通信科技/NEWS CENTER

打败李世石的,是AlphaGo研发者的血和泪

发布时间:2017-12-30

  打掉李世石的AlphaGo开发者的血泪

  本文是网易智能工作室(公众号smartman163)出品,本文为AI英雄38。来自:Gigaom编译:网易编译机器人评论:着名计算机科学教授Xiaowei Oren Etzioni创建并运营华盛顿图灵中心。自2013年起,他一直担任艾伦人工智能研究所(AI2)的首席执行官。该机构研究数据挖掘,自然语言处理和语义网络问题。此外,他还是马德罗风险投资集团的风险合作伙伴。业内人士称他为“你从未听说过的最成功的企业家”。以下是对Oren Etzioni的采访:关于Allen人工智能研究所和Aristo项目[Q]:请你介绍一下Allen Institute首先,我想知道您在网站上突出显示的四个项目。他们都非常有趣。 Oren Etzioni:艾伦人工智能研究所实际上是保罗·艾伦的想法,几十年来他一直对人工智能有着浓厚的兴趣,并且在西雅图建立了几个科学研究机构,仿照艾伦脑科学研究所(Allen Institute for Brain Science) Allen AI Institute成立于2013年,是一个非营利组织,作为首席执行官,我感到非常荣幸,我们的使命是服务于公众利益,正如你所提到的,我们有四个项目让我非常兴奋我们的第一个项目是“Aristo项目”,这个项目是关于建立一个计算机程序,可以回答和四年级学生一样的科学问题,现在我们也在学习八年级的科学,有时候人们会问我:我的上帝,你为什么要这么做?“你是不是想让一个10岁的孩子失业?当然,答案是否定的。我们真的想用这个科学测试问题作为衡量我们在这个问题上表现的基准一世智力,对吧?我们在像AlphaGo这样的计算机程序上取得了巨大的成功,击败了世界冠军。我们会说:“那么,这是怎么翻译成语言的 - 特别是理解语言,理解图表和理解科学?”回答这个问题的一个方法就是用“让我们提出关于机器和人类的相同问题”来形成一个公平的竞争环境,所以从这些科学测试的开始,我们可以看到人类实际上在做的更好。矛盾的是,对于人来说相对容易的事情在机器上是非常困难的,对于人来说很难的事情在机器上更容易实现,比如走世界锦标赛。[Q]:等一下,我想稍等片刻仔细分析,我注意到,每当一个聊天机器人选择参加图灵测试时,我会问同样的问题,他们都没有正确回答问题。这是一个四十岁的小孩可以回答的问题,那就是“五毛大还是太阳更大?那么为什么这是一个问题呢?你在做什么会影响你是否可以回答这个问题?为什么从四年级的学生开始,而不是四岁的孩子,问一些最基本的问题呢?所以第一部分是:你会做一些会影响你是否可以回答这个问题的东西吗? Oren Etzioni:当然,我们的目标是提供背景和理解来回答这些类型的问题,这些问题结合了基本知识,基本推理和对语言的充分理解,当你说“积分”时,你的意思不是金属,而是一个特定的硬币,一个特定的大小,等等。这台机器之所以如此难以回答,是因为它是所谓“常识”知识的一部分,对吗?当然,如果你编程,这台机器可以回答这个问题,但是这里有几十亿类似的问题,比如相对大小,动物行为等等。机器无法回答的确有很多甚至是无穷无尽的基本问题。他们之所以纠缠在这些问题上,是因为他们根据什么来回答这些问题?他们如何获得这些知识?例如,“上帝,为什么我们不考虑四岁或一岁?”我真的想过。所以在大学里,我们考察了一个夏天,试图跟上,说:“让我们从一个六个月大的孩子或一个一岁的孩子开始。”我对这个语言特别感兴趣。所以我说,我的天啊,我们当然可以做一些我们可以称之为“父亲”或“妈妈”的东西吧?那么我们从这一点开始工作。我们发现,即使很小的孩子,与他们身体处理语言,了解周围世界的能力密切相关,他们的眼睛和对人的面部表情的理解,最终的结果是,我们不能建立一个一岁的孩子。