí)間了。我第一次見到 Yoshua 時(shí)，他與我的學(xué)生發(fā)表了同樣的研究，或多或少一樣，那項(xiàng)研究我的學(xué)生在四年前就發(fā)表了。幾年后，在一次會(huì)議上，我們攤牌了，所有的一切都真相大白。研討會(huì)上大家進(jìn)行了一場公開辯論，很明顯是誰先做的研究。這不會(huì)令人不悅，只是澄清事實(shí)而已。進(jìn)行科學(xué)研究就是澄清事實(shí)。
（而 Bengio 否認(rèn)了 Schmidhuber 的說法。）
LeCun：當(dāng)時(shí)的問題是這些方法需要復(fù)雜的軟件、大量的數(shù)據(jù)以及高性能的計(jì)算機(jī)。沒有多少人有機(jī)會(huì)利用這些資源，也鮮少有人樂意投資。
在上世紀(jì) 90 年代中期至 2005 年左右，人們選擇了更簡單的方法——沒有人真正對神經(jīng)網(wǎng)絡(luò)感興趣。對Geoff, Yoshua和我來說，這真是一段黑暗時(shí)期，我們并不感到痛苦，但會(huì)有點(diǎn)悲傷。我們認(rèn)為存在明顯潛力的研究，大家竟然選擇視而不見。
Hinton：當(dāng)然，我們一直相信神經(jīng)網(wǎng)絡(luò)，并致力于這一研究。但是工程師們發(fā)現(xiàn)，在小數(shù)據(jù)集上，其他的方法與神經(jīng)網(wǎng)絡(luò)相比也同樣有效或者更加有用，所以他們選擇了其他方法，認(rèn)為神經(jīng)網(wǎng)絡(luò)只是我們的一廂情愿。致力于讓神經(jīng)網(wǎng)絡(luò)更加有效的人在當(dāng)時(shí)相當(dāng)少。
CIFAR 讓世界各地與我們抱有相同想法的人有了更多交流。這時(shí)候到了轉(zhuǎn)折點(diǎn)。
LeCun：正是由于這一小群人堅(jiān)持認(rèn)為神經(jīng)網(wǎng)絡(luò)是正確的選擇，最終，神經(jīng)網(wǎng)絡(luò)重回大眾視野。2003年，Geoff 當(dāng)時(shí)在多倫多，CIFAR 找他做關(guān)于神經(jīng)計(jì)算的程序。我們聚在一起，決定努力重燃對工作的興趣。但是，發(fā)布我們的想法之前，我們需要一個(gè)安全的地方，來舉辦一些小型研討會(huì)和會(huì)議，真正地發(fā)展我們的想法。該項(xiàng)目于 2004 年正式啟動(dòng)，到 2006 年出現(xiàn)了一些非常有趣的論文。Geoff 也在《Science》上發(fā)表了一篇相關(guān)論文。
Trudeau：在上一個(gè)人工智能寒冬，當(dāng)大多數(shù)人放棄神經(jīng)網(wǎng)絡(luò)研究，有些人繼續(xù)前進(jìn)，加拿大悄然建立現(xiàn)代 AI 研究的基礎(chǔ)，那我可以肯定地講，加拿大在這方面，在支持純粹科學(xué)研究上，一直做得很好。
我們給真正聰明的人提供了做前沿研究的機(jī)會(huì)，即便他們的研究可能不會(huì)落地到商業(yè)或某些具體的地方。
Hinton：2006 年在多倫多，我們開發(fā)出了這種訓(xùn)練含有多個(gè)層的網(wǎng)絡(luò)的技術(shù)，它比以前的技術(shù)更高效。同一年我們在《Science》發(fā)表了一篇論文，它產(chǎn)生了很大影響，也為我們的主張起到了很大支持作用，很多人重新燃起了對神經(jīng)網(wǎng)絡(luò)的興趣。2009 年的時(shí)候我的實(shí)驗(yàn)室里有兩個(gè)學(xué)生開發(fā)了一種用深度神經(jīng)網(wǎng)絡(luò)做語音識別的方法，它的效果要比當(dāng)時(shí)所有別的方法都好。
