【導(dǎo)讀】近些年人工智能的大放異彩少不了很多人在背后的默默堅(jiān)守，博隆伯格采訪了多位在人工智能領(lǐng)域作出開創(chuàng)性工作的大師，講述他們是怎么在人工智能寒冬時(shí)期在神經(jīng)網(wǎng)絡(luò)研究上的堅(jiān)持，以及如何一步步引領(lǐng)人工智能在各個(gè)領(lǐng)域取得重大突破。他們包括被稱為人工智能三巨頭的Hinton, Bengio, Lecun，以及LSTM的發(fā)明者Schmidhuber ，強(qiáng)化學(xué)習(xí)教父Richard Sutton，這些人都在加拿大從事過研究，所以還采訪了加拿大總理特魯多，探究是什么使得加拿大成為全球人工智能發(fā)展的的中心。
作者 | Ashlee Vance
編譯 | 專知
參與 | Mandy, Xiaowen, Huaiwen, Sanglei
在過去的5年里，人工智能已經(jīng)從常年的低迷變成了科技行業(yè)最光明的希望之一。計(jì)算機(jī)已經(jīng)學(xué)會(huì)識(shí)別人臉和物體，理解口語，并翻譯幾十種語言。世界上最大的幾家公司——alphabet、亞馬遜、蘋果、Facebook和微軟——都把自己的未來押在了人工智能上，競(jìng)相看誰在構(gòu)建智能化機(jī)器方面最快。這讓人們覺得人工智能已經(jīng)無處不在了，比如特斯拉的自動(dòng)駕駛汽車，Alexa和你的孩子聊天。但人工智能并不是一夜成名，也不是硅谷某一位企業(yè)家的心血結(jié)晶。
現(xiàn)代人工只能神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)背后的思想根源，可以追溯到第二次世界大戰(zhàn)的最后階段。當(dāng)時(shí)，學(xué)者們開始構(gòu)建以類似人腦的方式存儲(chǔ)和處理信息的計(jì)算系統(tǒng)。在過去的幾十年里，這項(xiàng)技術(shù)有起有落，但直到2012年左右，它才廣泛地吸引了計(jì)算機(jī)科學(xué)家們的注意，這要?dú)w功于一些擁有執(zhí)念的研究人員，他們不怕顯得愚蠢。他們?nèi)匀幌嘈?，神?jīng)網(wǎng)絡(luò)將照亮世界，改變?nèi)祟惖拿\(yùn)。
當(dāng)這些拓荒者們分散在全球各地時(shí)，加拿大的神經(jīng)網(wǎng)絡(luò)貢獻(xiàn)者的數(shù)量卻異常龐大。這僅僅部分是因?yàn)檫\(yùn)氣，更多的是來自政府的支持：由政府支持的加拿大高級(jí)研究機(jī)構(gòu)(Cifar)通過資助神經(jīng)網(wǎng)絡(luò)研究，吸引了一小批學(xué)者來到這個(gè)國(guó)家。它支持多倫多大學(xué)的杰弗里·辛頓(Geoffrey Hinton)和揚(yáng)·萊肯(Yann LeCun)等計(jì)算機(jī)科學(xué)家，以及蒙特利爾大學(xué)(University of Montreal)的尤舒亞·本喬(yojoshua Bengio)和阿爾伯塔大學(xué)(University of Alberta)的理查德·薩頓(Richard Sutton)，鼓勵(lì)他們分享想法，堅(jiān)持自己的信念。他們提出了許多推動(dòng)人工智能革命的理念，現(xiàn)在都被認(rèn)為是人工智能領(lǐng)域某項(xiàng)技術(shù)的教父。
