在線閱讀雜志

    2018年05月20日

    第10期 總第484期

    封面文章
    “網銀”殊途同歸路
    金融服務似乎正在以你想要的方式前行。 相應的,金融的生態及格局也在發生重大變化。技術的推動讓金融的數字化轉型愈發明顯,傳統金融機構“離柜率”同互聯網銀行業務激增形成強烈的對比。[詳細]
    精彩推薦
  • 谷歌無人車之父Sebastian Thrun :如何看 AI 和人類未來?

    時間:2016-11-23    來源:雷鋒網    作者: 我要評論() 字號:T | T

  • 編者按:前不久,優達學城(Udacity)聯合創始人兼總裁 Sebastian Thrun 通過知乎 Live ,與中國網友進行零距離交流。本文翻譯、編輯自優達學城(Udacity)知乎Live直播實錄,首發于優達學城微信公眾號(ID:youdaxue)。雷鋒網(公眾號:雷鋒網)經授權編輯與發布(有刪減)。

      Sebastian Thrun 眼中的 AI 和未來世界

      AI,也就是人工智能,是現在硅谷最火的話題之一。人工智能的目標,就是要讓機器像人類一樣聰明,甚至比人類聰明。 從歷史的角度來看,大約300年前,人類發明了蒸汽機和農業設備,這些機器在物理層面上超越了人類的能力。

      而 AI 要做的,是讓機器從智力層面上,也要超越我們人類。 機器也可以變得很聰明,他們可以玩游戲,可以開車,可以開飛機,還有很多它們能做到的事情。而目前最有趣的人工智能相關領域,就是機器學習。

      機器學習,是指機器從經驗中學習的能力。同樣,讓我們對比著來看。當你為一臺電腦編程時,你會事無巨細地告訴電腦在任何一種可能的情境下,需要做什么樣的反應?,F在的電腦程序,通常會有成千上萬行代碼,因為有成千上萬種情況需要它們去處理。

      而一個程序員,需要足夠聰明,可以預測到所有可能的情況,從而避免你的電腦崩潰。這也是為什么軟件工程師的薪水都那么高。在機器學習時代,機器不再需要被一條一條的灌輸指令,它們也可以被“教育”,就像人類的小孩獲得的教育一樣。我們教小朋友時,不是一行一行地把所有可能的行為指令都灌輸給他們,而是讓他們不斷去嘗試,跌倒,然后站起來,從跌倒的經驗中去學習。機器學習讓也能夠像小朋友那樣,能夠從經驗或數據中學習,獲得成長。

      我在人工智能領域探索了很長一段時間。說起來你可能不信,我1993年就寫了一篇關于機器學習和機器人學的碩士論文。自從那時開始,我就為一個問題深深地著迷:機器到底能不能用和人類同樣的方式去學習?

      2005年,距離現在十多年前,我參加了美國政府組織的 DARPA 超級挑戰賽,一個無人車駕駛大賽。196個隊伍參與角逐100萬美元的大獎,而我當時在斯坦福大學的團隊贏得了勝利。我當時是斯坦福人工智能實驗室的總監,在 Google 的人工智能項目中也擔任了同樣的角色。在參加挑戰賽時,我工作的核心,就是運用了機器學習。Stanley 是一輛會學習的機器人車。它能從數據中學習,有時它會從自己的經歷和錯誤中學習,更多時候,它會學習人類司機的行為,使得它自己能夠像人類那樣去駕駛。最終,Stanley 的學習模塊,讓它從196個隊伍中脫穎而出,早2005年,以決定性的優勢贏得了 DARPA 超級挑戰賽。

      Google 的無人駕駛車也會學習,而我們也遇到了同樣的問題:在駕駛過程中,有太多的罕見情況需要去考慮,而無人車需要能夠處理好其中的任何一種情況。所以,Google 無人駕駛車最終在公路上駕駛了幾百萬公里來訓練軟件如何駕駛。人類和電腦的一個區別在于,學習的速度大不相同。舉例來說,如果一個人類駕駛員犯了一個錯誤,他會從中吸取教訓,也許下次可以不再犯錯。

