学界 | 前谷歌首席科学家 Yoav Shoham:AI 研究的发展还太有限,就像想摘星星的小孩踩了个小凳子

AI 科技评论按:12 月 3 日,深圳市龙岗区政府主办的 2017 国际众创周末活动在天安数码城开幕。活动以「在未来」为主题,邀请了国内外的知名科学家、学者、教授和企业家们一起畅谈未来,探索世界。

其中的知名演讲嘉宾之一就是斯坦福大学教授、前谷歌首席科学家 Yoav Shoham。Yoav Shoham 教授的研究领域有多个都与 AI 相关,包括时序推理、非单调逻辑以及常识理论。近年来,教授还研究了多智能体系统,尤其是在计算机科学和博弈论的交叉领域。Yoav Shoham 教授也是 AAAI Fellow,创作了四本书,创立了多个电子商务企业。

在下午的演讲中,Yoav Shoham 教授以「人工智能的过去、现在和未来」为主题进行了演讲,通俗地介绍了人工智能技术发展的现状和遇到的问题的同时,也希望帮助更多的人清晰地认识这个领域。以下为 AI 科技评论根据现场速记整理的演讲图文。

Yoav Shoham 教授:首先感谢主办方邀请我来参加这个盛会,我是第二次来到中国,中华文明有5000年,但是人工智能的历史还是很短的,所以我主要是大致讲四点。

首先我讲讲人工智能的现状,怎么成长到今天这样的情况;人工智能取得了不少的成就,但我还是要指出人工智能还是有相当大局限性的;第三点跟大家讲一下怎么克服些局限性和约束的因素;最后还有 AI Index。

在 1985 年的时候,在洛杉矶诞生了人工智能的研究,渐渐发展起来的。今天人工智能已经深入到了人们生活的方方面面,哪怕自己家的冰箱也带着人工智能在里面。人工智能在不同的年代有着不同的方法和用途,80年代人工智能主要是做什么呢?主要是知识的呈现 、逻辑还有常识的东西。今天的人工智能是机器学习和不同的可能性。

但说实在的,人工智能不只是一个热点词而已,他其实是有切实的影响的。八十年代人工智能也热门过,然后迎来寒冬,到这几年再次热起来,但其实人工智能的一直都有影响。一开始人工智能没有多大的商业应用,但今天就完全不一样了。我们知道有很多人工智能方面的成功故事,比如 AlphaGo 或无人驾驶的汽车,这些都是商业应用的例子。

我要讲的第二点就是现在人工智能的目标还离我们甚远。我年少的时候看过一幅图,今天我把它重新画了出来,是一个少年通过一个望远镜看太空中的星星,然后为了看的更清楚一点,他脚下踩了一个凳子。这就是我对今日的人工智能的看法。

现在的人工智能是发展非常迅速的,可以帮我们做到以前做不到的事情,但现在还仅仅处于非常初级的阶段。你的小孩可能从学校回来说:“妈妈,丹尼尔在学校打了我一下,然后我又打了他一下,然后老师看到我打了他,然后老师就惩罚了我,这是非常不公平的”。很多小孩,可以说只要会说话的小孩都可以理解这句话,但是要让机器理解这句话是非常难的,因为要理解这句话,我们必须要了解时间、动作、相互的信念以及情绪等等。我们还要理解人类的情感是不是公正的一个事件。今天的人工智能是由数据主导的,或者是由机器学习主导的,或者是深度学习。

而机器学习,我们是需要一些特征的,我们做数据的时候需要一些事件作基础。究竟这些特征来自哪里呢?如果我们把这些特征交到你手上,它有可能是金融数据或者是客户数据,这些数据都是比较容易获得的,在很多时候我们都忘了我们的初始步骤,因为这些数据不是双手呈现给你的,不然的话我们就不可能把它称为特征。人类花了几千年的时间才把这些特征,这种语言弄清楚。我们很有可能要等几百年的时间,机器才能够了解这些特征。

还有一个可能性,也就是我要说的第三点,在 80 年代的时候,人工智能要做的就是获取这些特征,其中包括了时间、信念甚至是情绪,这是人工智能一直在尝试做的事情。现在的机会点是什么呢?就是我们回到知识的呈现,把它跟现代的数据进行结合。凯文·凯利也提到了这一点,其他的讲者也提到,认知是最重要的,我们人工智能做的就是模式的认知。今天人工智能的辅助,无论是 Siri 还是 Google home,它们都是去理解人类的语言,还有破解人类的语句语法,但它们做的都是冷冰冰的指令,比如把灯打开/关掉,而真正深度的对话是比较困难的,要挖掘这个领域的话,我们一定要了解现在的人工智能还处于一个初级阶段。