這是我從采訪中總結(jié)出來的一些奇特的故事——為什么神經(jīng)網(wǎng)絡(luò)要花這么長(zhǎng)時(shí)間才能起作用，這些科學(xué)家是如何在一起交流工作的，以及為什么加拿大會(huì)成為機(jī)器學(xué)習(xí)崛起的舞臺(tái)（現(xiàn)在，不是所有人都同意加拿大的地位?？纯茨隳懿荒茉谙旅嬲业降聡?guó)研究人員Jurgen Schmidhuber，找出他為何如此不安的原因）。
加拿大總理賈斯廷·特魯多（JUSTIN TRUDEAU）：人工智能只是一臺(tái)可以模擬人類思維或人類行為的計(jì)算機(jī)。在這里面，有機(jī)器學(xué)習(xí)，也就是你讓電腦一次又一次地做實(shí)驗(yàn)的地方。它可能是開著一輛模擬的汽車在路上行駛，或者是試圖識(shí)別照片中的一只貓。 在這其中，有一個(gè)機(jī)器學(xué)習(xí)的子集叫做深度學(xué)習(xí)。一般的想法是你建立一個(gè)神經(jīng)網(wǎng)絡(luò)，它有權(quán)重和偏差，可以根據(jù)預(yù)期的結(jié)果進(jìn)行調(diào)整。你可以讓計(jì)算機(jī)不斷地迭代并改進(jìn)解決問題的方法。這就是Geoff Hinton和其他人在過去幾十年里一直在做的事情，現(xiàn)在它已成為人工智能最激動(dòng)人心的基礎(chǔ)。它能更好地模仿人腦的思維方式。
凱德·梅茨(CADE METZ)(《紐約時(shí)報(bào)》(New York Times)的記者同時(shí)也是即將出版的《人工智能歷史》的作者）：神經(jīng)網(wǎng)絡(luò)的概念可以追溯到20世紀(jì)40年代——一種計(jì)算機(jī)系統(tǒng)的概念，它可以模擬大腦中的神經(jīng)元網(wǎng)絡(luò)。但是一個(gè)叫弗蘭克·羅森布拉特（Frank Rosenblatt）的家伙在20世紀(jì)50年代推動(dòng)了這項(xiàng)工作。他是一名教授，還與美國(guó)海軍和政府其他部門合作，他開發(fā)了一種基于神經(jīng)網(wǎng)絡(luò)概念的感知器（Perceptron）。當(dāng)他透露的時(shí)候，像《紐約時(shí)報(bào)》和《紐約客》這樣的媒體用了相當(dāng)大的篇幅報(bào)道。 Rosenblatt聲稱，Perceptron不僅能學(xué)會(huì)像識(shí)別圖像這樣的小任務(wù)，從理論上講還能教機(jī)器走路、說話和表達(dá)情感。但它是單層神經(jīng)元，這意味著它的功能非常有限。所以不用說，他所承諾的事情實(shí)際上都沒有發(fā)生。
馬文·明斯基（Marvin Minsky），Rosenblatt的同事，同時(shí)也是他的高中同學(xué)，他在二十世紀(jì)六十年代末寫了一本書, 詳細(xì)介紹了感知器和神經(jīng)網(wǎng)絡(luò)的局限性, 使得整個(gè)研究領(lǐng)域至少進(jìn)入了十年的深度凍結(jié)。
杰弗里·辛頓（GEOFF HINTON）：Rosenblatt的感知器可以做一些有趣的事情，但他在大約50年前就領(lǐng)先了自己。雖然Minsky一直是神經(jīng)網(wǎng)絡(luò)的信徒，但他能夠證明有些事情是他們無法應(yīng)付的。Minsky和Seymour Papert關(guān)于該技術(shù)的書（感知機(jī)：計(jì)算幾何導(dǎo)論）基本上導(dǎo)致了這個(gè)領(lǐng)域的消亡。 在二十世紀(jì)七十年代，一小部分人一直在研究神經(jīng)網(wǎng)絡(luò)，但總體來說，當(dāng)時(shí)還是處在一個(gè)人工智能的寒冬。
