人工智能十问：越来越卷的AI，将来路在何方
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">近期</span>几年，人工智能经历了爆火、发展、再到<span style="color: black;">近期</span>的热度<span style="color: black;">逐步</span>下降，似乎人工智能<span style="color: black;">已然</span><span style="color: black;">成为了</span>大厂<span style="color: black;">才可</span>玩的游戏。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">究其<span style="color: black;">原由</span>，<span style="color: black;">便是</span>人工智能的「门槛」越来越高了。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">前不久，谷歌AI的<span style="color: black;">表率</span><span style="color: black;">名人</span>Jeff Dean<span style="color: black;">发布</span>了一个新的工作，但在行业内却<span style="color: black;">诱发</span>了一阵不小的风波。究其<span style="color: black;">原由</span>，并不是工作本身有多么出色。这个<span style="color: black;">科研</span>只比最新结果<span style="color: black;">提高</span>了0.03%，但却花费了价值57000多美元的TPU算力，这一下就炸锅了。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">非常多</span>人说，<span style="color: black;">此刻</span>的AI<span style="color: black;">科研</span><span style="color: black;">已然</span>变<span style="color: black;">成为了</span>拼算力、拼资源的<span style="color: black;">表率</span>，普通学者卷不动了。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">还有<span style="color: black;">非常多</span>人有<span style="color: black;">这般</span>的疑惑：人工智能<span style="color: black;">到底</span>给<span style="color: black;">咱们</span>带来了<span style="color: black;">那些</span>改变？它除了下围棋之外还会做什么，它的<span style="color: black;">将来</span>还会<span style="color: black;">怎样</span>发展？</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">带着这些问题，<span style="color: black;">咱们</span>和冯霁博士进行了深入沟通。他是创新工场南京AI<span style="color: black;">科研</span>院的执行院长、倍漾量化创始人，在AI<span style="color: black;">行业</span>有着<span style="color: black;">数年</span>的<span style="color: black;">科研</span>经验。<span style="color: black;">经过</span>这次对谈，让<span style="color: black;">咱们</span>对AI<span style="color: black;">将来</span>的发展和落地有了新的认识。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">下面的小视频提炼了对话的亮点，<span style="color: black;">文案</span>是<span style="color: black;">针对</span>对话的整理和采编，以飨读者，<span style="color: black;">期盼</span><span style="color: black;">大众</span><span style="color: black;">亦</span>能从中获益。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">注：以下的“我”，指的都是冯霁博士。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">1 人工智能创新，遇到天花板？</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">谷歌<span style="color: black;">近期</span>这个问题的确受到了挺多关注，我觉得有三个问题值得思考：</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">第1</span>，大厂<span style="color: black;">起始</span><span style="color: black;">逐步</span>地走向「暴力美学」，<span style="color: black;">亦</span><span style="color: black;">便是</span>用「超大规模的数据」+「超大规模的算力」，暴力探索深度神经网络的天花板。<span style="color: black;">不外</span>，这种<span style="color: black;">办法</span>的边界和极限在哪？</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">第二，从学术和<span style="color: black;">研究</span>的<span style="color: black;">方向</span>，这种<span style="color: black;">办法</span><span style="color: black;">是不是</span>是AI<span style="color: black;">独一</span>的出路？事实上，<span style="color: black;">日前</span><span style="color: black;">已然</span>有<span style="color: black;">海量</span><span style="color: black;">科研</span>在探索其他的技术路线，<span style="color: black;">例如</span><span style="color: black;">怎么样</span>做到从感知智能往认知智能去做转变、<span style="color: black;">怎么样</span>利用比较小的数据量<span style="color: black;">处理</span>人工智能遇到的问题，等等。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">第三，<span style="color: black;">针对</span>工业界的<span style="color: black;">实质</span>应用，<span style="color: black;">是不是</span>真的<span style="color: black;">必须</span>如此大的算力？工业界有<span style="color: black;">海量</span>任务是非语音图像文本<span style="color: black;">关联</span>的，这<span style="color: black;">亦</span>是在倒逼着学术界去做<span style="color: black;">有些</span>比较<span style="color: black;">有效</span>的算法。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">2 人工智能算法，<span style="color: black;">仅有</span>深度神经网络？</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">90年代之前，「人工智能」的<span style="color: black;">表率</span>技术还是以「符号主义」为主，<span style="color: black;">亦</span><span style="color: black;">便是</span>基于<span style="color: black;">规律</span>推理，去做Planning、Searching<span style="color: black;">这般</span>的技术。