AI英雄 | 八問機器學習泰斗Jordan教授:AI其實並不神奇
關注網易智慧,聚焦AI大事件,讀懂下一個大時代!
出品| 網易智慧(公眾號 smartman163)
期號| AI英雄-第109期
作者| 小羿 薛雅芹
近日,由松鼠AI、IEEE、雷鋒網聯合舉辦的“AI+智適應教育峰會”在北京舉行。會上,美國三院院士、機器學習泰斗、加州伯克利大學教授Michael I. Jordan(以下簡稱Jordan教授)發表了演講。會後,Jordan教授接受了網易智慧等媒體的採訪,闡述了他對於人工智慧、深度學習的深刻理解。
01人工智慧的本質是什麼?學科融合的產物
在Jordan教授看來,“機器學習”“資料科學”“人工智慧”都是一些概念,其本質都是以資料為基礎,結合計算機系統進行分析。
Jordan教授解釋到,機器學習與電腦科學和統計學有關,統計學已經有三百年的歷史,電腦科學至少也有一百年的發展,所以深度學習很早就發生了。從這個角度說,深度學習已經有幾百年的歷史了。
“深度學習不是靠一個人的力量,而是靠一個巨大的集體所實現的,世界上成千上萬的人對此作出了努力。”Jordan教授說到。
“AI並不是要複製人的智慧或智慧,而是要建立一個新的智慧系統,不一定非得是‘人工智慧’或者‘人類智慧’。”Jordan教授表示,現在有很多非常優秀的人在研究深度學習,他們試圖使計算機更智慧,試圖讓計算機與人類互動。但是,要使計算機變得更加聰明更加智慧,我們還有很多相關的演算法方面的問題需要研究,還需要解決一些社會性的問題。
02
人工智慧很強大?世界上強大的東西有很多
目前,人類基於資料,使用全新的方式提供服務,極大地改善了人類生活。Jordan教授認為,人工智慧的力量雖然很強大,但它卻並不比我們生活中所習慣的其他現象更有力量,人們也不應該對人工智慧的力量有所誇大。
“人工智慧的新事物其實就是進行日常分析,它可以在非常大的範圍內進行分析,也可以在個人層面上進行分析。這只是一種新的聯絡方式,讓某些東西更容易被獲得,速度更快,更有趣。”Jordan教授對人工智慧的力量做了實質性闡述。
Jordan教授表示,這個世界上有很多強大的東西。比如,經濟能夠讓每一天都有新鮮的食物運送到北京,這特別了不起。我可以去任何一家餐廳,我想要的食物在任何一家餐廳裡都找得到,而這其中的任何一個環節都離不開很多人的參與,可這些參與其中的人甚至不認識彼此。這是一個非常強大的現象。再比如,日常刮的風力量也很強大。
03
資料是人工智慧的“石油”?它是一個新的化學工程
對於在人工智慧發展中,有業內人士將資料比喻成“石油”的說法,Jordan表示不贊同。他認為,資料並不像石油,“石油只需要點燃就會發生反應,而且我也認為你不會像沙烏地阿拉伯供應石油那樣給別人提供資料。”
Jordan教授認為,每個國家都是一個工程領域,每個國家都要發展自己的工程師來利用這些想法來解決問題。一個國家向其他國家提供這種資料和演算法服務的想法沒有任何意義,這是因為每個國家都有自己的資料,本地收集的資料最佳。
Jordan教授認為,人工智慧更像是一種新的化學工程。這是一套複雜的想法,優秀的工程師喜歡用這一套想法去工作。資料分析演算法所能創造的價值大大超過了資料本身。
04
AI時代到來了?其實只有IA
“真正的人工智慧還未實現,達到真正的人類智慧水平的智慧電腦還沒有被生產出來。”Jordan教授表示,我不認為在我的有生之年,人類能達到那樣的階段。
正如演講中提到的那樣,Jordan教授認為科幻小說中超人式的AI現在並沒有發生,過去的40年間真正發生的是智慧增強(IA),包括資料處理、資料分析、搜尋引擎、自然語言翻譯、推薦系統等其實都是IA。
Jordan教授否認人類現在已經處於人工智慧時代,他認為人類正處於電腦科學時代、統計時代、個性化服務和資料時代,或者手機時代、移動時代。
