谷歌AI負責人杰夫·迪恩：2020年機器學習領域的趨勢分析

無論計算機未來在社會中扮演什么角色，杰夫·迪恩(Jeff Dean)都將在結果中發(fā)揮強大的作用。作為谷歌人工智能技術研究小組的負責人，他領導的工作覆蓋面十分廣泛，對從研發(fā)自動駕駛汽車到制造機器人，再到谷歌強大的在線廣告業(yè)務等方方面面都做出了貢獻。 

在溫哥華舉行的世界領先的人工智能會議NeurIPS上，《連線》（WIRED）與迪恩談論了其團隊的最新研究，以及谷歌如何試圖對這些探索施加道德限制。

連線：你做了一個關于建造新型計算機來推動機器學習的演講。這其中有什么新想法？

杰夫·迪恩：第一個是使用機器學習在芯片上布局和布線電路。在一系列新電路被設計出之后，人類專家將它以一種有效的方式置于芯片上，以優(yōu)化面積、功耗和許多其他參數。通常情況下，這一過程會在數周內完成。而擁有一個機器學習模型，該過程的完成會變得十分有效，結果與人類專家不相上下甚至更好。這在本質上說，是學習玩芯片放置的游戲。我們一直在”玩“一堆不同的谷歌內部芯片，比如TPU[谷歌的定制機器學習芯片]。

W：更強大的芯片是人工智能近期取得進展的核心。然而，Facebook的人工智能負責人表示，這一戰(zhàn)略很快就會碰壁。與此相比，你們的一位頂尖研究人員敦促該領域繼續(xù)探索新想法。

JD：構建更高效、更大規(guī)模的計算系統(tǒng)現在看來仍然有很大的潛力可挖掘，特別是那些為機器學習量身定做的系統(tǒng)。我認為過去五六年來所做的基礎研究還有很大的應用空間。我們將與谷歌產品同事合作，將這其中的許多應用到現實世界中。

但考慮到今天能做什么和不能做什么？下一個研究前沿問題是什么？我們也在探索的過程中。我們想要建立能推廣到一項新任務的系統(tǒng)。用更少的數據和更少的計算來做事情變得越來越有趣和重要。

W：在NeurIPS引起關注的另一個挑戰(zhàn)是一些人工智能應用程序衍生出的倫理問題。谷歌在18個月前宣布了一套完整的人工智能倫理原則，此前五角大樓的一個名為Maven的人工智能項目曾引發(fā)抗議。自那以后，谷歌的人工智能工作方式發(fā)生了怎樣的變化？

JD：我認為，整個谷歌對如何將這些原則付諸實施有了更好的理解。我們有一個過程，使用機器學習的產品團隊以某種方式可以在設計整個系統(tǒng)之前獲得早期的預見，比如你應該如何收集數據以確保它沒有偏見，或諸如此類的事情。同時，我們也在繼續(xù)推進原則中體現的研究方向。在偏見、公平、隱私和機器學習方面我們做了相當多的工作。

W：這些原則排除了武器方面的工作，但允許包括國防項目在內的政府業(yè)務。自Maven以來，谷歌有沒有啟動過任何新的軍事項目？

JD：我們很高興以符合我們原則的方式與軍方或其他政府機構合作。因此，對于幫助提高海岸警衛(wèi)隊人員的安全，這是我們很樂意做的事情。云團隊傾向于從事這項工作，因為這實際上是他們的業(yè)務線。

W：倫敦人工智能初創(chuàng)公司DeepMind的聯合創(chuàng)始人穆斯塔法·蘇萊曼(Mustafa Suleyman)最近轉到了谷歌。DeepMind是Alphabet旗下的一家倫敦人工智能初創(chuàng)公司，也是機器學習研究的主要參與者。蘇萊曼說，他將與你以及谷歌最高法律和政策主管肯特·沃克(Kent Walker)合作。你們要一起做什么呢？

JD：蘇萊曼在人工智能政策相關問題上有廣闊的視角。他也參與了谷歌的人工智能原則和審查過程，所以我認為他會把大部分時間集中在人工智能倫理和政策相關的工作。我真的更希望蘇萊曼對他具體要做的事情發(fā)表評論?？咸氐膱F隊正在研究的一個領域是：我們應該如何完善人工智能原則，以便為谷歌的產品團隊(比如面部識別)提供更多指導。

W：你做了一個關于機器學習如何幫助社會應對氣候變化的主題演講?？梢哉務勥@個嗎？機器學習項目本身有時會耗費大量能源，這意味著什么？

JD：有很多機會將機器學習應用到這個問題的不同方面。我的同事約翰·普拉特(John Platt)最近正在關注這些問題。例如，機器學習可以幫助提高交通運輸的效率，或者使氣候建模更加準確，因為傳統(tǒng)的模型計算非常密集，這限制了空間分辨率。總體上，我關心碳排放和機器學習。但它在總排放量中所占的比例相對較低，而且我看到的一些關于機器學習能源使用的論文并沒有考慮能源的來源。在谷歌數據中心，我們所有計算需求的全年能源使用量幾乎是100%可再生的。

W：除了氣候變化，你們的團隊明年將在哪些研究領域擴大工作？

JD：其一是多模式學習：任務具有不同的模式，如視頻和文本或視頻和音頻。我們在這方面做的不多，而這在未來可能會更重要。醫(yī)療保健的機器學習研究也是我們投入大量精力正在進行的工作。其二是優(yōu)化設備上的機器學習模型，這樣我們就可以將更多有趣的功能添加到硬件中，如手機和其他類型的設備。