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?
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。
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。
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。
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。