人工智能的未来

Bart Selman：我认为人工智能研究的未来趋势是社区化，在业界有很多大型的研究团队在快速组建。美国正在构建国家AI基础设施，为不同的学术研究团队提供试验台。大多数研究项目无论是人力还是财力对于个人都是无法承受的，需要大量资金用于基础设施软件和机器开发，所以必须共享资源，允许协作。除了仍然要强调知识和深度学习的结合以外，我认为自我意识学习是未来人工智能发展的重点。

张宏江：您所说的自我意识学习到底是什么意思？为什么您认为这是未来20年人工智能发展的首要任务？ 

Bart Selman：这是一个我们还没有解决的问题。人类能以不同的方式学习，例如我们去学校学习新技能，这相比于数据驱动学习而言是非常不同的类型的学习。人类不需要学习上百个例子就可以掌握新技能。自我意识学习就是指，AI会反省自己的学习方式，然后调整它的学习行为。

例如，AI会反思：我不太明白学习的微积分的知识，我想问一些问题，我想做一些微积分的练习来提高。这个过程中使用的学习例子很少，不需要数以百万计的例子。这些学习风格是人类独有的，而当前的人工智能并没有掌握。

张宏江：当我们回顾过去50多年的历史，人工智能有一个非常缓慢的发展过程，然后10年前深度学习的出现使领域飞速发展。现在要发展自我意识学习，您认为我们还要再花费50年时间吗？您认为自我意识学习中，算力仍然是最重要的因素吗？

Bart Selman：我认为可能要再花费10年到20年的时间，这很难预测，毕竟一些研究需要基础层面的突破。现在和过去50年非常不同的是，我们已经有了数据，所以我对未来还是非常乐观的。

我觉得算力还是必要的组成。我认为自我意识学习，也就是说将深度学习和知识、推理结合起来，还需要很多新的idea。在机器翻译领域，深度学习做的非常好，可以达到90%以上的准确率。问题是最后的10%的提升，可能需要相当不同的方法。在自动驾驶系统中，机器做出的决策必须是非常准确的，容不得一丝马虎，这样才能确保乘客的安全。所以对于最后的10%的提升，我们还需要做额外的工作。


 

AlphaGo是深度学习成功的范例，但实际上AlphaGo使用了树搜索算法，这也是一种符号推理算法。这也是AI领域出现的巨大进步，我们可以组合不同的算法，例如推理、规划和深度学习方法等。

自动驾驶汽车领域在组合不同的人工智能方法的探索上更加开放。当然你也可以尝试用端到端的方法来训练自动驾驶系统，但这太困难了。深度学习一般作为自驾系统的视觉系统，但是控制系统和路径规划系统等则需要更多的经典人工智能方法。

相比较而言，深度学习确实是非常数据驱动的方法，这跟经典人工智能中我们称之为知识的方法不同。知识就像牛顿定律或万有引力定律，人类的认知需要很多真实的知识。而深度学习要获取知识并不容易，深度学习目前如此有效，是因为我们有大量的数据。我认为深度学习下一步需要学会获取知识，这是个巨大的挑战。

张宏江：人工智能是一个非常宽泛的领域，深度学习仅仅是一部分。Hopcroft教授，您在过去的50年里，在计算理论上做了很多工作，您愿意和我们分享一下，从理论和算法的角度如何看待人工智能的进展吗？

John Hopcroft：我首先再谈论一下深度学习，深度学习真正的意义是在高维空间中更好地识别。比如你在看自行车的图像，深度学习不会告诉你自行车的函数是什么。如果你展示的东西看起来像自行车，但不能让你骑着它去地铁站，它仍然会把它归类为自行车。为了解决这个问题，我们需要将逻辑加入深度学习。

深度学习可以将自行车进行分解，它会告诉你自行车有轮子、链子、座椅、踏板等等。对这些部件，你可以添加逻辑，说踏板带动了链子然后带动轮子，从而自行车可以移动，车头可以让你把控方向和转弯，座椅可以让自行车有运输功能。通过添加逻辑，或许就可以构建关于自行车的函数，这个函数的意义是将一个人从一个地点运输到另一个地点。

关于人工智能理论，单阈值逻辑单元可以用一个非常简单的算法来训练。如果图像集合是线性可分的，那么阈值逻辑可以实现分类。如果图像集合不是线性可分的，应该将集合映射到更高维的空间中，使得集合是线性可分的。关于训练阈值逻辑单元的方式，你也可以不将数据映射到高维空间中，而在原始空间中运行算法，这就是构建支持向量机的技术。直到深度学习发展之前，这是人工智能领域的主要技术。

还有关于过拟合的问题，假设你有一个大型数据集，该数据集告诉我中国所有人的年龄和薪资。我想要问在某个确定的年龄和薪资上有多少人，但是不想保存整个数据集，因为我想把数据集放到手机上。因此我取数据集的一小部分，并且在适当地扩展之后，相信答案会非常接近真值。答案的真假取决于我们要问的问题的范围，并且需要多大规模的样本的数学取决于问题的复杂性。

如果大家对这些数学感兴趣的话，可以看看我所写的书。在这本书的第五章，包含了所需要的数学知识。在我的照片下面写着剑桥（Cambridge）的地方，可以得到PDF的链接。



 

（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!