      但是其他人并不會擁有同樣的收獲。 如果是一輛無人駕駛車出現了錯誤,不但它自己會從中吸取教訓,所有其他的無人駕駛車甚至是所有未來的無人駕駛車,也將從中獲得新的經驗。這意味著,一個錯誤就能訓練世界上所有的無人駕駛車,無人車的學習速度遠遠超過了人類。這個區別將導致未來有一天,無人車駕駛將比人類駕駛要安全的多得多。這是人工智能和人類在學習上非常關鍵的一個區別,而且它也適用于很多別的領域。

      機器學習正在被運用于很多很多很多的領域。舉例來說,醫療診斷。機器學習可以比最優秀的人類醫生更準確地診斷癌癥。在法律領域,最資深的律師,也會在尋找資料和起草合同上輸給機器學習。當然,還有互聯網,Google 和百度都因為機器學習的助力,可以用超乎人類想象的準確度搜索信息。還有很多其他的領域,比如會計、駕駛飛行器和玩游戲。

      前段時間,Google 的 AlphaGo 剛剛在圍棋上打敗了世界冠軍。而而這所有的人工智能應用都有一點相同:它們都會使用機器學習,從海量的數據中學習。如果你再觀察一下機器學習,比如 AlphaGo,會發現它能從成千上萬個棋局中學習。沒有任何人類的專家能夠活那么久,去看完幾百萬個棋譜。這個區別,使得 AlphaGo 可以運用比人類多得多的經驗數據,圍棋水平最終超越地球上所有的人類。

      未來,人工智能對人類生活的改變,將和農業革命、工業革命帶來的改變一樣,讓我們可以變得更為強大。它將把我們從不需要動腦的重復性工作中解放出來,比如每天你在辦公室中不斷重復做著的很多工作。在未來,律師可以浪費更少的時間去尋找資料,花更多的時間去進行創意型的思考;醫生的誤診將大大減少,他們可以更好地診斷人類疾病,可以花更多時間和病人交流而不是用來盯著皮膚組織樣本。

      精彩問答

      Q: 你是如何看待計算機視覺的未來前景的?

      Thrun: 計算機視覺是人工智能中最激動人心的領域之一。直到幾年前,我們甚至還不能識別照相機圖像中的最基本的部分,如你的臉,或者你坐的椅子,或者流動的云。但是多虧了深度學習,我們現在能夠分析非常復雜的東西。

      例如,汽車停在停車場中,電腦放在桌子上,甚至柔軟無棱角的物體,如冰箱邊上的食物。這只是個開始。計算機視覺使一種控制汽車的新方法得以實現。過去無人駕駛汽車使用雷達和激光作為感知環境的方法,現在有一種新方法是用計算機視覺和攝像機來分析行駛方向,并且進步很快。

      Q: 現在業內關于自動駕駛技術和實現的完成度,各家相比會有很大的差距嗎?比如 Tesla 和 Geohot ?

      Thrun: 你問了無人駕駛汽車的市場和 Tesla 與 Geohot 的區別。如果你看看 Geohot 的新聞,就會得知 Geohot 已經決定終止無人駕駛汽車的項目,并轉而做別的項目。這個決定回應了美國政府對于 Geohot 對用戶是否真的安全的質疑。我不得不承認我今天看到這個消息很難過,因為我希望無人駕駛汽車技術短期內就有市場。相反,Tesla 已經建立了名為 Autopilot(自動導航)的無人駕駛技術。

      它沒有完善到你可以在開車的時候睡覺,你必須保持注意力。但是如果你保持注意力,它能夠按路線行駛的非常棒。我有一輛 Tesla 并且我每天都使用 Autopilot。Tesla 的技術曾基于 Mobileye,一家以色列公司,現在換成了 Nvdia, 一家美國的公司。因此你可以看到無人駕駛性能的進步因為具體的技術在進步。在今天的市場,大部分都是非無人駕駛技術,是駕駛輔助技術,汽車只有一種功能。Tesla 是最先進的一個,因為它是個很棒的公司,發明了 Autopilot。

      盡管如此,Autopilot 還不是最完美的無人駕駛汽車系統。然而,業界的進步十分迅速,接下來兩三年,我期待更多主流的汽車公司也來做無人駕駛,并研發出類似的無人駕駛技術。

      Q: 現在的人工智能離強人工智能還有多遠?機器人什么時候能真正讀懂人說的話、理解看到的東西、了解人類的情感,(深度)神經網絡能做到這一點嗎?