其實(shí)它的提升也就只有一點(diǎn)點(diǎn)，但是相比之下當(dāng)時(shí)別的技術(shù)的發(fā)展已經(jīng)陷入了停滯，30年了都沒有實(shí)質(zhì)性的進(jìn)步。深度神經(jīng)網(wǎng)絡(luò)只需要幾個(gè)月的時(shí)間就可以比那些方法做得好，很明顯可以看出來只需要短短幾年時(shí)間，神經(jīng)網(wǎng)絡(luò)就還可以有大的發(fā)展。
Metz：大概 2009 年的時(shí)候，Hinton 很巧地遇到了微軟的語音識別研究員鄧力。就像其他人一樣，鄧力相信 AI 的呈現(xiàn)形式不應(yīng)當(dāng)只有符號化 AI 一種。對于符號化 AI ，語音識別系統(tǒng)需要由一行又一行的代碼組成，需要人工設(shè)定系統(tǒng)的每一個(gè)行為的具體細(xì)節(jié)，系統(tǒng)研發(fā)也進(jìn)行得非常緩慢。
Hinton 表示他嘗試用神經(jīng)網(wǎng)絡(luò)做語音識別，而且已經(jīng)有了實(shí)質(zhì)性進(jìn)展。神經(jīng)網(wǎng)絡(luò)能夠?qū)W會(huì)分析語音數(shù)據(jù)中的模式，而且運(yùn)行速度也要比一行行代碼組成的符號化 AI 系統(tǒng)要快。鄧力這時(shí)候并沒有完全相信 Hinton 的話，但他邀請 Hinton 來微軟繼續(xù)推進(jìn)這項(xiàng)研究，最終還有兩位 Hinton 的合作者也一起來了。微軟的語音識別技術(shù)由此跨越了一大步，2010 年時(shí)谷歌也跨了一大步。
后來，到了2012年底，Hinton 和兩個(gè)學(xué)生一起在圖像識別方面也做出了突破性進(jìn)展，把之前的所有方法都遠(yuǎn)遠(yuǎn)甩在了身后。也就是直到這個(gè)時(shí)候，微軟和谷歌之外的業(yè)界公司們才開始意識到這個(gè)想法有多么厲害。
值得注意的是，這些都是很老的想法了。但現(xiàn)在神經(jīng)網(wǎng)絡(luò)背后的計(jì)算能力和數(shù)據(jù)量就和以前大不一樣。對于微軟和谷歌這種規(guī)模的科技企業(yè)，他們需要數(shù)以千計(jì)的計(jì)算機(jī)共同運(yùn)行，處理文本、視頻等等各種東西。讓神經(jīng)網(wǎng)絡(luò)獲得成功的正是這些：訓(xùn)練網(wǎng)絡(luò)需要許多的數(shù)據(jù)，同時(shí)你還需要足夠的計(jì)算能力支撐網(wǎng)絡(luò)的訓(xùn)練。
LeCun：如果你要問為什么過了這么久才成功，那我的回答是，科學(xué)研究就是這樣的，人類的心理也就是這樣的。當(dāng)一種新技術(shù)出現(xiàn)的時(shí)候，要先有足夠的證據(jù)能說服人們它能行，然后人們才會(huì)開始大規(guī)模使用它。但神經(jīng)網(wǎng)絡(luò)的這些方法一直有「挑剔」的壞名聲，想要發(fā)揮出效果也需要一些「黑魔法」。
Richard Sutton：計(jì)算能力能這樣快速而持久地提升，這是十分驚人的。現(xiàn)在，想要開發(fā)更復(fù)雜的算法的人和想要開發(fā)更快的計(jì)算機(jī)的人之間仿佛在比賽一樣。對于設(shè)計(jì)的算法的人來說，已經(jīng)可以考慮設(shè)計(jì)運(yùn)行在未來 5 到 10 年內(nèi)新出現(xiàn)的計(jì)算機(jī)上的算法了。
計(jì)算機(jī)需要什么是好的、什么是不好的。所以人類會(huì)給它一個(gè)特別的信號，叫做「反饋」（reward）。如果反饋值高，那就說明是好的；如果反饋值低，那就說明是不好的。這就是這種設(shè)計(jì)的目的。
