关闭
关闭
 
当前位置: 首页 » 新闻资讯 » 名人访谈 » 正文

谷歌大脑科学家:大脑是AI研究的灵感来源 AI没有边界

放大字体 缩小字体 发布日期:2018-03-01  来源:网易  作者:网易智能工作室
[摘要]他认为智能是一种范围,在我们实现真正的人工智能之前,不要试图把它限定在一个特定的边界上。
 
 

本期对话嘉宾是谷歌大脑的研究科学家、机器学习专家、副教授Hugo LaRochelle,他专攻计算机视觉和自然语言处理领域的深度神经网络。

人物观点:

智能的概念是难以捉摸的,有一个现象我们称之为人工智能效应(AI effect),即每当我们达到人工智能的新水平时,指人工智能在某一特定任务上有优异表现,我们通常会认为这不是人工智能。

智能并不是黑人或白人的区分,它实际上是一个范围,在实现真正的人工智能之前,我不太愿意把它限定在一个特定的边界。

我对人类大脑研究的这十年

问:首先从您的角度和理解给我们讲讲什么是机器学习和神经网络?

Hugo LaRochelle:机器学习是计算机科学与人工智能的重要分支领域,我们的兴趣在于设计能够让机器学习的算法或程序,并且这是基于我们希望机器能够主动获取知识,而不是通过人工编码来习得知识,这就是机器学习,有很多不同的方法可以让机器学习了解世界,学习如何完成某些任务。

在机器学习中,有一种基于人工神经网络的方法,这种方法更接近于我们的大脑,趋近真正的神经网络和真正的神经元,人工神经网络是受动物中枢神经系统启发的计算模型,某种意义上说,这些算法可能与真正的生物神经元工作机制尚存有差距,但我想,很多机器学习研究者,尤其是深度学习领域的研究者从中获得了启发,即大脑是真正的生物机器,它正在执行一些算法,并且想要知道这个算法是什么,因此,大脑在我们设计自己的人工神经网络中的功能机制是什么的时候,我们试图从中获得灵感,同时将机器的工作原理以及其与生物神经元的不同之处考虑在内。

在人工神经网络中,有一个基本的计算单元,就是人工神经元,你可以这样想,例如,我们有连接到视网膜的神经元,所以,在机器上我们有一个神经元可以连接到计算机上一些图像的像素值,并作为输入,在人工神经网络领域,很长一段时间以来,我们有这样的神经网络,其中大部分是单层神经元——因而多个神经元试图检测不同的模式,比如说,图像是我们可以在十年前或更早的时候以成功的方式进行训练的最复杂的人工神经网络,当然也有例外。

但是在过去的十年里,设计学习算法方面已经有了发展,其被称为深度神经网络,这些神经网络具有多层神经元结构,就像我们的大脑有各种各样的大脑区域彼此相连,比如说,光线如何在我们的视觉皮层中流动,它如何从视网膜流向大脑皮层的各个区域,在过去的十年中,人们在设计学习算法方面取得了很大的成功,这些算法都是基于多层人工神经元的人工神经网络,这是我在过去十年里一直在做的研究。

问:人类基因组大约有725 MB数据量,但其中的大部分我们与地球上的植物以及其他生命共享,如果你关注赋予人独特性的那部分,可能是10MB,这是否意味着实际上可以创建一个AGI(通用人工智能)?



 

Hugo LaRochelle:也许我们可以在生物学和人类智力之间建立平行关系,我并不是生物学方面的专家,以至于能够做出这样的表述,但我想,在我研究的方式中,不仅仅是看到我们是智能生物的事实,以及我们的智力本质上来自我们的大脑,也不仅仅是从大脑中获得一些启发,我主要是从数学或统计学的角度设计学习算法来推动我的研究,试着思考这个问题的合理解决方法,以及我如何用类似像人工神经网络的方式来实现它,我相信一些人对我们在多大程度上能从生物学中获得直接的启发有更好的想法,但是除了我刚才描述的那些高层次的启发,我的工作动力和研究方法从数学和统计学中获得了更多的灵感。

问:你如何定义“智能”?

Hugo LaRochelle:至少在思考我们想要达到的目标方面,有两种思想流派,其一是我们想要达到最接近完美的理性,还有另一种方式,就是要获得一种与人类相似的智力,从某种意义上说,作为人类,我们可能不会真正地在计算机或其他人之间做出区分,比如说,在与机器交谈或观察它完成某一特定任务的能力的时候。

很多机器学习都是建立在模仿人类的基础上的。从这个意义上说,我们收集数据,这些数据,如果被标记出来,通常是由另一个人或其他团体产出。我认为这两个定义并不是不相容的,而且似乎共有特征部分本质上是一种计算形式,并不是你自己编写代码就能够很容易地编码。

与此同时,有趣的是,也许有证据表明这种智能的概念是难以捉摸的——有一个众所周知的现象我们称之为人工智能效应(AI effect),即每当我们达到人工智能的新水平时(人工智能在某一特定任务上有表现),我们通常会认为这不是人工智能,而我们现在感兴趣的另一个新问题是人工智能。国际象棋有点像这样。在很长一段时间里,人们会把下棋当作一种智力的形式。但是一旦我们发现我们可以很好地把它本质上当作一个树形搜索程序,然后一些人就会开始说,“那不是真正的人工智能。”现在有了这种新的分歧,下棋不再是人工智能了。因此,要确定这一点是非常困难的。目前,我想说的是,每当我想到人工智能任务时,其很多功能本质上都是在某一特定任务上匹配人类的表现。

“我们不要试图为人工智能划定边界”

问:你认为图灵测试作为一种基准是否有价值?

