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...

37410
来自专栏AI科技评论

论文 | 百度「一次包会」模型:「一次性」教会Agent认新事物

百度 Research 在近日发表了一篇博文,介绍了通过交互式对话来教 AI 智能体学会语言和一次性实现主动概念学习的方法。

1362
来自专栏机器之心

业界 | 谷歌云官方正式宣布收购数据科学社区Kaggle

机器之心现场报道 记者:CZ 当地时间 3 月 8-10 日,Google Cloud NEXT '17 大会在美国旧金山举行,机器之心作为受邀媒体进行了现场报...

2796
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...

34515
来自专栏大数据挖掘DT机器学习

听说你想做 AI 工程师?

AI 时代已经到来!人工智能已经不是只有在科幻小说和电影中才会出现的东西,现在它离我们越来越近,而且已经渗透到各行各业。从百度的无人驾驶车,到现在的阿里人脸识...

36412
来自专栏新智元

【重磅】谷歌大脑官方年度报告:TensorFlow、机器学习、自然语言处理(27 篇顶会论文)

【新智元导读】谷歌大脑负责人 Jeff Dean 今天在谷歌博客刊文,从论文发表、TensorFlow 到推广机器学习,全面总结团队 2016 年的工作,并分享...

28810
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...

1142
来自专栏数据科学与人工智能

【研究】图像识别及应用

1 图像识别是什么? 2 图像识别的应用场景有哪些? 什么是图像识别 图像识别,是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对像的技术。...

9087
来自专栏机器之心

通向未来人工智能的三条赛道:高性能计算、神经形态计算和量子计算

选自datasciencecentral 作者:William Vorhies 机器之心编译 参与:黄小天、蒋思源 有三种技术,可以带来更快、更简单、更廉...

34711
来自专栏新智元

【大师观】机器学习和人工智能:2016 重大进展和 2017 主要趋势

【新智元导读】“2016年机器学习及人工智能领域的最大亮点和 2017年的重要趋势是什么?”Kdnuggets 网站汇集了十几位专家的看法,AlphaGo 无疑...

3458

扫码关注云+社区