李飞飞:“情绪”和“情感”,是人工智能的下一个春天

来源:史中  刚刚 0
分享到:
导语

六十年前初识计算机的时候,人们就在想:是否有一天我们可以创造出一种人工智能,达到甚至超越我们人类的智能水平。

六十年前初识计算机的时候,人们就在想:是否有一天我们可以创造出一种人工智能,达到甚至超越我们人类的智能水平。

几十年过去了,AI 经过了几个寒冬。我们仍然没有了却几十年前的心愿。今天,人工智能再一次火爆全球,我们似乎看到了人类科学正在加速冲向那个奇点。产业界和学术界都在不遗余力地进行 AI 研究,甚至流行的美剧《西部世界》也在讨论人工智能。

站在今天的时点上,人工智能到底有什么突破,未来的人工智能会向什么方向前进呢?

四位人工智能界的泰斗大牛在未来论坛2017年会的圆桌对话上发表了自己的看法。

他们分别是:

李飞飞  美国斯坦福大学计算机科学系终身教授、人工智能实验室主任

李凯  普林斯顿大学 Paul & Marcia Wythes 讲席教授,美国工程院院士,未来论坛科学委员会委员

沈向洋  微软全球执行副总裁,微软人工智能及微软研究事业部负责人,未来论坛理事

张钹  清华大学计算机系教授、中国科学院院士、清华大学智能技术与系统国家重点实验室学术委员会名誉主任

李飞飞:“情绪”和“情感”,是人工智能的下一个春天 | 未来论坛2017

【画面从左至右分别为:主持人洪小文、李飞飞、李凯、沈向洋、张钹】

雷锋网在第一时间记录整理了四位大牛的精彩发言。他们似如山巅上的先知,通过他们的预言,似乎可以窥见人工智能的下一个春天。

---

Part1:对于目前人工智能的理解

---

张钹:举一百反一的人工智能和人类背道而驰

大家都说人工智能可以做很多事情,我想先说说人工智能目前还不能做什么。

人工智能学科从创立到现在,只往前走了两步。

第一步,是符号表示和推理模型。

以前人工智能只是建立在数学模型的基础上。而推理模型在数学模型的基础上,把问题变成:如果可以把这个问题清晰地表述出来,用陈述性或过程性的语言,那么计算机就能解决它。

当这个模型被提出来,人工智能解决问题的能力提高了一大步。这样,可解的问题就远比用数学表达的问题多得多。

实际上,当时对人工智能的估计过高。因为人们发现,能“清楚表达”的问题很少。及时是理性思考,有很多问题都不能表述。

第二步,就是深度学习、数据驱动的方法。

这又让人工智能向前迈了一步,而且这一步比前一步大得多。

之前,我们可以用计算机解决的问题是“知其然又知其所以然”的问题。而有了深度学习,我们也可以解决“知其然而不知其所以然”的问题。特别是可以解决感知、视觉、听觉等方面的问题,例如:张三长什么样子,这个实在是不好表述。

我们身边充满“说不清道不明”的问题,用新的深度学习技术可以解决很多这类问题。但是,我们的人工智能还没有到顶峰。

目前的人工智能有三个限制条件。

1、确定性

2、完全的知识和信息

3、封闭化、特定化的问题

一个典型的人工智能可以解决的问题就是:阿法狗下围棋。

围棋有着确定的规则和目标;

对方如何下子,盘面的信息,完全可以知道;

而所有答案的可能性是一个封闭的。

处理带有这三个限制条件的问题,计算机肯定比人类好。但是如果缺一个条件,计算机就非常难完成了。例如打桥牌,答案不是封闭的,计算机就很难做了。

一年以前,如果我和微软小冰聊天。我说我叫张钹,小冰就会傻眼了。因为他没有我的信息。我如果说我是章子怡,小冰应该可以聊下去。所以,尽管小冰很厉害,但是和人的智能还是差得多。

深度学习目前有两个很难克服的重要缺点:

1、鲁棒性差。机器学习过的内容,和没学习过的内容,在识别效果方面差距太大。例如一个模式识别系统,经过训练可以很好地识别马、牛、羊。你给它一块石头,它有可能认为是马。

2、机器数据输入和输出结果差距太大。人的智能是举一反三,而机器是举一百反一。给几百万的数据,识别几万个目标。这和人类是背道而驰的。

所以,现在的人工智能还有很长的路要走。

李飞飞:人类的认知学,是人工智能下一步发展的突破口

很多朋友都知道我刚刚生了我们家的老二,还不到一岁大。

作为人工智能研究者,我很高兴能体会当妈妈的感觉。之前张钹老师说感知代表了很多“不知其所以然”的问题,在现在大规模数据标注的情况下,都可以解决。

我觉得人工智能的下一步应该是认知。

认知包括很多我们还不太清楚怎么用数学和人工智能表达的。比如:知识系统的建立、情感的产生和交流、好奇心和创造力驱动的学习,还有 learning to learn。这些都是认知的范畴。