所以,有趣的是,一旦你到了四年级,阅读和回答有关科学的选择题,就会变得更容易,更注重语言和语义,而不是长篇大论。爬行当然,这也是一个具有挑战性的机器人问题。那么,我们选择从更高的层面开始,比如金发的开始吧?它更注重语言,有趣的是比建立一岁或四岁的孩子容易得多。同时,在大学层面,生物学并不像生物学那样复杂,涉及到非常复杂的语言和推理。 Q:所以你的想法是,通过谈论学校的科学考试,你会发现你掌握的词汇范围非常狭窄,你必须理解的一些非常狭窄的东西是理解一个对象这个想法是什么?例如,人工智能在游戏中表现出色,因为这些游戏是一个固定规则的有限世界,你是不是想要建立一个类似的东西呢?Oren Etzioni:这是一个模拟,从这个意义上说,完成小范围的任务和有限的领域,同时这也许不是真的,所以从我的角度来看,如果这些问题有很大的多样性,而不是表达的多样性,这些测试通常需要你了解重力或光合作用,然后把它应用到特定的情况,“如果我们把植物靠近窗户,会发生什么?”这意味着将各种基础科学知识与现实世界的应用相结合,这是非常多样的。因此,回答四年级的科学问题比下一步要困难得多。真的可以创建一般的人工智能?问:你相信我们正在建立一种“通用人工智能”(AGI)?我们需要做的是让它们变得越来越大,越来越好,越来越好,这是AGI吗?这是正常的道路?或者AGI与你在做什么有关? Oren Etzioni:这是一个非常关键的问题。我想说的是,我们不是在建立普遍的人工智能的道路上。你可能会认为,如果你建立了一个Aristo项目,然后把它扩展到12年级,那么你就会有更复杂的词汇和更复杂的推理......“嘿,如果我们继续扩大规模,我们最终会得到通用人工智能但我不这么认为,我觉得我们仍然需要解决很多相关的问题,这是一个非常复杂的情况,如果这是一条道路,这是一条曲折的道路,但实际上我们正在迭代。人们经常会说,“哦,我把钥匙放在哪里? “你多频繁地重复步骤,打开抽屉,说:”哦,我忘了看袜子下面,“或”我忘了看看床下。 “”这是一个非常复杂和不可确定的过程,相反,“哦,我要走的路,目标是明确的,我只需要跑5英里上山,我会到达那里。 “我有一本关于人工智能的书,将在今年年底出版,在这本书中,我谈到了图灵测试,我介绍了我能想到的最棘手的问题,要求一台计算机,以便我能够检测到它是否”一个电脑或一个人,这里“我的问题的变化:”博士史密斯在他最喜欢的餐厅吃饭,他经常去吃饭。他接到一个电话,一个紧急电话,没有付钱就跑出去了。 “餐厅老板可以起诉他吗?”所以,如果你仔细想想,你知道他是一名医生,他正在接受紧急电话。你应该推断他总是在那里,他们知道他是谁,他们甚至可能知道他是一个医生,他们会起诉吗?所以,为了回答这个问题,你必须了解很多社会事物。这与解决十二年级的科学问题是否一样?或者我需要问AGI来回答这个问题吗?我们学到的一件事是,当你定义一个任务时,例如回答一些关于社会,可能有一些伦理和实践的考虑,这是我们学习的一部分,你可以想象,随着时间的推移,Aristo项目将面临这些更微妙的问题的挑战,但是,我们再次一直非常擅长确定这些任务,建立训练集,建立模型,并回答这些问题,这些问题可能会很好地回答这些问题,但在过马路时仍然很困难。仍然很难读一首诗或讲一个笑话。因此,对于AGI来说,关键是“G”,通用性是非常难以捉摸的。这是一件令人惊讶的事情,因为我们谈论的四岁儿童是相当普遍的,尽管她不一定是一个伟大的棋手或者一个伟大的棋手。这就是我们所知道的。随着人工智能技术的发展,我们不断了解人工智能最难以捉摸的一面。一开始如果你看了二十世纪六七十年代写的东西,人们对电脑程序是否可以下棋感到怀疑,因为公众认为聪明人是好的棋手。但是,到现在为止问题已经解决,人们开始谈论学习。他们说:“天哪,电脑程序不会学。”