您当前的位置: 首页 > 历史

LeCun不要夸大AlphaGo它离超级人工智能还远

2018-10-11 18:37:08

Facebook人工智能研究院院长Yann LeCun   来源:量子位公众号 作者:安妮

近日,深度学习领军人物、卷积神经网络的创作者之一Yann LeCun接受了外媒采访。作为Facebook人工智能研究院的院长,LeCun表示距离AI的智力水平超过一名人类婴儿还有很长一段时间。

“如果媒体在报道AI时不用终结者的配图,我会很高兴。”LeCun表示。

如果一个学术大牛表示目前离超级人工智能还远得很,我们是不是应该听听他的想法。对此,The Verge专访了LeCun,量子位将对话实录编译整理如下:

问:近Facebook机器人“创造了自己语言”的新闻报道火热,其中有很多与实际研究不符的错误理解。对比过去几年,你觉得这类报道变多了还是变少了?

LeCun:少了,媒体人对要讲的故事更了解了。过去你会看到无终结者不AI的情况出现,媒体100%会在报道中插入终结者的配图……现在这种状况只会偶尔发生,是好事。

问:当这种错误报道出现时,你想对公众说什么?

LeCun:我在公开演讲时反复提到,我们离创造真正的智能机器还很远。现在你能看到所有AI的本领——自动驾驶汽车也好,医学影像中的落地也罢,即使是AlphaGo在围棋比赛中拿到世界——这些都是非常窄层面上的智能,是在某些可以大量收集数据情况中为了特定功能专门训练的。

我不是想将DeepMind在AlphaGo上的研究影响往小了说,而认为是人们将AlphaGo的发展解读为机器智力发展的重要过程是不妥的。这两者完全不是一回事。

不是有一台在围棋上能打败人类的机器,就会有智能机器人满街跑,这是两个完全独立的问题,前者对后者可能几乎没有影响。

在这里我想再次重申,距离机器像人和动物一样了解世界还有很长时间。是的,在某些方面机器确实表现超人,但在一般智力因素上,机器的“智商”甚至赶不上一只老鼠。所以很多人过早考虑了某些问题……

当然,也并不是说我们不应该考虑,但至少从当前到发展中期水平时人类是安全的。我承认AI确实存在危险,但他们不是终结者啊!╮╭

要想摆脱这种局面,的方法就是让机器通过学习建立内部的世界模型,这样就能超过现实提前预测世界。目前我们缺乏的就在于如何教机器构建世界模型。

比如说学开车,人类有足够好的系统模型,就算是初次开车,也知道我们需要在路上驾驶汽车,不要让车坠入悬崖或者撞树。

如果我们在模拟器中只用增强学习训练汽车,那么在撞树4万次之后它才知道这是错误行为。所以,声称只用强化学习就能提升机器智力是错误的。

△  Facebook在美国普林维尔的数据中心

问:你是否认为,AI缺少超越它目前局限的基本工具?AI先驱Hinton近提到这段话,表示当前领域内太过依赖“把它全部扔掉,然后重新开始”的方法。

LeCun:我认为Hinton有些过度解读了,不过我完全认可“我们需要更多基础的AI研究”。例如,Hinton喜欢的模型之一是他在1985年提出的玻尔兹曼机。他认为这个算法很好,但实际应用中并不是很有效。

我们想找到兼具有玻尔兹曼机的简单和反向传播的效率的机器。这就是Bengio、Geoff、我和很多人在21世纪初重新开始深度学习研究以来做的事。

让我们有点小惊讶的是,在实践中反向传播和深度网络配合得很好。

问:所以,考虑到AI研究中的大变革,你认为在短期内什么对消费者来说是重要的?

LeCun:我认为虚拟助手是件大事。现在的虚拟助手完全是照本宣科,尽管在客服等场景下有用,但这让创造机器人这事乏味、昂贵且易夭折。

△  Facebook在虚拟助手的研究上投入了大量精力,但还远远落后于Alexa等竞争对手

下一步的重点是让系统有更多的学习能力,也是我们在Facebook的研究方向。想象一下你有一台可以读取长文本的机器,读完后能回答任何相关问题,是不是个很实用的功能呢?

到此程度的重点是机器和人有同样的背景知识,也就是常识。但除非我们能找到让机器通过观察了解世界是如何运作的方法,否则无法实现这个想法。这里指的观察是仅仅通过看书或者看视频了解整个世界。

这是未来几年的关键性挑战,我称之为预测学习,有人称为无监督学习。

接下来的几年,随着虚拟助手越来越实用,越来越不让人失望,这些任务将有持续进展。机器将有更多常识去做设计师编写的程序之外的事情,这也是Facebook非常感兴趣的内容。

—完—

半身裙子
滨江花园-汕头
新乡商薯19
半身裙子蕾丝裙
滨江花园新闻
脱毒红薯苗图片
半身裙款式图
滨江花园价格
新乡脱毒甘薯
推荐阅读
图文聚焦