您当前的位置:周末画报 > 商业 > 财富 > 向大自然学习AI进化论

向大自然学习AI进化论

评论
摘要: 人工智能和人类智能将如何相互促进?如何通过数字化使城市产生更强大的创新能力?只要人类加以监管,人工智能就不会对人类造成威胁?作为世界十大人工智能(AI)科学家之一、深度学习的先驱及奠基人,特伦斯·谢诺夫斯基(Terrence Sejnowski)认为,AI如自然进化的生命,只有向大自然学习,才能解决人工智能诸多难题。
发表评论
文章评论
目前尚无评论,欢迎发表

“我——是——AI,特伦斯·谢诺夫斯基(Terrence Sejnowski)用深度学习制造了我,欢迎来到未来!”踏着机械的步伐,说着扁平的机器音,挥舞着僵态的双臂,一位演讲者正在舞台中央模仿机器人的样子……而这位机器人“表演者”正是当今世界十大人工智能(AI)科学家之一、深度学习的先驱及奠基人——特伦斯·谢诺夫斯基。


此番场景是特伦斯在上海参加“2019年未来大会”时的幽默开场。已到古稀之年的特伦斯,却返老归童般轻盈矫健,“老学究”的严肃面孔下透着几分机器式的憨态可爱。


“大家都误会了人工智能。目前人工智能还只处于开始阶段,不必担心AI 机器人会统治人类。我们只有向大自然学习,才能解决人工智能难题,人工智能的研究需要和大脑走在一起。”特伦斯在接受《周末画报》独家专访时,向记者讲述了人工智能的来龙去脉以及未来的发展与制约难题。


作为最早期研究人工智能的科学家之一,特伦斯·谢诺夫斯基是20世纪80年代挑战构建人工智能主流方法的一小撮研究人员之一。用特伦斯的话来说:“在当时的人工智能研究领域,我们算是不被看好的Underdog(劣势者),因为我们的研究方法不够主流。”


但正是因为他们敢于另辟蹊径,将人工智能的研究方向从逻辑编程转移至基于大自然法则下的大脑神经网络,最终这一“小撮人”从脑生物学中提取出“神经网络”、“连接主义”和“并行分布处理”的AI实现方法,并建立可从数据中学习技能的数学模型。正是这一小群研究人员,证明了基于大脑式的计算的全新方法是可行的,从而为今天“深度学习”的发展奠定了基础。


深度学习作为机器学习领域中一个新的研究方向,使机器模仿视听和思考等人类的活动,解决了很多复杂的模式识别难题,使得人工智能相关技术取得了很大进步。 特伦斯·谢诺夫斯基也因此在人工智能领域的地位举足轻重。他是美国仅3位在世的“四院院士”(国家科学院、国家医学院、国家工程院、国家艺术与科学学院)之一,同时兼任全球人工智能顶级会议NIPS基金会主席。


作为神经网络的先驱,早在1986年,特伦斯就与AI教父杰弗里· 辛顿(Geoffrey Hinton)共同发明了玻尔兹曼机,把神经网络带入研究与应用的热潮,将深度学习从边缘课题变成了互联网科技公司仰赖的核心技术,让人工智能进入高速发展阶段。


1989年,特伦斯加入美国索尔克生物研究所(Salk Institute for Biological Studies),任计算神经生物学实验室主任至今。该实验室也是美国生命科学领域成果最多的研究机构。


事实上,特伦斯的学术成就并不局限于他的实验室或三尺讲台,他还有一个亲民身份——全球最大在线学习平台Coursera大受欢迎课程《学习如何学习》(Learning How to Learn)主理人。该课程通过系统讲解大脑认知的底层知识,让学习者可以改变思维模式,提高学习的能力和效率。目前该课程学习人数已经超过了300万,成为了全球最受欢迎的互联网课程之一,而特伦斯也顺势成为全球“网红”在线布道者。


而特伦斯更为人知的是他第一本重磅巨作《深度学习:智能时代的核心驱动力量》(以下简称“深度学习”)。该书更是掀起了全球深度学习热潮,被人工智能从业者和爱好者奉为“必读系列”。该书一经上市,便获得诺贝尔生理学或医学奖得主埃里克·坎德尔、互联网之父暨谷歌副总裁文顿·瑟夫等商业、学界领袖的普遍赞誉,并引发硅谷、科学界和媒体广泛、热烈的讨论。


