人工智能的未來(lái)

編譯 思羽

杰夫·迪恩（Jeff Dean）是谷歌公司的人工智能項(xiàng)目負(fù)責(zé)人，他與《美國(guó)科學(xué)家》（American Scientist）主編費(fèi)內(nèi)拉·桑德斯（Fenella Saunders）對(duì)談，討論了當(dāng)前人工智能研究所面臨的若干重大進(jìn)展和擔(dān)憂，以及這種局面會(huì)如何影響人類社會(huì)。

機(jī)器學(xué)習(xí)領(lǐng)域已經(jīng)取得許多進(jìn)展，你認(rèn)為其發(fā)展方向在哪？

我們已經(jīng)在深度學(xué)習(xí)方面取得重要進(jìn)展。深度學(xué)習(xí)本質(zhì)上是人工神經(jīng)網(wǎng)絡(luò)的重塑。人工神經(jīng)網(wǎng)絡(luò)已經(jīng)出現(xiàn)三四十年，作為從相關(guān)的輸入和輸出信息中進(jìn)行抽象學(xué)習(xí)的方式。但現(xiàn)在證明，深度學(xué)習(xí)可用于計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別、語(yǔ)言理解和語(yǔ)言翻譯領(lǐng)域中的各種問(wèn)題。

現(xiàn)在，依靠機(jī)器學(xué)習(xí)，我們突然之間能攻克設(shè)計(jì)和工程領(lǐng)域的許多重大挑戰(zhàn)。諸如“我們?nèi)绾巫屓藗兊尼t(yī)療保健更好？”或者“我們?nèi)绾伟l(fā)展或重建都市的基礎(chǔ)設(shè)施？”的問(wèn)題是機(jī)器學(xué)習(xí)能夠解答的。例如，在重新思考應(yīng)當(dāng)如何設(shè)計(jì)城市時(shí)，自動(dòng)駕駛車輛將會(huì)是重要的考慮因素，因?yàn)樽詣?dòng)駕駛車輛與我們現(xiàn)在駕駛的車輛截然不同。

機(jī)器學(xué)習(xí)建立在這樣模型上，即向計(jì)算機(jī)展示許多實(shí)例，直到計(jì)算機(jī)明白其中的關(guān)聯(lián)。現(xiàn)在還有其他學(xué)習(xí)機(jī)制嗎？

各種最為成功的機(jī)器學(xué)習(xí)都是這種形式的：收集你感興趣的輸入和輸出信息，形成大型數(shù)據(jù)集。數(shù)據(jù)集也許是許多圖片，每張圖片上標(biāo)示著“這是卡車”“這是鴿子”“這是一種猴子”。通過(guò)暴露在許多這樣的實(shí)例下，系統(tǒng)就能學(xué)會(huì)歸納一張全新的圖片。現(xiàn)在它可以說(shuō)“哎，那張圖片也是卡車”。這個(gè)過(guò)程被稱為監(jiān)督式機(jī)器學(xué)習(xí)。

然而，其他類型的機(jī)器學(xué)習(xí)方法也在取得重大進(jìn)展。在一項(xiàng)被稱為強(qiáng)化學(xué)習(xí)的技術(shù)中，你可以實(shí)施一組行動(dòng)，每一步你試圖預(yù)測(cè)：什么行動(dòng)最合理。在行動(dòng)過(guò)程中，你開始明白你采取的那組行動(dòng)是好還是壞。

如何使數(shù)據(jù)集和算法不易受到無(wú)意識(shí)偏差（unconscious bias）的影響？

機(jī)器學(xué)習(xí)算法中的偏差是個(gè)大問(wèn)題，我們需要意識(shí)到這個(gè)問(wèn)題。關(guān)于我們?nèi)绾巫屵@些系統(tǒng)以自動(dòng)方式減少偏差的問(wèn)題是非常活躍的研究領(lǐng)域。問(wèn)題之一是：有時(shí)候訓(xùn)練使用的數(shù)據(jù)本身具有偏差。

或你已經(jīng)收集到一組數(shù)據(jù)集，但它不匹配你訓(xùn)練模型的數(shù)據(jù)分布。比如說(shuō)，假如你以北美婚禮的照片來(lái)訓(xùn)練模型，然后開始試圖識(shí)別印度婚禮，數(shù)據(jù)集的分布和你可能看到的圖像是迥然不同的。所以，對(duì)于你關(guān)注的問(wèn)題，收集到具有正確分布性質(zhì)的數(shù)據(jù)集是機(jī)器學(xué)習(xí)的重要技巧。

還有一項(xiàng)技術(shù)是讓你能從算法層面調(diào)整機(jī)器學(xué)習(xí)模型，達(dá)到所需的結(jié)果。譬如說(shuō)，當(dāng)所有其他條件相同時(shí)，你希望這兩組實(shí)例擁有獲得某種結(jié)果的相同概率。這樣就能采用在訓(xùn)練時(shí)具有偏差的模型，從算法層面調(diào)整它的結(jié)果，使得它的偏差變小。

在機(jī)器學(xué)習(xí)的時(shí)代，你對(duì)隱私有什么見(jiàn)解？

當(dāng)民眾利用許多新式在線服務(wù)時(shí)，他們生成了如何使用那些服務(wù)的許多數(shù)據(jù)。商業(yè)公司常常利用這些數(shù)據(jù)來(lái)改善服務(wù)，比如通過(guò)理解“人們觀看這類視頻時(shí)，也許對(duì)那類視頻也感興趣”的現(xiàn)象改善服務(wù)。或者，當(dāng)用戶誤輸入這個(gè)單詞、接著又糾正單詞時(shí)，我們也許能學(xué)習(xí)到一種拼寫糾正機(jī)制。

我相信，對(duì)于是否收集那些數(shù)據(jù)，民眾應(yīng)該有控制權(quán)；假如用戶同意收集數(shù)據(jù)，他們也應(yīng)該有刪除數(shù)據(jù)的能力。而且數(shù)據(jù)的刪除應(yīng)該及時(shí)生效，像人們更新他們的機(jī)器學(xué)習(xí)系統(tǒng)一樣快捷。

機(jī)器學(xué)習(xí)有沒(méi)有方法幫助人類突破樊籠？

我認(rèn)為：在算法上存在這樣的機(jī)遇，即促進(jìn)用戶接觸事物的多樣性。這肯定是我們?cè)诋a(chǎn)品層面上思考的東西，我們想讓用戶接觸到一些讓他們思維激蕩的信息，而不是接觸完全符合他們當(dāng)前思維的東西。

盡管機(jī)器現(xiàn)在可以自我訓(xùn)練，但機(jī)器學(xué)習(xí)程序仍然是人類創(chuàng)造的。你是否強(qiáng)調(diào)團(tuán)隊(duì)成員背景和文化的多樣性，借此確保團(tuán)隊(duì)能誕生更強(qiáng)健的研究？

是的，絕對(duì)是這樣。計(jì)算機(jī)科學(xué)和機(jī)器學(xué)習(xí)正在全球范圍創(chuàng)造出有趣的新產(chǎn)品與應(yīng)用，它們?cè)谟绊憥资畠|人。于是，你會(huì)希望那些服務(wù)由使用它們的廣泛人群所創(chuàng)造。對(duì)我來(lái)說(shuō)，重要的是我們要在全球范圍尋找有才華的人，他們有各種各樣的背景，幫助創(chuàng)造出新的機(jī)器學(xué)習(xí)算法、新的研究手段、新的產(chǎn)品。

我希望，研究人員和背景的多樣性能有助于機(jī)器學(xué)習(xí)和計(jì)算領(lǐng)域。