知乎大神田渊栋:人工智能的当下与展望

作者:田渊栋 Facebook | 人工智能研究室 量子位 已获授权编辑发布

本文作者田渊栋,毕业于卡耐基梅隆大学机器人系,现就职于Facebook人工智能研究室(FAIR)。主要研究深度学习的理论和实践、序列决策和计算机视觉。

近日,田渊栋在知乎专栏中发布了题为《一些关于人工智能的讨论》的连载文章,量子位将此系列前两篇整理如下,与大家分享。

问:强AI是否会统治世界?奇点是否会到来?

首先,“强AI”这个概念不是那么清晰。强AI或者弱AI,并非是由一个天才的点子造成的从0到1的突变,而是通过一系列的技术突破达成的循序渐近的渐变过程。

拿计算机视觉来说,现在我们完全解决了”计算机视觉“这个问题么?我们会发现图像分类或许超过人了,但是物体检测还有各种毛病,小物体找不到,大部分被遮挡的物体找不到,需要高层推理的物体找不到,样子相似的物体易混淆,等等。

同样的,视频流中的行为检测解决了么?基于上下文的物体检测解决了么?视觉和语言如何互通?这些虽然有进展,但还没有完全解决。

在这个现状之下,再想要有一句话解答”计算机视觉有没有完全解决”这个问题,就显得非常困难了。所以说,一个领域下这些细分的子领域,只有在这个领域充分发展之后才会渐渐浮现出来。

人工智能作为一个覆盖面广得多的研究领域,随着进一步发展只会分得更细,到那个时候,我们现在挂在嘴上的强/弱AI的二元称谓,是不是会显得有些可笑呢?取而代之的,往往是“高层推理很强但相对欠缺感知能力”或者“相当于三十年经验的山地植物学专家但不擅长观察卫星图片”这样的说法。

我觉得,我们现在如何评价一个人,将来就会以同样的方式,在一个更高的水平上去评价一个AI系统,这种评价是多方面且恰到好处的,而非“强”与“弱”可以简单概括。

正因为达成更好的AI需要一系列的技术突破,需要借鉴各方面的想法,存在一个科学狂人或者一个秘密组织,单独把路径上的所有关键步骤都做出来这种可能性已经越来越低了。

闭门造车的风险太大且有很大概率走进错误的方向,大部分人都是站在巨人的肩膀上,相互借鉴相互交流,通过文章共享和代码开源,一点一点地向前推进。在任何一个突破出现之前,在一线科研论文中早会出现大量的证据,只要各地研究人员的水准和手头的资源相当,没有理由意识不到这一点,并且紧紧跟上。

要知道在每一个重大科学成就背后,是多少功败垂成的研究者们深沉的叹息(这方面的例子实在太多,我就不举了),这些第二第三们会被历史所遗忘,但从另一方面来说却是整个人类世界得以持续发展的基石,前仆后继,以至黎明。

另一方面,在这样的环境下,虽然开创性研究很难,但对于跟随者而言,只要还在AI研究的第一梯队,并且目标只是重现或者应用已有算法,就可以在很短的时间内赶上来。只要一个团队做出好东西,其它团队照猫画虎多花几个月也可以做出来,到时候大家都又回到同一起跑线上。

在接近这个目标的过程中,必然会有大量的文章公布,大量的代码开放,大量的有志者进入这个领域并且深入探索,大量的从业者借助工具获得了远超身体和大脑极限的能力。在达成通用AI这个目标之前,AI的发展过程本身,就已经会对人类社会的方方面面造成极为深远的影响。

这一点,我们现在已经看到了很多,将来会看到更多,人类也会因此而在不知不觉间完成巨大的转变。等到我们真的准备好了去跨出那一步,那一步就已经不算什么了,或许到头来,我们会根本忘记那一步是如何跨出,就已经身处与十年前完全不同的未来——这也是一个人变强的体悟,不在一朝一夕,而在于坚实的每一步。

不可否认,一个能充分发挥人的潜力和创造力,抢先做出能加强人类思考能力,能在小样本无标定的情境下工作,具备强大泛化能力的通用AI的团队,背靠完全自动化信息化的传统领域,具备高效的执行能力,能够飞快地将研究得出的成果付诸切实且广泛的应用,那确实会在这领先的几个月内具备极大的优势,并完全可能会远远甩开身后的众多跟随者。

但基于先前渐进发展的逻辑,就算存在这样一个相对大的跳变,其它跟随者也至少有章可循。在这个区间内会发生什么事情无法预测。回顾往昔,技术爆炸信息不畅对立意识浓厚的二战可能是人类历史上最为危险的时刻,但就算是这样,人类也已经走过来了。

而我们研究人员所能做的,通过缩短这个时间差让大家一起走过去的办法,就是共享研究成果,进行充分而坦诚的交流。

对AI来说,数据和经验是其最终的发展瓶颈。有数据的地方AI才能有过人的水准。无人车是个典型的例子,一开始数据很多进展很快,但随着系统的改进,从每公里出现一次问题到每一百公里出现一次问题,有价值的数据越来越少,进展也就越来越慢。

将来AI的技术突破会让它在同等数据条件下有更强的泛化能力,但不变的底线是仍然要依靠数据去寻找模式。

人作为一种智能体,在AI出现之后其社会发展恐怕也会遵循相似的路线。每个人生活轨迹都不同,一生都会产生大量独一无二的数据,在这样一个高维空间中,AI和人一样,其踏过的轨迹都是茫茫宇宙中的微弱烛火,只是百步和五十步的区别。