      Thrun: 現在的人工智能離強人工智能還很遠,現在是專業化的人工智能。每一個人工智能系統精通一項任務,但是如果要它做一個不同的任務需要從零學起。這很重要因為我們不需要無人駕駛汽車會下象棋,我們也不需要飛機會投籃,這些是不同的領域。

      然而,現在的問題是機器人是否能夠理解人類情感,我認為這需要很大的進步?,F在在訓練人工智能理解人類是高興或沮喪,不舒服或疲憊,已經有了很大的進步。你們手機上的人工智能系統可以辨別你現在的心情,這個用最基本的人工智能系統就可以做到,只需要觀察你貼圖的頻率,看微信的頻率,走路的方式。

      我想說我對人類情感很感興趣,但是我對機器情感并不感興趣。我不需要我的人工智能有情緒,我不希望它生氣或者開心,我不想來到廚房,發現我的冰箱愛上了我的洗碗機。它不愿意為我工作因為我昨天晚上對它發了脾氣。我希望機器能夠穩定工作,因此我認為人工智能機器不需要情感。

      Q: 基于學習的方法主導機器學習的根本原因是什么?它將如何與更傳統的 AI 方法進行交互?

      Thrun: 機器學習主導的根本原因是它必須做到跟人類學習的方式類似。如果你想教小孩做正確的事情,你不能坐下來把生活規則一條一條寫下來,這是不可能教會他的,相反,你應該讓小孩從他自己的經歷中學習。

      機器學習不是像我們曾經寫代碼一樣來學習的,也是從經歷中來學習,因此在很多領域都不那么做了。比如 Google 每天從數千億的在線網頁的數據集中學習,這些數據沒有任何規則,但數據卻存在規律。所以今天的機器學習是將人類的學習方式用在數據上得出結論,這比用常規的編程方式要更強大。

      Q: 未來的硬件技術有什么新的要求,以滿足AI的趨勢?

      Thrun:如今人工智能發展的一大激活因素是計算機的規模。10年以前,這是不可能的。 10年前我們的計算機系統規模最大都不如老鼠的大腦,現在它們比人類的大腦更大。這使得一切都變的不同了。人工智能領域大多數發現,世界上最好的算法,在30年前就已經出現,但現在才開始興起的原因是因為計算機變得越來越快。

      展望未來,計算機必須更快,更便宜,更加關注浮點數的運算,可以大量相互連接。在所有這些事情正在發生的現在,計算機公司(比如我們知道的谷歌和亞馬遜)之間最大的區別,對 AI 最重要的,是處理浮點運算的能力。因此, GPU(顯卡,圖形處理器) 和浮點運算能力是人工智能的必要條件和驅動力。

  • 加入收藏
  • [ 作者: ]
  • 分享到: 更多
    標簽:
  • 相關推薦
    · 靈聚科技: 人工智能(AI)商用化的探路者2016-11-21
    · Airbus TETRA集群通信助力大西北城市地鐵運營2016-11-21
    · 和窮游、攜程等搶生意,Airbnb今日宣布重大轉型!2016-11-18
    · 谷歌無人車之父Sebastian Thrun :如何看 AI 和人類未2016-11-17
    · 聊天機器人大戰:AI黑客正接管網絡安全2016-11-11
  • 最新消息
    · 谷歌無人車之父Sebastian Thrun :如何看 AI 和人類未來?2016-11-23
    · 北大光華張志學:管理創新關鍵是人與組織協同2016-11-14
    · 網易丁磊:不出成果的跨界合作是耍流氓2016-08-01
    · 董明珠:手機市場紅海是因沒創新的文化2016-07-29
    · 劉強東:物流虧損遠達不到300億2016-07-27
      已有條評論,查看更多評倫發表評論
  • 用戶名:  密碼:              匿名發表  | 注冊會員
  • 網友評論僅供網友表達個人看法,并不表明本站同意其觀點或證實其描述
国内偷拍国内精品视频