Geoff Hinton 专访:Waston 系统和深度学习有什么区别?

关键词还没输入完毕,Google已经返回了你想要的搜索结果;Facebook能将你上传的照片自动打上标签;无人驾驶汽车都已经开上路了。这些所有令人觉得不可思议的一切,都与一个叫做“人工智能(AI)”的名词息息相关。

而如今人工智能的大爆发,离不开一项技术。它叫做深度学习(Deep Learning)。

几天前,当前人工智能领域最知名的学者、多伦多大学教授同时也是谷歌杰出科学家的Geoff Hinton接受电视台采访,向普通电视观众介绍了深度学习、神经网络等概念,同时还分析了IBM Watson,机器翻译技术发展的历史背景和研究前沿阵地;当然他也对人们对人工智能的飞速发展而产生的担忧,发表了自己的看法。

以下是对视频采访内容的文字版总结

什么是深度学习?

人的大脑有100亿多个神经元。在任意一个时刻,每个神经元都会接收到来自其他神经元的信号,但是不同的神经元过来的信号有不同的连接强度。当强度发生改变,你的行为就随之发生改变,这就是你学习的方式。深度学习(Deep Learning)的本质就是一套学习算法(Learning Algorithm),它能够通过改变这些强度使最终的结果发生改变。

深度学习是如何模仿人类学习事物的?

没人知道自己的大脑是如何改变神经元之间的连接强度的。在1980年代,人们提出了一套非常有效的算法来简单的模拟大脑的工作方式。但其实没人知道大脑是不是真的这样工作的。那时,人们是半信半疑的,因为这种算法是效果也不是那么好。但是当电脑变得越来越快,同时我们拥有了越来越多的数据之后,这个算法就开始显现出它的神力。现在深度学习被用到了各个方面,甚至你的手机里都在跑着这样的算法。

是谁最早提出这个算法的?

深度学习最早被人提出是在1970年代,后来又被很多人重新定义过。到了1980年代,电脑的运算速度得到提升后,人们开始使用这种算法。但因为速度也并没有快到如今的这种程度,所以效果并不显著。因此,当时的主流以及我本人都不太相信这种算法。但是最近几年,随着电脑的运算速度得到大幅提升后,这个算法开始开挂了,解决了很多我们以前无法解决的难题,比如语音识别问题。

曾经风光无限的IBM Waston系统跟我们上面说的有什么联系?

这里面有一些机器学习的算法,但是它大部分是基于人工制定的一些规则。这是一个很令人震惊的系统,但是主要还是基于人工。

人工智能在Waston系统中和在深度学习中有什么区别?

主要的区别就在于深度学习在学习的过程中是不需要由人来直接写程序的,唯一需要程序化的就是学习算法。神经网络里的一切都是通过对数据的学习得到的,而不是人工的程序。

所以,他们是在思考喽?

你可以这么说。可能这样说会激怒一些哲学家,但是我认为机器是在思考的。

什么是神经网络以及它们是如何工作的么?

神经网络(Neural Networks)是模拟一组神经元,它通过改变神经元之间联系的权重来学习。对于识别字母,我们的神经网络是基于大量的取自各个地方的包含各种噪音的字母数据训练而成的。我们现在的神经网络是目前最好的可以识别各种包含噪音的以及模糊的字母。

对于这个演示的识别+翻译系统,神经网络只负责字母识别,翻译是依赖不同语言之间的对照表。但是Google以及其他公司在探索一个新的途径来做机器翻译。它可以通过读一种语言的一句话并将其转化成思想,在通过这个思想转化成另一种语言。Google现在就有这样的翻译系统。通过用适中的训练数据,它已经可以媲美现有的翻译系统了。虽然它还不能跟基于更大数据训练出来的翻译系统比,但是它也会做到的。我们在接下来几年就是要做到把一句话先转化成一种思想,再把思想映射到另一种语言上。

当看到细微的差别时,它能理解么?

它可以懂得一些细微的差别。当然,也有一些事情它现在做不到,比如说他不能运用实际的知识在翻译时进行推断。但这个最终肯定是可以实现的,到那时就可以说机器可以真正理解了

深度学习还可以应用在哪些领域,并且能够改变未来?