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">2010年之后，迎来了人工智能的一次<span style="color: black;">要紧</span>的转变，那<span style="color: black;">便是</span>用神经网络技术去更好地<span style="color: black;">暗示</span>这些感知类的任务。<span style="color: black;">然则</span>，<span style="color: black;">日前</span>还有<span style="color: black;">海量</span>的人工智能的「圣杯」问题<span style="color: black;">无</span>得到<span style="color: black;">处理</span>，<span style="color: black;">例如</span><span style="color: black;">怎么样</span>做<span style="color: black;">规律</span>推理、<span style="color: black;">怎么样</span>做常识、<span style="color: black;">怎么样</span>更好地对记忆进行建模等等。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">为<span style="color: black;">认识</span>决这些问题，是不是用深度神经网络就够？这可能是<span style="color: black;">日前</span>学术界和工业界更关心的下一个<span style="color: black;">要紧</span>的方向。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">3 人工智能的<span style="color: black;">将来</span>：感知 vs 认知？</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">所说</span>的「感知人工智能」，其实<span style="color: black;">便是</span><span style="color: black;">近期</span>几年人工智能成功落地的<span style="color: black;">表率</span>性例子，<span style="color: black;">例如</span>图像识别、语音转文字，以及<span style="color: black;">有些</span>文本生成的任务等。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">但更<span style="color: black;">要紧</span>的是，怎么从这种感知类的任务，转向<span style="color: black;">拥有</span>认知能力的任务，尤其是怎么用人工智能的方式来实现<span style="color: black;">规律</span>推理、实现常识，从而真正实现通用人工智能？</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">针对这个问题，据我所知，学术界<span style="color: black;">重点</span>有三条技术路线。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">第1</span>，仍然沿着神经网络这条路，<span style="color: black;">经过</span><span style="color: black;">持续</span>地堆数据和算力尝试<span style="color: black;">处理</span>问题。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">第二，尝试导入符号主义的技术，<span style="color: black;">亦</span><span style="color: black;">便是</span>连接主义+符号主义的结合。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">第三，继续<span style="color: black;">提高</span>传统的<span style="color: black;">规律</span>推理技术，而这条路线<span style="color: black;">亦</span>是最难的。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">4 数据：数字时代的石油怎么采？</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">数据<span style="color: black;">针对</span>人工智能工程<span style="color: black;">来讲</span>，<span style="color: black;">要紧</span>性<span style="color: black;">已然</span>越来越高了。工业界提出了一个新的概念，叫「以数据为中心」的<span style="color: black;">研发</span>模式。相比之下，之前叫做「以模型为中心」。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">传统<span style="color: black;">状况</span>下，工程师<span style="color: black;">更加多</span>的时间会花在<span style="color: black;">怎样</span>搭建一个模型、<span style="color: black;">怎样</span><span style="color: black;">经过</span>调参来让这个系统的性能更好。但现如今，<span style="color: black;">大众</span>80%的<span style="color: black;">重视</span>力都放在<span style="color: black;">怎样</span>让数据集变得更好、<span style="color: black;">怎样</span>让训练集变得更好、<span style="color: black;">怎样</span>让训练集更平衡，<span style="color: black;">而后</span>让这个模型在好的数据集上训练，并得到比较好的结果。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">随着<span style="color: black;">咱们</span>对数据隐私需求的<span style="color: black;">逐步</span>增长，数据带来的<span style="color: black;">有些</span>负<span style="color: black;">功效</span>以及非技术<span style="color: black;">需求</span><span style="color: black;">亦</span>越来越多了。<span style="color: black;">例如</span>当几家<span style="color: black;">公司</span>做联合建模的时候，出于对数据隐私的保护，数据<span style="color: black;">不可</span>够在<span style="color: black;">公司</span>之间分享。<span style="color: black;">因此</span>像联邦学习<span style="color: black;">这般</span>的技术，<span style="color: black;">便是</span>为了在<span style="color: black;">守护</span>数据隐私的前提下，实现联合建模。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">此刻</span><span style="color: black;">大众</span><span style="color: black;">已然</span><span style="color: black;">逐步</span>地<span style="color: black;">认识</span>到，在<span style="color: black;">详细</span>的工业<span style="color: black;">研发</span>中每家<span style="color: black;">公司</span>不<span style="color: black;">同样</span>的<span style="color: black;">地区</span><span style="color: black;">便是</span><span style="color: black;">她们</span>的数据。<span style="color: black;">此刻</span>有了非常便利的软件开源框架，<span style="color: black;">亦</span>有了非常<span style="color: black;">有效</span>的硬件实现，工程师就都转而去关注数据了——这是一个Paradi</p>
认真阅读了楼主的帖子，非常有益。 一看到楼主的气势，我就觉得楼主同在社区里灌水。 楼主继续加油啊！外链论坛加油！
页:
[1]