我做大学教授已经超过 30 年了,我大部分的工作其实都不具备什么实用价值,我也辅助过 5 家公司,这是我其中的一家公司,被谷歌收购了,叫 Timeful,帮助我们管理时间,管理时间是大家非常感兴趣的话题,因为时间是一种稀缺资源。我们有一个应用程序,大家可以看到一个日历,可以看到每日的活动,跟大家现在看到的日历是比较类似的,但是你仔细看会看到不同的地方。有一些是会议,有一些是我们现在参加的活动。但是你有看到每一个事件上面,左边会有一个钩,这跟手写的时间管理系统不一样,但是它也是帮助我们同样的一个资源,也就是时间和一些会议或活动,它其实是占了我们的时间。我们花钱的时候也是不希望重复花钱买同样的东西,我们希望别人帮我们花钱去买我们想要的东西。我们可以看到日历里面很多都不是我们主动创建的事件。还有一些带红星的是我们一些好的习惯,可能是我们一个星期想要做三次活动和锻炼,这其实也占用了时间。

我们在这里设计了三个关键点,首先就是意图,也就是说我们主动想要做的事情,比如我们要一个星期跑三次步或给妈妈打电话。所有这些主动意识的项目写下来之后,其实是非常难去管理的。第二个关键点是优化和机器学习,因为时间管理是很让人头疼的问题,而我们时间管理通常都管理得不是太好。因为时间管理涉及人类的习惯,比如可能我们要管理的是一年之后的会议邀请,或者是一个星期之后的会议管理,我可能就要把重点划出来。所以这里融合了行为科学,但其实最基础的还是意图,这个意图其实是基于《心理逻辑》这本书的概念,他叫约翰、班森,他是我的良师益友,他写了一篇文章,当然我们自己也需要做非常多的研究去拿资金支持。但是这并不是我最初的一个起点,我今天没有时间,要不然的话我可以给大家呈现一个正确的决策怎么样能把一些概念展现出来。

我们未来的方向是什么?如果我们真的要去钻研虚拟现实,还有机器学习的领域的话,两天前我们推出了一个人工智能指数,开放、非盈利的。现在的人工智能其实进步是非常迅速的,直接做 AI、机器人,这并不是这个指数的目的,我们的目的是为了让大家去了解AI的发展情况。我们在2014年的时候在斯坦福推出了 AI 100,我们当时有一个领导小组,去年我退出了这个领导小组。AI100 可以帮助我们去了解未来5年的AI研究,我们需要的也是一直去跟踪AI的发展,这是为什么呢?我们有一系列的独立活动,我们还推出了第一本报告,之后我也会给大家介绍一下这份报告,还有《纽约时报》两天前也报道了这份报告。我们这个领导小组有这些人员,包括我自己,还有 Ray、Erik、Jack 和 Kelven,我们还请了人帮我们撰写了报告。

我这里总结一下大概的要点,很多人都会觉得 GDP 这些数据是很重要的,但是不同的行业有不同的特征,有很多非数字化的目标也是非常重要的。我们的报告讲的不仅仅是数字,我们把这个报告分了这几个部分,包括现在有哪些 AI 活动,技术的进步是哪些,并且我们看到现在有非常多的机会让我们去推动 AI 的进步。我们在这个报告里面指出有哪些AI的功能已经超越了人类的范围。同时我们也看到这份报告其实还是不完整的,缺少了很多组成部分,但是未来我们会继续完善这份报告。这个事情我们也做得非常谨慎,不会下绝对的判断。除此之外,我们做的事情是有限的,就像我之前提到了 GDP,但是 GDP 并不代表一切东西,我们更多的需要从数字和图表中抓出来更多对我们有用的信息。因为我们自己做这个事情,有可能我们自己会出现一些我们自己意识不到的偏见和对事实的扭曲,所以我们会组织一些专家论坛,请一些非常有名的评论家来评判我们这个报告。

我给大家举几个例子,我们在学术界有很多研究,比如个图,看学术界到底对于人工智能每年发多少文章,这个数据来源写的是来自于 Scopus.com,我们主要是看有代表性的文章,不是凡是有人工智能的文章都算进来,这个报告是反映了一部分,而不是详尽的。

