吴恩达谈当前人工智能的能力与不足

全球顶尖人工智能专家、百度首席科学家吴恩达在《哈佛商业评论》撰文讨论了当前人工智能的能力与不足。吴恩达谈到:

许多企业高管问我人工智能够做些什么,他们想要知道人工智能会如何颠覆其所在的行业以及他们可以如何利用人工智能来重塑自己的公司。但最近的一些媒体报道对人工智能能力的描绘有点不切实际,如人工智能会统治整个世界。人工智能现在已经改变了网络搜索、广告、电子商务、金融、物流、媒体等领域。作为谷歌大脑(Google Brain)团队创办人、斯坦福人工智能实验室(Stanford Artificial Intelligence Laboratory)主任以及百度千人人工智能团队的现任负责人,我有幸培养了许多全球领先的人工智能团队,并创造了许多拥有亿万用户的人工智能产品。我已经看到了人工智能的影响,人工智能会改变许多行业,但它并不是魔法。为了弄清人工智能对具体业务的影响,让我们抛开那些天花乱坠的言论,看看人工智能现在究竟能够做些什么。

令人惊讶的是,尽管人工智能的影响范围十分广泛,其部署类型却仍然极其有限。几乎所有人工智能的最新成果都是通过一种部署类型获取的,即使用一些输入数据(A)快速生成一些简单响应(B)。构建这种A→B软件的过程在技术术语上称为监督式学习(supervised learning)。A→B这种系统距离科幻小说中设想的存在情感的机器人还有很远的距离,人工智能的能力也远比A→B系统的能力强得多。这些A→B系统正在快速发展,目前,最好的A→B系统采用名为深度学习或深度神经网络的技术构建,它们都受到大脑的启发,但这些系统远远不像科幻小说中描述的那样神奇。许多研究人员正在探索其他形式的人工智能,其中一些已在特定的环境中被证明有用;也许还能找到其他突破口开发出更高级的人工智能,但目前还没有发现实现这一目标的明确路径。

目前的监督式学习软件有致命弱点,那就是它需要海量数据。您需要向系统展示大量的A、B范例。例如,开发照片标记软件需要成千上万张图片(A)以及用于提示图中是否有人存在的标签或标记(B)。构建语音识别系统则需要成千上万小时的音频(A)和转录脚本(B)。

A→B系统可以做些什么呢?以下是一个关于其颠覆性影响的经验法则:

表:就监督式学习进行思考的简单方法

输入A

响应B

应用

图片

有人脸吗?(0或1)

照片标记

贷款应用程序

他们会偿还贷款吗?(0或1)

贷款审批

广告和用户信息

用户会点击广告吗?(0或1)

针对性在线广告

音频片段

音频片段的转录脚本

语音识别

英语句子

法语句子

语言翻译

硬盘、飞机发动机等的传感器

会出现故障吗?

预防性维护

车辆摄像头和其他传感器

其他车辆的位置

无人驾驶车辆

如果一个普通人通过思考完成某项思维任务所需的时间少于1秒,那么我们也许可以在现在或不久的将来使用人工智能将这项任务自动化。

目前由人类完成的许多有价值的工作可以在1秒内完成:检查安全视频中是否有可疑行为、确定车辆是否会撞到行人、查找并删除辱骂性的网络发帖,是时候对这些任务进行自动化了,但它们通常只是一个大环境或业务流程的一部分,找出它们与业务中其他部分的联系同样重要。

人工智能研究需要谨慎选择A和B,并提供必要的数据来帮助人工智能确立A→B关系。有创造性地选择A和B已经变革了许多行业,并且有望带来更多变革。

了解人工智能的能力范围后,企业高管们下一步应将人工智能与自己的战略融合,即了解什么可以创造价值以及创新点。人工智能社区具有极高的开放性,有许多顶尖的研究人员在其中发表和分享自己的想法或甚或开源代码。这个开源世界中的稀缺资源包括:

(1)数据。在顶尖的人工智能团队中,许多团队最多只需一到两年就能复制其他团队的软件,但要获得其他团队的数据却极为困难。因此,数据(而不是软件)才是许多企业的防御对象。

(2)人才。仅下载其他公司的开源软件并将其“应用”于您的数据并不能起什么作用,需要根据自身的业务环境和数据对人工智能进行自定义,这也是为当下诸多企业纷纷争抢能够完成这项任务的稀缺人才的原因。

关于人工智能能够反映人性中最好的一面和最坏的一面的潜力已有诸多报道,例如,我们看到人工智能能够通过对话为孤单的人们提供慰藉;我们也看到有些人工智能牵涉到种族歧视问题。但人工智能在短期内对个人可能造成的最大伤害在于失业,这是因为我们可以使用人工智能自动完成的工种大大增加。作为人工智能领域的领导者,确保我们构建的世界能够让每个个体都有发展机会是我们义不容辞的责任。了解人工智能能够做些什么以及如何将其与您的发展战略融合只是这一进程的开始,而非终点。

原文发布于微信公众号 - 人工智能快报(AI_News)

原文发表时间:2016-12-23

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PPV课数据科学社区

【资讯】大数据VS小数据:9种数据类型及利用方法

如今,具有压倒性的数据量使得市场营销人员和广告商们已经难以理解哪些信息非常重要,哪些信息是纯粹的噪音,哪些数据是正确的?而哪些数据又是可以信赖的?不同...

2614
来自专栏量子位

人工智能公司的17大关键成功要素:跟资深VC学如何看这个行业

李杉 唐旭 编译自 Medium 量子位出品 | 公众号 QbitAI 本文作者David Kelnar是MMC Ventures的投资总监和研究主管。MMC ...

2655
来自专栏CSDN技术头条

BDTC 2014|程学旗发布大数据白皮书与发展趋势报告

【CSDN现场报道】2014年12月12-14日,由中国计算机学会(CCF)主办,CCF大数据专家委员会承办,中科院计算所与CSDN共同协办,以推进大数据科研、...

17510
来自专栏机器人网

机器人无法理解“语境”?MIT是这么教他们的……

据Engadget报道,现在,要让你对机器人发出指令,让它做什么,得到的结果可能会令你很沮丧,尤其是你还不是程序员。造成这样结果的原因是,机器人不能真正理解上下...

3068
来自专栏机器之心

业界 | 科技巨头开源的机器学习框架:250万行代码,价值超8000万美元

选自Medium 作者:Ben Blume 机器之心编译 参与:李泽南 当今的科技公司面对开源几乎都持有开放态度,在谷歌、Facebook 等公司分别支持不同的...

3409
来自专栏应用案例

适应现代变化的数据架构

传统BI和数据仓库架构已无法应对大数据、分析、自助服务所带来的挑战。然而,现代化数据架构仍未能够全部解决传统数据仓库和BI所面临的问题,很少有组织能够在一些尚未...

2017
来自专栏大数据文摘

帝国的灵魂:谷歌大脑

1668
来自专栏机器之心

观点 | Facebook数据泄露事件之后,还有哪些AI危机在等着我们?

选自Medium 作者:François Chollet 机器之心编译 参与:白悦、李泽南 自今年三月以来,由 Facebook 数据泄漏、「大数据杀熟」等事件...

2557
来自专栏机器之心

深度 | 联想AI实验室负责人徐飞玉:人工智能变迁,从实验室走入日常生活

机器之心报道 演讲者:徐飞玉 参与:微胖、黄小天 面向开发者的世界上最大的人工智能主题在线演讲与对话大会 AI WITH THE BEST(AIWTB)于 20...

2619
来自专栏华章科技

6个用好大数据的秘诀

  就算一个公司拥有再多的数据,也不能代表它就一定会获得商业上的成功。只有真正懂得如何利用大数据,了解到公司利用大数据可以达到什么目标,公司最终才有可能真正成...

491

扫描关注云+社区