新聞中心

EEPW首頁 > 智能計(jì)算 > 業(yè)界動(dòng)態(tài) > 一個(gè)芬蘭科學(xué)家認(rèn)為現(xiàn)在的AI太蠢了 下海開搞AI互聯(lián)網(wǎng)

一個(gè)芬蘭科學(xué)家認(rèn)為現(xiàn)在的AI太蠢了 下海開搞AI互聯(lián)網(wǎng)

作者: 時(shí)間:2017-10-09 來源:科技行者 收藏

  Harri Valpola是名芬蘭計(jì)算機(jī)科學(xué)家,同時(shí),他也是ZenRobotics創(chuàng)始人兼CTO,Curious Company創(chuàng)始人兼CEO。

本文引用地址:http://butianyuan.cn/article/201710/365106.htm
一個(gè)芬蘭科學(xué)家認(rèn)為現(xiàn)在的AI太蠢了 下海開搞AI互聯(lián)網(wǎng)

  Harri Valpola的理想是創(chuàng)造互聯(lián)網(wǎng)。“從人類的角度來看,它看起來像個(gè)巨大的大腦,像互聯(lián)網(wǎng)一樣,將對(duì)我們的生活產(chǎn)生巨大影響”,或許這只是某種錯(cuò)覺,但我們?nèi)詧?jiān)持這一觀點(diǎn)。因?yàn)橹挥羞@樣才能讓人類大腦理解互聯(lián)互通的人工智能互聯(lián)網(wǎng)。

  然而前路漫漫,艱難而漫長。盡管近年來取得了一些進(jìn)展,但人工智能的發(fā)展速度仍然不盡人意。Valpola 表示,“目前使用的所有AI都是二流的,而不是頂級(jí)的,這種AI就像愚蠢的蜥蜴,無法理解這個(gè)復(fù)雜的世界。我們需要大量數(shù)據(jù),因?yàn)槲覀兿胍⒌氖歉鼉A向于哺乳動(dòng)物的大腦。”

  從學(xué)者到創(chuàng)業(yè)者的轉(zhuǎn)變 Valpola遇到了很多難題

  與許多研究AI前沿領(lǐng)域的計(jì)算機(jī)科學(xué)家和數(shù)學(xué)家一樣,Valpola也擁有無可挑剔的研究能力。他是芬蘭神經(jīng)網(wǎng)絡(luò)先驅(qū)Tuevo Kohonen的學(xué)生,他在阿爾托大學(xué)工作了二十年(研究人造大腦)。直到2007年他離開學(xué)術(shù)界,致力于把理論應(yīng)用到現(xiàn)實(shí)世界的臟數(shù)據(jù)中,他才意識(shí)到自己缺失了什么。

  為了把理論付諸實(shí)踐,Valpola與其同事共同創(chuàng)立了ZenRobotics公司,主要致力于為智能機(jī)器人開發(fā)大腦。他說,我們?cè)镜挠?jì)劃是對(duì)AI進(jìn)行革命。技術(shù)在實(shí)驗(yàn)室中運(yùn)作良好,但卻總難以應(yīng)付紛繁復(fù)雜的現(xiàn)實(shí)情況。

  第一個(gè)問題是:數(shù)據(jù)。模擬實(shí)驗(yàn)中,機(jī)器人可以“看到”周圍的一切,但計(jì)算機(jī)卻總難以讀取凌亂復(fù)雜的現(xiàn)實(shí)世界的數(shù)據(jù)。第二個(gè)問題是:現(xiàn)實(shí)情況下,計(jì)算機(jī)無法通過數(shù)百萬次測(cè)試得到有效的解決方法。像人類一樣,機(jī)器人是個(gè)物體,且總運(yùn)動(dòng)緩慢;由于受過多的重復(fù)訓(xùn)練,它們很少有機(jī)會(huì)能夠自主進(jìn)化發(fā)展。

  Valpola表示,現(xiàn)實(shí)世界中,互動(dòng)是種非常稀缺的資源。他使用的許多技術(shù)以及他人的研究所獲得的許多驚人的發(fā)現(xiàn),實(shí)際上是基于模擬環(huán)境。以AlphaGo為例,這是個(gè)非常好的系統(tǒng),但為了讓AlphaGo學(xué)會(huì)游戲規(guī)則需要花費(fèi)的時(shí)間也是驚人的。該系統(tǒng)達(dá)到頂級(jí)人類玩家水平之前,從某種程度上來說已經(jīng)花費(fèi)了3000年的時(shí)間練習(xí)此游戲。

  由于無法實(shí)現(xiàn)其初始目標(biāo),ZenRobotics公司進(jìn)行了一些調(diào)整:現(xiàn)在,機(jī)器人致力于實(shí)現(xiàn)較為簡單的目標(biāo),即從工業(yè)廢物中挑選有用的原料。該公司籌集了1100萬英鎊,吸引了全球最大的回收公司成為客戶。但對(duì)Valpola而言,一切都只是妥協(xié)。因此,2015年,Valpola離開了ZenRobotics公司,他打算從頭再來,再進(jìn)行一次嘗試。

  重頭再來 創(chuàng)立The Curious AI Company

  44歲的Harri Valpola創(chuàng)立了一家擁有20名員工的人工智能初創(chuàng)公司The Curious AI Company(以下簡稱Curious公司)。該公司不久前剛籌集到367萬美元,與許多科技融資相比,盡管這筆資金數(shù)額還較小,但令人印象深刻的是該公司目前還沒有產(chǎn)品問世,只處于前期研究階段。

  風(fēng)險(xiǎn)投資公司Balderton Capital的合伙人Daniel Waterhouse表示:“投資于研究型企業(yè)并不常見,但有益于本輪融資和之前的種子輪融資。但從長遠(yuǎn)看,研究型企業(yè)有能力創(chuàng)造出產(chǎn)品和商機(jī)。這種方式有利于培養(yǎng)人才,且Valpola也致力于建立一個(gè)世界級(jí)頂尖研究團(tuán)隊(duì)。”

  

一個(gè)芬蘭科學(xué)家認(rèn)為現(xiàn)在的AI太蠢了 下海開搞AI互聯(lián)網(wǎng)

  Curious公司聯(lián)合創(chuàng)始人:從左到右分別是Harri Valpola、首席技術(shù)官(CTO)Antti Rasmus和首席運(yùn)營官(COO)TimoHaanp

  Curious公司解決了當(dāng)初ZenRobotics公司所面臨的難題,首先是處理數(shù)據(jù)的難度。Valpola的方法很簡單:“清理臟數(shù)據(jù)的最好辦法是讓電腦來處理”。2015年他發(fā)表了一篇文章,公布了他的第一次嘗試:他描述了一個(gè)梯形網(wǎng)絡(luò):一個(gè)能夠通過在結(jié)果中注入噪音來訓(xùn)練自己處理復(fù)雜情況的神經(jīng)網(wǎng)絡(luò),像教師在考試題目中加入易錯(cuò)點(diǎn)來幫助學(xué)生保持警覺一樣。

  梯形網(wǎng)絡(luò)允許計(jì)算機(jī)學(xué)習(xí)大量未經(jīng)預(yù)先標(biāo)記的例子,該領(lǐng)域中稱其為半監(jiān)督學(xué)習(xí)(semi-supervised learning)。手寫數(shù)字圖片是基準(zhǔn)問題測(cè)試領(lǐng)域常用的數(shù)據(jù)集,此次使用該方法取得的實(shí)驗(yàn)結(jié)果令人驚嘆。100個(gè)初始標(biāo)記的示例中,該系統(tǒng)正確識(shí)別了近99%的圖像。世界頂尖計(jì)算機(jī)科學(xué)家稱贊該技術(shù)“令人印象深刻,是最先進(jìn)的技術(shù)”。

  Valpola繼續(xù)研發(fā)新技術(shù)以處理其他類型的數(shù)據(jù)集。今年的神經(jīng)信息處理系統(tǒng)大會(huì)上(AI領(lǐng)域的重要會(huì)議,也稱NIPS),他將提出一個(gè)類似“梯子網(wǎng)絡(luò)”的新技術(shù),Valpola將其命名為具有雙關(guān)意義的“Mean Teacher(刻薄的老師)”。發(fā)表的實(shí)驗(yàn)結(jié)果顯示:此次實(shí)驗(yàn)對(duì)象是Google街景視圖的房屋編號(hào)圖片——即使僅經(jīng)過較少的訓(xùn)練,該項(xiàng)技術(shù)仍然取得了較以往更好的表現(xiàn)。

  Yoshua Bengio是蒙特利爾大學(xué)計(jì)算機(jī)科學(xué)系的教授,也是深度學(xué)習(xí)的領(lǐng)軍人物之一,他說:“根據(jù)文中描述,我認(rèn)為其取得的成果相當(dāng)不錯(cuò),是半監(jiān)督學(xué)習(xí)的又一創(chuàng)紀(jì)錄發(fā)展。”

