【干货】微软资深研究员展望机器学习10年趋势

【新智元导读】Vowpal Wabbit 的主要开发人员、微软研究院资深研究员John Langford今天在Quora上谈了他对机器学习未来10到30年的展望。Langford认为机器学习将改变自动驾驶、普及个人教育、完善医疗体系。新智元在文后附上了这位机器学习专家眼中机器学习在产业界和学术界的区别,以及他推荐的本年度最有意思的论文和研究。

“我想解决机器学习。解决了以后,机器学习是自主性的、鲁棒性好的、可扩展的,很容易用它解决很多问题。”John Langford在他的主页上这样介绍。

John Langford

John Langford是卡内基梅隆大学计算机科学博士,曾在雅虎和IBM Watson研究中心工作,目前是位于纽约的微软研究院资深研究员。John曾是博客网站Hunch.net的主要作者,Vowpal Wabbit的主要开发者。John此前的研究项目包括Isomap、Captcha、Learning Reduction、Cover Trees以及Contextual Bandit Learning。

问:未来几年,你认为机器学习会在什么问题上产生重大的影响?

John Langford:

在未来几年,我不大认为机器学习会解决超级重大难题。

我确实认为机器学习会解决公司层面的一些问题,但是这在总体上并没有把世界变得更好,也没有推动能实际上解决世界难题的工具的研发。当然,人们将会更轻松地获取想要的资讯,人机交互也会变得更好,许多日常的工作都会变得更加自动化。

在更远的未来(10到30年),我们可以期待机器学习在以下这些方面产生影响:

1、自动驾驶。这怎么解决世界难题?当交通工具变成一种设施,而不是财富的时候,车的数量就会减少,这会让污染的减少,也会大大地减少交通事故。额外的福利是,街道上再也不会一直都塞满汽车了。

2、私人教育的大规模普及。在小说The Diamond Age中,有一本书,很多很多的人都是从这本书上接受教育的。具体的细节可能不一样,但是这为什么不能通过使用机器学习技术来有效地实现呢?我找不到反驳理由。未来,一个人人都能根据自己的节奏来学习的世界将通过机器学习成为现实,并且,机器学习是很有用的,特别是早期的教育中,因为在那个阶段,交互是一个重要问题。

3、医疗的合理化和私人化。美国已经建立的是一套很烂的系统,采用的是那些成本最高的解决方案,这也是为什么美国的医疗要比别的大多数国家贵一倍的原因。我期待,通过个人设备(Fitbit、Mircrosoft Band等等)的私人化医疗,能真正地启发变革,这既是因为这些领域是风险较低的,也因为这些领域还没有被墨守成规的行事风格占领。

总体上,在下列情形中,机器学习是一个让人叫好的工具

1、正确的答案还不明确时;

2、数字化环境中;

3、相同的决策要多次重复时。

机器学习改变世界的进程不会是一帆风顺的。一些简单重复的工作岗位会减少,这将要求社会谨慎的应对,以维持社会稳定。现在的潜力是——社会作为一个整体是变得越来越富裕。但这并不意味着社会会运行得很好。

问:产业中的机器学习研究跟高校中的研究有何不一样?

John Langford:

从最粗的层面上来看,研究会更多的偏向产业而不是高校,并且,制作一些能影响人的东西遇到的阻碍会更小一些。

在高校中,每一个教授都是孤身奋战(最多还有自己的学生)。这意味着教授们并不会像你想象的那样紧密合作。教授的时间也会根据管理任务被碎片化,于是给私人研究留下的时间就非常少了 ——大多数教授的研究都是通过辅导学生完成的。

在一个好的行业研究实验室,你可能会跟不同等级的教授一起合作完成一个项目,这会让你可以去完成一些难度更高的和更大的任务。另外,不管是数据、计算机设备或者一些非常有用的程序,在行业的研究都会有更多的资源。

但是高校中也有一些很有利的条件。很多人就是单纯地喜欢教学,我能理解。学生当然需要一些知识来源。高校还有一点非常好的就是不会过度功利化,在高校中,一定会有一些人在某些地方干正确的事,不管这项研究是不是很热。

问:在机器学习领域,你认为哪一家实验室的研究最有意思?

