雷鋒網(wǎng) AI 科技評(píng)論按：上個(gè)月，全球移動(dòng)互聯(lián)網(wǎng)大會(huì) GMIC 2018 在北京開幕。此次主題為「AI生萬(wàn)物，諧音愛生萬(wàn)物，科學(xué)技術(shù)要有人文的溫度，機(jī)器有愛，真芯英雄」的大會(huì)上，全球人工智能領(lǐng)袖匯聚全球業(yè)界頂尖領(lǐng)袖，探討在基礎(chǔ)硬件、大數(shù)據(jù)與開源平臺(tái)、深度學(xué)習(xí)為代表的算法等人工智能領(lǐng)域的最新洞見，是年度行業(yè)發(fā)展的風(fēng)向標(biāo)。

雷鋒網(wǎng) AI 科技評(píng)論此前就報(bào)道了 Facebook 首席 AI 科學(xué)家 Yann LeCun 的開場(chǎng)演講《AI 的最新技術(shù)趨勢(shì)》，也整理了 Yann LeCun、Michael I.Jordan、李開復(fù)等人關(guān)于 AI 的現(xiàn)狀與未來(lái)的圓桌討論。

實(shí)際上，除了 Michael I.Jordan，還有一位機(jī)器學(xué)習(xí)領(lǐng)域的祖師爺級(jí)教授 Tom Mitchell 也來(lái)到了 GMIC 2018。會(huì)后雷鋒網(wǎng)記者對(duì) Tom Mitchell 教授進(jìn)行了專訪，教授風(fēng)度翩翩，語(yǔ)言嚴(yán)謹(jǐn)?shù)卜浅睾汀?/p>

Tom Mitchell，美國(guó)卡內(nèi)基梅隆大學(xué)（CMU）計(jì)算機(jī)科學(xué)學(xué)院機(jī)器學(xué)習(xí)系主任、教授，美國(guó)工程院、藝術(shù)與科學(xué)院院士，美國(guó)科學(xué)促進(jìn)會(huì)（AAAS）、國(guó)際人工智能協(xié)會(huì)（AAAI）Fellow，他在機(jī)器學(xué)習(xí)、人工智能、認(rèn)知神經(jīng)科學(xué)等領(lǐng)域卓有建樹，撰寫了機(jī)器學(xué)習(xí)方面最早的教科書之一《機(jī)器學(xué)習(xí)》，是機(jī)器學(xué)習(xí)領(lǐng)域的著名學(xué)者。

雷鋒網(wǎng) AI 科技評(píng)論：現(xiàn)在機(jī)器學(xué)習(xí)非常火熱，我們聽說(shuō)今年 CMU 計(jì)算機(jī)系的碩士博士申請(qǐng)大爆發(fā)。您覺得機(jī)器這個(gè)專業(yè)現(xiàn)在過(guò)熱了嗎？

Tom Mitchell：我覺得學(xué)生們很聰明，他們知道機(jī)器學(xué)習(xí)可以在未來(lái)的職業(yè)道路中發(fā)揮很大作用，所以他們有充足的理由選擇學(xué)習(xí)機(jī)器學(xué)習(xí)。對(duì)于職業(yè)選擇來(lái)說(shuō)，我了解到要求具備機(jī)器學(xué)習(xí)能力的職位現(xiàn)在有最高的薪水，在美國(guó)是這樣，我雖然不清楚中國(guó)的情況但我相信也是一樣的。這方面的人才確實(shí)有短缺，因?yàn)楹芏喙径颊J(rèn)為，有一些在機(jī)器學(xué)習(xí)方面有天分的員工，會(huì)對(duì)公司的未來(lái)起到關(guān)鍵作用。