随着我们越来越好,至少对于某些类型的学习,现在的重点是多功能性,对吗?考虑到我们所有的成功,我们如何建立一个共同的计划,无论是扑克还是国际象棋,还是具体问题,都是在一个非常狭窄的使命中获得的?关于AlphaGo的意识和人工智能系统漏洞问:我读过一篇关于Aristo项目的文章,他说:“一个指导的哲学可以用来解释人工智能关于如何工作的项目关注点。 ,并根据新的知识来改进这种思维模式。“你能解释一下吗?这是什么意思? Oren Etzioni:关键在于我们所做的大部分工作是利用背景,无数的事实,文字和社会的细微差别。深度学习是AlphaGo成功的关键,但请记住,至少从任何经典的定义来看,这些程序是非常欠缺知识的。如果你能和他们交谈并问他们:“你知道吗?发现虽然他们可能存储了大量的信息,比如国际象棋,但是他们对这个信息不太了解。问:当然,这也是一个意识问题。我知道你的书中也提到了这个问题:我问了AlphaGo:“嘿,你知道你赢了吗?”AlphaGo不能回答这个问题,这不是因为它不懂自然语言,而是因为它是无意识的,卡斯帕罗夫曾经说过他说:“好吧,至少它不会让人开心”,至少它不知道它打败了我,最好的天赋花费了很长时间才能创造出能击败卡斯帕罗夫的东西,你认为这是这种传播方式可能会传播到其他许多方面吗?Aristo和AlphaGo或者国际象棋有什么不同?[Oren Etzioni]:我认为我们可以从这个经验中总结出一些东西,但我认为普遍化并不总是人们所做的。 ,我们可以得出这样的结论:当我们有一个非常具体的所谓的“目标函数”或“绩效标准”时,谁输谁输就基本清楚了,我们有很多数据,作为计算机科学家,我们很擅长使用更快的计算机,更多的数据,更复杂的算法,并最终解决问题克问题。然而,用自然语言:如果你邀请我去另一个播客,我想做得更好。我该怎么办?如果我的方法变得更好,包括看数以百万计的培训案例,你将不会做数以百万计的播客。对?你是对的,当事情变得更模糊,更不确定,更微妙时,当训练数据较少时,就需要采取不同的方法,所有这些特性使得Aristo和其他项目与国际象棋或国际象棋非常不同,问:那么,Aristo之间的区别是什么?说一个它可以回答的问题,一个它不能回答的问题。或者这是一个令人信服的问题?你怎么看? Oren Etzioni:首先,让我们记录下我们的分数,我给你举个例子。虽然Aristo在四年级的非图表中有80%的选择题是正确的,但是当我们看到我们称之为“非图表多选题”的纯粹语言特定的问题时,机器很难解释图表。你说什么,我们的准确率是80%,这很好,因为一开始我们的准确率接近20%,包括所有图表问题和所谓的“直接回答问题”,你必须用一句话或一个句子,不仅在四个选项中做出选择,那么我们的水平就低得多了。乐观地说,我们已经取得了很大的进步,但悲观的一面是,我们在四年级的科学测试中还是拿到了D。所以这是一个你怎么想的问题现在当你问“我们可以解决什么问题?”在我们的网站AllenAI.org上有一个演示,例如,我点击“现场演示”,我会看到这个问题:“什么是水循环的主要能源来源?”甚至,“图表belo w表示食物链。“如果小麦植物死亡,小鼠的数量如何变化? ?所以这些问题是相当复杂的,对吗?但是,这些问题不长,但是我们创造的AI还是纠结在一起。这被称为“漏洞”。如果你选择任何一个我们可以回答,然后改变你的方式,我们将立即失败。顺便说一句,这是许多人工智能系统的一个特征,即“脆弱性”的概念,一个非常小的差别,人类可能会说,“哦,那没什么不同”,但是有一个很大的不同。 :这是真的,我一直在测试亚马逊Alexa,我注意到如果我说“有多少个国家?”它给了我一个数字。如果我说“世界上有多少个国家?”它给了我一个不同的数字。不管谁会被视为同样的问题。你是这个意思吗?