[ 編者按 ] AI(人工智能)既不是救世主，也不是滅世惡魔。盡管AI越來越表現(xiàn)出無所不能的潛力。
拋開非理性的恐懼與期待，放下空洞的道德哲學思考，把注意力重新放到AI能做什么和不能做什么這類現(xiàn)實意義的問題上吧。
前Google大腦聯(lián)合創(chuàng)始人、前百度首席科學家吳恩達，F(xiàn)acebook AI研究院的創(chuàng)始人Yann LeCun，Cloudera機器學習的總負責人Hilary Mason以及埃森哲的AI全球負責人Rumman Chowdhury博士就是這樣做的。
他們審視了AI在2018年取得的成就和進步，比如基于大數(shù)據(jù)的AI訓練、科技公司的應用;也展望了2019年AI的發(fā)展趨勢，比如“少樣本學習”、“通用性”的進展、自我監(jiān)督學習和強化性學習。當然，少不了對于道德與偏見的討論以及監(jiān)管規(guī)則的變化。
AI的應用不僅限于科技公司的軟件，正如吳恩達說的那樣，“當制造公司、農業(yè)設備公司或醫(yī)療保健公司開發(fā)數(shù)十種AI方案來幫助其業(yè)務發(fā)展時，就是下一波大規(guī)模價值創(chuàng)造浪潮來臨的時候。”
AI被認為是一種同時能拯救世界和終結世界的技術。
為了繞過關于AI喧囂和夸張的討論，VentureBeat采訪了這個領域的杰出人士。多年來，他們與世界上最大的科技公司合作，對AI形成了自身看法。VentureBeat采訪了谷歌大腦的聯(lián)合創(chuàng)始人吳恩達、Cloudera機器學習的總負責人及 Fast Forward Labs的創(chuàng)始人Hilary Mason、Facebook AI 研究院的創(chuàng)始人Yann LeCun以及埃森哲公司的AI全球負責人Rumman Chowdhury博士。我們希望知道他們眼中2018年AI領域有哪些里程碑，以及2019年會發(fā)生的大事。
●Rumman Chowdhury
Rumman Chowdhury博士是埃森哲公司應用情報部門的常務董事，也是該公司負責AI項目的全球領導者。
Chowdhury曾在2018年表示，她很高興看到公眾對AI的能力和局限有了更多認識，也很高興聽到人們對AI帶來的威脅有了更平衡的探討——超越了對《終結者》中智能機器掌控全球的那種恐懼。她說：“隨之而來的是人們對隱私、信息安全，以及AI對我們和未來幾代人的影響的日益關注和疑慮。”
“在道德和AI領域，我希望我們深入探討AI將面臨的難題，那些沒有明確答案的問題。AI和基于物聯(lián)網(wǎng)的監(jiān)控之間的‘正確’平衡是什么?這種平衡應既能保障信息安全，又能抵制強化現(xiàn)有種族歧視的懲罰性監(jiān)控。我們應該如何重新分配從先進技術中獲得的收益，才不會進一步擴大貧富差距?兒童應接觸AI至何種程度，才會成為‘AI原住民’而不被其操縱或同質化?我們如何利用AI實現(xiàn)教育的規(guī)?；妥詣踊帜茏寗?chuàng)造力和獨立思考蓬勃發(fā)展?”她問道。
Chowdhury預計，在未來一年，世界各地的政府將加強對科技的審查和監(jiān)管。
她說道：“AI以及全球科技巨頭所掌握的權力，引發(fā)了許多有關監(jiān)管的問題。2019年我們將不得不需要找到這些問題的答案——當一項技術是可產生特定結果的多用途工具時，你如何監(jiān)管它?如何制定既不扼殺創(chuàng)新、又不偏袒大公司 (誰能承擔合規(guī)成本)或小企業(yè)的監(jiān)管規(guī)則?我們在什么層面進行監(jiān)管，全球、國家，還是地區(qū)?”
