刘铁岩:深度学习是人工智能发展的终极选择吗?

数据观  •  扫码分享
我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

刘铁岩:深度学习是人工智能发展的终极选择吗?

网易智能讯2月24日消息,在近日将门创投召开的一周年生日会上,微软亚洲研究院首席研究员刘铁岩在圆桌讨论环节发表其对深度学习和人工智能商业化的看法。

刘铁岩称,深度学习技术是一个矛盾体,它是把所有过度复杂(overcomplicated)和过度简单(oversimplified)两件事情拧在一起。实际上,今天的人工智能离我们人类的智慧相去甚远,研究人员任重道远。

关于人工智能技术的商业化,刘铁岩认为,人工智能的商业化一定要考虑技术的价值在哪里?雪中送炭的价值可以带来一个颠覆性的变化,锦上添花的价值就会噱头大于实际意义。(小易)

   以下为刘铁岩发言实录(根据将门一周年生日会圆桌环节整理):

   高欣欣:问完算力专家,得问算法专家。刘铁岩博士是微软亚洲研究院首席研究员,有关他的核心问题核心词必须是深度思考。我想问铁岩博士,现在我们都在谈深度学习,但是深度学习是否是我们的终极选择?这中间有没有什么关键的思考是缺失了的?

   刘铁岩: 这是一个很有深度的问题。深度学习或者今天的人工智能技术到底有什么短板,有什么被忽视的地方?我想每个人都有自己的观点。我只提现在能想到的两件事:

第一件,我觉得现在的深度学习技术是一个矛盾体,它是把所有过度复杂(overcomplicated)和过度简单(oversimplified)两件事情拧在一起。为什么说过度复杂呢?深度学习之所以有今天,因为它是一项强的技术,深度神经网络够复杂,它的拟合能力很强,可以把很多复杂的数据拟合掉,把这些问题解掉。

但是反思一下,我们真的需要这么强的拟合能力来面对大自然给予我们的数据或者人类社会产生的数据吗?其实回顾过去几百年,很多科学家发现很多简单而美丽的规律。举个例子,我们现在看量子力学、量子化学、生物遗传、经济学包括社会学。很多人发现,我们看到貌似无比复杂的表象背后,其实数据的产生是非常有规律的,可能就被几个简单的二阶微分方程所支配。

如果我们能把这些产生数据的动态系统好好描述一下,可能根本不用这种笨拙简单粗暴的方式处理数据,这是我为什么讲深度学习过度复杂。

  另一方面它又oversimplified(过度简单),为什么这么讲?我在很多场合讲过我对人工智能的看法,我觉得今天的人工智能可能不配叫人工智能,AI更像 AnimalIntelligence ,我们做的人工智能是做模式识别。其实没有抓到人和动物的本质区分点,我们做的事情动物大概都会。

那么人和动物之间的区分点到底在哪里?人为什么成为万物之灵?我觉得因为人类是一个群居动物,我们有一个特别强大的社会机制帮助我们做一些动物做不到的事情。举个例子,比如人类会萃取知识,会用文字的方式记载、传承知识,我们还发明了很了不起的教育体系,可以在短时间内教育我们的后代,用几年时间学会过去几千年人类积累的知识,这些东西使得人的知识迭代非常快,一代更比一代强,总是站在巨人的肩膀上。

回过头看动物,老一代动物死掉了,就归零了。新一代的动物,重新做增强学习、认识世界。所以它总是在原地打转,我们却在螺旋式上升。这些东西,我们看看今天的人工智能技术,没有任何一个好的算法和模型,把我前面说的这些事情考虑在内。

所以实际上从我的角度讲,今天的人工智能离我们人类的智慧相去甚远,研究人员任重道远。

   高欣欣:如何看待人工智能技术商业化,我们有哪些新的机会?

   刘铁岩: 这是蛮有趣的一个问题,分享一点我的看法。首先声明一下,我不是投资人,也不是这个产业创投企业的从业者。所以有机会给大家提供一些和你们脑子里想的不一样的观点,或许有点意思。

因为我是做机器学习的人,所以想什么问题都是从优化的框架想,我们做得所有的事情都是一个有约束的优化问题。

对于人工智能的商业化前景,如果用这套思想想,无外乎两件事:

第一:人工智能技术的价值在哪里?就是我的目标函数,你有没有Value?没有Value的话,肯定没有用。

第二:约束,你的边界在哪里?换句话说,人工智能的风险在哪里?责任、归属怎么界定?

这两件事情要想清楚,可能就知道我们在人工智能、技术商业化的途径中,哪一个点是值得投、值得发展的。

举几个简单的例子,说到价值,大致会有两种:

   雪中送炭的价值。 这个东西如果没有人工智能技术,就是做不了,我们今天做起来很费劲,耗时、耗力、耗材,搞不定。有了人工智能技术,可以带来一个颠覆性的变化,这一定是雪中送炭的技术。

   锦上添花的价值。 听起来噱头很足,有了它真好,但是没有它又会怎么样呢 ?

所以我也希望投资人包括创业企业的人,多想想这个问题。举个例子,开豪车谁都愿意,但我开一个国产的中级车也挺舒服。所以这是在面对一个技术要落地化、产业化时需要思考的问题。

我们现在有太多行业跟AI有关,比如视觉、自动驾驶,甚至AR、VR各种各样的。是不是每一项技术都能带来雪中送炭的价值,不见得。举一个像VR、AR的例子,如果真的能实现全息通信,我们可以设身去做教育,这些东西可能真的改变人们跟世界打交道的方式,那叫雪中送炭。如果你拿AR、VR去玩个游戏,多半就是锦上添花,这是一家之言。

其实约束这件事情也很重要,一个人工智能技术的风险在哪里?如果出了问题,谁来界定责任?谁来承担责任?刚才大家都提到自动驾驶,我其实也希望某一天自动驾驶这个时代真正到来。作为用户,我总有一点小小的担心。比如人工智能自动驾驶技术真的出了问题,就不是小问题。大家也看到很多新闻,有很多用户因此丧命。这些技术出了问题之后,这种风险怎么控制?由谁买单?是技术买单还是运营公司买单?是不是最后有一天,大家期望人工智能技术,可以完美解决自动驾驶,因为一点小的瑕疵,就众口铄金,所有人就开始攻击人工智能的冬天要来了。

所以这一切的东西,可能都需要人工智能的从业者产业化过程中每一环的从业者认真思考。只有我们有责任、仔细、严肃地面对这些问题,我们才能护航人工智能的产业化越来越走向春天,不要因为我们自己的失误、大意,我们的overpromise,使得这个行业遇到不应该遇到的困难。

(发言实录部分来自/将门创投)

刘铁岩:深度学习是人工智能发展的终极选择吗?

关注网易智能菌(微信公众号:smartman163),获取专业人工智能资讯与AI报告。

责任编辑:陈近梅

本文被转载2次

首发媒体 数据观 | 转发媒体

随意打赏

人工智能深度解读人工智能的发展
提交建议
微信扫一扫,分享给好友吧。