奥伦·伊佐尼(Oren Etzioni):这正是我要谈的,这是非常令人沮丧的。例如,“Siri,你今晚好吗?”或者“你比Alexa更好吗?我所说的就像你和一位酒店经理试图在市中心找到一家像样的餐厅的对话,所有这些在游戏中很容易解决的问题都不能很好的表达出来我写了一篇关于Alexa和Google Assistant一些实际问题的不同答案的文章,如果你问“一年多少秒”,他们会给你不同的答案,如果你说“谁设计了美国国旗?他们会给你不同的答案,如果你详细分析一年有多少秒,你会认为这是一个目标,有正确和错误的一点,但其中一个给出了日历年的答案,太阳的一年是四分之一天的差距,至于美国国旗的问题,如果你想一想,一个是Betsy Ross,另一个是说设计这个50星旗的人,我们现在的旗帜。最后,都是提问者的错,因为这个问题本身是模糊的,对吗?所以,即使制度好,如果问题的措辞不好,还是搞砸了吧?还是脆弱的,换句话说,智力的一个方面就是回答模糊问题的能力,是不言而喻的。但即使有一天,这些系统肯定会超过我们,尽管它们的存储量是巨大的,但是如果你说“你为什么给我这个数字?”,那么会说:“那么,我在这里找到了”。我们看到一个大的查找表,它不能解决这个模糊问题,或者以更有意义的方式解释自己,如果你把数字3放在那个表单上,你会问“一年多少秒?”这个程序将会是高兴地说,“3秒钟”,你说“这真的很合理吗?”它会说,“哦,我不能回答这个问题。”对吗?有一个人会说:“等一下。”一年我们还有很长的路要走。“关于欧几里得项目[Q]:我们还有三个项目可以讨论,但是您对约翰·塞尔中国的房间问题,我要在这里提到:房间里有一个不懂中文的人,有人问他中文问题,他有很多书要检查,但他只是抄了书,他们。是霍乱还是咖啡豆,还是它是什么。显然,这是类比。那么电脑真的可以理解吗? [Oren Etzioni]:你知道,这个中国的房间实验真的是最有吸引力的哲学,其中最有趣的想法和实验之一就是很多文章都是关于它的。总之,我认为这确实暴露了一些问题。当你对中国的房间和系统有更深入的了解的时候,你会说:“我的上帝,它似乎什么都不懂”。当你打开电脑时,你会说:“上帝,怎么能理解?只是一堆电路,电线和芯片。“这个推理的唯一问题是如果你更深入的思考,换句话说,如果你分析他们的大脑,你会看到同样的东西,你可以看到神经元,离子电位,化学过程,神经递质和激素。你看这个级别,当然神经元什么都不懂,我觉得在中国的房间里,如果没有其他的播客,我认为这是一个非常有趣的事情,但这有点误导人。从一个复杂的技术系统来看,这个技术系统可以基于神经元,也可以基于电路和芯片,这是一个自然现象[Q]:这是另外一个问题,因为我会问是自然还是自然?但是,正如我所说,我们还有三个要讨论的事情,让我们来谈谈欧几里得。 Oren Etzioni:Euclid是Aristo的兄弟,在Euclid我们学习SAT数学问题,Euclid的问题更简单,因为你不需要所有这些背景知识来回答这些纯粹的数学问题。但是,你真的需要对句子有一个非常全面和全面的理解。所以,我会给你我最喜欢的例子。这个问题是基于一个关于印度数字理论家Ramanujan的故事。他说:“两个自然数立方体的最小和可以用两种不同的方式来表示?这个问题的答案是一个具体的数字。当然,听众可以在Google上搜索。但要正确回答这个问题,你必须分析这个冗长复杂的句子,理解“两个不同方式表达的两个自然数立方体的和”。对于AI系统,这到底意味着什么? Euclid项目对句子和段落有完整的理解,这是我们在SAT考试中遇到的,但是Aristo也经常遇到这些问题,而当你“处理数学问题时,你不会”似乎“你必须给柏拉图项目:关于视觉意识[Q]:正如你所说,这是阿里斯多的兄弟,但柏拉图,我们正在谈论第三个一下,是非常不同的吧? Oren Etzioni:对,也许,如果我们用这个家族的比喻,柏拉图是阿里斯托和欧几里德的堂兄,但现实是我们没有一个自然的标杆,但是我们对视觉非常感兴趣。