加利福尼亚大学伯克利教授Michael I. Jordan:人工智能的未来与挑战

亿欧网  •  扫码分享
我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  
加利福尼亚大学伯克利教授Michael I. Jordan:人工智能的未来与挑战

2018年6月13日,由上海市经济和信息化委员会、上海市商务委员会、上海市长宁区人民政府指导,上海市长宁区青年联合会、亿欧公司联合主办,拼多多协办的“2018全球智能+新商业峰会”在上海长宁世贸展馆举办。

本次峰会以“AI落地,产业升级”为主题,现场聚集超过5000位AI行业内外人士,共同探讨AI目前面临哪些挑战,当下如何商业落地,未来将会怎样发展等问题。峰会采取“1+8”的组织架构,除了6月13日的“全球AI领袖峰会”外,14-15日将举办包括 AI消费产品峰会、智能+新出行峰会、智能+大健康峰会、智能+新金融峰会、AI国际化峰会、智能+教育峰会、智能+新服务峰会、智能+零售峰会在内的8场垂直峰会。

在全球AI领袖峰会上, 加利福尼亚大学伯克利分校教授Michaed I. Jordan发表了《人工智能的未来与挑战》的演讲 。他提到:

1、AI并不能把所有的事情解决掉,因为AI甚至会增加很多问题。更好地理解,AI就是一个新的工业里面的新技术;

2、计算机可以采集数据、通过运算做很多事情,但我们的计算机还不能理解世界,如果计算机只是看数字,同样也不能够理解人;

3、 人工智能 机器学习是一个非常好的领域,我们一定要保持头脑清醒,它虽然非常成熟了,但还没有到达扎实和改变世界的地步;

4、AI领域开源很重要,不找最好的算法,而是一起合作算法,没有哪个国家领先。

以下为Michaed I. Jordan现场演讲速记:

什么是人工智能?虽然我在这个领域工作了很多年,但是我也不知道。人工智能听起来看似智慧,我也不知道什么是智慧。我们好像知道什么是学习。但是这个叫做机器,什么是AI?我们使用AI用在什么地方?

加利福尼亚大学伯克利教授Michael I. Jordan:人工智能的未来与挑战

有问题了,AI帮助我们解决。我想跟大家说,AI并不能把所有的事情解决掉,因为AI甚至会增加很多问题。更好地理解AI就是一个新的工业里面新的技术,像40、50年代化工场里面,比如我的父亲,他是一名化工工人,我们能够见到非常伟大的工厂做非常伟大的事情,花了好几十年,这件事情在发生,像我们的大脑解决各种问题,人工智能并不是一个好的术语表达。

关于人工智能的观点

就像我写了一篇文章《人工智能革命》,这个革命还没有发生,我想说什么是AI?AI有什么领域?

第一、经典的“类人”。 比如电影中的人工智能、交互式家庭机器人。

在我这里讲到AI,就是50、60年代定制的,我们尝试模仿人的技能。所以,我们可以看到,我们解决一些问题,但是这些问题和我们现代社会知识并不一定直接相关,我们可以看到解剖结构,解剖里面所有的这种组织结构,我们需要人总体组合起来,所以我们不需要一个解剖学的智能结构。

第二、智能增强。 智能增强就是我们的搜索引擎,它能够让我们变得更聪明,让我们做的更好。像智能语言的翻译,曾经也是人工智能所承诺的,但并不是一种智慧,只是把我们语言进行切换,并不是真正的智慧。

但是对于我们人来说是很有用的,我们很想有一个智慧能够说法语、中文,能够在中国走到餐厅定酒店,我希望有这样的机器,这是有帮助的,虽然我们的系统并不是一个真正的智慧系统,但它是可以被人类利用的。

第三、智能基础设施。 我们可以看到,人工智能用智慧,这个仅仅是把我们机器装着放在网络上,如果把智慧放在一起,我们思考所有的系统,我们能够做更多的事情,这些是我们的市场。比如交通、智能住宅、城市规划;大规模分布式数据流收集,以及松耦合决策。

类人智能:我们走到了哪一步?

所以我并不想花很多时间讲人类的识别,我认为类似人的智慧,还没有达到。机器模仿人类,这是非常好的,这是计算机的视觉,计算机的语言处理,这是可实现的,它是在视觉场景中标记的对象。但这些是不充分的,它不能够全面的建立起一个财务系统,建立起医疗系统。但是我们并不需要机器像我们人一样思考,这是一个完全不同的主题。

加利福尼亚大学伯克利教授Michael I. Jordan:人工智能的未来与挑战

我们要讲未来,我们经常讲我们已经有很多的采集,计算机可以做很多事情,它们能够很快处理,但是我们计算机还是不能理解世界。如果计算机只是看数字,并不能够理解人。目前,计算机无法实现对视觉场景的常识性理解。