埃里克·坎德尔说,特伦斯·谢诺夫斯基作为深度学习领域的先驱,带领该领域由理论命题走向实证科学。这是一大飞跃。文顿·瑟夫则指出,作为深度学习领域的亲历者,以及深度学习灵魂人物的同行者,特伦斯分享了这一技术发展过程中的洞见和轶事。这本书记录了人工智能这场狂飙运动,字里行间都能感受到作者的兴奋和投入。


问及执笔撰写《深度学习》的初衷时,特伦斯告诉《周末画报》:“人们总是喜欢混淆‘人工智能’、‘深度学习’、‘机器学习’之间的相互概念,同时对人工智能的发展存在好多误解。有一天在开车的时候,我突然意识到自己几乎经历了所有人工智能发展和崛起的全过程,我想把这个奇妙的故事梳理成一部简史。”


作为接近人工智能发展的中心人物,在“2019年未来大会”上,特伦斯与大家一起探讨了AI 研究的未来发展路径。人工智能的下一次飞跃会是什么时候?如何通过数字化使城市产生更强大的创新能力?人类如何在商业创新中解决智能难题?面对这些问题,特伦斯为我们提供了自己的见解。


特伦斯·谢诺夫斯基与同事一起研究神经网络的发展

特伦斯·谢诺夫斯基与同事一起研究神经网络的发展。


2018世界人工智能大会在中国召开

2018世界人工智能大会在中国召开。


自然才是AI的进化师

早在1956年,在达特茅斯人工智能夏季研究会上,就提出“人工智能”一词,这也标志着这一学科的正式诞生。经历近70年的漫长发展,直到最近几年AI才迎来爆发窗口。


在问及早期AI发展的缓慢原因时,特伦斯告诉《周末画报》:“除了电脑运行速度非常慢、数据存储成本昂贵、编程耗费大量人力等客观条件的限制以外,最主要是研究方向的问题。过去那些试图编写具有人类智能的计算机程序的研究者,本身并不关心人脑是如何实现智能行为的。直到1980年代,人们对大脑的了解已经增加了,但AI研究人员仍不关心大脑本身,他们的目标是编写一个程序,使其拥有和大脑一样的功能。”


事实上,人工智能的灵感肯定来自人类智能,而人类智能来源于大自然和生物大脑。“也许,科学家在研究人工智能时,需要对大自然更加谦虚点。当遇到技术瓶颈时,想想大自然是如何做到的。”特伦斯略有几分激动地告诉记者。


在《深度学习》一书中,特伦斯认为,关于人工智能的研究,也许我们需要把眼光投向人类自己身上。正如一个小孩从零开始学习语言,没有人给他的大脑编程,但他却通过观察和经验慢慢自己学会了。“我们发现大自然中的生物使用的是一套与编程完全不同的复杂体系来解决问题。大脑中有很多神经元和连接,或许我们也能建立一个类似的系统,运用和人脑相似的原理来构建人工智能,这就是‘神经网络’。”特伦斯补充解释道。


而神经科学真正成功引起科学界的注意,还是特伦斯1989年在麻省理工学院(MIT) 一次即兴演讲。当时,他用了5分钟向当场观众阐述了“为何一台超级计算机却比不上一只苍蝇”的惊人观点,由此改变了学术界对神经科学的“傲慢与偏见”。


据特伦斯回忆,“苍蝇的大脑只有10万个神经元,大概重1毫克,需要消耗毫瓦能量。苍蝇却能看、能飞,能够自己确定方向和觅食,还可通过繁殖来进行自我复制。MIT拥有一台价值一亿美元的超级计算机,它消耗的能量是兆瓦级的,并需要一台巨型空调冷却,而且还需要巨大的人力成本来满足编程需求。相比苍蝇,这台超级计算机有点相形见绌。”


就此,特伦斯向《周末画报》解释道:“其实,我只是想以这个例子让在场的人明白一件事,在大自然面前我们应该更谦逊一点。实际并非说计算机比不上一只苍蝇。计算机是一种通用设备,它可以被编程来计算任何东西,同一个硬盘可以运行不同的程序,而苍蝇是一种‘专用计算机’,它只能运行一种程序,就是‘苍蝇程序’。但作为科学家,我们的目标是去研究大自然的工作原理,永远谦逊地接受大自然给予我们的知识。”