这个图蛮有趣的,各种各样国际上大的会议,每年有上千人参加的会议。AAAI 和 IJCAI 两个老牌会议撑过寒冬以后规模回升,其它新的会议也又出现了许多,每年的参加者都在不断增加。

在 ImageNet 的视觉识别大赛上,人类和最佳的人工智能的比赛,也可以看到AI做得越来越好。对于学术界和行业界的动态,2009年前学术界的活动就越来越活跃,发的文章越来越多,但一直到2012年的时候 VC 风投才跟着飙升。而学术界也是跟上了这个速度,你可以看到在2013年之后学术界的成果也突然之间又增多了。

我们总结了一下,很谨慎地做了这些关键时刻的里程碑,也就是在这些时间节点上,人工智能在具体可见的方面超过了人类,比如一开始的时候是下国际象棋、打牌,然后视觉识别,然后到围棋,这是在整个人工智能发展史上重要的里程碑,我们都列出来了。关于 AI 100 指数更多的信息就欢迎访问我们的官方网站,或者是搜索 AI Index,都可以找到更多的信息。

这就是我今天想跟大家分享的内容,谢谢各位。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-12-06

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

在AI时代重新思考人机共生:理解人类在人机系统的最理想角色

来源:cra.org 作者:William Regli 编译:马文 【新智元导读】本文作者是 DARPA 国防科学办公室副主任,文章讨论了人机共生关系的机会和...

37312
来自专栏量子位

英伟达新开源GPU加速平台:主打数据科学和机器学习,50倍于CPU

因为这个名为RAPIDS的开源GPU加速平台出现,固有的数据工作,看起来将迎来变革。

843
来自专栏钱塘大数据

推荐收藏丨大数据思维的十大核心原理

大数据时代,计算模式也发生了转变,从“流程”核心转变为“数据”核心。Hadoop体系的分布式计算框架已经是“数据”为核心的范式。非结构化数据及分析需求,将改变I...

1533
来自专栏数据科学与人工智能

【陆勤践行】怎样成为一个数据科学家:针对大学毕业生的指导(译)

刚毕业的大学生们,恭喜你们!欢迎成为劳动者的一员。在你所有可能申请的工作中,“数据科学家”这个风骚无比的职位也许最难得到的一个,同时也许是最具有潜在丰厚回报的一...

1948
来自专栏钱塘大数据

【大数据误区】大数据是万能的?大数据=数据统计?

什么是大数据? 尽管“大数据”这个词直到最近才受到人们的高度关注,但早在1980年,著名未来学家托夫勒在其所著的《第三次浪潮》中就热情地将“大数据”称颂为 “第...

2926
来自专栏BestSDK

如何培养“产品感”?

产品界,有一个特别虚幻的名词:“产品感”,这个词经常被人挂在嘴边(呵呵哒,也包括我)。 比如: 面试结束后,HR问你,这个小朋友怎么样啊? 你回答:产品感不好。...

3127
来自专栏智能算法

一文看懂大数据思维

真正的革命并不在于分析数据的机器,而在于数据本身和我们如何运用数据。将大规模的数据与运用融合一起,将会颠覆很多我们原来的思维。大数据思维原理到底是什么?笔者概括...

4305
来自专栏数据科学与人工智能

【数据科学】大数据思维的十大原理:当样本数量足够大时,你会发现每个人都是一模一样的

大数据思维原理是什么?笔者概括为10项原理。 一、数据核心原理 从“流程”核心转变为“数据”核心 大数据时代,计算模式也发生了转变,从“流程”核心转变为“数据”...

3027
来自专栏BestSDK

2018——阻碍人工智能发展的5大难题

但你最近和Siri或者Alexa对话过吗?如果有,那么你会知道,撇开这些炒作,以及踌躇满志的亿万富翁们,还有很多事情人工智能仍然不能做也不能理解。以下是五个棘手...

3688
来自专栏数据科学与人工智能

【陆勤阅读】大数据思维的十大原理:当样本数量足够大时,你会发现其实每个人都是一模一样的

大数据思维原理是什么?可以概括为10项原理。 一、数据核心原理 从“流程”核心转变为“数据”核心 大数据时代,计算模式也发生了转变,从“流程”核心转变为“数据”...

2396

扫码关注云+社区

领取腾讯云代金券