什么是可行的?如 无人驾驶 汽车和无人驾驶出租飞机等机器人,还有包括可以在一系列服务角色和秘书角色中代替人类的对话系统。但是人工智能系统仍然会是非常有限的智能。

我们不太可能看到具有人类的智力灵活性和创造性的人工智能系统,它的语义理解能力有限,处理复杂语言、推理抽象事物、在复杂环境下做计划及应变计划的能力有限。

在我的有生之年,我想计算机只会像一个很聪明的小孩,能看到很多,但并不能真正理解。当然,我们不会看到明显比人类更智能的“ 超人类人工智能 ”。这不是我们今天所面临的问题,很多的公司并不需要处理这个问题,我想我们超人类的智慧现在不需要思考,也许很多年之后会有。我们可以看到很多人,经常在这方面的讨论上浪费了很多时间。

多重决策:负载均衡问题

我经常花很多时间研究面临的挑战,如我们近期面临的挑战。我们必须要面对行业和科研工作所面临的挑战,有些我们现在还不需要面对,我们需要有很多在计算机上工作的公司。我们之前都在做决策,比如说在医药领域、交通领域,需要一分钟之内同时做上百个决策;在金融领域,金融机构每秒内做数十万个决策。

如果AI系统替代我们,替代医生,整个医疗系统如果犯了一个决策错误,它不会让你导致犯一堆的错误,所以我们现在要谈的是什么?比如说金融,在2008年的金融危机,其实也是一个AI的危机。其实当时有很多的个人选择,个人赌博都是建立在一些猜测基础之上的,风险因此被评估了,但是这些决策放在了其他几百万、几千万的决策之中这就导致了灾难性的后果,我们不希望在医疗系统中出现这样的问题,否则的话,一个错误导致一千个、一万个错误,这可就不是金融危机这么简单的事情了,这是人死亡的问题。交通系统也是一样的,所以确实要考虑一下这些比较严重的问题。

谈一下市场的问题。因为我觉得这是能够带领我们向前走的一个方向,我们不光是讲大数据的自主性,要切实谈一下怎么做不同的多重选择,我脑子中有一些推荐系统叫亚马逊、阿里巴巴,他们在推荐方面做的非常好。

我去阿里巴巴的网上买一些东西,然后它就会给我推荐,淘宝会说你可能对这个感兴趣,这个就是机器学习,这个就是人工智能,20年前已经有这样的东西了,这样的公司就会变得越来越强大,越来越真实。这些决策都是一个时刻做出的一个决策,不是同时做很多个。

比如说输入一个电影的名字,可能它会推荐我一本书,可能推荐我一个讲座要听,可能会告诉我,明天有某某人会在阿里巴巴做一个讲座你要不要去听。像这些推荐有些有关系,有些没关系。但是它可以推荐给别人,可以推荐给我,甚至几千万个人,这样的推荐可能是一个问题。

比如说,在过去的20年中,其实我可以把一部电影推荐给很多人,这样就不是区别性对待,比如说我给大家推荐一本书,大家都看,我印一万本,让大家都看这本书,也就是说阿里巴巴可能要印一万本,一千万本书,这就是说客户决定的打印数量,但是这并不是资源稀缺的问题。

谈谈资源稀缺。比如说出去饭店吃饭,你上网买东西,大家可能知道你的口味,可能就会给你一些投放广告,建议你一些饭店,比如说你今天在上海,可能不爱吃川菜,可能爱吃这个那个,大家可能推荐你一些,比如说爱吃的川菜,比如打八折的活动。

这些都是有市场导向的,但是如果我们用老的办法去做怎么样?其实就是同一个川菜馆推荐给一万个人,但是这一万个人都要去那边等排位,大家吃不上饭,就没有人开心,这叫“交通堵塞”,这边去虹桥机场怎么走比较好?如果我们建议一百个人,让他们从同条路走到虹桥机场,这不成了天下最大的堵塞了吗?

更可怕的就是建议做金融服务,我建议中国15亿有钱的人投资某个东西,一支股票。我建了一个软件,我让大家去搞股票,如果我推荐的是同一支股票,我让500万人一起去买,这个股票市场简直就会崩溃,我想说的就是,这种推荐方法是不行的,这样的话会导致交通堵塞,各种服务的堵塞。

那怎么解决呢?我觉得可能是建立一个有稀缺性的市场,比如说饭店里面的座位不够多,我们没有办法照顾到所有的客人,那么饭店的经理提供某某服务,比如某些座位,顾客有权利不要这个推荐的,座位满了他们就不能再去了。

我们知道滴滴已经在做这个事情了,滴滴司机在虹口区,已经拉了一个活儿,不能拉别的活儿,其实这个东西已经非常好了,我们希望这种思考能够在其他的领域也发扬光大。

比如说医疗、金融、服务等等。我再举个例子给大家。音乐还有娱乐产业,我觉得AI可以为我们创造更多的工作,因为大家都在说AI肯定抢走很多人的工作,大家会失业,我觉得他会给我们带来很多作用。比如说,我们现在知道很多人在网上做音乐,在我自己的苹果电脑上可以自己搞一支曲子,很多人周末没事在网上上传自己的歌曲,平时拉滴滴,周末做音乐,如果音乐做得好,他们可以在网上下载获得点击量,可以播放自己喜欢的音乐,大家可以听很多音乐,但是你知道这些做音乐的人,他不知道谁在听他们自己的自创音乐,也不能赚钱,这个市场是不行的。

数据和市场

但如果数据在流动的话,我们为什么不能用一下,把它经济变现呢?数据流动的地方,经济价值也可以流动。比如说美国已经有一个公司联合大师和一些公司合作了,他们知道谁在听什么样的音乐,这个是机器学习的内容,就是说能够提供给音乐人一个平台,比如说在中国,我们有一个大的地图,我们能够时时看到谁在听音乐,听的音乐来自哪里,比如说在成都有多少人正在听我做的曲子,我知道了,你知道吗?