他可以改变很多很多领域。过去的几年,他彻底改变了语音识别,机器翻译,分子生物学,无人汽车识别人行道。

还要多少年,神经网络才能够像我们的大脑一样思考?

我不知道,这个非常难预测,特别是5年以后的事情。我不人为5年之内这个会发生。5年之后的事情就想迷雾一样,所以我只能做出谨慎的预测。

以上说到的这些事情,会让你有所担忧么?

长久来讲,是的。当有了一个非常智能的机器的时候,我们是会紧张的。但这在很长一段时间内是不会发生的。

什么地方让你会产生担心?

他们会对我们友善吗?

但是我认为所有试图放慢科技进步的企图都是徒劳的。自动问答机就是很好的例子,它可能抢了银行柜员的饭碗,但是没有人会觉得这个想法不好。

一个技术是好还是坏很到程度上取决于政治系统。政治系统必须参与到技术的变革中,比如无人驾驶车,它可以拯救很多人的生命,但是政客们会非常担心,特别当一个无人车撞了人之后。如果说一个无人车撞了一个人,但是同时还能拯救千万生命的话,这就是政客们的难题了。但他们必须要面对这些问题。

你希望深度学习能带给我们一个怎样的未来?

我希望它可以让google自动阅读并能理解其中的含义;它可以让google返回更好的搜索结果,将来就可以通过文章的内容而不是仅仅几个词来搜索了。我希望它可以帮助我们建成智能个人系统,可以回答我们一些隐私的问题。希望可以让无人车更安全。可以让电脑更易于使用,你只需要对着电脑说一个指令,它就照着做了

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2016-03-07

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

【机器学习】我在面试机器学习、大数据岗位时遇到的各种问题

自己的专业方向是机器学习、数据挖掘,就业意向是互联网行业与本专业相关的工作岗位。各个企业对这类岗位的命名可能有所不同,比如数据挖掘/自然语言处理/机器学习算法工...

35060
来自专栏人工智能头条

深度学习 vs 机器学习 vs 模式识别

15830
来自专栏ATYUN订阅号

IBM研究人员通过探索缺失的事物来解释机器学习模型

在《白额闪电》(The Adventure of the Silver Blaze)中,福尔摩斯并不是通过能看到的线索解决了案件,而是通过注意到某一事物的缺失...

13540
来自专栏腾讯高校合作

CCF-腾讯犀牛鸟基金项目课题介绍(一)——机器学习&计算机视觉及模式识别

36780
来自专栏AI科技大本营的专栏

@那些想要转行AI的人:送你一份人工智能入门指南

翻译 | AI科技大本营(rgznai100) 参与 | 彭硕 人工智能是什么?人工智能为何重要?我们应该畏惧人工智能吗?为什么突然之间所有人都在谈论人工智能?...

36940
来自专栏机器之心

业界 | 向机器学习偏见开战:谷歌展示全球涂鸦数据集分析结果

选自Google Research 作者:Reena Jana等 机器之心编译 参与:路雪 机器学习系统对日常生活的影响越来越大,软硬件产品都使用机器学习系统为...

38090
来自专栏机器之心

18岁华裔少年颠覆量子加速优势,推动量子算法经典化

国内量子计算专家也对此事发表了不同观点。如百度量子实验室负责人段润尧在朋友圈评论说,「这是有关经典推荐算法的非常有意思的进展。原先 Kerenidis 和 Pr...

8110
来自专栏鹅厂优文

游戏人工智能 读书笔记 (七) 游戏与监督学习

本书英文版: Artificial Intelligence and Games - A Springer Textbook4

39560
来自专栏量子位

视频版ImageNet?快手搞了一场用户兴趣建模大赛 | 附前三名干货

或许你多少有些了解,在以深度学习为核心的AI算法大杀四方,机器在理解图像、语音等方面都取得了很大的进步时,理解视频内容仍还是一件很困难的事情。

24130
来自专栏大数据挖掘DT机器学习

面试机器学习、大数据岗位时遇到的各种问题

作者:@太极儒 自己的专业方向是机器学习、数据挖掘,就业意向是互联网行业与本专业相关的工作岗位。各个企业对这类岗位的命名可能有所不同,比如数据挖掘/自然语言处理...

387160

扫码关注云+社区

领取腾讯云代金券