  Valpola也在研究其在ZenRobotics公司時(shí)所面臨的另一個(gè)問題,即AI對(duì)于試錯(cuò)的依賴。這也是最先進(jìn)的“無模型”AI所運(yùn)用的方法——對(duì)于這類AI,研究人員并未預(yù)先將其可能遇到的所有規(guī)則預(yù)先錄入??梢試L試數(shù)十億種不同的場(chǎng)景,而后再逐漸建立有效模式。但現(xiàn)實(shí)世界中事情永遠(yuǎn)不會(huì)如此簡單。Valpola表示,為了保證AI順利運(yùn)轉(zhuǎn),AI將需要基于相對(duì)較少的信息進(jìn)行推理,這一能力也被我們稱之為“計(jì)劃”。

  但問題在于神經(jīng)網(wǎng)絡(luò)僅能單向發(fā)揮作用。例如向其展示大熊貓和長臂猿的圖像,他們將迅速而準(zhǔn)確的識(shí)別出這兩個(gè)對(duì)象。但如果問AI:“你會(huì)把長臂猿歸為何種形象?”正如一個(gè)典型案例表明的那樣,AI處于混亂狀態(tài),無法理解這個(gè)問題,即使長臂猿看起來與熊貓完全不同。Valpola說,“這項(xiàng)技術(shù)背后有堅(jiān)實(shí)的理論作支撐,但引人注目的是其在實(shí)踐中的表現(xiàn)。網(wǎng)絡(luò)在一方面可信,另一方面竟然表現(xiàn)得如此愚蠢,簡直讓人難以相信。”

  人類非常擅長逆向思考(很多動(dòng)物也十分擅長于此)。當(dāng)你思考某事物時(shí),你也在這樣做,這時(shí)你需要問自己:“我是如何做到這一點(diǎn)的?”你可能只考慮是否向老板發(fā)一封關(guān)于假期的電子郵件或者親自打電話給他。神經(jīng)網(wǎng)絡(luò)可以利用目前情況和計(jì)劃行動(dòng),且利用它們預(yù)測(cè)未來。但是,神經(jīng)網(wǎng)絡(luò)無法進(jìn)行反向操作,不能說:“如果想要實(shí)現(xiàn)某個(gè)目標(biāo),你最好這樣做”,神經(jīng)網(wǎng)絡(luò)的線性進(jìn)程無法逆轉(zhuǎn)。

  對(duì)于任何智能決策過程而言,這都至關(guān)重要。Valpola表示,“我們已經(jīng)解決了這個(gè)問題,能夠調(diào)用可以發(fā)出語音的神經(jīng)網(wǎng)絡(luò),能夠以預(yù)期結(jié)果為導(dǎo)向做出行動(dòng)。”盡管該研究尚未公布,但Valpola認(rèn)為不久的將來這一切都將實(shí)現(xiàn)。

  一切只是開始 Valpola想創(chuàng)造出“AI互聯(lián)網(wǎng)”

  對(duì)于Valpola而言,這一切還只是開始。他不會(huì)感到滿足,除非創(chuàng)造出AI互聯(lián)網(wǎng)。對(duì)此,他的解決方案是模仿人類思維過程,特別是人類思維方式中的“關(guān)系推理”。

  想要理解關(guān)系推理的運(yùn)作方式,只需要低頭看下手。手與其他部分的關(guān)系十分密切,其他部分包括另一只手、身體的其余部分、房間的其他物體等。大腦通過將其放置在具體語境中使其變得有意義。

  神經(jīng)網(wǎng)絡(luò)看待世界的方式非常不同。預(yù)將手展示出來,必須拍攝圖片,之后圖片被分解成像素;然后,神經(jīng)網(wǎng)絡(luò)開始處理像素,為每個(gè)局部區(qū)域分配一組數(shù)字:實(shí)質(zhì)上其評(píng)分方法是通過對(duì)比不同對(duì)象的相似程度。

  該系統(tǒng)模擬的是大腦中細(xì)胞的運(yùn)動(dòng),但忽略了一個(gè)關(guān)鍵因素:即可以識(shí)別出對(duì)象的特征,但不能理解哪些特征屬于哪個(gè)對(duì)象以及對(duì)象之間相互關(guān)聯(lián)的方式。因此,它需要大量數(shù)據(jù)。因?yàn)樗荒苓M(jìn)行推斷,注定要重新學(xué)習(xí)每一種情況。