于是,勇于探索并拥有独特的经验就变得极有价值,能成为别的智能体模仿的目标。比如说拍一张没人见过的照片,去一个人迹罕至的地方并记录下来,写一篇文章传播新观点,等等。目前这样的倾向已经出现了。各种朋友圈及直播的火爆,网络小说的流行,大家愿意去花时间和精力去体验别人的生活,特别是不一样的生活,可以说是将来这样的社会形态的先驱和萌芽。

当重复性的物质生产完全自动化了之后,这些可分享的独一无二的经验,就成了真正的稀缺资源和全人类的宝贵财富。

在商业上来说,大量相对平凡的经验争着去给别人消费,而独一无二的稀缺经验则需要消费者以某种代价去获取。

从个人角度来看,前人的多样性给后人带来了无尽的生活可能;在全人类的角度上看,获得更多未知的经验,能够提高人类整体的生存可能。

以现在看来,经验世界是看不到尽头的。

举围棋这个例子,非常简单的几条规则可以创造一个上下几千年的人们探索一生还远远无法穷尽的世界。对于更复杂的规则,即便有了AI的帮助,又要花多少时间去研究和探索?更何况AI也可以用来帮助创造新的世界,比如说游戏内容生成。

《未来简史》中认为将来大部分人会成为无用阶级,这个是狭隘地理解了“有用性”,也低估了一个人所能做的。

当重复性的物质生产完全自动化了之后,在理论上来说,一个人有了从头到尾完全生存于一个虚拟世界,并在里面体验及探索一生的可能。

目前这种体验还无法和现实世界相比,这一方面是因为大量工作仍需人力,虚拟世界也还太过粗糙;另一方面因为人们还没有意识到体验本身的重要性,还没有把它当成新的社会财富的觉悟。

但以后借助AI的力量,在社会资源极大丰富之后,可以并且应该探索截然不同的世界,并将这个世界的体验保存下来,不管这个世界是现实的还是虚拟的,是不是制造出来的概念或是所谓“真实“存在的事物。毕竟,谁能保证现实世界不是一个巨大无比的虚拟器呢?到这个时候,真实和虚拟也不再有高下之别。

有人可能会担心人类在现实世界的发展问题,大家都去虚拟世界里玩了,现实问题会有人管么,宇宙还会有人愿意去探索么?

其实我觉得现实生活作为一种高难度的体验过程,总会有少数人愿意去挑战的,而且市场规律会给这些勇者们应得的高回报。因为能获取这类经验的人相对稀缺,另一个附加分是获取现实世界的物理资源,可以将之转化为计算资源,从而拓宽人类及AI经验的边界。

以后在AI能做大部分的技术性工作之后,能否使用手头一切可用的资源去完成一件别人无法完成的事情,能否在大家公认的信念中找到问题所在,能否通过自己的努力为整个世界提供独特的视角和感受,这些可能会成为人才的标准。

往更大的方向去说,就是“立德,立功,立言”。而“德、功、言“其影响力的大小,则会决定人才的层次。将来高度发达的网络和交流环境将在很大程度上让学生自动学会各项专业技能,而教育的重心就会放在大方向上指导和启发,决定在高维的经验空间中,人生这条旅途的选择,走向和境界。

原文发布于微信公众号 - 量子位(QbitAI)

原文发表时间:2017-08-16

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

来自专栏数据猿

猿家编译 | 那些舒适指数爆棚科幻感极强的智慧城市,大数据能帮你实现

“智慧型城市”的概念喊了这么多年,到底靠不靠谱,能不能实现,是不是真的不止停留在科幻电影里,真的在不远的将来就能等到实现的那一天?答案是:真的!因为随着云计算、...

37215
来自专栏智能相对论

为什么这两家娱乐公司都在不务正业搞AI竞赛?

市场一直在变,而在公众认知范围内,视频行业的竞争点在内容、在流量、在资金。直到近期,爱奇艺AI竞赛“发榜”,市场惊觉在竞争格局越发紧张的现在,在线视频已经在凭技...

1103
来自专栏企鹅号快讯

人工智能即将来了,他将怎样影响我们的生活?

人工智能来临,有人在担忧失业,有人在憧憬未来,有人在发掘行业机会,也有人在研究围棋。在讨论这些之前,也许我们应该先考虑一下人类的结局。 ? 有人可能觉得谈论这个...

2219
来自专栏大数据挖掘DT机器学习

你真的适合在数据科学领域工作吗?(译文)

目前数据科学家或相关角色(如数据管理,统计师,数据分析师等)成为最抢手的职业之一。针对这一跨行业的趋势,一些顶尖大学已经开始致力于培养数据科学家. 在...

2875
来自专栏顶级程序员

Python告诉你:知乎上有哪些收入百万的Live

爬取了知乎上所有的Live数据。从Live开播到现在一共是五千多场。分析这些Live的时候,发现很多很有趣的东西,比如有些Live特别长,可以长达数个小时,有些...

1444
来自专栏人工智能头条

专访 | 今日头条李磊:程序员如何跻身AI大潮,应用如何落地

871
来自专栏量子位

Facebook首次披露自研AI芯片细节:为视频而生,LeCun挂帅

今天(5月26日),Facebook首席AI科学家Yann LeCun,在故乡巴黎举行的Viva科技峰会上,首次披露了Facebook在AI芯片方面的具体方向。

832
来自专栏企鹅号快讯

细思极恐,人工智能是否真的会形成自我意识?

忘掉如今人工智能领域的小幅进步吧,比如汽车自动驾驶的能力越来越强。等待我们的可能是一项突破性的进展:一种能够感知自身及其周围环境的机器,它可以实时接收和处理大量...

1896
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。

1213
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

扫码关注云+社区

领取腾讯云代金券