神經(jīng)網(wǎng)絡(luò)可以存儲學(xué)習(xí)過程，而強(qiáng)化學(xué)習(xí)就是讓你決定你想要改變什么。
Bengio：距離實(shí)現(xiàn) Geoff、Yann 和我想象中的那種無監(jiān)督學(xué)習(xí)還有太遠(yuǎn)的距離。差不多企業(yè)做的基于深度學(xué)習(xí)的產(chǎn)品都是主要依靠監(jiān)督學(xué)習(xí)的，計(jì)算機(jī)通過上百萬個(gè)案例學(xué)會(huì)再遇到一個(gè)的時(shí)候要做什么。人類當(dāng)然不是這樣學(xué)習(xí)的，我們能自主地學(xué)習(xí)。我們能夠自己探索身邊的這個(gè)世界。2 歲的小孩就對基本的物理規(guī)律、重力、壓力等等有了直覺，根本不需要他的父母先給他教會(huì)牛頓的力學(xué)定律和萬有引力定律。我們觀察這個(gè)世界、和世界互動(dòng)，然后對這個(gè)世界中的事物會(huì)如何運(yùn)行、自己做了一件事以后接下來會(huì)如何發(fā)展形成自己的見解。
我們的研究正在轉(zhuǎn)向無監(jiān)督學(xué)習(xí)的新階段，同時(shí)它也可以和強(qiáng)化學(xué)習(xí)方面的成果聯(lián)系起來。我們并不僅僅觀察這個(gè)世界而已，我們還與世界互動(dòng)，根據(jù)動(dòng)作產(chǎn)生的后果來搞清世界的運(yùn)行規(guī)律。
LeCun：我很感興趣的課題是如何讓機(jī)器可以像人類和動(dòng)物那樣高效地學(xué)習(xí)。當(dāng)學(xué)習(xí)開車的時(shí)候，你心里知道如果你開到路外面了就不太好。我們?nèi)祟惸軌蝾A(yù)測自己動(dòng)作的后果，這也意味著我們在做一件事之前就能意識到這件事是好事還是壞事。
所以，我正在追求的目標(biāo)是找到一些訓(xùn)練機(jī)器的新方式，讓它們能夠通過觀察學(xué)習(xí)，從而也就能構(gòu)建出對這個(gè)世界的預(yù)測模型。如今世界上的某一種生物都對自己所處的環(huán)境有預(yù)測能力。一種生物越聰明，他們的預(yù)測能力就越高。從某種意義上可以認(rèn)為「預(yù)測」就是「智慧」的核心，然后再加上根據(jù)自己的預(yù)測做出對應(yīng)行動(dòng)的能力就好。
未來 3 年、5 年、10 年，或者 15 年，我們很有可能就做出一些顯著的成果，其實(shí)這并不算遙遠(yuǎn)。不過接下來在這個(gè)基礎(chǔ)上做出接近人類智慧的系統(tǒng)就需要很長時(shí)間了，可能要花好幾十年。
Bengio：我覺得人類的工作不見得會(huì)被機(jī)器人取代，即便機(jī)器變得非常聰明，甚至比人類還聰明。有一些工作的本質(zhì)是人和人之間的互動(dòng)，這類工作我們永遠(yuǎn)都希望是人在做。比如我就不喜歡讓機(jī)器人照顧自己的小孩或者長輩，以及我住院的時(shí)候照顧我。我并不擔(dān)心《終結(jié)者》那樣的事情發(fā)生。我相信，如果我們能夠制造出和我們同樣聰明的機(jī)器，那他們也就已經(jīng)有能力理解我們?nèi)祟惖膬r(jià)值取向和人類的道德觀，從作出對人類有利的行動(dòng)。
我真正擔(dān)心的是 AI 有可能被濫用，比如把 AI 用在武器中。AI 用在廣告中可以影響人們，我們已經(jīng)可以看到這樣的事情發(fā)生。對于 AI 的使用可能有道德或者倫理問題的地方，我們應(yīng)該直接設(shè)計(jì)法律來禁止。人類作為一個(gè)整體需要變得更聰明一些。