05
人工智慧超越人類智慧?它並不聰明
Jordan教授指出,搭載人工智慧演算法的計算機網路裝置並不聰明。比如,這個裝置能進行人臉識別,那就意味著它複製了人類識別人臉的能力。但需要注意的是,貓也能識別人臉,但是貓的智力相當有限,它無法解釋世界,也不能將世界以抽象概念去描述,也不能制定長遠的計劃或者思考它的存在。人工智慧也是這樣,甚至還不如一隻貓,它與人類的智力沒有可比性。
“電腦不是很聰明,甚至AlphaGo都不是很聰明。AlphaGo在下圍棋時只是嘗試了各種各樣的可能性,並在其中選擇一種最佳的方式,它們並不會做研究。所以,我們仍然需要人類來發展新的科學理論,這一切都是人類創造的,而不是人工智慧。”Jordan教授表示。
在採訪中,Jordan教授試圖將人工智慧置於與其他學科平等的地位上進行審視。他最後表示,人類想要建設的人工智慧,並不是要取代人類,而是讓人類有一種新的方式變得更加智慧。
06
人工智慧落地難?應多關注經濟學內容
目前,所有領域都在迅速地改變,因為它們彼此之間互相融合的程度越來越高。Jordan教授認為,在人工智慧領域,我們應該更多的關注經濟學問題。“在AI的發展中,人們討論更多的是如何模仿人類,卻沒有討論經濟方面的內容。只有把不同的元素、機構聯絡起來,這樣才能夠通過互動有更好的結果。”
Jordan教授拿滴滴或者Uber進行舉例,他說到,滴滴和Uber的市場十年前還不存在。現在一個人使用滴滴或者Uber,只需要在手機上按下一個按鈕,就向整個網際網路釋出了一個交通需求。這一需求不僅僅是在網路上傳播,還傳播到了周圍每一輛汽車,他們是供應商、是生產者,而釋出需求的人是消費者。網路把我們聯絡在一起,司機們會思考:我想帶他去機場嗎?有人給的是肯定回答,於是他們接受訂單邀請,交易成功。這意味著司機們得到了一份工作,消費者交通需求得以滿足,而且效率更高,對社會有用。
這樣一個系統為什麼在一百年前沒有建立?因為我們需要資料流通,這樣就可以使用我們的手機來進行互聯。Jordan教授認為,人工智慧是一種資料儲存,它被用來連線生產者和消費者,建立新的市場。“這也是人工智慧的重要部分,並不是說人工智慧發明了新的經濟學理論,而是人類在推動經濟學研究。”
07
人工智慧負面影響太大?任何技術都有
當然,基於資料分析的人工智慧也帶來了一些負面影響,比如隱私受到侵犯,又或者系統會給出錯誤的答案,因為你得到的是錯誤的資料或者你在錯誤的時間並且在錯誤的地方使用了錯誤的資料。
對於這些,Jordan教授認為是必然會出現的。他表示,任何技術都有負面影響。比如,化學工程是一項很好的技術,它製造了各種各樣的新材料,使許多其他的東西成為可能。但也有汙染,這就是負面影響。汽車讓人類的生活更加便捷,但也會發生交通事故。但是我們不能終止化學工程方面的研究,也不能說汽車不好,禁止上路等等。
Jordan教授建議,人類在使用這些新技術的時候要小心,多花費一點時間研究技術帶來的負面影響。所以,要冷靜地對待工程學和科學之類的東西。
08
人的一生可以做很多事情
在採訪中,Jordan教授回顧了自己的幾十年的研究路徑,“我剛開始是研究大腦,然後我學習了心理學和對思維的科學研究,我覺得這些都很有趣,但這些學科的發展非常緩慢。我也不認為在我的有生之年,人類將在這些方面取得更大的進步。”之後,Jordan教授將研究方向轉向了電腦科學,但他認為這僅僅是一個個人選擇而已。
Jordan教授對網易智慧表示,人的一生中有足夠的時間去嘗試很多事情,而不是一生只做一件事。
- 加入社群吧 -
網易智慧AI社群(AI專家群、AI黑板報)火熱招募中,對AI感興趣的小夥伴,新增智慧菌微信 kaiwu_club,說明身份即可加入。
相關推薦
AI英雄 | 八問機器學習泰斗Jordan教授:AI其實並不神奇
關注網易智慧,聚焦AI大事件,讀懂下一個大時代!出品| 網易智慧(公眾號 smartman163
代寫編程、代寫機器學習模型、代寫AI python
nal prolog 一份 行業 之間 標識 日期 軟件設計 環境 代寫編程、代寫機器學習模型基於不同的機器學習模型,利用大量的特征變量,對標的資產價格的波動進行預測研究,並對預測效果進行評價。機器學習的模型包括,但不限於XGBoost、GBDT、LSTM等經典學習模型。待
Peter教你談情說AI | 02什麼是機器學習
什麼是機器學習?機器學習就是:不通過人類直接指定的規則,而是通過機器自身執行,習得事物的規律和事物間的關聯。 一個故事說明什麼是機器學習 既然機器是有可能自己學習事物規律的,那麼如何才能讓它學到規律呢? 我們先來看一個故事: 我的一個朋友小Y,他就不是那麼
機器學習愛好者 -- 翻譯吳恩達老師的機器學習課程字幕 http://www.ai-start.com/
http and -m nbsp 翻譯 href 機器學習 target 字幕 機器學習愛好者 -- 翻譯吳恩達老師的機器學習課程字幕 http://www.ai-start.com/ https://zhuanlan.zhihu.com/fengdu78 ht
初探機器學習之使用百度AI服務實現圖片識別與相似圖片
一、百度雲AI服務 最近在調研一些雲服務平臺的AI(人工智慧)服務,瞭解了一下阿里雲、騰訊雲和百度雲。其中,百度雲提供了影象識別及影象搜尋,而且還細分地提供了相似圖片這項服務,比較符合我的需求,且百度雲提供了每日10000次入庫和500次檢索的免費次數,使得我可以更快地試用,且沒有任何花費。更為重要的是
【八】機器學習之路——梯度下降法python實現
前面的部落格線性迴歸python實現講了如何用python裡sklearn自帶的linearRegression()函式來擬合數據的實現方式。今天咱們來介紹下,如何用梯度下降法擬合數據。 還記得梯度下降法是怎麼做的嗎?忘記的同學可以回頭看下前面的部落格
自動化機器學習將成為下一個AI研究主流?聽聽資料科學家怎麼說
在過去的一年當中,自動化機器學習已經成為一個眾人感興趣的話題。KDnuggets舉辦了一個關於該話題的部落格大賽。結果喜人,有很多有意思的想法與專案被提出來了。一些自動化學習工具也引起了大家的興趣,受到了大家的追捧。 本篇文章的作者 Matthew Mayo 將會對自動化學
【機器學習實戰】製作五子棋AI之四:基本規則的建立【2】
在上一次,我們建立了棋盤的狀態類GameStatus,用來存取和顯示每一步走完後的棋盤上黑白子的狀態。想一想,為了像真實的五子棋遊戲一樣執行,還缺了遊戲勝負的判定,那麼我們定義一個函式對遊戲勝負進行判斷。 def check_win(black,white
AI-人工智能/機器學習 seetafaceJNI
div ota cer 項目 com 文件 afa idle 依賴庫 基於中科院seetaface2進行封裝的JAVA人臉識別庫,支持人臉識別、1:1比對、1:N比對。 項目介紹 基於中科院seetaface2進行封裝的JAVA人臉識別算法庫,支持人臉識別、1:1比對、
機器學習第三練:為慈善機構尋找捐助者
alt earch .get 變量 照相 標簽 log 比較 random 這個任務同樣是在Jupyter Notebook中完成, 項目目的是通過前面的所有特征列,當然去掉序號列,然後預測最後一列,收入‘income‘,究竟是大於50K,還是小於等於50K. 第一
機器學習入門之四:機器學習的方法-神經網絡(轉載)