确实,我们人工智能又迎来了春天,但下面确实还有很长的路要走。

我认为下一步人工智能的发展,需要加强对情感,情绪的了解,要走进认知学,心理学。我说的不仅是脑科学,而是认知学。因为我们目前对人的情感理解非常少,而这对于人工智能来说是很重要的。

作为人工智能学者,能够得到这么多关注,我很高兴。但是我也担心这样的“泡沫”会带来什么。如果是更多的机会和研发投入,当然是好事;如果是过度承诺或者不切实际的产品研究工作,可能会对这个领域有些不好的影响。

李凯:人工智能发展,人的智能也在发展

我参加过很多论坛,大家都在问:人工智能什么时候能超过人?一般专家都会推断通用人工智能超过人的时间,一定在他去世之后的某个时点,例如:五十年后。到了要验证正确与否的时候,他已经不在了,也就不会有人追究他了。(笑)

但人们提出这个问题的时候,有一个假设条件,那就是:假定人自身的智能不再往前走了。

但是,实际上人的智能还是往前发展的。如果现在我们对人的大脑有了新的了解,就可以很快帮助我们提高自己的智能。而人堆大脑的了解,也可以帮助提高人工智能的水平。

深度学习,实际上是把我们对人脑神经网络非常简单的理解变成算法。然后加之以数据,发现智能效果很好。但是,这些人脑神经的只是都是三四十年以前的知识。而我们在期待脑科学有新的突破,这些新的知识一定可以推进人工智能的一大步。所以说,智能这条路是很长很长的。无论对于机器,还是对人。

沈向洋:十年之内的人工智能可以想象

我在工业界工作,对人工智能的发展还是持非常乐观的态度的。

虽然张钹老师讲人工智能存在种种问题,但是我们现在有数据,有新的算法。我很相信,

五年之内,语音识别技术一定可以超过人;

十年之内,机器视觉一定比人好。

可以据此我们可以想象未来是怎样的图景。

站在今天来看,我们所有的商业应用都被颠覆了。从销售市场,到人事招聘,到用户服务,所有的商业环节都被 AI 改变了,所以从商业角度来看,我看到的是更多的机会。

---

Part2:这次人工智能的复兴,要感谢深度学习和大数据。那么,深度学习到底是什么,未来可以看到它怎样的发展?为了人工智能的终极目标,除了深度学习意外,我们还需要哪些其他的研究方向?

---

张钹:人工智能到了秋天

五十年后的事情可能我说不清楚,但是我可以说说三五年之后的事情。很多人说究竟现在是人工智能的春天还是夏天?有人说春天,因为正在蓬勃发展。有人说夏天,因为有点热过头了。

但是我说现在是人工智能的秋天。秋天有两个含义。

一:秋天是收获的季节,我们有很多成果。

人工智能现在有果实可摘。为什么我觉得很乐观?因为我觉得人工智能所需的三个资源都是无限的。

1、大数据

2、算法

3、计算力

未来相当一部分人都会往这个方向去做,会在包括语音、图像方面取得很好的成果。

二、说秋天,是因为冬天就在前头。

做科学研究,我们要知道冬天要来了。这意味着我们要考虑下一个春天要播种什么种子。也就是说,后深度学习时代,我们要搞什么事。

第一点是脑科学。

说到脑科学。人脑有很多层次。其中的智能分布还有大量内容我们并不了解,这些从顶下下,侧向连接等等模式,我们都还不了解。

目前,我们对脑科学只学了一点,就有了这么多成果。如果我们研究更多,一定会有更多的成果。基于对人脑的深度研究,结合神经科学和脑科学,我们要发展新的计算模型。

第二点是理性思考和感性。

这两个能力对于现在的人工智能是很重要的。现在为止驱动人工智能就有两招:数据驱动和知识驱动。下面的发展就要把两招结合起来。特别是自然语言处理,离不开知识驱动,只靠数据是不够的。

如果这两个能做好,人工智能就会迎来下一个春天。

李飞飞:情绪、情感,是人工智能未来的方向

说到深度学习,“深度学习”大概在2006年被提出来,但是在2006年之前,“神经网络”这个概念已经存在了二三十年。神经网络领域里,很重要的里程碑是back-propagation。在九十年代,计算机视觉方面做出了 Convolutinal neuron networks,今年的 Deeplearning 基本是这个结构。

现在大部分成功的深度学习是神经网络是有监督学习。有完全的数据标注以后做的。

很多人都在思考如何做无监督的学习,之前也有很多工具。深度学习革命性的一点是取代了对特征的加工。像之前的 SVM,都是“Engineering Feature”,而深度学习是直接学习数据。

深度学习不操作数据本身,而是对结构本身进行操作。这就造成了一种感受,深度学习本身结构太复杂了,例如152层,1001层。这里有巨大的空间,可以突破结构的层面。我认同张钹老师说的,数据和知识的结合。