认识到我们要解决的许多问题和世界上的许多知识不是用文字表达的,当然也不是以任何便利的方式表达的。有一个很好的方法来知道事情,不仅仅是太阳和五美分,但即使是长颈鹿和蝴蝶......你不会找到这样一句话:“长颈鹿比蝴蝶大得多”但是如果你看他们的照片,你可以建立联系,柏拉图是从图像,视频,图表中提取知识,并能够推断出结论,因此,华盛顿大学艾伦学院的项目负责人Ali Farhadi和同事们是非常棒的。我们可以根据图像做出惊人的事情。我最喜欢的例子之一是:想象画一条对角线并在这条线上画一个球。那个球会是什么样的?那么,如果你能想象得到,当然球会滚落,它会滚下去。事实证明,大多数算法在进行这样的预测时确实受到了挑战,因为要进行这样的预测,你必须推断发生了什么事情,这不仅仅是说“这里有一个球”,但是你有了解这是一个斜率,重力将起作用,并预测会发生什么。所以,我们确实有一些最先进的功能,比如图像推理和预测。问:视频是不是完全不同的东西,因为你真正看到的是图像之间的差异,还是他们是相同的基本技术? Oren Etzioni:技术层面有很多不同之处。但事实上,视频只是一系列的图像。这是我们的眼睛或者我们的大脑,构建一个连续的运动。它全部显示每秒显示多个图像。对我们来说,这是训练数据的一个很好的来源,因为我可以在第一秒就把图片放在第二秒预测会发生什么。然后我可以看到第二秒发生了什么,看看预测是否正确。球落下了山吗?蝴蝶落在长颈鹿身上吗?所以有很多共同之处,视频实际上是图像和训练数据的丰富来源问:让我举个例子,假如我生活在一个死胡同里,假设街对面的夫妇怀孕了,已经怀孕九个月了,早上三点钟起床,我向窗外望去,他们的面包车已经走了,我想说:“啊,他们一定是去过医院了。换句话说,我从不在形象中的东西推理。这对于机器来说真的很难,不是吗?Oren Etzioni:是的,人们远远领先柏拉图,但是为了预测这个问题,你需要找到semanticscholar.org的帮助,在Semantic Sc​​holar Network的帮助下,我们在其他项目中看到的许多能力都集中在一起,语义学者网络是一个科学的搜索引擎,可以让人们找到计算机科学论文以及神经科学论文,很快,我们将推出覆盖生物医学的论文PubMed和其他人可以找到的所有引擎。但是,我们要解决的问题是,有这么多的科研论文,可能超过1亿份,每天发表更多的研究论文,几乎不可能跟进。与以往不同的是,现在没有人可以知道所有的科学知识,因为我们跟不上发展的步伐。这是AI帮助我们在文献检索中更加高效和高效的假设和设计实验的好地方。这就是我们所要做的“语义学者”,它涉及到理解语言,这涉及到理解图像和图表,这涉及到更多。问:你为什么认为语义网没有取得更大的进展?你对语义网的预测是什么? Oren Etzioni:我认为区分“语义”和“语义”很重要,我们在语义网络中使用“语义”,前者在语义网络中使用。在语义学中,我们尝试将语义信息与文本联系起来。例如,这篇文章是关于一个特定的大脑区域,或者本文使用的是功能性磁共振成像。这是一个非常简单的语义区分。语义网是一个非常丰富的语义理论概念,坦率地说,它是超人,远远超出我们在分布式世界中所能做的。因此,蒂姆·伯纳斯·李(Tim Berners-Lee)的观点在过去几年已经发展成为一种被称为“开放式链接数据”的术语,其中语义很简单,更多地关注网络上的不同参与者将数据链接在一起。我认为很少有人研究语义网的原始概念,因为它太难了。问:我只是好奇,这是一个无聊的问题:你的项目名称似乎并不是一个全面的计划,这是因为他们是在别处创建的吗?