苹果维修点

您现在的位置是:首页 > 技术前瞻 > 人工智能

人工智能

畅想人类和AI共处的世界|WAIC 2019

AI
2019-09-16 13:14:21 人工智能
  2019 年 8 月 29 日,世界人工智能大会 WAIC 2019 在上海世博中心举行。瑞士 USI 和 SUPSI 教授,NNAISENSE 联合创始人兼首席科学家,「LSTM 网络之父」 Jürgen Schmidh

  2019 年 8 月 29 日,世界人工智能大会 WAIC 2019 在上海世博中心举行。瑞士 USI 和 SUPSI 教授,NNAISENSE 联合创始人兼首席科学家,「LSTM 网络之父」 Jürgen Schmidhuber 也受邀出席大会。

  8月30日,多家社会媒体一同对 Schmidhuber 教授(图中右侧)进行了采访,松鼠 AI 首席架构师 Richard Tong(图中左侧)在现场帮忙翻译。虽然这次采访中来自社会媒体提出的许多问题不那么「技术」,但是 Richard Tong 介绍道 Schmidhuber 不仅是计算机科学家,更是一位哲学家,在这些问题的回答中我们确实看到了 Schmidhuber 对事理和人类社会的哲学思考,甚至有「我们可以像理解人一样理解 AI」的味道。Schmidhuber 教授的语言风格也温文尔雅,不疾不徐,娓娓道来。

  提问:有人把 LSTM 网络称作「机器学习界的 AK-47」,因为它简单,而且可以用于很多不同的任务。您知道这个说法吗?如今,BERT 以及基于 BERT 的模型也被用在很多任务中,仿佛要成为新一代的「AK-47」。您觉得这是一个好的趋势吗?

  Schmidhuber:Transformer 和 BERT 模型能在一些任务中带来非常好的表现,比如某些翻译任务。但是如果你看看全局,比如看看语音识别领域里发生的事情的话,目前最新的,2019 年的谷歌语音识别系统仍然是基于 LSTM 的。曾经这些系统需要在服务器上运行,你需要有网络连接才能使用,现在电脑变得越来越便宜,这样的系统也已经可以直接在手机上运行。再比如 DeepMind 的 AlphaStar,这个玩星际争霸的 AI,它的核心是一个深度 LSTM 模型;OpenAI 的 DOTA2 AI 也把深度 LSTM 模型作为核心。如果你想要构建一个有通用能力的 AI,你就会需要类似循环神经网络、LSTM 这样的网络结构;Transformer 模型还不够好。工业界的实践还是以 LSTM 为主。

  提问:很多人担心随着机器人变得越来越先进,他们的工作会被机器人取代。李开复曾经说人类要更多地做善解人意和富有同情心的工作,以及未来我们也要创造更多这样的工作,让人们有工作可做。您认可他的说法吗?您的观点如何?

  Schmidhuber:几十年以前,当工业机器人刚刚出现的时候,就有人说机器人会把所有人类的工作都代替了。结果后来呢,在那些大量使用机器人的国家,曾经有数百名人类工人的汽车流水线如今使用数百台工业机器人,然后只有几个人看着这些机器人。然而这些有很多机器人的国家有更多的资本,有很低的失业率,因为出现了很多当时的人们预计不到的新职业。三十年前,没有人想得到现在可以做视频博主挣钱,诸如此类。人们喜欢玩乐,不喜欢没有工作,所以人类一直在创造新的工作。这些新的工作往往需要人和人之间的互动,像记者、视频博主等等。我猜测,随着 AI 在中国以及全球得到更多的使用,工作的数量只会增加,而不会减少,失业率也会大致保持不变。因为新的工作会出现。

畅想人类和AI共处的世界|WAIC 2019

  提问:您在 2018 年提出了 World Model 的概念,可以多跟大家解释一下吗?

  Schmidhuber:这个想法我在1990年就有了。它里面首先有一个 RNN 模型,可以接收视觉、声音、文本和传感器输入,然后它可以产生动作,比如动一动机器人的手指、眼睛。这样它就是一个控制器,把输入的信号转换成动作输出。除此之外它还有一个进行预测的网络,它能观察到控制器的动作、能观察到世界的输入,然后预测控制器的动作会对外面的环境造成什么样的改变。也就是说它学习判断动作的结果。

  所以它也就能够学习对这个世界建模,比如学习到苹果会掉到地下,学习到苹果掉下的时候有什么样的加速度。在学习到苹果的运动规律的同时,也就学到了重力的法则。

  在这样的 World Model 设计中,预测模型会帮助控制器变得更好,控制器也可以在执行动作之前先借助预测模型进行提前规划,选择能得到最高回报的动作;执行一系列预计会有很高回报的动作,然后得到这一系列预计到的高回报。最终,控制器就可以做整个模型认为「好」的事情。其实我们自己就是这样的,正在学习这个世界的小孩更是这样的。

  这个概念是1990年提出的,控制器模型和预测模型就像人的左脑右脑一样相互配合、相互促进改进。这个概念不仅是一个有长远影响的通用框架,在实际应用中也有好的效果。

畅想人类和AI共处的世界|WAIC 2019

  提问:为什么现在人们没有普遍在手机上使用语音识别技术?IoT 设备上会有更大的使用空间吗?

  Schmidhuber:实际上,在谷歌搜索接收到的所有搜索请求里,有 1/3 都是由 LSTM 网络处理的语音查询输入。对于中国人没有普遍使用它的原因,据我所知,中国人没有那么担心隐私,美国人有一点担心,欧洲人则非常担心。所以欧洲人不使用语音识别的原因是他们知道大公司会把所有东西都存储下来,然后把这些语音作为改进语音识别系统的训练样本。比如有的人讲话有口音,但是当前的 LSTM 网络没有在足够多的带口音的样本上训练,语音识别的效果不好,那么企业就会把这些语音记录下来,研究正确的识别结果应该是什么样的,并让 LSTM 学习。因为人们知道亚马逊之类的大公司会做这样的事情、会存储语音,所以他们会担心、会犹豫。我自己就不使用谷歌的语音识别,即便它就是基于 LSTM 的;不过使用它的人也有很多。我觉得关键在于,你能不能接受企业用你的数据来改进模型的这件事。有一些地方的人对隐私是比较在意的,我觉得中国的一大优势就是这里的人没有那么在意隐私。

  就技术本身而言,之前的很长一段时间里语音识别的效果一直都不好,大的变化发生在 2015 年。那年谷歌切换到了基于 LSTM 的语音识别系统,然后语音搜索就很快增加到了所有搜索的大概 1/3。Siri 最初使用的也不是 LSTM,后来切换到 LSTM 的时候也遇到了训练数据不足的问题。但现在所有人都在用 LSTM了。以及还有一个因素是训练数据有多少。

  我想问大家一个问题,Alexa、Echo 之类的设备很流行,中国有类似的吗?

赐研手机维修网】文章内容来源:https://vip-chn.com/jishu/ai/1238.html