现在我们的 AI 都是用逻辑的方法来判断情感。因为逻辑代表 IQ,而情感代表 EQ。人类的情感是非常丰富的。未来,从情绪到情感,最是人工智能未来前进的方向。

李凯:人工智能最需要“教科书”

任何工作都有近期和远期。近期人工智能的发展,我很认同李飞飞讲的,和深度学习有关。机器学习和以前的专家系统有一个非常不同的地方。专家系统是用软件把人的知识写到系统里。机器学习输入的是算法+知识,输出的是程序。

我和李飞飞和做的时候,我们两个是比较另类的的研究者。大多数人在算法上做,我们觉得应该发展知识。知识就相当于上学的时候的教科书。总要有人写教科书。如果没有人写教科书的话,学习方法再好,老师再好,你学的是一年级的教科书,也不可能成为博士。所以我觉得很多领域都需要有人写教科书。

学术界很多人的目标不是产生巨大的贡献和影响力。需要写很多文章,这样可以拿到很多资金。我们做的时候没有资金——申请的时候被拒绝了。

近期人工智能要想发展,一定需要有人做知识的积累和总结。

长远来看,我认同两位的意见,对人的大脑,人的智力是怎么工作的,要有更多的了解。这样才会帮助整个 AI 向前走。

沈向洋:先定个小目标:用人工智能治愈脑疾病

我很赞同各位的说法。在商业上,接下来三五年毫无疑问 AI 可以帮助我们解决很多问题。但是秋天过了,冬天我们要做什么呢?

我觉得有两点。

第一点,我觉得数据很多、算法互通,确实是取之不尽的。但是在计算能力这件事上,我们应该更加重视。几十年下来的摩尔定律,让我们可以把人工智能做到了今天,这是非常了不起的飞速增长的五十年。但是工业界普遍会认为,计算能力会慢慢降下来。这也是大家为什么都在非常认真地去做量子计算,也要到十年、十五年才能看到突破。

今天我们 AI 向前走必须要考虑的问题是:计算能力的瓶颈。

第二点,我们要考虑为什么做 AI。是不是计算能力的增强,就一定会产生智能。从人脑的结构来看,我们应该定义一个小目标:利用符号学和深度学习做一些结合,希望在脑科学和人工智能结合上,解决几个了不起的问题。我自己想要解决三个和人脑息息相关的病。

儿童孤独症

中年忧郁症

老年痴呆症

人工智能如果能解决这三个问题,就是相当了不起的成就。

张钹:计算机的空间结构极其简单,大脑的空间结构极其复杂

有关计算能力方面我想做一下补充。

同样的一个题目,在我们脑里解决一点不费劲,为什么在计算机里面就要这么多的计算资源来弄?我们要思考的是这个问题,而不是拼命加快计算机。

我觉得,正是因为我们过去走的这条路,迫使我们必须加快计算力。我的观点是,我们过去做的计算机,从空间结构来讲是最简单的,冯·诺依曼结构。而大脑的空间结构最复杂。你想用一个空间结构最简单的东西去做空间结构复杂的工作,它花去的代价就是计算时间的增加。世界上没有免费的午餐。

过去我们使用大量的计算时间来换取同样的结果,现在能不能改变思路。把计算机做一下改变,例如 IBM 公司正在做,让神经网络的复杂度提高,换来能耗和时间的降低。

至于量子计算,我觉得不要指望,量子计算不可能代替现在的计算机。我们要在现在的计算机基础上进行改造,也就是研究是不是能够加快计算机的运行。

编辑:jiangjing
人工智能 情绪 情感 李飞飞
分享到:

财经网微评论0人参与)

查看更多>>
匿名评论
  • 全部评论(0条)
查看更多>>
  • 热门排行
  • 大家喜欢
  • 站在资本风口,如何飞得更高是每个公司的梦想。在当下的政策寒流中,如何走得更远是每个互联网中介公司面临的新课题。

  • 生鲜电商领域最早的试水者沱沱工社换帅一事再一次搅动生鲜电商一池春水。这片深不见底的池水下面,是创业者对它又爱又恨的复杂情绪。在这个被视为下一个千亿级的电商市场中,不断传出的倒闭消息时刻拷问着每一位从业者:怎样才能玩转生鲜电商?

  • 不少苹果用户最近几周在苹果官网论坛和各大社交网站投诉称,他们在iPhone上安装了最新iOS升级后,手机耗电速度明显比平时快了。

  • 2017年第31周(07.31-08.06)高德地图覆盖率为14.87%,继续超越百度地图,排名地图导航行业第一。

  • 8月21日下午消息,今日上午有媒体报道,称百度新闻搜索数量不稳定或存在漏洞;今日下午,百度作出回应,称经过技术排查定位,百度新闻搜索不存在文中所提及的漏洞或手动篡改的情况。