[Oren Etzioni]:这是因为如果你有一个负责品牌的计算机科学家,你有一个问题,我认为Aristo和Euclid这两个项目是从一开始就建立起来的,他们几乎是相似的,于是我们加入了柏拉图,这个名字并不完美,神秘的世界,“语义学者”是一个有点自命不凡的Google学者,因此,如果你愿意这样说,“语义学者”真的是陌生的,当我们开始一个项目的时候,我们正在考虑在这个项目上做这个工作也许我们把这个项目称为“苏格拉底”,但我也想知道,我们是否真的希望所有的项目都是以人名命名的?这显然不是我们的意图,所以我认为最重要的是这是不完美的命名方案AI2的使命和贡献Q:艾伦艾伦研究所的使命是:“我们的使命是通过高影响力的人工智能研究和工程,为人类做出贡献”。跟我说说“为人类做贡献”。你有什么想法?你希望这会带来什么? Oren Etzioni:好的。当我们开始建立艾伦的研究时,我们意识到人工智能要么被诽谤,特别是在好莱坞电影中,而是有史蒂芬·霍金和伊隆·马斯克这样的人,我们要强调人工智能是为了人类的共同利益,对于人类来说,我们看到了一些真正的好处,而且在许多营利性公司中,人工智能被用来微调广告,或者让你以各种方式购买更多东西,或者如果被利用侵犯了你的隐私通过情报机构或积极的市场营销,我们真的想找到像“语义学者”这样的地方,人工智能可以帮助科学家解决人类面临的最棘手的问题,我们很高兴地看到,像AIAI或AI的伙伴关系组织自成立以来,我们的行动就是回应:为了人类和社会的利益而使用人工智能,所以我们似乎越来越关注使用人工智能NCE。那么人工智能对就业的影响是什么呢?[Q]:所以,关于“对人工智能和恐惧的担忧”这个问题是显而易见的,尤其是好莱坞电影的影响。但是这种恐惧有两种不同的表现。一个是你提到的方式,结果有点不好,就像电影里面的“终结者”一样。但另一个问题是,你如何看待人工智能对就业和工作的影响? Oren Etzioni:我认为这是一个非常真实的问题。如你所知,我不喜欢世界末日关于人工智能的情景。我告诉人们,我们不应该把科学和科技混为一谈。但是我们不应该看世界末日的另一个原因是我们有更多的现实和紧迫的问题值得担心。例如,人工智能对就业的影响是一个非常现实的问题。我预计在不久的将来,我们将在运输领域看到它。卡车司机和Uber司机将逐渐被挤出市场,这是相当多的工人。当然,帮助他们重新培训并帮助他们在日益数字化的经济中找到其他工作并不容易。问:但是,你知道,至少在过去的几个世纪里,美国历史上总是有几种真正的颠覆性技术。我的观点是事情变化很快。而且,失业率从来没有被这个动摇过。因为人们只会使用新技术。而且,随着人工智能的发展,实际上并不是让人们提高生产力的强大技术。例如,任何人都可以使用它来提高生产力。 [Oren Etzioni]:我认为人工智能会发挥这样的作用,而且我也相信,正如你所说的那样,这些力量确实有积极的一面。所以,正因为技术的进步,我们有手机,汽车,洗衣机,所有这些使我们的生活变得更好的东西,以及现代化的医疗保健。所以我不认为这些技术进步,包括人工智能的进展,都是消极的或者是无效的。如果我们说“我们没有人工智能”,或者“我们没有电脑”,那么其他国家就会接受并超越我们。我认为阻止广泛的技术变革是非常困难的。狭义的技术非常可怕,比如地雷或者生物武器,我们已经可以停止了。但是我不认为人工智能可以停止,因为它是一个更广泛的领域,而不是应该停止的东西。所以我非常同意你所说的,但是有一个关键的警告。我们幸存了这些东西,我们正在蓬勃发展。但是,长期维持颠覆是非常非常困难的。因此,我们已经从90%的农业社会发展到只有2%的农业工人社会。有些人受苦,有些人失去工作。所以我认为我们需要有适当的流程来帮助人们进行这些转变。我认为做这件事并不容易,因为有些人说:“当然,那些旧工作不见了,但看看这些伟大的工作。”你知道,网络开发人员,计算机程序员,谁使用这些技术,使我在工作上更有效率“这是事实,但现实要复杂得多。”