Sutton：我覺得我們把這個(gè)領(lǐng)域稱作「人工智能」就是一個(gè)很大的錯(cuò)誤。它給人帶來的感覺是仿佛它和人類很不一樣，而且也不是真正的智能。這種說法給人們徒增了很多「異類」的感覺，但其實(shí)我們在做的事情是一件很有人情味的事情：在機(jī)器上重現(xiàn)人類的智慧。
一直以來科學(xué)揭示的真相都不是所有人都喜歡的——你確實(shí)得到了真相，但這真相并不是你預(yù)想的那個(gè)樣子?？赡苓@也就是歷史上宗教總會(huì)和科學(xué)間產(chǎn)生沖突的原因。我覺得隨著我們對人腦的研究越來越多，同樣的事情也會(huì)發(fā)生。也許我們永遠(yuǎn)都找不到「意識」這件事的解釋，有的人會(huì)喜歡這個(gè)結(jié)果，也有人會(huì)不喜歡?？茖W(xué)改變不了客觀真相。
每次世界的趨勢發(fā)生改變的時(shí)候，總是會(huì)區(qū)分出贏家和輸家；而未來還有很多巨大的變化等著我們。我覺得我們自己就會(huì)變成有智慧的機(jī)器。我們應(yīng)當(dāng)把 AI 看做我們自己，或者看作我們的后代。我們可以按照自己覺得合適的樣子打造它們。
那么人性是什么？人性是一種想要變得更好的不懈動(dòng)力。我們不應(yīng)該嘗試把所有的一切都停留在原地，然后說這就是應(yīng)有的樣子。
LeCun：除非我們真的知道以后會(huì)發(fā)展成什么樣子，否則對此的任何擔(dān)心都只是杞人憂天。我不認(rèn)同技術(shù)奇點(diǎn)的想法，就是說有一天我們造出了擁有超級智慧的機(jī)器之后，他們就馬上可以自己制造出更聰明的機(jī)器，從此一發(fā)不可收拾。相信這個(gè)概念的人大概是忘了所有的物理或者社會(huì)現(xiàn)象都會(huì)遇到各種各樣的阻力，一個(gè)指數(shù)曲線的增長過程是不可能無限地持續(xù)下去的。
好萊塢電影里那種「某個(gè)阿拉斯加的天才弄清了 AI 的奧秘，造出了一個(gè)超智慧的機(jī)器人然后它統(tǒng)治了全世界」的故事是不可能發(fā)生的，這簡直太荒唐了。
Trudeau：這件事我并不非常擔(dān)心。對于理論上 AI 會(huì)有多危險(xiǎn)，我們看過的科幻小說和科幻電影已經(jīng)夠多了。我覺得我們應(yīng)該保持一個(gè)常識，就是技術(shù)可以用來做好事，也可以用來做壞事。讓我感到欣慰的是，加拿大就在好的一方里，它在嘗試把大家保持在正確的道路上。我也不希望減緩我們研究的步伐，減緩我們弄清宇宙的真諦。
這里真正的問題是，我們想要一個(gè)什么樣的世界？我們是希望成功的人都要躲在欄桿圍起的花園里，所有別的人都很嫉妒、出門的時(shí)候會(huì)帶著干草叉，還是希望這個(gè)世界上的每一個(gè)人都有做出貢獻(xiàn)、做出創(chuàng)新的機(jī)會(huì)？
Hinton：我覺得這些東西的社會(huì)影響很大程度上取決于我們所在的政治系統(tǒng)。本質(zhì)上，提高商品制造的效率應(yīng)當(dāng)會(huì)增加社會(huì)的總福利。反而會(huì)帶來不好的后果的話只有一種可能，那就是這個(gè)社會(huì)會(huì)把生產(chǎn)力提高帶來的好處全部給了社會(huì)頂端 1% 的人。我住在加拿大的其中一個(gè)原因就是合理的收稅制度：如果你掙了很多錢，你也需要交很多稅。我覺得這樣的設(shè)計(jì)很棒。
我覺得真正重要的是，我們無法預(yù)測未來。只要你開始嘗試猜測未來 20 年可能會(huì)發(fā)生什么，你幾乎一定會(huì)錯(cuò)得離譜。不過也有一些東西是我們可以預(yù)測的，比如技術(shù)進(jìn)步最終會(huì)改變一切。
（完）
via bloomberg，雷鋒網(wǎng) AI 科技評論編譯
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