Hugo LaRochelle:我认为这是有价值的,从一定意义上说,如果我们为目前没有解决的方案定义一个特定的图灵测试,我认为尝试是有价值的,之后测试成功实现。我认为它有一定的价值。

在某些情况下,人类也可以做其他事情。所以,你可以说,如果有人与AlphaGo比赛,但最初并没有被告知是AlphaGo——尽管,有趣的是,有些人认为它使用是最好的棋手都不一定会自然地考虑到的策略,你现在可以认为如果你和AlphaGo对抗,你将很难确定这不仅仅是一些围棋专家,至少很多人是不会这么说的。但是,当然,AlphaGo并没有真正对自然图像进行分类,或者它不会与人对话。但是,我肯定会说,试图解决这一特殊的里程碑对于我们针对越来越多的智能机器的科学研究是有用的。

问:图灵规则是“你是否能分辨出与你对话的是一台机器还是一个人?”图灵认为如果有超过30%的测试者不能确定出被测试者是人还是机器,你就测试通过,为什么不是50%呢?

Hugo LaRochelle:我认为智能并不是黑人或白人的区分,就智能或非智能而言,它实际上是一个范围,骗过某一个人,不仅仅指真正的人类,使其将机器误判断为人类,这意味着什么?思考这个问题是一件很有趣的事情,我想我不确定我们是否到达这个程度,如果我们可以实现到这种程度,那么这可能更像是评估本身的一个缺陷,从某种意义上说,推测来看,这很像我们现在有的对抗网络(adversarial networks)或者对抗样本(adversarial examples),所以我们有方法可以让一个特定的测试产生误判断或无法识别的结果,我想这可能是对这一点的反映,但是,我认为智能是一种范围,在我们实现真正的人工智能之前,我不太愿意把它限定在一个特定的边界或者我们必须会面对的障碍上。

问:那您如何理解图灵测试的真正意义?

Hugo LaRochelle:通常,如果你和一个非机器学习或人工智能领域的人交谈,他们经常会问,“我们离能够像我们那样处理很多事情的人工智能尚存在多大的差距?”这是很难预测的问题。所以通常我说的是我不知道。

有一点我觉得我们不经常追溯的是,如果你看的一些人工智能研究人员的引述,在当下人们对人工智能的前景感到非常兴奋的时候,很多这些引述实际上是类似于今天我们听到的一些事情。所以,知道了这个,并且注意到我们不难想出一个特定的推理任务,我们并不能像我们想象的那样简单地解决它,我认为这只是表明我们在实现一个真正的人工智能方面还有很长的路要走。

人类什么时候才能建立起通用人工智能?

问:你是否相信,当算法方面以及处理器上有了足够的进步,以及拥有数据收集后,我们走在一条实现通用人工智能的直线道路上?

Hugo LaRochelle:这是我所怀疑的,至少有一个或者可能是很多技术突破,不仅仅是计算机变得更快或者收集更多的数据,这是必需的。举个例子,我认为这不是计算能力的问题,而是这样一个问题,“我们没有合适的程序,我们没有合适的算法”,这种算法能够匹配像我们人类那样用很少的、引用的数据或人类经验来学习某些概念的能力。举个例子,如果你给我看同一物体的很多图片,我可能会在更多的图片中辩识出那个物体,仅仅是一些那个物体的图片而已,也许只是一张,如果你给我看关于某个家庭成员的照片,接着你给我看更多关于你家庭合影的照片,我可能会认出那个人,且不需要你一次又一次地告知我,还有很多其他的东西我们可以从很少的反馈中学习。

所以,从本质上来说,这是从任务样例中产生学习算法,此外,更一般地,只从更高层次的角度来看学习是什么,承认它在不同的尺度上起的作用,并且有许多不同的学习过程是并行的,而且是错综复杂的,因此,我认为研究这些学习过程应该如何在不同的尺度上发挥作用,可能是一个我们更需要处理并找到一个解决方案的问题。

 
 
[ 新闻资讯搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 违规举报 ]  [ 关闭窗口 ]

 
0条 [查看全部]  相关评论

 
推荐图文
推荐新闻资讯
点击排行
 
网站首页 | 关于我们 | 联系方式 | 法律声明 | 服务介绍 | 诚聘英才 | 网站地图 | 排名推广 | 广告服务 | 积分换礼 | 网站留言 | RSS订阅 | 京ICP备12036490号-3

电话:13301265799/13911226606

地址:北京市朝阳区西坝河西里28号 客服电话:010-64656526

客服QQ:1131288888/138155365 QQ群:155180613/81393225

电邮:hqwlwl@163.com (投稿/合作) iot360@163.com(投诉/建议)

Copyright © 2015-2018 环球物联网(iot360.com)版权所有

京ICP备12036490号-3