雷鋒網(wǎng) AI 科技評(píng)論：您對(duì)申請(qǐng)這個(gè)專業(yè)的學(xué)生有什么建議嗎？

Tom Mitchell：你可以在編程和統(tǒng)計(jì)這兩個(gè)方面進(jìn)行充分的學(xué)習(xí)。我自己就教授機(jī)器學(xué)習(xí)課程，然后課程結(jié)束之后查看學(xué)生們的表現(xiàn)的時(shí)候，我覺得帶來(lái)最大區(qū)別的是他們的數(shù)學(xué)能力。很多學(xué)生都知道如何編程，因?yàn)檫@是要求的。實(shí)際上，如果你想做機(jī)器學(xué)習(xí)做的比較好，那你需要數(shù)學(xué)、微積分、線性代數(shù)幾門課都學(xué)得比較好。所以我現(xiàn)在也對(duì)我教的課程做了一些改動(dòng)，在上課的第一天，學(xué)生們可以做一個(gè)在線測(cè)試，花十分鐘左右的時(shí)間做一些簡(jiǎn)單的題目，比如如何做矩陣乘法、如何算導(dǎo)數(shù)、如何算一個(gè)東西的概率，這可以幫助他們自己以及我判斷基礎(chǔ)知識(shí)水平。我覺得這就是最好的準(zhǔn)備方式。

雷鋒網(wǎng) AI 科技評(píng)論：許多知名教授和研究員都被高薪吸引到了科技企業(yè)里。有人認(rèn)為這會(huì)影響未來(lái)年輕學(xué)者的培養(yǎng)，您同意這種觀點(diǎn)嗎？

Tom Mitchell：這樣的觀點(diǎn)我并不同意。我自己現(xiàn)在就在學(xué)校，我也收到了一些 offer 希望我離開學(xué)校到企業(yè)里去，他們開給我的薪水也確實(shí)比在學(xué)校當(dāng)教授的薪水要高得多。但是我拒絕了他們，我喜歡待在學(xué)校里面。但我覺得總的來(lái)說(shuō)，首先，確實(shí)有很多學(xué)者被吸引到了業(yè)界去；這也確實(shí)給大學(xué)帶來(lái)了一些痛苦。不過(guò)如果你把眼界放得廣闊一些，看看 AI 的發(fā)展，看看 AI 對(duì)整個(gè)世界的積極影響，我覺得有才能的人到了企業(yè)里面是好事，包括初創(chuàng)公司，他們確實(shí)對(duì)整個(gè)世界造成了影響。那么大學(xué)會(huì)因此分崩離析嗎，也不會(huì)。而且我覺得，整個(gè)人才庫(kù)本來(lái)就是流動(dòng)的，我覺得這是其中的關(guān)鍵。如果企業(yè)來(lái)學(xué)校招了更多的人，我們也就培養(yǎng)出更多的教授來(lái)。

雷鋒網(wǎng) AI 科技評(píng)論：也有人說(shuō)科技巨頭招走了人以后并沒有做出顯著的研究成果。您同意這樣的觀點(diǎn)嗎？

Tom Mitchell：這個(gè)觀點(diǎn)我也不同意。我們很多研究者都用PyTorch或者TensorFlow作為我們深度學(xué)習(xí)研究的基礎(chǔ)工具。那這些工具是哪里來(lái)的呢？就是這些科技巨頭。那么如果沒有這些科技巨頭的話，能夠使用深度神經(jīng)網(wǎng)絡(luò)的人也就少了。所以他們也是有積極作用的。這些科技巨頭的問題是，他們沒有足夠的動(dòng)力分享自己的研究成果。以前所有的好想法都會(huì)公開出來(lái)，而到了這個(gè)時(shí)代，很多好想法會(huì)深藏在企業(yè)里面。我作為一個(gè)學(xué)者，對(duì)這件事情覺得有點(diǎn)沮喪。不過(guò)我也可以接受這個(gè)結(jié)果，因?yàn)槲矣X得這也代表了 AI 正在走向整個(gè)世界。

雷鋒網(wǎng) AI 科技評(píng)論：深度學(xué)習(xí)是現(xiàn)在最流行的機(jī)器學(xué)習(xí)方法，雖然強(qiáng)大但每個(gè)模型都還是只能解決特定的問題。更通用的人工智能有可能通過(guò)深度學(xué)習(xí)實(shí)現(xiàn)嗎，還是需要等待新的方法出現(xiàn)？ 