METZ：卡內(nèi)基梅隆大學(xué)(Carnegie Mellon University)的Geoff Hinton，后來在多倫多大學(xué)(University of Toronto)工作，他堅(jiān)持了神經(jīng)網(wǎng)絡(luò)的想法。最終，他和他的合作者們一起開發(fā)了一個(gè)多層次的神經(jīng)網(wǎng)絡(luò)——一個(gè)深度神經(jīng)網(wǎng)絡(luò)——并開始在很多方面發(fā)揮作用。 法國(guó)計(jì)算機(jī)科學(xué)家，Yann LeCun，花了一年的時(shí)間在多倫多的Hinton實(shí)驗(yàn)室做博士后研究。LeCun隨后被新澤西貝爾實(shí)驗(yàn)室招募。
YANN LECUN：從很小的時(shí)候起，我就對(duì)人類的智力著迷。我成長(zhǎng)于二十世紀(jì)六十年代長(zhǎng)大，那個(gè)時(shí)期有空間探索，第一代電腦的出現(xiàn)，還有人工智能。所以當(dāng)我開始學(xué)習(xí)工程學(xué)的時(shí)候，我對(duì)人工智能非常感興趣，這是一個(gè)非常新興的領(lǐng)域。
我聽說過感知機(jī)，并且很感興趣，因?yàn)槲艺J(rèn)為學(xué)習(xí)是智力的一個(gè)組成部分。我四處尋找，想找到關(guān)于感知器的一切。作為一名工程師，如果你想了解智力，顯而易見的方法是嘗試構(gòu)建一個(gè)智能機(jī)器——它迫使你專注于培養(yǎng)智力所需的組件。這有點(diǎn)像航空先驅(qū)們是如何受到鳥類的啟發(fā)，但他們并沒有完全復(fù)制它們。你不想只是模仿生物智能或大腦，因?yàn)樗墓δ苡泻芏喾矫娑际巧锘瘜W(xué)和生物學(xué)的原因——它們與智力無關(guān)，真的。就像羽毛對(duì)飛行的不那么重要性一樣：重要的是潛在的空氣動(dòng)力學(xué)原理。
1979年LeCun（右）
METZ：有些人認(rèn)為L(zhǎng)eCun是一個(gè)完全的瘋子，這是一種類似于Sisyphean的任務(wù)。你會(huì)作為一個(gè)神經(jīng)網(wǎng)絡(luò)研究人員去參加這些大型的人工智能會(huì)議，但你并沒有被學(xué)術(shù)界的核心所接受。這些想法是處于邊緣的。
YOSHUA BENGIO：在1985年，神經(jīng)網(wǎng)絡(luò)是一種邊緣的東西，我在麥吉爾大學(xué)（McGill University）的課上并沒有學(xué)過。我學(xué)的是經(jīng)典的，象征性的人工智能。所以我必須說服我的教授來指導(dǎo)我做神經(jīng)網(wǎng)絡(luò)。我得到了政府的獎(jiǎng)學(xué)金，所以我基本上可以選擇我的話題，而這對(duì)教授來說沒有任何損失。我們達(dá)成了一項(xiàng)協(xié)議，我可以做機(jī)器學(xué)習(xí)，但我會(huì)把它應(yīng)用到教授所關(guān)心的事情上，那就是語音識(shí)別。
LECUN：大約在1986年，神經(jīng)網(wǎng)絡(luò)出現(xiàn)了一段時(shí)間的興起，部分原因是物理學(xué)家對(duì)這些模型產(chǎn)生了興趣，他們提出了新的數(shù)學(xué)方法。這使得這個(gè)領(lǐng)域再次成為可以接受的領(lǐng)域，并且這導(dǎo)致了在20世紀(jì)80年代末和90年代初的興起。我們中的一些人讓基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)來做一些實(shí)用的事情，比如信用卡欺詐檢測(cè)。我在一個(gè)自動(dòng)化的系統(tǒng)上進(jìn)行字符識(shí)別的閱讀檢查。