正是特伦斯这一小群人的坚持和孜孜不倦的论证实验,催化人工智能逐渐觉醒,而深度学习目前已变成了AI主流研究。为此,2013年美国白宫宣布启动“BRAIN计划”并注资50亿美元,用于开发创新的神经技术,以加速人类对大脑功能的理解。特伦斯作为该项目的领军人物,为该计划的推动提供了诸多建设性指导和建议。


特伦斯·谢诺夫斯基巨作《深度学习:智能时代的核心驱动力量》

特伦斯·谢诺夫斯基巨作《深度学习:智能时代的核心驱动力量》。


人工智能在商用领域不断获得进展

人工智能在商用领域不断获得进展。


人类终将解决智能难题

近年来,由于深度学习和神经网络技术的广泛应用,人工智能步入黄金时代。在人工智能企业领域,安防、语音交互、医疗、图像识别、金融、SLAM(即时定位与地图构建)、自动驾驶、AI芯片、零售等科技企业层不出穷。根据普华永道的预测,到2030年全球市场规模将达到15.7万亿美元的规模,约合人民币104万亿元。


全球科技巨头诸如谷歌、微软、苹果、IBM、Facebook、英特尔等都将人工智能视为下一个技术引爆点,纷纷砸入巨额投资展开研发与竞争。谷歌把人工智能作为未来重大战略,全力开发“谷歌大脑”;Facebook斥巨资成立人工智能实验室;微软推出旨在探索人类大脑奥秘的人工智能系统“Adam”(亚当),直接与“谷歌大脑”抗衡。


尽管AI炙手可热,但2018年却并未取得重大突破,甚至出现了AI中小企业倒闭潮。与此同时,关于AI 的数据隐私、伦理规范、社会管理以及未来的技术极限皆引发了人们的广泛思考和讨论。


面对AI潜在的威胁和负面新闻,特伦斯显得风淡云轻。他告诉《周末画报》:“技术泡沫是不可避免的,因为人们很容易过于热情。但实际上,所有主要技术的突破历史都需要漫长的等待,AI产业可能存在泡沫,但我们正在改进的道路上。”


有意思的是,特伦斯认为科学家并不擅长于预测。在他看来,AI 的未来图景位于乌托邦与世界末日之间。虽然有很多关于深度学习和人工智能应用场景的预测空间,但即使是最具想象力的科幻小说家也不大可能猜出它们最终会产生什么样的影响。“所有技术都可以用于善恶目的。与我们共存的现有技术甚至比AI更具存在风险,如核武器和生物战。但危险面前,人类选择了克制。要知道,人类很擅长控制。”特伦斯用半诙谐的语气告诉记者。


他表示,人工智能无疑将对社会和个人生活产生深远的影响,但人们无需担心谁将接管自己的工作。就像工业革命时期蒸汽机放大了物理能力一样,人工智能也会放大人类的认知能力,帮助我们变得更聪明。在医疗领域,人工智能诊断疾病的准确率在92%左右,但就不需要医生了吗?并非如此。如果让人工智能和医生一起工作,诊断准确率就能增加到98%,这使人类成为更好的医生。“可见在未来,人与机器将是合作而非竞争关系。”他说。


特伦斯认为,人工智能虽然很热,例如无人驾驶被舆论炒得好像明天就可以上路使用,但其实,无人驾驶成熟还需要几十年的时间。人工智能虽然获得了发展但还处于人工智能早期阶段,还有很多问题需要解决。例如,以后患了皮肤病,可以不去医院,只用手机拍下皮肤的照片上传到网上就可以知道自己的病情,省去了很多医药费和去医院排队的时间。


当问及这位深度学习的泰斗对人工智能这项前沿科技最关心的问题是什么时,在特伦斯的脸上我们看到了笃定和自信。“我认为当务之急是试图创建深度学习网络,让人工智能通过更加自然的方式与我们交流互动,建立起情感社交。另外,我们还有一个技术目标,就是降低计算功率,节约能源成本,这将是人工智能的终极限制。”