  “你無法恰當(dāng)?shù)乇磉_(dá)某些事物,就好像某些東西屬于一類,但又與其他事物分開,” Valpola說,“從內(nèi)部看,該網(wǎng)絡(luò)并未真正地代表某類事物。如無這一能力,人工智能在任何情況下都不會(huì)是革命性的”。

  對(duì)于Valpola的觀點(diǎn),許多人表示同意。倫敦大學(xué)帝國理工學(xué)院認(rèn)知機(jī)器人教授Murray Shanahan說:“我曾與Valpola見過幾次面,我們對(duì)AI和深度學(xué)習(xí)有類似的觀點(diǎn),” Bengio補(bǔ)充道:“我認(rèn)為他是對(duì)的。我自己就發(fā)起了一個(gè)有類似目標(biāo)的研究項(xiàng)目。在我看來,從對(duì)知識(shí)的突破到更高層次的認(rèn)知,這些才是未來進(jìn)步的關(guān)鍵方面。”

  問題在于:怎么做?Alphabet的人工智能研究部門DeepMind最近發(fā)表了一篇論文,對(duì)調(diào)整神經(jīng)網(wǎng)絡(luò)以應(yīng)對(duì)挑戰(zhàn)提出了建議。這篇文章沒有給Valpola留下什么深刻印象。他說:“我在這一領(lǐng)域已經(jīng)研究了很長時(shí)間了,現(xiàn)在出版的東西與八年前我們剛開始進(jìn)行的工作非常相似。光是發(fā)現(xiàn)問題、描述問題不管用。”

  Valpola說:這樣做不行的原因在于它仍然是基于離散信息的數(shù)字模型。他認(rèn)為:想要克服對(duì)象關(guān)系問題,人工智能必須能處理連續(xù)的數(shù)據(jù)信號(hào)——這意味著需要增強(qiáng)其模擬能力。

  “這是人類學(xué)習(xí)的基礎(chǔ),” Valpola說。這一點(diǎn)也是他想要模擬哺乳動(dòng)物大腦的關(guān)鍵:“我們需要的是與目前的深入學(xué)習(xí)具有相同知覺能力的東西,除此之外,還需要符號(hào)操縱能力和模擬推理的先天能力。”關(guān)于如何實(shí)現(xiàn)這一點(diǎn),他表示“那是個(gè)秘密”,值得一提的是,這是自他進(jìn)入學(xué)術(shù)界以來一直研究的問題。

  “第一個(gè)原型是十年前建成的。而我們也正在繼續(xù)這方面的研究。所以我們正在構(gòu)建這些具有更好互動(dòng)能力的神經(jīng)網(wǎng)絡(luò)。我認(rèn)為人們目前還未意識(shí)到實(shí)現(xiàn)這一點(diǎn)的意義。接下來的一年中,我們將在該領(lǐng)域展開非常有趣的研究。”

  試想AI如能理解關(guān)系,也有助于理解他們未來的發(fā)展方向。Valpola對(duì)于AI的常見難題置之一笑,例如回形針最多化(paperclip maximiser,這是牛津大學(xué)哲學(xué)家 Nick Bostrom 提出的一個(gè)思維實(shí)驗(yàn))。“必須有一個(gè)智能系統(tǒng)來接管世界,另一方面,需要一個(gè)非常愚蠢的系統(tǒng)按照人類的要求辦事。但到目前為止,這些還都未能實(shí)現(xiàn)。”他說道。

  相反,人工智能將自己看作與其他智慧生物一樣的復(fù)雜網(wǎng)絡(luò)的一部分:不僅是人工智能(作為AI互聯(lián)網(wǎng)的一部分),而且作為人類。他們會(huì)更加社會(huì)化,產(chǎn)生或好或更壞的影響。

  Valpola表示,“如何帶領(lǐng)人們走向美好生活,我認(rèn)為AI能夠理解這個(gè)問題。”

  在AI的第一波發(fā)展浪潮中,你需要的是成為一名程序員。第二波浪潮中,你需要成為一名數(shù)據(jù)科學(xué)家。而在第三波浪潮中——你需要擁有更高的道德,而且越高,越好。



關(guān)鍵詞: AI

評(píng)論


相關(guān)推薦

技術(shù)專區(qū)

關(guān)閉