METZ：在卡內(nèi)基梅隆大學(xué)，一個(gè)名叫Dean Pomerleau的家伙在20世紀(jì)80年代末使用神經(jīng)網(wǎng)絡(luò)建立了一輛自動(dòng)駕駛汽車。它行駛在公共道路上。LeCun在20世紀(jì)90年代使用該技術(shù)建立了一個(gè)可以識(shí)別手寫數(shù)字的系統(tǒng)，最終被銀行用于商業(yè)應(yīng)用。 因此，從80年代末到90年代，在神經(jīng)網(wǎng)絡(luò)及其實(shí)際應(yīng)用中出現(xiàn)了這種復(fù)蘇，LeCun的工作就是最好的例子。但它們?cè)俅斡|及上限，主要是因?yàn)槿狈τ?jì)算能力和可用數(shù)據(jù)。因此，我們進(jìn)入了人工智能的另一個(gè)冬天。
Pomerleau在1995年展示了他的自動(dòng)駕駛汽車
JURGEN SCHMIDHUBER：對(duì)于這些加拿大人，很明顯我們沒有使用他們的算法;他們?cè)谑褂梦覀兊乃惴?。LeCun是一個(gè)真正的法國(guó)家伙，我們正在使用他的算法。所以這很好。他有很多的貢獻(xiàn)，這些貢獻(xiàn)是非常重要和有用的。 我認(rèn)識(shí)這些人已經(jīng)有很長(zhǎng)時(shí)間了。我第一次接觸Yoshua的時(shí)候，他發(fā)表了一篇文章，這篇文章跟我的一個(gè)學(xué)生在四年前發(fā)表的是同樣的東西，或者說差不多一樣的東西。幾年后，在一個(gè)會(huì)議上攤牌了。我們?cè)谘杏憰?huì)上有一場(chǎng)公開辯論，明確了誰先做了什么。它不是骯臟的。這只是澄清事實(shí)。你在科學(xué)中所做的事情就是澄清事實(shí)。(Bengio否認(rèn)了Schmidhuber的說法。)
LECUN：當(dāng)時(shí)的問題是，這些方法需要復(fù)雜的軟件、大量的數(shù)據(jù)和強(qiáng)大的計(jì)算機(jī)。沒有多少人能接觸到這些東西或者愿意花時(shí)間。在20世紀(jì)90年代中期到2000年代中期，人們選擇了更簡(jiǎn)單的方法——沒有人真正對(duì)神經(jīng)網(wǎng)絡(luò)感興趣。對(duì)Geoff, Yoshua和我來說，這是一段黑暗的時(shí)期，我們并不痛苦，但也許有些悲傷，人們不想看到我們所推崇的想法其實(shí)有著顯而易見的優(yōu)勢(shì)。
HINTON：當(dāng)然，我們一直相信它，并一直致力于研究它，但工程師們發(fā)現(xiàn)，其他方法在小數(shù)據(jù)集上也同樣有效或更好，所以他們追求這些方法，并認(rèn)為神經(jīng)網(wǎng)絡(luò)是我們一廂情愿的想法。認(rèn)為神經(jīng)網(wǎng)絡(luò)可以更好地工作的人相當(dāng)少。 加拿大高級(jí)研究所讓像我們這樣的，來自世界各地的人們可以互相交流。它給了我們一些關(guān)鍵的支持。
LECUN：有這樣一個(gè)非常小的群體，在他們的腦海中有這樣的信念，最終神經(jīng)網(wǎng)絡(luò)會(huì)脫引而出。2003年，Geoff在多倫多，并被Cifar接觸，開始了一個(gè)關(guān)于神經(jīng)計(jì)算的程序。我們聚在一起，決定努力重燃對(duì)工作的興趣。
但我們需要一個(gè)安全的空間，在發(fā)布它們之前，幾乎沒有研討會(huì)和會(huì)議來真正發(fā)展我們的想法。該計(jì)劃于2004年正式啟動(dòng)，到2006年，有一些非常有趣的論文。其中就有Geoff在《科學(xué)》雜志上發(fā)表的一篇文章。