关于后者,特伦斯表示,人类大脑中有1000亿个神经元,每个神经元都与其他数千个神经元相连,总计达千万亿个突触连接。大脑运转所需的功耗是20瓦,但一台远不如大脑强大的千万亿次级超级计算机,功耗却为5兆瓦,是大脑功耗的25万倍。但这是一项宏大的工程,需要与工程师一起合作完成。


特伦斯告诉《周末画报》:“目前最大的深度学习网络只刚好嵌入像米粒大小的大脑部分,随着学习系统的扩展,发展AI必须制造出更节能的专用芯片,我们需要比现在强大100万倍的硬件。如今谷歌、微软和亚马逊等大型科技公司正在打造更节能的专用机器学习芯片,像英特尔推出的神经拟态芯片‘Loihi’就是很好的尝试。”


最后,特伦斯强调,人工智能的发展需要几代人的共同努力,“我认为AI 的最终目标是让人类更好地了解自己。就像自然进化一样,人类终将解决AI难题。”


2030全球人工智能市场规模预测


“深度学习”奠基人TERRENCE SEJNOWSKI

“深度学习”奠基人TERRENCE SEJNOWSKI


Q&A

Q=周末画报

A=特伦斯·谢诺夫斯基(TERRENCE SEJNOWSKI)


Q :这是您第几次来中国?在中国什么样的人工智能应用让您印象最深刻?

A :我已经第6次来上海了,虽然在上海我不是人工智能方面的专家,但我知道人脸识别在中国是常见的AI运用。在中国,机场安检工作可以通过屏幕进行数据化人脸识别。而在美国,我们目前没有这样的运用。所以,这方面中国走在了我们前面。


Q : 在过去的30年里,您亲眼目睹了机器学习和深度学习开发过程中发生的事情。那么在这期间,您经历了什么样的思想和判断的转变呢?

A :在AI发展的早期,研究人员试图依靠编写计算机程序来复制人类的某种能力。但他们低估了难度,所以迟迟没有进展。幸运的是,后面包括我在内的一小群人开始尝试模拟大脑的神经网络研究,开发出了针对多层神经网络的学习算法。直到2012年,该领域又有了重大突破,计算机能够自动识别物体和图像。所有从事计算机科学和视觉识别的人都振臂高呼,因为我们赢了。但这只是我们迈出的第一步,未来还有很长的路要走。


Q :对于这门前沿科学,您最关心的是什么?

A:首先,我认为当务之急是试图创建起深度学习网络,让AI 通过更加自然的方式与我们交流互动,就是所谓的“情感社交”。但我们还有另一个技术目标,就是降低计算功率,与工程师们一起合作打造低耗能的专用机器学习芯片。


Q:一旦机器人有了自己的情绪,就可以做出自己的判断。你担心我们人类要给机器人下跪吗?

A :关于人工智能对人类的威胁,你必须明白是我们创造了人工智能,是我们人类正在创造这种高度先进的技术,我们才是主人,人类很擅长于控制着一切。举例说,如核技术的运用,危险面前,人类选择了克制。所以,目前还是不要过度担忧。


Q :全球人工智能产业面临的共同挑战是什么?

A :目前人工智能的发展正处于过渡时期,人工智能刚从高科技中真正走出来,在中国和美国,所有的大公司如谷歌、百度等都已经在服务中使用它了。但其他公司才刚刚起步。因此,真正的转变是将这些公司带入数字世界,帮助他们利用数据优势,通过数据优势来降低资源浪费和提高工作效率,但这可能需要20~30年的时间才能帮助所有商业企业完成转变。


Q :除了学术研究,您还对什么感兴趣?

A :我每年都会去世界不同地方旅行,可能是南美洲巴塔哥尼亚,抑或是冰岛、挪威等。这是很好的体育锻炼,也是我保持大脑敏锐最重要的方法之一。事实上,《深度学习》这本书,是我从华盛顿州西北部的奥林匹克国家公园徒步回来后在2周内伏案完成的。当然,在这之前我一直在思考和筹备这件事,但徒步旅行赋予了我大量的写作灵感。


采访、撰文— 徐申娥 编辑— 张古月 设计— 胡博

相关推荐 更多>
请填写评论内容
确定