江苏龙网

  1. 首页 > 人文 > >

韭菜花音乐|李开复对话彭特兰：未来十年AI基础研究不会有大突破( 二 )


对话
【韭菜花音乐|李开复对话彭特兰：未来十年AI基础研究不会有大突破】美国在线教育发展难度更大 ， 只在ZOOM上讲课是不够的Q1：疫情加速了行业的改变 ， 远程医疗、线上教育开始蓬勃发展 ， 这只是AI对人类社会产生影响的冰山一角 。 想请两位谈一谈 ， 目前看好AI在哪些领域应用的未来前景？李开复：疫情的确对整个社会产生了实质性的影响 ， 人们行为习惯发生了很多改变 ， 更愿意接受线上学习和工作了 。 这种新的行为习惯产生了大量数据流 ， 为AI应用带来了更多可能性 。 比如大健康领域以及远程医疗中所产生的数据 ， 可以训练更智能的模型 。 同时更多人开始在基因组学、新药研发方面结合新的AI技术进行研究 ， 因此我相信AI在医疗健康领域的潜能是非常巨大的 。 AI与教育的结合也很值得期待 。 一方面可以帮助老师处理重复性的日常事务 ， 例如批改作业 ， 让老师得以将时间精力投入到更有创造性的事情上 ， 能更悉心地为孩子提供优质教学 。 另一方面可以提高学生的课堂参与度和积极性 ， 比如设置卡通版AI虚拟老师 ， 让课程充满趣味性 。 在中国 ， 有很多线上教育公司在疫情之前就已经发展迅速 ， 像创新工场投资的VIPKID ， 让国外的纯正英语老师在线上教授中国学生 。 目前 ， 中国的线上教育已经扩展到了更多科目 ， 包括体育、舞蹈、书法等素质教育课程 。 相比之下 ， 美国线上教育发展的难度会更大 。 毕竟只在ZOOM上讲课是不够的 ， 好的线上教育必须要有好的内容 。 AI核心是增强人际互联 ， 应注重文化多样性阿莱克斯·彭特兰：李开复博士提到的教育案例 ， 我不是很认同 。 MIT大约20年前就在教育中使用AI ， 重点根本不是内容 ， 我们甚至提倡将内容免费开放给大众 。 AI绝非试图取代人类的作用 ， 我们更强调用AI增强人与人之间的互动 ， 让人们更好的社交和连接彼此 。 比如手机上人工智能技术 ， 不是要取代你 ， 而是让你高效地找到最适合的工作、最正确的人 ， 让你更容易的获取信息 ， 并进行创新 。 我们可以利用数据激发更强的创新力 ， 培养领导力 。 只有基于这样的宗旨 ， 才能促进更有创造力的教育和学习 ， 这比关注教育内容本身重要得多 。 在加拿大 ， 有家创业公司正在训练普通民众学习AI ， 比如水管工 ， 教学效果非常不错 。 他们的教育方式不是简单的教授基本知识 ， 而是以一种能够激发人们互动思考的方式 。 我们之前在中国调研了3000多个孵化器 ， 发现创业公司成功的要素里 ， 第一个是文化多样性 ， 也就是说创始团队背景的复杂性和多样性 。 第二个是团队成员专业的多样性 ， 他们能否发挥自己所长 ， 并很好地进行团队合作 。 1956年 ， 马文·明斯基(MarvinMinsky)提出了人工智能这个词 。 但我们对于人工智能的理解 ， 不应该只停留在“人工”层面 ， 而应扩展到多元文化之间的相互连接、团队合作 ， 我把它叫做延伸智能（ExtendedIntelligence) 。 这也是我想强调的 ， 人工智能这个名词有一定的偶然性 ， 但它的核心点是增强人与人之间的互联性 。 AI未来突破难预测 ， 奇点、超级智能过于乐观Q2：未来十年AI有没有可能取得重要突破？比如GPT-3近期展现惊人的能力 。 