|
來自「麻省理工科技評論」 作者：威爾·奈特 機器之心經(jīng)MIT TR授權轉(zhuǎn)載
約書亞·本吉奧（Yoshua Bengio） 近年來,，從人類語音識別、圖像分類到基本的對話技能,，深度學習賦予計算機的驚人能力讓人們有了這樣的擔憂：人工智能的進步已經(jīng)接近或者說可能已經(jīng)超越了人類的智慧,。史蒂芬·霍金（Stephen Hawking）和埃隆·馬斯克（Elon Musk）等知名人士甚至警告說，人工智能將對人類的生存構(gòu)成威脅,。 馬斯克等人為此投資了數(shù)百萬美元對人工智能的潛在危險及其解決方案進行研究,。但這些可怕的言論讓許多正在開發(fā)該技術的人覺得不可思議。 現(xiàn)任蒙特利爾大學教授的約書亞·本吉奧（Yoshua Bengio）是深度學習技術復興的締造者之一,，同時也是少數(shù)仍在學術界的深度學習專家之一,，而他的大多數(shù)同行其他專家已投身于產(chǎn)業(yè)界，加入了谷歌和Facebook等科技公司,。 在一次獨家專訪中,，他向TR君正確解釋了人工智能和機器人技術。 TR：我們應該擔心人工智能的快速發(fā)展嗎,？ Yoshua Bengio（下文簡稱YB）：有些人過分高估了我們目前取得的進展,。這些事情的背后是多年以來取得的一個個小的進展，包括很多平凡之事,，比如更多的數(shù)據(jù)和計算機能力等,。 人們炒作的重點不是關于我們正在做的東西是不是有用——它是有用的。但人們還是低估了還需要繼續(xù)研究的工作量,。 要從現(xiàn)實中將這種炒作分離出來很難,，因為我們正在見證這些偉大的事物，并且在肉眼看來,，它們過于神奇。 TR：有沒有這樣一種風險,，那就是人工智能的研究人員不小心“釋放出了惡魔”就像馬斯克所形容的那樣,？ YB：這與有人突然間發(fā)現(xiàn)了某種神奇的配方不同。世間萬物往往比有些人講述的簡單故事要復雜的多,。 新聞記者有時候會講這樣一個故事：有人在車庫里突然有了這樣一個很棒的想法,，然后我們找到了突破口并且發(fā)明了人工智能。 同樣,，公司會講這樣一個很好的小故事：“哦,，我們有了這個革命性的技術,，它將改變世界，人工智能就在這兒,，我們公司將把它發(fā)揚光大,。” 但事情根本不是這樣的,。 “我們忽略了很重要的一點：我們已經(jīng)取得了相當快的進展,，但這還沒有達到我們所說的機器理解的水平。我們還差的很遠,?！?/p> TR：這些問題的核心觀點是，人工智能可以在某種程度上開始自我完善,，然后變得越來越難以控制,，對這一點您怎么看？ YB：目前的人工智能不是這樣構(gòu)建的,。機器學習是一個很艱難,、也很漫長的過程，需要從數(shù)以百萬計的例子中獲取信息,。 機器的確會自我完善,，但非常非常緩慢，并且是以非常專業(yè)的方式實現(xiàn)的,。我們使用的演算方法與自動編程的小病毒完全不一樣,，那不是我們正在做的事情。 TR：人工智能尚未解決的大問題有哪些,？ YB：無監(jiān)督學習真的,、真的非常重要。 目前,，我們讓機器變得智能的方法是,，我們必須告訴計算機什么是圖像，甚至是在像素層面上,。 對于自動駕駛,，人類則是標記大量的汽車圖像來顯示哪些部分是行人或道路。這與人類的學習方式大相徑庭,，而且也不是動物的學習方式,。 我們忽略了很重要的一點。這是我們在實驗室做的主要事情之一,，但目前沒有短期的解決辦法——研發(fā)出的一件產(chǎn)品可能在明天就會變得毫無用處,。 另一大挑戰(zhàn)是自然語言的理解。我們在過去幾年里取得了相當快的進步，這非常鼓舞人心,。但這還沒有達到我們所說的機器理解的水平,。 機器理解應該是我們讀到一個段落，然后提問有關該段落的任何問題,，機器能夠以合理的方式像人類一樣基本作答,。 我們離這個目標還很遙遠。 TR：除了深度學習以外,，還需要什么方法才能創(chuàng)造出一個真正的機器智能呢,？ YB：傳統(tǒng)的努力，包括推理和邏輯——我們需要把這些東西和深度學習結(jié)合起來,，才能邁向人工智能,。 只有極少數(shù)人認為研究機器學習的人員，尤其是研究深度學習的,，應該更加注重神經(jīng)科學,。 我就是這樣認為的。我們?nèi)匀徊恢来竽X為什么有多種運作方式,，而提高這方面的認識可能會極大地有利于人工智能的研究,。 如果神經(jīng)科學的研究人員關注我們的研究，并嘗試將他們對大腦的觀察與我們在機器學習中研發(fā)出的各種概念聯(lián)系起來,，我認為他們也會受益匪淺,。 TR：您有沒有想過向人們解釋，人工智能不會掌管世界,？那一定很奇怪,。 YB：這無疑是一個新的擔憂。這么多年來,，人工智能一直在令人失望,。 作為研究人員，我們努力想讓機器變得稍微聰明一點,，但他們還是很笨,。我曾經(jīng)想過這個領域不應該叫做人工智能，而應該叫做人工愚蠢,。 事實上,，我們的機器是無知的，而我們只是在讓他們變得不那么無知而已,。 現(xiàn)在,，由于人們從演示上看到了這些進步，我們就可以說“哦,，天哪，它真的能夠說英語，它還能夠理解圖像的內(nèi)容,?！庇谑牵覀儗⑦@些東西和我們看過的所有科幻小說聯(lián)系起來,，就變成了“哦,，我害怕！” TR：好吧,，但毫無疑問,，現(xiàn)在考慮人工智能的最終結(jié)果很重要。 YB：沒錯,，我們應該談論這些事,。在可預見的未來，我更擔心的事情并不是計算機會掌管世界,。我更擔心的是人工智能的使用不當,，比如，不好的軍事用途,，通過真正的智能廣告來操控人類,。 還有社會影響，比如許多人會失去工作,。社會需要人們凝聚在一起,，給出一個集體的回應，而不是讓它在叢林法則中自尋出路,。 長按二維碼關注「麻省理工科技評論」 本文由機器之心經(jīng)授權轉(zhuǎn)載,。 ------------------------------------------------ 加入機器之心（全職記者/實習生）：[email protected] 投稿或?qū)で髨蟮溃篹[email protected] 廣告&商務合作：[email protected] 機器之心是Comet Labs旗下的前沿科技媒體。Comet Labs是由聯(lián)想之星發(fā)起,、獨立運作的全球人工智能和智能機器加速投資平臺,，攜手全球領先的產(chǎn)業(yè)公司和投資機構(gòu)，幫助創(chuàng)業(yè)者解決產(chǎn)業(yè)對接,、用戶拓展,、全球市場、技術整合,、資金等關鍵問題,。旗下業(yè)務還包括：Comet舊金山加速器、Comet北京加速器,、Comet垂直行業(yè)加速器,。 ↓↓↓點擊「閱讀原文」查看MIT TR原文。 |
|
|