John Langford:

在产业界和学术界,人工智能领域都有很多人在在做很多非常有意思的事。从我自身来讲:

1、我们在纽约的微软实验室显然有很多工作都很吸引我,不管是系统还是理论。

2、其它的微软实验室也做了很多有趣的事,比如图像识别或者GPUs上的并行计算。

3、谷歌至少有两个实验室做了很有意思的研究,一个是伦敦的DeepMind。另一个是硅谷的,他们专注于高级版本的人工智能,比如论文Grammar as a Foreign Language。

4、Facebook在纽约的实验室中,有研究在对人的记忆进行互操作研究。

5、伯克利大学AMP实验室在机器学习、数据和系统上做了一些有意思的研究。

6、有很多教授在大学里也进行了一些有意思的研究。在机器学习领域,最高的大学可能就是伯克利、卡内基梅隆和斯坦福,但是在许多大学,教授们都在进行很有意思的研究。想要读研究生的话,真的要好好看一下导师是谁,这和选择哪一所学校一样重要。现在,这已经很容易做到了,因为教授们公开的个人信息很容易获得。

问:本年度读到最有意思的论文有哪些?

John Langford:

Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun的Deep Residual Learning for Image Recognition

http://arxiv.org/abs/1512.03385

Akshay Krishnamurthy, Alekh Agarwal, John Langford的Contextual-MDPs for PAC-Reinforcement Learning with Rich Observations

http://arxiv.org/abs/1602.02722

David Silver等人的Mastering the game of Go with deep neural networks and tree search

http://www.nature.com/nature/journal/v529/n7587/full/nature16961.html

Akshay Krishnamurthy, Alekh Agarwal, John Langford的Contextual-MDPs for PAC-Reinforcement Learning with Rich Observations

http://arxiv.org/abs/1602.02722

【推荐

John Langford的个人博客http://hunch.net/?paged=2上,有很多关于机器学习的文章,可复制链接打开查看。

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2016-04-21

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

来自专栏镁客网

AI总会有低潮,但为什么科学家们一直有快感?

1550
来自专栏新智元

DeepMind 是全球 AI 领域 No. 1?一文看懂巨头实力

【新智元导读】Google Brain的Eric Jiang昨天在Quora回答提问,分析了谷歌、微软、Facebook、IBM等巨头间的AI实力,引用最新例子...

3228
来自专栏数据猿

李开复看好AI创业为天使投资人支招,谷歌大牛分享处理极大复杂数据的三类实际建议 | 大咖周语录

数据猿导读 对于大数据的概念以及大数据在各行业的应用,每个人心中都有不同的看法。小编每周都会整理大数据牛人们的精彩观点,让你在最短的时间获得最精的思想荟萃。后续...

37610
来自专栏腾讯大讲堂的专栏

2017腾讯创新日 | 科技引领潮流,创新打造未来

创新充满挑战,科技提供更多可能,随着社会的不断前进,科技、创新越来越深入我们的工作和生活中。勇于挑战自我、专研业务技术的腾讯人在6.14日举办了2017年“腾讯...

3566
来自专栏机器之心

盘点52个全球人工智能和机器学习重要会议

选自Data Pipeline 机器之心编译 机器学习和人工智能是今天最热门的科技研究方向。随着行业的不断升温,越来越多的 AI 主题会议也层出不穷,在这些会议...

4176
来自专栏CDA数据分析师

深度 | 一份麦肯锡给公司高管定制的机器学习指南

机器学习基于一种算法,该算法从数据中获得学习能力,而无需依靠基于规则的编程。随着数字化的进步和计算能力日趋便宜,使得数据科学家能够停止建造模型,转而训练计算机来...

1899
来自专栏人工智能快报

麻省理工机器学习峰会:人工智能重塑世界

据麻省理工学院网站报道,在麻省理工学院和风险投资公司Pillar联合举办的机器学习峰会上,行业领导者、计算机科学家以及风险投资家汇聚一堂,讨论智能计算机如何重塑...

2976
来自专栏量子位

对话搜狗口语机器翻译团队:全球夺冠只为验证技术,更看重落地商用

在今年的国际顶级口语机器翻译大赛IWSLT上,搜狗战胜科大讯飞、阿里等众多国内外好手,一举夺魁。

1123
来自专栏镁客网

一不小心就败家了?Buy+计划还没那么神奇

1364
来自专栏数据派THU

【独家】DataVisor:基于Spark平台的智能大数据网络反欺诈(视频+PPT+课程精华笔记)

[导读]为了让清华大学大数据能力提升项目的学生在基础学习和科研的基础之上,更好地了解大数据技术行业领域中的应用,清华-青岛数据科学研究院支持开设了金融大数据方向...

3298

扫码关注云+社区