这些卡车司机真的成为Web开发人员吗? [Q]:我的观点是,每个人都有所改善,所以当数学老师上大学时,可以成为网络开发者,高中老师成为大学老师,然后替代老师获得全职工作。没有人会说:“哦,不,不,我们要把这些人放在一起,你知道,他们已经少了,我们应该把他们放到这些高技术性的工作岗位上。”过去从来没有过这样的事情, 对?每个人都必须做点什么。问题是,每个人都可以胜任比今天更复杂的工作吗?如果答案是肯定的,我们会欢迎吗?一个很大的改变? [Oren Etzioni]:首先,你是对的,我简单的把卡车司机映射到开发者,但是同时我想我们需要记住这些改变是非常重要的。最简单的例子,因为它在我的头脑中是新鲜的,我认为,还有其他人的想法。让我们来看看底特律。这不是技术变革,而是全球化,以及制造业岗位转移到美国以外的原因。但无论如何,这些人并不是每个人都迈出了一小步,或者向右迈出了一小步,不管你想说什么。这些人和他们的家人遭受了巨大的痛苦。它的后果非常严重,包括底特律破产,包括许多人失去医疗保险。所以我认为,如果你考虑未来20年,消极的变化被积极的改变所抵消吗?是的,在很大程度上是这样的。但如果你考虑短一点的时间范围,考虑特定人群,我认为我们不能说“嘿,一切都会好起来的。”我认为我们还有很多作要做【问】:。好吧,我同意你,如果有什么我觉得可以安慰的话,那就是这个国家以前做过的在这个国家曾经有一场关于扫盲后教育是否值得的讨论,这是在我们还是农民的时候。你可以理解其中的逻辑,对吧?如果说,“一旦有人学会了阅读,你为什么要把他们留在学校里呢?”然后人们说,“未来的工作将需要更多的技能。“正因为如此,美国才成为世界上第一个确保每个人都能接受高中教育的国家。听起来你是在说类似的事情,我们需要确保我们的教育机会与我们正在创造工作的要求保持同步。【Oren Etzioni】:绝对是的。我认为我们都一致认为让人们接受人工智能有积极作用要花很大功夫,你说呢?有些人,对就业和社会有一种世界末日即将来临的感觉。我百分百同意你意见,但我不喜欢这种看法。听起来我们也一致认为,我们可以做一些事情来让这些转变更顺利,更容易为社会各个阶层所接受。这肯定与改善教育和寻找机会等有关。所以,我认为有一个问题是,这种变革会有多痛苦,持续多长时间,才能使我们达到一种新的平衡状态,顺便说一句,这可能是一个非常棒的变革吗?因为,你知道,卡车司机工作的有趣之处,失去工作岗位的痛苦,还有很多工作位消失了,其中一些很糟糕,对吧?人们对这些工作并不感兴趣。他们这样做是因为他们没有更好的东西。如果我们能给他们提供更好的东西,那么世界将会变得更加美好。通用人工智能之路【问】:绝对可以。我们已经讨论过AGI了,我想你会认为我们最终会打造一种通用智能?【Oren Etzioni】:我确实这么认为。我认为这很可能需要25年的时间,可能最长需要一千年的时间,但我是所谓的唯主义者。这并不意味着我喜欢在亚马逊上购物,这意味着我相信,当你认真考试考虑会发现,我们是由原子和分子构成的,而人工智能并没有什么神奇之处。这里面有一种非常神奇的东西,但它并没有什么不可形容的因此,我认为,最终我们将建立能够做事并超越我们所能做的事情的计算机程序【问】:。那么,你相信我们也会建立有意识的机器吗?【Oren Etzioni】:是的,我认为它自己会产生意识。我认为意识中没有什么是人类或者生物独有的。【问】:人们认为在我们创建一个“AGI”需要花费5到500年。你认同这个范围吗?【Oren Etzioni】:好吧,我愿意给1000比1的赔率,押宝在未来五年内这不会发生。我赌十美元,赚一万美元,因为我现在就在解决这些问题,而我们离任何与AGI相似的东西都还很远。我所认识的这个领域的任何人,也都是这样。或者这样说的我知道有一些所谓的未来主义者,但是那些积极致力于人工智能的人却并认为这点会到来而且,即使有人说了一些随机的事情,我也会要求他们。