两位认为未来的突破方向是什么？李开复：过去60多年来 ， 深度学习是唯一的重大突破 。 在这之后 ， 卷积神经网络（CNN）和GPT-3等都算是重要的改善 ， 我对于人工智能的渐进式改善保持乐观 。 对科学家来说 ， 他们更期待着技术上的突破式进展 。 但我觉得未来十年基础科研或许不会有大的突破 。 但模型相对容易 ， 只要有大量的数据 ， 就可以从实验室进入到行业应用 ， CNN和GPT-3都是模型加海量数据的成果 。 我是务实派的 ， 虽然持有乐观态度 ， 但并不是一位“未来学家” 。 未来的突破很难预测 ， 对奇点（Singularity）的争辩 ， 甚至预测超级智能的出现 ， 在我看来都过于乐观了 。 阿莱克斯·彭特兰：我同意李博士的观点 。 很多生物机制很难解释 ， 包括用感知认识事物、理解声音、寻找食物等 ， 是深度学习算法做不到的 。 但深度学习可以研究科学、制定规则、研究理论 ， 并进行实践 。 从务实的角度来说 ， 我最感兴趣的就是联邦学习 。 就医疗而言 ， 我们有这么多医院 ， 在新冠疫情期间做了很多的实验 ， 为什么这些实验数据不能进行联合呢？尽管数据有不兼容的地方 ， 但这也是一个很好的机会去探究不同的数据之间的关联性 。 在未来 ， 我们对数据的需求也许会越来越少 ， 外科医生或者物理学家或许不需要太多数据 ， 因为他们对规则已经了如指掌了 。 不要墨守成规 ， 要跨领域、跨学科应对挑战Q3：人工智能会有什么关键挑战？对于想从事这个行业的人 ， 有什么是需要了解的关键点？李开复：首先 ， 大背景在改变 ， 新科技层出不穷 ， 我们每年都需要学习新的东西 。 其次 ， 人工智能可能引起各种问题 ， 包括偏见、歧视、伦理道德等 ， 是否危害人类的身体健康 ， 无人驾驶技术该何去何从等等 。 第三 ， 人工智能的研发需要深刻地理解技术对社会、生活与人类健康会产生的影响 。 我非常欣赏斯坦福和MIT这样的高校 ， 能够把AI教育扩展到各个学科 ， 让研发人员及早意识到自己的责任和价值 。 阿莱克斯·彭特兰：是的 ， 我朋友做过一个有关电的趣味类比 ， 电动马达最初在工厂里用于生产的时候 ， 并没有发挥出多大的作用 ， 因为大家并不知道如何改造生产流程 。 AI在一些领域发挥的作用是显著的 ， 但应用到其他领域时 ， 就需要改造流程 。 很多情况下 ， 最困难的就是说服人们改变商业流程去使用AI ， 因为大多数人是墨守成规的 。 而有意思的是 ， 就像李博士提到的 ， 像MIT和斯坦福这样的高校确实在认真严肃地对待这个问题 。 比如 ， 我今天早上正好就这个话题跟G20领导人对话 ， 大家一致认为我们必须从跨领域、跨学科的角度去面对这个问题 ， 不能只是工程师或者社会科学从业者们在做 ， 经济学家、政治家等等都必须参与进来紧密合作 。 随着AI的应用领域越来越广 ， 除了必须具备强有力的技巧来建立社会规则 ， 还需要对研究经费、企业投入等进行各种调整 。 虽然大公司实力不容小觑 ， 但依旧对小公司抱有期待Q4：AI研究会消耗大量的资源 ， 我们是否应该将资源往学术界平衡？现在已经发生资源的重新分配和平衡了吗？李开复：就人才而言 ， 现在已经有重新平衡的迹象了 。 过去 ， 顶尖大学的学者基于待遇和种种考量 ， 不少选择去企业界工作 。 而近期 ， 曾任职于百度、海尔、字节跳动等公司的数位优秀AI科学家已经回归高校 。 