|
张宏江：Selman教授，您能否谈谈，美国近期在人工智能的政策上做出了哪些正确的决定？
Bart Selman：我认为美国做对的决定是，对人工智能领域的研究坚持投资60年，即使什么成果也没有，这是一件非常困难的事情，我们不一定知道下一步的发展方向。
如果我们继续投资于各种各样的研究项目，会得到下一个突破。而如果只是投资到某些喜欢的领域，特别是目前最喜欢的领域，可能不会实现突破。研究突破是革命性的，不是进化性的。我相信这就是人工智能的未来，更大的规模，以及更加协作的人工智能研究项目。
张宏江：您能否也说说中国在人工智能支持政策上有哪些做对的地方？
Bart Selman：我认为中国在人工智能支持方面做得很好，如果要提建议的话就是，不要局限于一个领域。看看人工智能的历史，有很多非常困难的问题是从人工智能的历史中就提出的，实际上还没有解决。所以我鼓励新一代研究者熟悉历史，走向比数据驱动更广泛的领域，例如类脑学习、one-shot learning等等。除了深度学习，还有一些非常重要的领域，即使你专注于深度学习，也不要太狭隘。 3
给中国研究者的建议
张宏江：您建议允许人们探索不同的领域，即使可能会失败，也可以从这些失败中学习。最后一个问题，你们会给中国的人工智能研究人员提什么建议呢？
John Hopcroft：我的建议就是远离指标，中国的研究人员非常感兴趣于发表的论文数量和得到的研究资金数量。远离这些指标，并关注其它的一些更有价值的层面。
张宏江：非常好的建议，所以不要只追求数字。那Selman教授，您有什么建议呢？
Bart Selman：我会建议中国的研究人员多关注有创造意义的研究，并愿意考虑其他人没有考虑到的问题，我也同意Hopcroft所提的建议。看看那些没有解决的问题，看看那些最难解决的问题，下一个突破比下一个增量式论文更有价值。
张宏江：非常感谢John Hopcroft教授和Bart Selman教授，我们回顾了过去几十年在人工智能上取得的突破，以及我们对下一个10年的展望。在未来，我们或许会看到，人工智能社区走向全球化，经典人工智能未来可期，并与深度学习协同发展，人工智能的各个领域会迎来百花齐放的盛况，新的突破点潜藏其中，或者在领域之外会带来惊喜。
张宏江：数据和知识之间是有差别的，这我很赞同。Hopcroft教授，您可以就人工智能的未来谈谈你的看法吗？
John Hopcroft：农业发展需要很长时间，而制造业发展只需要几百年，人工智能只用了50年的时间就发展到了今天的地步。所以我认为接下来的发展会非常快，就像你建立工具来支持更有效的工作。
在未来，我们需要解决可解释性问题、偏见问题、常识问题、责任问题、持续学习问题，此外还包括AI取代人类工作后出现的各种社会问题。
张宏江：Selman教授，您对于我们何时能实现通用人工智能有什么见解呢？
Bart Selman：未来10年，我们将更加注重专业能力。但到未来20年，我们会集中发展常识、知识、真正的语言理解等领域。真正的语言理解，即机器会像人一样阅读。一旦这个问题解决了，人类就能实现下一次人工智能发展的飞跃。机器一旦掌握如何理解语言，对我而言，就相当于实现了通用人工智能。
张宏江：Hopcroft教授，您有什么要补充的吗？
John Hopcroft：在接下来的10年里，人们可能会聚焦于如何利用工程技术的最新成果解决特定问题。但我们也需要基础研究，甚至是人工智能领域外的基础研究。在过去的25年里，基于人类大脑发育的研究也是很重要的。现在人们知道在儿童生命的头两年，大脑会学习如何学习。在未来，真正的进步可能来源于生物学，但真实情况仍然是不确定的。
（编辑：四平站长网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