“用数据来备份。“你看这么说的依据是什么?看看我们在具体的基准测试和挑战方面的进展情况;它们很有前途,但它们只是在范围非常狭窄的任务才非常有前景,比如对象检测,语音识别或语言理解等。现在,当你超过十岁,二十岁,三十岁的时候,谁能预测会发生什么呢?因此,我很高兴地说,在未来的25年里,这种情况不会发生,而且我认为,很难预测之后的情况,无论是50年还是100年,甚至更多,我都不能告诉你【问】:那么,你认为我们有足够的部件来构成AGI吗?我们是不是正在朝那个方向前进,或者这是不是需要实现一些我们无法想象的突破才能达成?或者既然我们获得了足够的深度学习,更快的处理器,更好的算法和更多数据,你能说我们现在正走在通往它的道路上吗?或者你认为我们将会创立“AGI”的唯一理由是你是唯物主义者 - 你知道,我们由原子组成的,我们可以建造任何由原子组成的东西。[Oren Etzioni]:我认为这需要多个突破,这些突破在今天是很难想象的。我给你举一个非常具体的例子。我们想要获取文本,图像,视频等形式的信息,并在内部使用一种表示语言的表达方式来表达它的含义,它的主旨,就像这个播客的听众掌握了我们所谈论的内容的要点。我们甚至不知道这门语言是怎么样的。我们有各种各样的表征语言,它们都未达到该任务的要求。让我给你另一种思考的方式,把它当做一个思维实验。假设我能给你一台电脑,它的速度要多快有多块,有我想要的内存。用那台令人难以置信电脑,我现在能制造出一种达到人类水平的人工智能吗?答案是“不”。这不是我的问题,是没有人能做到这点。所以,如果它真的是关于速度之类的,那么我在短期内会更乐观,因为我们很擅长让它运行速度快2倍,使它运行速度快10倍,组件速度更快的计算机,存储更多信息。我们过去把它存储在软盘上,现在我们把它存储在这里,接下来我们要把它储存在DNA中。在摩尔定律下,技术的指数式发展(不断地变得越来越快和越来越廉价)从这个意义上说,是惊人的但这还不足以实现“AGI”【问】:。最后一个问题,你之前说过你告诉人们不要把科学和科幻小说混为一谈但是,在科幻小说里,你有没有看过,读过,看过的东西,你真的认为这是一个现实的场景,我们可能会做这么做,未来会是这个样子?会不会有些东西你看了后说,这是小说但这有可能发生?【Oren Etzioni】:你知道,我最喜欢的小说之一是“雪崩”(Snow Crash),它描绘了Facebook的未来以及我们社会的未来等等。如果让我推荐一本书,那肯定是它。我认为很多关于人工智能的书都是科幻小说,缺乏所谓的“硬科幻”,更脱离了现实。如果我们说的是科幻小说,我想以一句话结尾,你也应该知道的,着名编剧Arthur c.Clarke曾说过:“一项足项先进的技术与魔法没有区别。”所以我认为,对很多人来说,人工智能像是一种魔法,对吧?我们可以在围棋上打败世界冠军 - 。我向人们传达的信息是,作为一个每天都埋头苦干的人,我想说我们离魔术不远了这当中有血,汗和泪,而且这是人类的血,汗和泪,是真正有才华的人的血,汗和泪,来实现我们在人工智能领域取得的有限的成功。顺便说一下,AlphaGo就是这方面的终极例。因为不是AlphaGo打败了李世石,也不是机器打败了人类。这是一个由谷歌工程师和科学家组成的非常有才华的团队,他们在Google DeepMind项目工作多年,是他们在技术的帮助下击败李世石。点击查看“AI英雄”专题,往期内容一步直击注:“AI英雄”专访隶属网易智能工作室,每周围绕人工智能领域讲述一个人物故事,洞察技术趋势,捕捉行业机会,关注人的价值,每周四更新。转载请注明出处,违者必究!

伯莱娱乐

2017-12-30

更多内容,敬请关注:

伯莱娱乐官网:/

伯莱娱乐新浪官方微博:@伯莱娱乐

伯莱娱乐发布微信号: