远离神经网络这个黑盒,人工智能不止这一条路可走

来源 |《连线》 编译整理 | 量子位 若朴

神经网络横扫硅谷如卷席,各式各样的人工智能(AI)已经潜入各式各样的互联网服务之中。不过就算神经网络已经能轻松的认出猫咪的图片,但仍然有很多不足之处,所以一些人怀疑目前人工智能的模式识别系统,是否是一种先进、可靠的AI发展之路。

无论是Facebook的面部识别、微软的翻译或是Google的搜索,背后都是神经网络通过分析大量数据学会执行任务。人工智能帮助聊天机器人学习谈话的艺术,帮助无人驾驶汽车驶上公路。但是如果没有大量仔细标注的数据,AI并不能理解世界,也不通用。

另一方面,研究人员对神经网络的工作原理了解有限,很多时候,人工智能就是一个黑盒子。这种不透明导致了严重的问题:如果一辆无人驾驶的汽车撞上了行人,可能人们也无从得知为什么人工智能会做出这样的决定。

“深度学习确实得到了很多关注,它确实值得关注”,卡内基梅隆大学计算机科学教授Tuomas Sandholm说,“但是深度学习不能给你任何保证”。如果你之前看了量子位的文章,立刻能意识到这位教授就是AI赌神Libratus的创造者。

教授说的一点不错。由于神经网络中这些明显的弱点,科技巨头们正在寻找新的人工智能发展路径,最近的招聘、收购、研究以及新成立的创业公司,都瞄准了一个新的方向。

贝叶斯方法正在兴起。依照这种理论,可以通过正统的科学方法研究人工智能:从一个假设开始,然后技术数据更新这个假设,而不是像神经网络那样依赖数据推动结论。贝叶斯方法可以用来处理不确定性,可以为现有模型提供新的证据,可以做神经网络不擅长的事情。

和神经网络一样,贝叶斯方法可也从数据中学习,但完全是两一个路数的机器学习。“我们感兴趣的是让科学方法自动化”,创业公司Gamalon的创始人Ben Vigoda说,他们正在通过概率编程的方法推动这目标前进。

神经网络的快速崛起,也为众多的其他技术注入了生命力,这些技术都能让机器变得更聪明。从强化学习到进化计算,机器学习不只有一条路可走。

迷之科技

去年12月,当Gary Marcus把他只有15个人的创业公司卖给Uber时,他说自己带来了一种全新的人工智能。

他的公司名叫几何智能,一个有着雄心的小操作系统。这位47岁的纽约大学心理学教授表示,他和他的研究伙伴们正在开发一种系统,可以仅仅凭借很小的数据量学会执行任务,就像是人类一样,这种方式蕴含的能量远超深度神经网络。

Marcus认为,小数据系统对于对话机器人以及行驶在公共道路上的无人车而言,是必不可少的。“语言领域和无人车领域都有一些问题,例如永远缺乏足够的数据驱动强力的深度学习”,他说毕竟我们不能在繁忙的道路上撞毁车辆,用以收集数据避免未来的事故。

剑桥大学信息工程教授Zoubin Ghahramani是Marcus的联合创始人,他俩都不愿因谈及上述技术的细节。这在技术世界一点都不罕见,特别是与AI相关的部分,各种秘而不宣造就了一些迷之科技。不过,Ghahramani也是贝叶斯方法的拥趸。

Ghahramani专门研究一种称为高斯过程的特定类型统计模型,这有可能在他与Marcus的研究过程中发挥了作用。

高斯过程

在某些方面,高斯过程是找到特定问题最优解的一种方式。这也是另一种数学技术贝叶斯优化的基础。高斯过程已经用于帮助网站决定应该显示那些广告,或者网站主页应该如何优化。Uber一直在招聘高斯过程方面的专家以改善服务,Google也用高斯过程来协助控制高空互联网气球。

从根本上讲,高斯过程是识别不确定性的好方法。“知道你不知道是一件非常好的事情”,爱丁堡大学AI研究员Chris Williams说,“做一个自信的错误决定是最糟糕的事情”。他也是高斯过程和机器学习方面的权威作者。

2015年被Twitter收购的初创公司Whetlab,就为设计神经网络提供了一个更好的方法。设计神经网络是一个极端试错的任务,困难且耗时。但是高斯过程和贝叶斯优化可以帮助自动完整这个任务。正如WhetLab的创始人、哈佛的计算机科学家Ryan Adams所说的,这家公司正使用“机器学习来改进机器学习”。