这个数据流动就是钱,数据促使价格形成,进而形成报价和销售。我可以去成都开个演唱会,可能挣三四万美金,如果每年去三四次成都见面,我不用开滴滴了是不是?我觉得这样的话,我们推而广之,几千万的滴滴都有饭吃。

比如我知道了一个网上歌手,跟我联系了以后,我过生日可以来唱歌,这就是市场这就是钱。这不是谁雇佣什么人的传统方式,而是说大家用数据流量变现,同时这样的公司可以拿一个中介费,这个中介费可以让他变得非常富有,一切都是在数据上,在平台上。

所以大家可以把它推而广之,不光是娱乐,很多的服务都是可以的。比如说剪头发。很多人擅长美发,但是没有美发专业,没有在美发厅,可以是业余时间,和滴滴司机一样,很多这样的方式都是需要我们去思考的。你可以用算法、数据、流量来变现,这就是用经济的方式去思考数据,这可不是人工智能。

最后我谈谈多重决策的问题,其实,我们也知道每个人都不是做一个决策而已,其实会想很多,今年、明年、下半辈子怎么样。

RAY

现在我们知道很多研究,比如说 AlphaGo ,在围棋中确实是一个决定性的领域,但是在真正的人类社会中复杂极了,我们很难做。

伯克利目前在做一个系统,我觉得AI是可以从统计到分配系统进行转换的,所以我们正在做一个叫Ray系统的平台,所有的数据放在一起,找到一个框架分布出去。

这个Ray是做什么?就是编写一个非常有效的时时分布的程序,更加简单,尤其是机器学习和人工智能的程序,它会非常关注如何把这个对象储存在合适的地方,而不是一个传统意义上的建筑框架,它更是大规模、大数量的框架。

通过数据可以看到,每秒钟我们能做到一百万个任务,这个数据很了不得。下面的数据有60个节点,比如说一个模拟器,这个机器人如果模拟的对,我们就奖励它,如果做的不对就不奖励它,这样的一个效果比评判有用,直接教会它怎么走。

这个就是正在学走路的一个机器人,你看到它走的确实不怎么好,但走的方向还是挺对的,上身很稳了,大概走了600多步,之后走的越来越稳了,因为它学了更多的东西,它边走边在学,现在走了一千多步,基本上有点像一个人了,其实就是它自己在探索,好像在拉自己往前走,但是我们不能说这个能够解决天下一切问题,但是你们不觉得,其实可以推广到很多地方吗?

比如说这样的一个例子,它也是在学走路,学跑步,用自己的方式去学,还有一些什么其他的应用呢?比如说,明天我们去了火星,我们怎么走?肯定不能把车运上去,火星重力跟我们不一样的。这个视频其实就是一个步行者,是美国航天旅行局,就是模拟它上火星怎么走,会建造得非常轻,非常抗阻击。

加利福尼亚大学伯克利教授Michael I. Jordan:人工智能的未来与挑战

我觉得其实没有必要大惊小怪,AI不会给我们带来这么大的冲击,AlphaGo只是AlphaGo,最后我想说,Ray是开源的,开源非常重要,并没有一个国家在领先,没有什么美国、欧洲在领先,我们是开源,什么叫开源?就是开放源头。我们不是找什么最好的算法,而是合作一起去算法,欢迎更多的企业过来和我们一起开发这个东西。

加利福尼亚大学伯克利教授Michael I. Jordan:人工智能的未来与挑战

我最后总结一下,人工智能机器学习是一个非常好的领域,我们一定要保持头脑清醒,它虽然非常成熟了,但还没有到达扎实和改变世界的地步,我们一定要控制好这个东西。

谢谢!


亿欧推荐:2018年6月13-15日,由上海市经济和信息化委员会、上海市商务委员会、上海市长宁区人民政府指导,上海市长宁区青年联合会和亿欧公司联合主办的“ 2018全球智能+新商业峰会 ”将在上海长宁世贸展馆举办,诚邀各位一起助力“AI落地,产业升级”。

活动详情: 2018全球智能+新商业峰会



本文系投稿稿件,作者:Michaed I. Jordan;转载请注明作者姓名和“来源:亿欧”;文章内容系作者个人观点,不代表亿欧对观点赞同或支持。

随意打赏

ai人工智能的未来人工智能的未来伯克利人工智能人工智能客服人工智能招聘波士顿机器人伯克利教授加利福尼亚3d打印
提交建议
微信扫一扫,分享给好友吧。