有這樣一個(gè)非常小的社區(qū)，他們腦海中有這種情況，最終神經(jīng)網(wǎng)絡(luò)會(huì)重新浮出水面。 2003年，杰夫在多倫多，并被Cifar接觸開始一個(gè)神經(jīng)計(jì)算程序。 我們聚在一起決定我們應(yīng)該努力重新激發(fā)對(duì)我們工作的興趣。
但是，我們需要一個(gè)安全的空間，在發(fā)布它們之前，幾乎沒有研討會(huì)和會(huì)議來真正發(fā)展我們的想法。 該計(jì)劃于2004年正式啟動(dòng)，到2006年，有些文件非常有趣。 杰夫在科學(xué)界發(fā)表了一篇文章。
Hinton2016年在Science上文章的人臉識(shí)別測(cè)試示例
TRUDEAU：在那次人工智能的寒冬中，，當(dāng)人們放棄并繼續(xù)前進(jìn)的時(shí)候，加拿大悄悄地建立了現(xiàn)代人工智能的基礎(chǔ)，這是對(duì)加拿大一直做得很好的一種驗(yàn)證，那就是支持純粹的科學(xué)。我們賦予真正聰明的人做一些聰明的事情的能力，這些事情可能會(huì)在某個(gè)商業(yè)或具體的地方結(jié)束，也可能不會(huì)結(jié)束。
HINTON：2006年在多倫多，我們開發(fā)了一種多層的網(wǎng)絡(luò)訓(xùn)練方法，效率更高。同年我們?cè)诳茖W(xué)上發(fā)表了一篇論文，這篇論文非常有影響力，并幫助支持了我們的觀點(diǎn)，這讓很多人再次感興趣。2009年，我實(shí)驗(yàn)室的兩名學(xué)生發(fā)明了一種利用這些深度網(wǎng)絡(luò)進(jìn)行語音識(shí)別的方法，這一方法起了作用。比以前好一點(diǎn)，只是稍微好一點(diǎn)，但現(xiàn)有的技術(shù)已經(jīng)存在了30年，沒有任何進(jìn)展，這些深度網(wǎng)絡(luò)在幾個(gè)月內(nèi)還能做得更好，這意味著在幾年內(nèi)，它們還會(huì)進(jìn)一步發(fā)展。
METZ：2009年，在Hinton和微軟的語音識(shí)別研究員鄧力Li Deng之間舉行了這次會(huì)議。 就像其他人一樣，Li Deng相信相信另一種形式的人工智能被稱為“象征性人工智能”。在這種方法中，你基本上必須一次建立一個(gè)線路語音識(shí)別系統(tǒng)，在特定的行為中進(jìn)行編碼，但這實(shí)在太慢了。
Hinton提到，他的神經(jīng)網(wǎng)絡(luò)語音識(shí)別方法正在顯示出真正的進(jìn)步。它可以通過分析口語數(shù)據(jù)庫中的模式來學(xué)習(xí)識(shí)別單詞，而且它的表現(xiàn)要快于象征性的逐行工作。Deng不一定相信Hinton，但邀請(qǐng)他和他的兩位合作者到微軟從事技術(shù)方面的工作。語音識(shí)別在微軟取得了巨大的進(jìn)步，然后在2010年谷歌也取得了長(zhǎng)足的進(jìn)步。
然后，2012年底，Hinton和他的兩名學(xué)生取得了巨大的圖像識(shí)別突破，他們摧毀了以前的技術(shù)。那時(shí)，不僅僅是微軟和谷歌，還有業(yè)內(nèi)的其他人都意識(shí)到了這些想法。
需要記住的是，這是一個(gè)非常古老的想法。改變的是神經(jīng)網(wǎng)絡(luò)背后的計(jì)算能力和數(shù)據(jù)量。要運(yùn)行，你需要成千上萬臺(tái)機(jī)器協(xié)同工作，處理從文本到視頻的所有內(nèi)容。這最終讓神經(jīng)網(wǎng)絡(luò)得以成功。你需要訓(xùn)練數(shù)據(jù)，你需要計(jì)算能力來執(zhí)行訓(xùn)練。