轉載 bsp 圖像 src nbsp 加速 數值 str 我們 轉自 飛鳥各投林 神經網絡 神經網絡(也稱之為人工神經網絡,ANN)算法是80年代機器學習界非常流行的算法,不過在90年代中途衰落。現在,攜著“深度學習”之勢,神
機器學習原來如此有趣:用深度學習識別人臉
twitter 細節 變形 infer main 依次 外部 mbed 小時 本系列文章目前已經更新兩期,分別是: 機器學習原來如此有趣!全世界最簡單的機器學習入門指南、 機器學習原來如此有趣:如何故意欺騙神經網絡 你是否有註意到Facebook最近開發了一個非同尋
Spark2.0機器學習系列之7: MLPC(多層神經網絡)
element nbsp hid 隨機梯度下降 support file dict 分類器 希望 Spark2.0 MLPC(多層神經網絡分類器)算法概述 MultilayerPerceptronClassifier(MLPC)這是一個基於前饋神經網絡的分類器,它是一種在
機器學習算法一:感知器學習
描述 down display 得到 更新 begin 機器 min ria 問題描述: 給定線性可分數據集:T={(x1,y1),(x2,y2),...,(xN,yN)},存在超平面S:$w\cdot x+b=0$ $ \left\{\begin{matrix} w\
[轉載]機器學習預測世界杯:巴西奪冠
進行 類型 組成 大戰 輸入 ger 成功 medium 半決賽 來源:Medium,Github,KDnuggets等 作者:李靜怡,克雷格 【新智元導讀】2018年世界杯開幕在即,誰會贏得最後的冠軍?機器學習預測是巴西,而統計方法則認為德國會贏。 3天後,2018年
Andrew Ng機器學習(零):什麽是機器學習
中學 修正 style tar 輸入 color 情況 html 知識 1.什麽是機器學習? 自動化:讓計算機處理繁瑣和重復的工作。 編程:設計一種算法,適用於解決特定的問題。 機器學習:可以解決更廣泛的而不是特定的問題。類比於人類從經驗中學習這種活動,從已有的數據中發現自
首發|機器學習未來十年:你需要把握的趨勢和熱點
CSDN 出品的《2018-2019 中國人工智慧產業路線圖》V2.0 版即將重磅面世! V1.0 版釋出以來,我們有幸得到了諸多讀者朋友及行業專家的鼎力支援,在此表示由衷感謝。此次 V2.0 版路線圖將進行新一輪大升級,力求為讀者呈現更全面的中國人工智慧產業發展概況和趨勢判
斯坦福CS229機器學習課程筆記一:線性迴歸與梯度下降演算法
機器學習三要素 機器學習的三要素為:模型、策略、演算法。 模型:就是所要學習的條件概率分佈或決策函式。線性迴歸模型 策略:按照什麼樣的準則學習或選擇最優的模型。最小化均方誤差,即所謂的 least-squares(在spss裡線性迴歸對應的模組就叫OLS即Ordinary Least Squares):
機器學習web服務化實戰:一次吐血的服務化之路
機器學習web服務化實戰:一次吐血的服務化之路 背景 在公司內部,我負責幫助研究院的小夥伴搭建機器學習web服務,研究院的小夥伴提供一個機器學習本地介面,我負責提供一個對外服務的HTTP介面。 說起人工智慧和機器學習,python是最擅長的,其以開發速度快,第三方庫多而
機器學習中的數學:一份新鮮出爐的熱門草稿
近日,Marc Peter Deisenroth、A Aldo Faisal 和 Cheng Soon Ong 所著書籍《Mathematics for Machine Learning》的全部草稿已放出,我們整理了這本書的簡要概述。感興趣的讀者可從以下連結獲取全文(英文版)。 書籍地址:https://m