行业大咖解读人工智能12大痛点

主页（http://www.cnwulian.net）：行业大咖解读人工智能12大痛点

标签： ( 责任编辑:宛健)

谷歌研究部门主管 Peter Norvig 称 AI 与传统软件不同，这种由机器学习产出的事物并非简单的代码，它更像是一个黑箱，我们大致掌握了其发展方向，但未来它将走向何方依然是个未知数。

在 LeCun 眼中，机器要想进化出真正的智能系统就必须“把整个世界拷贝拷贝下来，装进计算机大脑。同时它还要学会控制自己的行动，并预测行为对世界可能产生的影响。”要想实现这一目标，机器需要理解世界运行的逻辑并储备大量背景知识，同时它还必须时刻感受世界的变化，总结原因并规划未来。简单来说，AI 未来必须从“监督式学习”进化到“非监督式学习”（从无标记数据中学习）。在 LeCun 看来，最关键的问题就是“在不确定的条件下做预测”。

美国交通部长 Foxx 近日表示：“我们可能会是最后一代着急买车的人。”在本次大会上，英伟达副主席 Jim McHugh 称“首个 AI 机器人就是汽车。”它们使人类驾驶更安全。自动驾驶汽车不会疲劳，它们拥有超人类的力量。

Peter Norvig 在演示中也拿自动驾驶为例。他认为 AI 在该领域有两个问题：首先，由于 AI 技术是黑箱，因此在实验室状态下能安全行驶不代表在现实世界中也能一帆风顺。另外，我们还要考虑到“注意力问题”，如果 AI 的准确率为 50% ，那么驾驶座上的司机肯定会时刻保持紧张状态，但如果达到了 99% ，恐怕大多数人都会懈怠。一旦出现了 1% 的懈怠，可能就会有 100% 的死亡率。

具体来讲，我们需要“重新思考语音导航的基础”，微软的 Lili Cheng 这样说道。“返回”键和“主页”键在系统中的重要性不言而喻，但要是用语音实现，对着设备一直说“返回，返回”，那就“真的挺怪异的”。Cheng 认为，语音技术的发展“一直在前进”，就像海浪。不过，现在让用户语音控制笔记本电脑还相当困难。为了让人工智能思考世界的方式更接近人类，通过语音对话对其进行测试也许是个不错的办法。

“智能语音交互正在改变整个科技产业，我们现在就处在这一转折点上，” Tim O’Reilly 最近写到。

Etzioni 表示，尽管这种功能狭窄的深度学习已在一系列特定问题中成就不菲（比如语音识别或下围棋），但这并不代表它在总体水平上就能超越人类了。只有输入大量标签数据，深度学习才会特别管用。别说，现在想要教深度学习完成一件事，99% 的工作还是由人来完成。

英国科学协会最近的一项调查显示，36% 的英国人相信 AI 的发展将对未来人类的生存造成威胁。在被问到“为什么那么多受人尊敬的科学家和工程师都在抓住机会抹黑 AI ”时，Etzioni 回应称“我也不知道他们的动机，也许霍金此前说黑洞理论太多次，想要找个有新鲜感的新话题吧。”

想让机器像人一样理解世界，需得让它们了解人类的感情。为此，Affectiva 已筹建世界上最大的情感资料库，分析了超过 470 万人脸和 500 亿情感数据，覆盖 75 个国家。他们的目的是使用户在使用设备、 app 和数字体验设备时，能对用户的情感进行实时感知和分析。“人们会和数字伴侣日久生情，但是这些伴侣们却没有任何感觉，” CEO Rana Al Kliouby 说道。

“任何人都无法取得谷歌机器这样的成绩……它完美地展示了人工智能的强大力量……专家们通常把深度学习说成对人类大脑的模仿。但实际上，它不过是在进行大规模的数学运算罢了。”Oren Etzioni 针对 Wire 上的一篇关于AlphaGo 的文章发表了自己的观点。会上，Tom Davenport 补充说道：“深度学习并不深刻。”

8、AI 是增强智能：“它同时拥有人类和机器的力量”

编者按：福布斯记者  Gll Press 近日参加了  O‘Reilly 人工智能大会。以下是他从人工智能顶级专家的演讲中提取出的 12 个观点。回答了人工智能是什么、发展过程遇到何种困难、对人们产生了什么影响、未来方向在哪等多个问题。文章原标题为《12 Observations About Artificial Intelligence From The O'Reilly AI Conference》，以下为雷锋网(公众号：雷锋网)老吕IO，夏睿编译。未经许可不得转载。

刚踏入计算机时代时，Edmund Berkeley 曾在《 Giant Brains or Machines that Think》中写道“近来，有关机器能够快速且高水平处理信息的报道铺天盖地……这些机器和人类大脑相似，只不过它们是由硬件和电线组成……机器能处理信息，进行计算、推断以及作出决策；因此，机器是能够思考的。”30 年后，Marvin Minsky 的一句话成了经典名言：“人类大脑不过是一台计算机，只不过由肉构成。”

Gary Marcus 抱怨道，人们太容易满足于短期的小进步，而忘了需要去解决“真正困难的问题”。它在一些领域确实获得了指数级的进步，但在强大的、通用的人工智能领域，却进展甚微。他敦促人工智能从业人员要制定更远大的目标——通过传统图灵测试太容易了，他断言到。因此，他建议，应该换做多米诺测试（The Domino’s Test）：让无人机或无人驾驶汽车把披萨送到任意一个指定地点，其执行水平应该和一个青少年的行动能力相同。

4、AI 必须考虑文化和背景：“训练可以改变 AI ”

9、AI 改变了人机对话方式，但它需要懂得人类感情

情感在人工智能中属于新生领域，但为了使普通大众（或许也包括从业者自己？）清楚认知人工智能现在的实际能力，我还是更希望大家把它称之为“共鸣”，而非“情感”。

LeCun 是纽约大学的教授，同时兼任 Facebook 的 AI 研究主管。他最擅长的工作是将深度学习技术应用在实际问题中。LeCun 称每天上传至各大社交网站的图片高达 10-15 亿张，而这些图片会迅速流入两个卷积型的神经网络。其中一个神经网络负责识别图中的物体，另一个则负责识别人物。视频处理过程与之类似。

Oren Etzioni 说：“丘吉尔的名言稍加改变就是——机度学习既不是终点，也不是起点，甚至说它是起点都有点勉强。”

1、AI 是一个黑箱：“我们不知道它将走向何方”

会上，微软研究院的工程师 Lili Cheng 还讲述了微软在研发聊天机器人小冰和 Tay 时获得的经验教训。同一个公司研发得聊天机器人命运完全不同，就是因为文化背景有差异。东西方之间的文化差异让两个机器人走上了不同的学习之路。

5、AI 并非工作收割机：“我们还有太多问题需要解决”