LECUN：為什么要花這么長(zhǎng)時(shí)間？這就是科學(xué)的工作方式，是心理學(xué)。在采用一套技術(shù)之前，人們必須確信它是可行的。這些方法有一個(gè)不好的名聲，因?yàn)樘籼藓托枰恍┖谀Хā?/span>
RICHARD SUTTON：看到計(jì)算能力的穩(wěn)步增長(zhǎng)是很令人振奮的?，F(xiàn)在我們正處在一場(chǎng)人們?cè)噲D開發(fā)算法和試圖開發(fā)速度越來越快的計(jì)算機(jī)之間的競(jìng)爭(zhēng)中。你必須對(duì)你的人工智能算法進(jìn)行一些計(jì)劃，以便與5年和10年后可以使用的計(jì)算機(jī)一起工作。
電腦必須知道什么是好的，什么是壞的，所以你給它一個(gè)特殊的信號(hào)，叫做獎(jiǎng)勵(lì)。如果獎(jiǎng)勵(lì)很高，那就意味著它是好的。如果獎(jiǎng)勵(lì)是低的，那就意味著它是壞的。這是一個(gè)目標(biāo)的來源。
神經(jīng)網(wǎng)絡(luò)是你儲(chǔ)存學(xué)習(xí)的地方，強(qiáng)化是你決定你想要做什么改變的方式。
BENGIO：我們離Geoff, Yann和我夢(mèng)想的那種無監(jiān)督學(xué)習(xí)還有很長(zhǎng)的路要走。幾乎每一種基于深度學(xué)習(xí)的工業(yè)產(chǎn)品都主要依賴于監(jiān)督學(xué)習(xí)，在這種情況下，計(jì)算機(jī)必須被告知該做什么。當(dāng)然，人類并不是那樣學(xué)習(xí)的；我們是自主學(xué)習(xí)的。我們靠自己發(fā)現(xiàn)我們周圍的世界。一個(gè)2歲的孩子，對(duì)物理、重力、壓力等都有直觀的概念，她的父母從來不需要告訴她牛頓的力和重力方程。我們?cè)谏钪信c世界互動(dòng)，觀察，并以某種方式建立了未來事物發(fā)展的心理模型。
我們正進(jìn)入無監(jiān)督學(xué)習(xí)研究的新階段，這與強(qiáng)化學(xué)習(xí)的工作聯(lián)系在一起。我們不僅僅是觀察世界，我們還在世界上行動(dòng)起來，然后利用這些行動(dòng)的效果來弄清楚它是如何工作的。
LECUN：我感興趣的是讓機(jī)器像動(dòng)物和人類一樣高效地學(xué)習(xí)。當(dāng)你學(xué)會(huì)開車的時(shí)候，你知道如果你離開了馬路，壞的事情就會(huì)發(fā)生。我們可以預(yù)測(cè)我們行動(dòng)的后果，這意味著我們不需要真的做壞事才能意識(shí)到它是壞的。所以，我所追求的是找到訓(xùn)練機(jī)器的方法，讓他們能夠通過觀察來學(xué)習(xí)，這樣他們就能建立預(yù)測(cè)模型。每一種活的動(dòng)物都有自己的環(huán)境預(yù)測(cè)模型，他們?cè)铰斆?，就越能做到這一點(diǎn)。你可以說，預(yù)測(cè)能力是智力的本質(zhì)，同時(shí)也是根據(jù)你的預(yù)測(cè)采取行動(dòng)的能力。
LECUN：我們很有可能在未來3年、5年、10年或15年內(nèi)取得一些重大進(jìn)展——這是相當(dāng)近的事情。在此之后，需要很長(zhǎng)時(shí)間才能真正建立起接近人類智能的系統(tǒng)。大概需要幾十年的時(shí)間。