神经网络会遇到“自信的错误”困扰,在识别不确定性时,这种优化可以帮助决绝问题。现在Adams已经离开Twitter加入Google Brain。

一些研究人员还认为,高斯过程的小数据能力,可以推进自主化AI方面发挥关键作用。“为了建立一个真正自主化的代理,它必须能够快速适应环境”,AI创业公司Prowler的首席执行官Vishal Chatrath说,“这意味着从高效的从数据中学习”。

此外,Chatrath表示高斯过程很容易解释,这个技术与神经网络不同,它不受制于黑盒问题的束缚,如果发生问题,人们可以追踪原因。

Prowler聘请了三位学者从事这方面的研究。这家公司正在搭建一套AI系统,可以从大型多人游戏和其他数字世界中学习无人驾驶技术。这是一个复杂的工作,但他们希望这能有助于在现实世界进行无人驾驶汽车的导航。

而亚马逊最近也聘请了一位专门研究贝叶斯技术的AI研究院:谢菲尔德大学计算机科学家Neil Lawrence。《不要惊慌》,这是Lawrence最近发表的一篇博客,他在文中说“通过使用数学工具来应对新一波的深度学习,我们可以确保它们基本上是无害的”。

原文发布于微信公众号 - 量子位(QbitAI)

原文发表时间:2017-02-04

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据科学与人工智能

【数据挖掘】大数据知识之数据挖掘

从市场需求及应用的角度来看,通过对大数据的存储、挖掘和分析,大数据在管理、营销、数据标准化等领域大有可为,促使管理/服务水平提升、营销方式改进等。下面我们就来讲...

2439
来自专栏AI研习社

Lucid Robotics 创始人:我是怎么启动AI创业项目的?

我们正处在一个AI大革命的开端,每周都有新的创新出现。例如 Tetra 利用语音识别技术,从你的手机中生成详细的笔记;Hyper Science 通过利用 OC...

1212
来自专栏新智元

百度徐伟:深度学习存在3大瓶颈,如何打造通用人工智能研究平台?

【新智元导读】百度IDL实验室杰出科学家徐伟关于“通用人工智能研究”的演讲,关于通用人工智能,此前大多数讨论都集中在相信不相信,可不可以实现阶段。但是,徐伟在本...

38210
来自专栏AI科技评论

UC 伯克利优化理论教授谈深度学习:为了可解释性,我们可能需要牺牲一些模型表现

AI 科技评论按:在人工智能的浪潮之下,以深度学习为首的机器学习方法迅速席卷了各个领域,给许多问题带来了全新的解决方案(当然同时也带来了新的问题等待解决)。 除...

35315
来自专栏新智元

【重磅】雷鸣对话吴恩达(Andrew Ng):超级大咖深度解析人工智能的发展现状与未来

【新智元导读】2016年4月14日(周四)21:00 - 22:30,酷我创始人、北大大数据与机器学习中心联合主任雷鸣先生以线上对话的方式,在微信群中与人工智能...

3006
来自专栏数据的力量

京东DNN Lab首席科学家:用深度学习搞定80%的客服工作

1973
来自专栏人工智能快报

通往未来人工智能的三条途径:量子计算、神经形态计算和超级计算

美国“数据科学中心”(Data Science Central)网站的编辑总监William Vorhies撰文表示,量子计算、神经形态计算和超级计算可以带来更...

3786
来自专栏企鹅号快讯

听说机器已经开始给人类歌手打分了,它能听懂人的歌声吗?

音乐类竞技节目层出不穷,台上你方唱罢我登场,台下专业评审和现场观众热情高涨:这句唱得好,加分!那句跑调了,减分!歌手唱哭了,满分!此时,如果有一个毫无感情色彩的...

2439
来自专栏人工智能头条

专访 | 杨强教授谈CCAI、深度学习泡沫与人工智能入门

1163
来自专栏AI科技评论

学界|汤晓鸥:深度学习有哪三个要素,以及在中国创业是怎样一种感受?

雷锋网按:5月20日,由中国计算机学会(CCF)主办,Xtecher协办的2017 CCF青年精英大会在北京国家会议中心举行。中国工程院院士赵沁平、香港中文大学...

3695

扫码关注云+社区

领取腾讯云代金券