Chowdhury說：“我希望監(jiān)管機構、技術專家和研究人員認識到，我們的AI競賽不僅僅是計算能力和技術智慧的較量，就像冷戰(zhàn)不僅僅是核能力的較量一樣。我們有責任用一種更公正、更公平、更合理的方式重建世界。我們也難得有機會能這樣做，這一刻轉瞬即逝，我們不要浪費了。”
在消費者層面上，她認為在2019年，AI將在家庭中得到更多應用。許多人已習慣于使用Google Home和Amazon Echo等智能音箱及其它智能設備。
“我想我們都在等機器人管家出現(xiàn)。”Chowdhury說。
● 吳恩達
吳恩達是斯坦福大學的計算機科學副教授，也是谷歌大腦的聯(lián)合創(chuàng)始人，該項目旨在將AI推廣到谷歌的許多產品中。他也是Landing AI公司的創(chuàng)始人，該公司幫助很多企業(yè)將AI融入到運營中。
在谷歌工作了三年多之后，他于2017年辭去了首席AI科學家的職務，加入了另一家科技巨頭百度，成功幫助百度轉型為AI公司。
“我認為，明年(2019年)很多大事會發(fā)生在軟件行業(yè)以外的AI應用領域。我們在幫助谷歌和百度等公司，以及Facebook和微軟方面做得不錯?，F(xiàn)在，Square和Airbnb、Pinterest等公司也開始使用AI。我認為，當制造公司、農業(yè)設備公司或醫(yī)療保健公司開發(fā)數(shù)十種AI方案來幫助其業(yè)務發(fā)展時，就是下一波大規(guī)模價值創(chuàng)造浪潮來臨的時候。”
關于2018年大眾對AI的認識，吳恩達也很高興大眾不再關注機器人殺手的情境。
在未來的一年里，吳很高興看到AI和機器學習研究的兩個特定領域取得進展，其中一點是AI可用更少的數(shù)據(jù)得出準確的結論，也就是“少樣本學習”。
吳恩達說：“第一波深度學習發(fā)展浪潮主要是大公司用大量數(shù)據(jù)訓練極龐大的神經網(wǎng)絡，對吧?所以，如果你想建立一個語音識別系統(tǒng)，你需先用10萬個小時的數(shù)據(jù)對其進行訓練。如果想要訓練機器翻譯系統(tǒng)呢?用無數(shù)對平行語料庫的句子對其進行訓練。我越來越經常在小型數(shù)據(jù)上看到結果。即使只有1000張圖像，你也想從這些數(shù)據(jù)中得到結果。”
另一個是計算機視覺的進步，被稱為“通用性”。
“如果用斯坦福大學高端X光機拍攝的原始圖像進行訓練，計算機視覺系統(tǒng)可能會非常好用，許多領先的公司和研究人員已經創(chuàng)造出了比人類放射科醫(yī)生更優(yōu)秀的系統(tǒng)。 但如果把訓練模型應用于來自低端X光機、不同醫(yī)院的X射線，人類放射科醫(yī)生比算法更能概括出病人的問題。我認為有趣的研究是提高學習算法在新領域的通用性。”他說。
● Yann LeCun
紐約大學教授Yann LeCun是FacebookAI研究中心(FAIR)負責人和FacebookAI研究院院長，帶領研發(fā)PyTorch 1.0和Caffe2，以及大量的AI系統(tǒng)，如Facebook每天使用數(shù)十億次的文本翻譯AI工具，或先進的圍棋強化學習系統(tǒng)。
Yann LeCun認為，F(xiàn)air在研究和工具上采用的開源政策推動了其他大型科技公司采取同樣的做法。
“你今天在AI領域所看到的進步速度，很大程度上是因為，與過去相比，越來越多的人交流得更快、效率更高，做的研究也更開放。”
在倫理方面，Yann LeCun很高興人們也看到了做出決策的危險性。Yann LeCun說，他不認為AI中的道德和偏見已經成為需要立即采取行動的問題，但人們應該為此做好準備。
Yann LeCun說，通過深度學習，研究人員已經可以很好地管理認知，但缺少的是對一個完整AI系統(tǒng)整體架構的理解。
“不同的人給AI系統(tǒng)起了不同的名字，但本質上人類嬰兒和動物都是通過觀察了解世界是如何運轉的。我們還不知道如何用機器來做這件事，這是巨大的挑戰(zhàn)。” Yann LeCun說：“如果我們能弄清楚，我們就能在AI和機器方面能取得真正的進展，讓機器擁有一點常識，或者虛擬助理不會讓人失望，因為它們可以就更廣泛的話題和我們討論。”
“在解決這個問題的過程中，我們希望找到方法來減少任意特定任務的必要數(shù)據(jù)量，比如我們已經通過在翻譯和圖像識別中使用自我監(jiān)督學習，對Facebook的服務產生了影響。因此，這些事情不僅有長期影響，而且會產生即時的效果。 ”
Yann LeCun希望，AI在建立事件間的因果關系方面取得進展，不僅僅是通過觀察來學習，而是理解，例如，如果人們在用傘，可能在下雨。
他說：“這將是非常重要的，因為如果你想讓一臺機器通過觀察，來學習世界的運轉，它必須能夠知道它能影響到什么，從而改變世界的狀態(tài)，而有些事情是做不到的。”
●Hilary Mason
Fast Forward Labs被收購之后，創(chuàng)始人Hilary Mason成為Cloudera公司機器學習部門的總負責人。但Fast Forward Labs仍在運營中，制作應用機器學習報告，并幫助客戶預測他們未來6個月至2年的情況。
2018年，AI領域的一個進步讓Mason感到意外，那就是多任務學習，它可以訓練單個神經網(wǎng)絡，在推斷圖像中的物體時，應用多種標簽。
Fast Forward Labs也一直在就AI系統(tǒng)的倫理影響，向客戶提供建議。
“從五年前起，我們就一直在寫關于道德的報告，但今年(2018年)人們真正開始把注意力放在道德上面。”Mason說，“我希望創(chuàng)造AI產品的技術人員和商業(yè)領袖將看重道德和偏見的問題，并且成為業(yè)內的默認規(guī)范。”
Cloudera公司最近推出了container-based machine learning platform(基于容器的機器學習平臺)，Mason認為，這種趨勢將在未來幾年持續(xù)，企業(yè)可以選擇本地或者在云端部署的AI。
最后，Mason認為AI的業(yè)務會繼續(xù)演變，會在業(yè)界形成普遍實踐，而不僅僅是在公司內部。
“如果你是一家公司的數(shù)據(jù)科學家，或者機器學習工程師，然后跳槽到另一家公司，你的工作將完全不同：不同的工具、不同的期望、不同的報告結構。但我想我們會看到一致性。”她說。