BENGIO：我不認(rèn)為人類一定會(huì)失業(yè)，即使機(jī)器變得非常聰明，甚至比我們更聰明。我們總是希望真正的人從事真正與人類互動(dòng)有關(guān)的工作。我不想讓一個(gè)機(jī)器人照顧我的孩子，或者祖父母，或者我在醫(yī)院里生病的時(shí)候。我不擔(dān)心終結(jié)者場(chǎng)景，我相信如果我們能夠制造出和我們一樣聰明的機(jī)器，它們也會(huì)足夠聰明，能夠理解我們的價(jià)值觀和道德體系，從而以一種對(duì)我們有益的方式行事。我真正關(guān)心的是人工智能的潛在濫用，例如軍事武器。它已經(jīng)被用來影響人們的生活。在部署人工智能在道德或道德上是錯(cuò)誤的地方，我認(rèn)為我們應(yīng)該把它變成非法的，我們需要變得更有集體智慧。
SUTTON：我認(rèn)為這是一個(gè)很大的錯(cuò)誤，我們把這個(gè)領(lǐng)域叫做“人工智能”。它讓人覺得它和人很不一樣，好像它不是真正的智能。它讓人們覺得它比它應(yīng)該的更陌生，但這是我們?cè)噲D做的一件非常人性化的事情：重新創(chuàng)造人類智能?？茖W(xué)總是揭示出并非所有的人都喜歡的真理——你得到了真理，但并不總是你想要的。也許這就是為什么宗教在歷史上一直與科學(xué)格格不入的原因。我認(rèn)為這與我們更多地了解人們的思想是一樣的。有些人會(huì)喜歡，而有些人不會(huì)。學(xué)不能改變真理。
無論何時(shí)你有了改變，總會(huì)有贏家和失敗者，而巨大的變化即將來臨。我認(rèn)為我們將成為智能機(jī)器。我們應(yīng)該把人工智能看作是我們自己或我們的后代，我們可以創(chuàng)造適合自己的人工智能。
LECUN：對(duì)此的擔(dān)憂還為時(shí)過早。我不相信異常，有一天，我們會(huì)想出如何建造超級(jí)智能機(jī)器，第二天，機(jī)器會(huì)制造出更智能的機(jī)器，然后它就會(huì)起飛。我認(rèn)為人們忘記了每一種物理或社會(huì)現(xiàn)象都會(huì)面臨摩擦，因此指數(shù)增長(zhǎng)的過程不可能無限期地增長(zhǎng)。在好萊塢的場(chǎng)景中，阿拉斯加的某個(gè)天才想出了人工智能的秘密，建造了一個(gè)機(jī)器人，然后它接管了整個(gè)世界，這太荒謬了。
TRUDEAU：這不是我過分擔(dān)心的事情。我想我們都看過或讀過足夠多的科幻小說，都在說人工智能理論上有多危險(xiǎn)。我認(rèn)為科技可以用于好或壞。我不想放慢我們的研究，我們?cè)噲D找出宇宙的具體細(xì)節(jié)。問題是：我們想要什么樣的世界？我們想要的是一個(gè)成功的人必須躲在封閉社區(qū)的背后，而其他人都嫉妒，拿著杈子出現(xiàn)的世界嗎？還是你想要一個(gè)人人都有潛力為創(chuàng)新做出貢獻(xiàn)的世界？
Hinton: 我認(rèn)為所有這些因素對(duì)社會(huì)的影響很大程度上取決于我們所處的政治體制。從本質(zhì)上講，使商品的生產(chǎn)效率更高，應(yīng)該增加總體效益。唯一不好的方式是，如果你有一個(gè)社會(huì)，它會(huì)把生產(chǎn)率提高的所有好處都推到前1%位。我住在加拿大的原因之一是稅收制度；如果你賺了很多錢，這個(gè)國(guó)家會(huì)對(duì)你征稅。我認(rèn)為這很好。
我的主要觀點(diǎn)是，預(yù)測(cè)未來真的很難。一旦你開始預(yù)測(cè)20年后會(huì)發(fā)生什么，你幾乎總是會(huì)錯(cuò)得不可救藥。但有些事情我們可以預(yù)測(cè)，比如這項(xiàng)技術(shù)將改變一切。
聯(lián)系客服
