美文网首页吴军读书会
关于人工智能,听听吴军与今日头条科学家李磊、百度少帅科学家顾嘉唯

关于人工智能,听听吴军与今日头条科学家李磊、百度少帅科学家顾嘉唯

作者: ff396fc94435 | 来源:发表于2016-06-17 04:00 被阅读523次

    今日头条原文链接

    未来的人工智能,会不会超越人类智慧?

    AlphaGo 战胜李世石后,引发了一波探讨人工智能技术的热潮。人类究竟会怎样与人工智能相处?人工智能会不会最终超越人类智慧?

    5月25日,前谷歌工程师、前腾讯副总裁、《浪潮之巅》《数学之美》的作者吴军与今日头条实验室科学家李磊,以及百度深度学习研究院少帅科学家顾嘉唯聚首北京邮电大学,探讨人工智能的未来与发展。

    吴军:AI先冲击传统生产线,再冲击高端行业

    美国约翰霍普金斯大学博士。前Google研究院资深研究员、前腾讯副总裁。最早开创网络搜索反作弊的研究领域,并获得工程奖著有《浪潮之巅》《数据之美》《文明之光》等。

    AI半个世纪发展史

    AI的发展历程可以按照时间划分为三个阶段:

    传统的AI时期:从1946年ENIAC诞生,到1970年代。所谓传统,是指人工智能试图模拟人的思考方式。它会首先想人是怎么做的,然后去模仿人,结果这条路走不通。比如人类所掌握的简单常识,对机器而言,获取难度非常大。因为人可以从世界中获得经验,但机器不能。所以专家Minsky就提出,机器智能不必走人脑智能之路。

    数据驱动智能:从1972到2000年的。这个阶段,人类意识到,真正的机器人不用长得跟人一样。就像飞机不需要通过扇动翅膀来飞行。

    云计算+大数据:2000年以后,互联网兴起使得数据量剧增。人类一下子可以得到好多数据了。拿翻译来说,谷歌的翻译准确率比第二名高5%。这5%相当于十年到十五年的差距。为什么谷歌可以做到?因为它用了比第二名多一万倍的数据来让机器学习。一万倍的数据,足以让量变产生质变。 根据摩尔定律的结果来看,机器智能 未来一定会超过人。

    AI怎样改变生活

    未来,随着机器智能的发展,首先受到冲击的就是传统生产线上的工人。机器人可以替代人类的重复性工作。特斯拉的工厂已经完全机械化,没有人工作业了。

    其次在高端行业领域,比如专科医生的病理诊断,机器的病症识别率开始高于专业医生。并且机器识别是稳定的,不会受到人类情绪的影响。比如自动癌细胞识别领域的IBM Waston机器人。

    未来更可能的情况是机器为人类所用,给人类提供服务。可能98%的人都在享受AI的成果,2%的人在设计AI。而这2%的人会有绝对的话语权。所以如果不想被社会所淘汰,要争取让自己成为那2%的人。

    李磊:决策过程非常重非常慢的产品,人工智能影响有限

    今日头条实验室科学家李磊,原百度美国深度学习实验室少帅科学家。卡耐基梅隆大学计算机系博士,曾在加州大学伯克利分校作博士后研究。2016年全球人工智能大会60周年启动仪式特邀嘉宾

    深度学习到底厉害在哪里

    深度学习是一种深度神经网络,它由许多可以做非线性运算的小单元连接起来,形成一个可以做判断的模型。比如我们给它一张图,它能判断出图上是猫还是狗。 人工智能或机器学习方法依赖于知识如何表示推理,深度学习是机器学习的一种知识表示框架。

    从80年代初,到现在,历史上比较成功的知识表示框架,我归纳为四类。除了深度学习之外 ,还有三类:

    概率图模型(Probabilistic Graphical Models),用概率表达物体和变量之间的关系。

    核方法(Kernel Method),它是去比较、计算两个东西的相似度之后来做预测。

    稀疏表示,例如把商品的卖家关系表示为一个稀疏或低秩矩阵。

    这三类表示框架的根本数学方法有很大不同。比如概率图模型,是基于概率以及概率推理,加一点逻辑(命题逻辑或一阶逻辑)。而深度学习就不是这样的 。

    深度神经网络能work的原因在于,用很多非常简单的单元连接起来,整个大的系统就可以做复杂的事情。虽然每个单元看起来很简单,只能实现初级功能。比如它只能把每个数加起来,或者只能看每一个数是大于零还是小于零。但是把每个单元加在一起,连接起来成为一个大系统,就能够做比较复杂的事情了。

    就像人脑一样,人脑有很多很多神经元,然后每个神经元可能都是一个小单元。连接起来,就成了可以思考的大脑。

    深度学习到底能怎么用

    回到今日头条。今日头条是怎么用机器学习来做推荐的 。

    打个比方,比如你到食堂吃饭,今天去你喜欢吃西红柿炒鸡蛋,第二天去食堂师傅就告诉你说,我又给你做了西红柿炒鸡蛋。为什么呢 ?师傅说因为你昨天来过了,你吃的是西红柿炒鸡蛋。然后如果一个礼拜你去食堂吃了很多次,每次都点一些不一样的菜。师傅可能会知道,你吃的这些菜有什么共同特点。比如他发现你吃的是江浙菜,好,那你喜欢清淡的。他就知道你是这样一类人,下次他给你做的时候就按你的口味给你做。