Tom Mitchell：我覺得我們現(xiàn)在的深度學(xué)習(xí)方法有一些明顯的缺點(diǎn)。比如，雖然我們現(xiàn)在在許多自然語(yǔ)言處理問題中使用深度學(xué)習(xí)方法，這可以算是自然語(yǔ)言處理領(lǐng)域的最新發(fā)展了，但是沒有什么深度學(xué)習(xí)系統(tǒng)能夠表示出來(lái)我現(xiàn)在說(shuō)的這句話的意思。因?yàn)樗鼈兌际腔趦?nèi)容的向量表征的，那我們其實(shí)并不清楚一個(gè)向量要如何才能表示一個(gè)量化的句子。比如我說(shuō)：「每個(gè)畢業(yè)了的學(xué)生都至少學(xué)了三門計(jì)算機(jī)科學(xué)的課程，而且有一位自己的導(dǎo)師?！鼓敲粗灰姨崛〕銎渲械年P(guān)系是「對(duì)于每一個(gè) x，都有 xxx 的 y」，想要用向量來(lái)表示它就會(huì)非常難。那么，著眼未來(lái)地看的話，對(duì)于深度學(xué)習(xí)會(huì)如何影響自然語(yǔ)言處理，其中一個(gè)重要問題就是，我們能否找到一種表示信息的方法，它能夠提取出我說(shuō)的句子中的微妙信息，但同時(shí)還具備向量表示這樣的相似性特點(diǎn)——兩個(gè)相近的向量有很大概率表示的是相似的信息。

雷鋒網(wǎng) AI 科技評(píng)論：您如何看待 AutoML？谷歌在研究 AutoML，我們近期采訪過(guò)的一家中國(guó)公司也在研究 AutoML。他們的目標(biāo)是希望用 AI 生成 AI，減少深度學(xué)習(xí)開發(fā)中需要的人力，降低使用深度學(xué)習(xí)的門檻。您覺得這是一個(gè)有潛力的方向嗎？

Tom Mitchell：我覺得開發(fā)這些能夠自動(dòng)決定參數(shù)、自動(dòng)決定學(xué)習(xí)算法的工具是一個(gè)很好的方向。不過(guò)如果有的公司覺得這樣就可以讓電腦自己完成這些工作，而不用雇一個(gè)很懂的人的話，那就很危險(xiǎn)了，這會(huì)是一個(gè)很糟糕的想法。通過(guò)一些工具把問題變得簡(jiǎn)單永遠(yuǎn)是好事，但是現(xiàn)實(shí)中想要把機(jī)器學(xué)習(xí)運(yùn)用在自己的應(yīng)用中的時(shí)候，經(jīng)常遇到的其實(shí)是，「我學(xué)這個(gè)數(shù)據(jù)能不能學(xué)到我想要的學(xué)到的東西」、「我要如何表示輸入數(shù)據(jù)才能讓它和我選的學(xué)習(xí)算法兼容」類似這樣的問題。這樣的問題是現(xiàn)在的 AutoML 還解決不了的。

雷鋒網(wǎng) AI 科技評(píng)論：波士頓動(dòng)力研發(fā)的機(jī)器人經(jīng)常給人帶來(lái)驚喜，但據(jù)我們所知他們使用的還是傳統(tǒng)控制理論。用神經(jīng)網(wǎng)絡(luò)控制的機(jī)器人能夠達(dá)到那樣的表現(xiàn)嗎？能的話需要多久？