但像GPT-3这样的技术 ， 仍然不是大学和小公司能支付得起的 。 支撑GPT-3运行的电脑是世界算力第五的超级计算机 。 每进行一次算法训练 ， 就要花费460万美金 ， 只有像腾讯、谷歌、微软这个级别的公司才能负担得起如此强大的算力 。 我观察到 ， 近年的AI创业公司已经和5年前截然不同了 。 它们一般由AI科学家和商业人才共同创建 ， 为了解决特定问题而生 ， 并非纸上谈兵做突破性科研 ， 切入的领域也往往是巨头公司忽略的地方 。 例如 ， 为制造业进行AI赋能 ， 不是一件轻松的事 ， 需要去工厂实地勘查 ， 了解运作方式 。 大公司因为赚钱很容易 ， 不愿意做这些性价比低的苦活累活 。 这些小公司的努力一旦有了成果 ， 就会给产业界带来革命性的影响 。 所以 ， 虽然大公司的实力不容小觑 ， 但我依旧对小公司抱有期待 。 阿莱克斯·彭特兰：大学和公司是一种融合的关系 ， 不仅体现在人才流动上 ， 也会进行信息资源共享 ， 彼此是整体性的合作态势 。 当然这也不是绝对 ， 产业界的保密需求还是存在的 ， 只是从学校的出发点来说 ， 我们愿意毫无保留地为大家提供更好的研究成果 ， 并与企业合作 ， 形成标准化平台 。 人工智能取代人类需要上百年或更久Q5：两位认为什么是AI不能取代的？李开复：一类是创造力、分析能力、逻辑辩论能力 ， 了解自己知道什么不知道什么 ， 这些是人工智能无法取代的 。 另外一类是同理心 ， 人类之间的信任、友谊 ， 自我认知、意识等 。 阿莱克斯·彭特兰：人工智能有朝一日可以取代人类所有的能力 ， 但是这个过程会非常漫长 ， 可能需要上百年或更久 。 AI创业建议I：找到小切入点 ， 不要与巨头正面硬碰Q6：李博士提到了AI在小企业中的运用 ， 可否再举例说明是如何运用的？李开复：这个问题分两部分：一个是小型AI公司与巨头竞争 ， 我的建议是找准巨头没有平台优势的细分领域 ， 为某个针对性产业创造价值 ， 并且不要与巨头核心业务正面硬碰 。 对于那些中小型非AI、但想应用AI的公司 ， 需要确保有足够的数据 ， 以训练与核心商业价值挂钩的AI模型 ， 并且有愿意变革的开放性公司文化 。 所以 ， 早期应用AI的公司可能规模较大 ， 因为他们有足够大的数据 ， 和可兼容变革的商业模型 。 每个例子都不同 ， 不是任何一家公司都要应用AI 。 阿莱克斯·彭特兰：如果我们放宽AI的定义 ， 或许水管工、合同工都有数据 ， 通过一些简单的分析、整合 ， AI也可以在很大程度上改进他们的工作 。 这些都是很小的切入点 ， 基于简单的AI分析、机器学习 ， 依旧可以产生巨大的潜力 。 AI创业建议II：知晓技术 ， 同时理解商业Q7：两位再分享一下最后的建议？李开复：我们在步入一个AI开始渗透到方方面面的令人振奋的时代 ， 我希望所有的学生们都能参与到这个改革浪潮中 。 要深刻地理解人工智能的商业落地 ， 而不仅仅钻研技术本身 。 阿莱克斯·彭特兰：不要太较真于深度学习或者冗长的算法 ， 一切始于要解决的现实问题 。 不要止步于技术本身 ， 要明白数据类型、形态和规律 ， 关注商业流程 。 对话视频链接：https://pan.baidu.com/s/1LFMxqtB2Lgxpf_bmTIsJLw提取码：43wu


推荐阅读


上一篇：搞机大师兄|还有高通新U，红米Note10系列曝光！不止一亿像素

下一篇：伟言智说|那些年国人无尽的自卑，中国产的杂牌手机