    那推荐内容也是这样。你之前接受的资讯是哪种类型,系统就会认为你可能喜欢这一种,以后新的内容出来,就给你推荐相似类型的资讯 。

    怎样判断一个人属于怎样的人群

    如何把机器学习用于商业,过去十年我一直在思考这个问题。我们的判断依据基本上是, 如果短期内,想让机器学习或者人工智能帮助你的企业,那么产品对于用户的决策过程要非常轻非常快。  凡是决策过程非常重非常慢的,在短期内很难产生大的影响。比如我们推荐信息,这个决策很轻,即便推荐错了,你大不了不看这条,直接看下一条。对你不会有什么影响和损失。

    但假如各位要买房。这个决策过程可能非常非常重。很多人可能会考虑一年、两年甚至三年,在这个长的决策中。有非常多的因素都会影响你。光靠大数据,光靠人工智能, 比较难以帮助提高决策 。

    强人工智能远未到来

    不知道大家有没有看过一部电影,叫《机器姬》。故事讲的是,有一个女机器人,被关在实验室里。创造者就找了一个非常聪明的人来测试这个机器人的智能。然后,在测试过程中,机器人巧妙地骗过了人,她让人类觉得 ,她爱上了他。于是借助这个人,机器人最终逃了出去。 如果人工智能能够发展到这个地步,可能人工智能的智能的确超过了人。

    我们回过头来看,现在人工智能发展到什么阶段。现在人工智能处于一个,在具体问题上可以做得很好。比如说下围棋,比如说语音识别。你可以缩小到3%-10%的错误率。但是要做稍微复杂和通用的任务,你让它去炒菜,让它骑自行车,你让同一个机器人会做各种事情,可能就难了。所以距离强人工智能,还有一段距离。我们完全不用担忧要怎么跟人工智能相处。

    在十几年前,人工智能国际象棋的水平,已经能超越人类了。那是不是说,这十几年,就没有人在训练象棋了?其实不是的,这些专业的棋手,还是在比赛,他们还会在训练的过程中,利用这些程序,去帮助他们提高。所以,将来我们与人工智能的相处,也会是这样。 人会更多地让机器为自己服务。如果你家里有100个智能机器,它们都是来给你服务的 。

    顾嘉唯:今年年末,是深度学习的拐点

    百度人工智能研究院,曾于微软研究院从事人机交互。IDL深度学习实验室主任研发架构师,人机交互负责人。斯坦福大学ME310国际创新课程客座与监事。

    深度学习已经成为一种趋势

    2013年底,百度成立深度学习研究院,我在2014年成为百度深度学习研究院的少帅科学家。

    当时在深度学习研究院的内容大概可以分为这么几块:

    建立一个可以进行高性能计算的深度网络平台。

    研究语音识别方面的问题。看怎么样能使机器与人更好地对接。

    图像相关的深度学习。用在比如商品检索,商品识别上面。比如拍一张衣服的照片,然后系统识别时候,进行相似款衣服的推荐。这是我们做的图形推荐相关性。

    深度学习框架

    2013年的百度研究院,是全国第一家深耕机器学习领域的实验室。现在看来,随着数据量和优化算法的发展,研究深度学习成为一种大趋势。至于这个趋势的发展,我觉得今年年末可能是个拐点, 因为,包括FaceBook,MicroSoft,Google,Baidu都在做框架。2014年的时候是好的想法+互联网做个O2O就可以起飞了, 未来的话是好的想法+好的framework就可以起飞了。

    安全问题还是依赖政策法规

    很多时候,我们有可能短期内过高预估了行业发展,长期过低预估了行业发展。其实人工智能已经在潜移默化的改变着我们的生活。

    互联网从诞生起就是一把双刃剑,为了给用户便利的生活服务,就一定伴随着信息泄露的问题。就信息安全而言,很多时候我们发现, 用户行为带来的信息泄露, 比公司泄密更加普遍。

    什么样的“锁”才能阻止信息泄露?

    一方面,企业有责任,要管理好用户数据 。

    另一方面,既然我们已经生活在信息时代,所以信息时代必不可少的是你有自己的用户名,自己的密码。你可能有十个用户名,十个密码。所以大家要像管理自己家的钥匙一样,管理好自己的用户名和密码。不能随便取一个密码。比如你们家有十把锁,但都可以用一把钥匙打开,那它自然就开了。

    互联网发展太快了,无论是国家的法制观念,还是我们自己的生活习惯,都没有跟上它的步伐。我相信最终信息安全还是依赖于一个有一定标准的法律法规来做约束。无论是在数据使用还是查阅过程中,立法都需要跟上。

    来源: 今日头条

    相关文章

      网友评论

        本文标题:关于人工智能,听听吴军与今日头条科学家李磊、百度少帅科学家顾嘉唯

        本文链接:https://www.haomeiwen.com/subject/rvfvdttx.html