Tom Mitchell：這是一個(gè)很棒的問題。我覺得這其中的關(guān)鍵問題不是要用神經(jīng)網(wǎng)絡(luò)替換傳統(tǒng)控制方法，而是要把傳統(tǒng)控制方法和深度神經(jīng)網(wǎng)絡(luò)結(jié)合到一起。我覺得我們現(xiàn)在就已經(jīng)可以看到一些結(jié)合的趨勢(shì)。比如你想想無(wú)人機(jī)的話，他們就是傳統(tǒng)控制方法和深度學(xué)習(xí)的很好的結(jié)合。今年秋天我教的一門課「深度強(qiáng)化學(xué)習(xí)」就是關(guān)于這個(gè)話題的。在我關(guān)注的范圍內(nèi)，傳統(tǒng)控制有一個(gè)特點(diǎn)，即便當(dāng)這個(gè)系統(tǒng)要適應(yīng)一個(gè)新環(huán)境，那只要這個(gè)系統(tǒng)的設(shè)計(jì)是正確的，我們就有理論可以保證它的動(dòng)作可以保持在某一個(gè)操作范圍內(nèi)。比如，你開一架飛機(jī)，讓它自動(dòng)降落，如果它使用是一個(gè)傳統(tǒng)控制系統(tǒng)，那么這樣的傳統(tǒng)控制系統(tǒng)就有理論上的保證，不管降落的時(shí)候路是不是凹凸不平，它的動(dòng)作都能保持在一定的操作范圍內(nèi)。那么我們?cè)跈C(jī)器學(xué)習(xí)以及強(qiáng)化學(xué)習(xí)里面缺少的，就是這樣一種理論，如果系統(tǒng)在新的環(huán)境里面要從糟糕的狀況學(xué)習(xí)達(dá)到一個(gè)好的狀況，我們沒有什么理論可以限定它在這兩個(gè)狀態(tài)之間的過(guò)程里會(huì)做些什么。傳統(tǒng)控制理論就在成功做到了這一點(diǎn)，其中部分原因就是這些系統(tǒng)都是較為簡(jiǎn)單的系統(tǒng)，所以我們能夠推導(dǎo)出這樣的理論保證。對(duì)于把深度神經(jīng)網(wǎng)絡(luò)作為學(xué)習(xí)機(jī)制的系統(tǒng)，它的結(jié)果要開放得多，我不是很確定我們能不能得到這樣的理論。不過(guò)這在我看來(lái)會(huì)是一個(gè)非常重要的研究領(lǐng)域。

雷鋒網(wǎng) AI 科技評(píng)論：您認(rèn)為腦科學(xué)（神經(jīng)科學(xué)）與人工智能之間是什么關(guān)系？腦科學(xué)的知識(shí)在您的研究中是否重要？

Tom Mitchell：神經(jīng)科學(xué)對(duì)我自己的研究來(lái)說(shuō)很重要。因?yàn)槲疫@幾十年的研究里就有接近一半的時(shí)間都在做腦成像的實(shí)驗(yàn)來(lái)研究大腦是如何工作的。目前來(lái)說(shuō)，很不幸的是，神經(jīng)科學(xué)對(duì)人工智能的影響很小，而人工智能反過(guò)來(lái)對(duì)神經(jīng)科學(xué)有很大的影響。我個(gè)人在兩個(gè)領(lǐng)域都做著研究，因?yàn)槲蚁嘈旁谖磥?lái)的發(fā)展中兩個(gè)學(xué)科的互相幫助會(huì)比以前更多。我希望我是對(duì)的。

雷鋒網(wǎng) AI 科技評(píng)論：前段時(shí)間，來(lái)自 20 個(gè)國(guó)家的超過(guò) 50 位 AI 學(xué)者簽署了一封公開信，抵制韓國(guó)科學(xué)技術(shù)院與軍工企業(yè)聯(lián)合研發(fā)基于人工智能的自主武器。您對(duì)人工智能用于武器的態(tài)度如何？

Tom Mitchell：我覺得這是人們嘗試讓 AI 做的最危險(xiǎn)的事情之一。我覺得，即便他們的公開信里面點(diǎn)名批評(píng)的是韓國(guó)，但事實(shí)是每個(gè)國(guó)家都在考慮這個(gè)方向。公眾也對(duì)此缺少了解，當(dāng)我看報(bào)紙的時(shí)候，我感到很驚訝，人們擔(dān)心 AI 會(huì)侵犯他們的隱私，但他們并不為 AI 可能會(huì)成為武器的這件事情所擔(dān)心。我覺得這很荒唐，我們似乎關(guān)注錯(cuò)了重點(diǎn)。我們現(xiàn)在能做什么還很難說(shuō)。但我覺得我們應(yīng)該做的，會(huì)和我們對(duì)待生物武器、化學(xué)武器的事情很類似。我們應(yīng)該把反對(duì)武器化AI的國(guó)際性條約作為目標(biāo)，就像我們成功達(dá)成了國(guó)際條約阻止化學(xué)戰(zhàn)爭(zhēng)的出現(xiàn)一樣。我們確實(shí)需要做這件事情。所以我為他們的公開信鼓掌，只不過(guò)過(guò)單獨(dú)針對(duì)韓國(guó)似乎有些不公平，實(shí)際上所有國(guó)家都有參與。

雷鋒網(wǎng) AI 科技評(píng)論報(bào)道

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。