"机器学习之父", 加州大学伯克利分校教授迈克尔. 乔丹就说: AI 的目标, 并不是像人类一样的计算机, 而是可以和市场共同合作找到最佳策略的技术. 用数据找到最优效率, 让现代技术的系统能够像经济学里的市场那样运行起来.
人们没有想到, 在著名科学家霍金逝世仅仅半年之后, 全球最睿智的科学家们, 又掀起了一段堪称历史性的大讨论.
科学也需要 PK. 即使严谨如科技, 也需要 "网红" 科学家们来推动普通民众对他们的兴趣浓度. 比如当下业内公认最有天赋的科学家爱德华. 威腾和他的 M 理论, 人们就所知无多. 但威腾 M 理论的基础学说源于量子理论和广义相对论, 大家也同样一无所知, 却不妨碍彼此热切地讨论时光倒流的问题.
在刚刚闭幕的世界人工智能大会的 "看见, 智能" 分论坛上, 与会的全球顶尖人工智能嘉宾们, 就上演了一次精彩的理论交流和探索.
但其实, 专家们思考的并不是世俗所认为的 "和人一模一样的机器人", 而是通过科学计算提高效率的机制."机器学习之父", 加州大学伯克利分校教授迈克尔. 乔丹就说: AI 的目标, 并不是像人类一样的计算机, 而是可以和市场共同合作找到最佳策略的技术. 用数据找到最优效率, 让现代技术的系统能够像经济学里的市场那样运行起来.
马云也认为, AI 应翻译为 "机器智能" 而不是 "人工智能", 他们可以比人类优秀, 不必模仿人类."汽车的发明并不是模仿人的双腿, 所以计算机不应该按照人脑一样去思考, 机器必须要有自己的思考和逻辑."
历史辩论的重演
这场辩论, 从一开始就充满了主办方特意的引导. 来自上海本土的依图科技, 已经是全球领先的人工智能公司之一, 秉持深厚的学术背景和纯正的科研血统, 搭建国内外 AI 圈的桥梁, 针对当下 AI 的各个热门话题, 讨论 AI 在可预见的未来的发展方向. 而了解全球人工智能的发展趋势和技术方向, 才能确保中国人工智能科技的进步.
真理永远越辩越明, 参与 2018 年这次对话的嘉宾们, 汇聚了霍金弟子, 人工智能领域奠基人 Alan L.Yuille, 欧洲大脑计划科学家, 神经网络集大成者 Christoph Von Der Malsburg, 加州大学伯克利分校机器人与强化学习教授 Pieter Abbeel, 清华大学计算机科学与技术系副教授朱军; 卡内基. 梅隆大学计算机科学学院终身教授马坚, 基因组大数据机器学习算法专家等国际科学家, 交互有着世界产业命题的中国 AI 独角兽视角, 其影响力足以撑起全球小半个 AI 学术界, 进行了一场划时代的讨论. 探索人工智能在可见的今天以及可预见的未来掀起的巨大变局, 聚焦人工智能科本源, 向全球展示当前人工智能浪潮下的深刻观点.
依图科技首席创新官吕昊和会议主持人依图科技人工智能科学家吴双, 一开始就将本次的讨论会, 引入到了人工智能历史上最著名的一个交锋之中:
1973 年, 人工智能概念提出不久, 科学界各方对此看法不一. 在英国著名媒体 BBC 的安排下, 对人工智能技术前景持否定态度的詹姆斯. 莱特希尔, 和对人工智能未来前景强烈认同的美国斯坦福大学教授约翰. 麦卡锡, 出现在专业的人工智能研讨会上, 也出现在 BBC 的直播镜头之前. 两位怒气冲冲, 针锋相对的科学家, 给人工智能历史留下了极其精彩的 "莱特希尔辩论(Lighthill Debate)" 的故事.
在 "莱特希尔辩论后的 45 年" 的议题下, 现如今这批堪称全球人工智能 "最强智库" 的顶尖科学家们, 对业内诸多焦点争论, 展开了头脑风暴和智力冲浪.
而他们争论的焦点, 当然相比 45 年前, 有了很大的不同. 1973 年的那场辩论, 受科学技术的限制, 当时针锋相对的论点, 早在今天得到解决. 比如当时感觉困难重重的机器语言翻译, 语音识别, 手写识别等人工智能应用, 如今已经缩小到了半个巴掌大的同步翻译机里.
人类是不是人工智能?
在人工智能浪潮即将迎来革命性突破的今天, 追忆半个世纪之前的科学交锋, 并在伟大前人开拓的道路上, 继往开来, 探索未知, 也许这才是本届人工智能大会水平最高, 前瞻性最好且最的大收获.
他们先针对 "记忆网络和环境反应" 做出了自己的判断. Alan Yuille 教授认为人工智能目前还未能做到记忆网络的意识的发展, 其他人也都认同, AI 技术目前还没有达到记忆网络和实体思维的阶段.
现在的人工智能技术应用, 算是真正成熟了吗? 与会专家们都认为, 那还是一个非常遥远的目标. 比如人类的感知感触, 和复杂的深度神经系统, 目前的模型和方法都离真正的成熟很远. 但吕昊博士也指出, 目前已经有全新的编程方向, 主张合成而不是写代码. 那么, 是否意味着将来人工智能一旦学会了模块式的合成, 就可以自己完成控制程序的编程了?
继而, Alan Yuille 教授抛出了惊人的一句话, 他认为打败人类的阿尔法狗其实是非常简单的, 因为围棋的算法和程序, 都有一定的规则. Malsburg 教授也认为, 机器之所以能够学习, 其实还是有规则可遵循, 那这就不是真正的自主智能了. 真正的自主智能, 就是没有先设的规则. 把一些抽象的原则和概念, 去运用到我们真正的行为和生活中, 机器现在还做不到的.
对此, 朱军教授认为, 解决这个问题, 要把现有的模型进行升级和优化, 去了解人类的大脑是如何工作的, 并去模拟人脑神经元的运作.
而 Alan Yuille 和 Malsburg 教授坦诚, 人类对自己大脑了解的都不够, 对神经元的了解进展不大, 但技术是在不断的迭代的, 未来一定会有新的技术来支撑进行科学研究.
几位科学家共同认为, 对于 AI 来说, 最关键的问题就是复杂性. 如何来处理真实世界当中的复杂性, 而不仅仅是通过数据和规则来演算推导, 否则就会永远存在逻辑推理上的缺陷.
而在讨论的最后, 依图人工智能科学家, 会议主持人吴双, 向专家们提出了一个终极问题: 怎么样说服自己去相信这一点, 你不是处于一个虚拟的世界当中?
对于最经典也最无解的 "虚拟之脑" 来说, Alan Yuille 教授果然也给出了最经典的答案, 就像他的老师霍金那样, 他也认为虚拟的场景, 能够让人产生真实的幻觉.
客观地说, 如果我们的人工智能技术能够复制了我们的大脑神经体系, 并以一样的原理工作, 那它到底是人工智能, 还是真正可以自由思考的人类了?
唯一遗憾的是, 假如霍金教授还在人间, 他又会说些什么?
来源: http://ai.51cto.com/art/201809/584233.htm