今年8月，雷鋒網將在深圳舉辦一場盛況空前有全球影響力的人工智能與機器人創新大會。屆時雷鋒網(搜索“雷鋒網(搜索“雷鋒網”公眾號關注)”公眾號關注)將發佈“人工智能&機器人Top25創新企業榜”榜單。目前，我們正在拜訪人工智能、機器人領域的相關公司，從中篩選最終入選榜單的公司名單。
如果你也想加入我們的榜單之中，請聯繫：2020@leiphone.com。
圖片來源：Daniel Hertzberg
你如何教導機器？
Facebook的人工智能研究總監Yann LeCun：如何為機器制定教學計劃。
人工智能的傳統定義是，機器以通常我們認為屬於人類的方式，來執行任務和解決問題。有一些任務我們覺得很簡單——識別照片中的物體、駕駛汽車——可是這些任務對於AI來説特別困難。機器可以在棋盤上超越人類，可是那些機器的程序從本質上來説是體力活，機器受到程序的限制。一個30美元的設備就能在棋類遊戲上超越我們，可是它沒法做——也沒法學會做——其他所有事情。
這就是為什麼我們需要機器學習。給機器展示幾百張貓的照片，機器就會訓練自己的算法，學會更好地識別照片中的貓。機器學習是所有大型互聯網公司的基礎，讓公司可以進行搜索結果排名，為特定用户選擇最相關的內容和建議。
深度學習是以人類大腦為基礎，要複雜得多。與機器學習不同的是，深度學習可以教會機器忽略聲音或圖像中所有不重要的信息——呈現一種能夠反映無限多樣性的層級性世界觀。正是深度學習為我們帶來了無人車、語音識別、以及有時候比放射學專家更擅長識別腫瘤的醫療分析系統。
雖然有了這些值得讚歎的進步，我們距離與人類同樣智能的機器還很遠——我們的機器甚至與老鼠的智能相比都差得很遠，我們大約只見證了AI實力的5%。
是時候重新思考就業嗎？
百度首席科學家吳恩達：AI將如何改變未來的就業。
如今在美國，駕駛貨車是最常見的職業之一。幾百萬人在東西海岸之間運輸着貨物，以此維持生計。然而，很快所有這些就業機會都將消失。無人車將替代人類司機在路面行駛，並且更快、更安全、更高效。有這麼好的事，還有哪家公司會選擇更昂貴、更容易犯錯的人類司機呢？
類似的勞動力變革在歷史上也有先例。在工業革命前，90%的美國人在農場工作。蒸汽技術和製造業的興起讓許多人失業了，但是也創造了很多新的工作機會——還創造了很多當時人們無法想象得到的新領域。這個排山倒海般的鉅變是在兩個世紀的過程中慢慢展開的，當時，美國有足夠時間來適應變化。農民們直到退休都在種田，而他們的下一代去上學，成為了電工、工廠領班、房地產商和食品化學家。
而卡車司機們就沒有這麼幸運了。他們的職業，還有另外幾百萬人的職業，很快就會過時。在智能機器時代，數量眾多的人們將沒有工作的能力，或者有被淘汰的風險。我們可能會見證20世紀30年代經濟危機以來最大的失業大潮。
1933年，富蘭克林·羅斯福的新政幫助了大量失業人口，並且幫助重啟了美國經濟。更重要的是，它幫助美國從一個農業社會轉變為一個工業社會。羅斯福的“公共工程署”僱傭了失業者來建造橋樑和新的高速公路，改善了美國的交通基礎建設。這些改善為當時非常先進的新技術應用奠定了基礎：汽車。
我們需要有一個針對21世紀的新政，針對人工智能會帶來的新就業機會打造培訓項目。我們需要重新訓練卡車司機和辦公室助理，來打造未來的數據分析師、旅行規劃師等等其他我們現在還不知道自己有需求的職業。美國南北戰爭前（19世紀60年代前）的農民，絕對無法想象自己的兒子會當電工，而現在，我們也很難説AI在未來會創造什麼樣的工作機會。不過我們清楚的是，必須採取革命性的措施，才能完成從工業社會到智能機器時代的轉變。
AI：和人類一樣？
智能機器如何做到模仿自己的“造物主”。
要實現人類級別的人工智能，我們下一步要做的就是創造智能的——但不是自動的——機器。你汽車中的AI系統可以讓你安全到家，但是沒法在你回家後自動選擇下一個目的地。我們將以此為基礎，加入基本的動機以及情感和道德價值。如果我們創造出學習能力像人類大腦一樣強的機器，應該不難想象機器會“繼承”一些類似人類的特點——還有弱點。但是在我看來，“終結者”預言及其不可能。這需要一個精心策劃的、意圖不軌的個體，特意將惡意企圖寫入智能機器，沒有哪個機構——更別説哪個公司或者個人——可以憑一己之力實現人類等級的AI。打造智能機器是我們這個時代最大的科學挑戰之一，需要各個國家、公司、實驗室和學術團體之間共同分享智慧。AI的進步最有可能是漸進的，而且是開放的。—— Yann LeCun。
圖片來源：Daniel Hertzberg
如何成為機器的主人
牛津大學人類未來研究所的創始總監Nick Bostrom：AI的生存危機。由Daniela Hernandez採訪。
能説説你正在進行的工作嗎？
我們對於“控制問題”相關的技術挑戰非常感興趣。你能確保AI做的事情，一定是符合程序員初衷的嗎？我們還對強智能AI帶來的經濟、政治和社會問題感興趣。什麼樣的政治體制最能夠幫助我們轉型進入智能機器時代？我們如何確保不同的利益相關者聯合起來，從事可以帶來積極結果的事情？
你進行了很多關於生存危機的研究。如果用最直白的語言向一個5歲小孩解釋，你會如何描述呢？
我會説，這是可以永遠毀滅人類未來的科技。對於年紀更大一點的聽眾，我會説有人類滅絕的可能，或者可能永遠摧毀我們在未來實現價值的可能性。
你認為什麼樣的策略會幫助減輕人工智能的潛在生存危機？
研究控制問題會有所幫助。當我們搞明白如何讓機器變得真正智能，我們應該能有一些概念，知道如何控制這樣的機器，如何進行工程設計，從而讓機器與人類站在同一陣營，符合人類價值觀，不具有破壞性。這涉及一系列的技術挑戰，其中一些我們現在已經開始研究了。
你能舉個例子嗎？
對於控制問題，不同的人思考着不同的方法。一種方式是研究價值觀學習。我們希望自己打造的AI最終可以分享我們的價值觀，這樣AI可以作為我們人類意志的延伸。我們沒法把自己重視的一切寫在一個長長的列表然後塞給AI。更好的辦法，是利用AI自己的智能來學習我們的價值觀和喜歡。
每一個人的價值觀都不同。我們如何決定機器該學習什麼樣的價值觀？
這是一個很大、很複雜的問題：價值觀之間的巨大沖突以及利益之間的巨大沖突。從某種意義上説，這是最大的一個未解難題。如果你對於技術進步比較樂觀，你會覺得最終我們總會知道怎樣可以做到越來越多的事情。
我們會以前所未有的程度征服自然。但是有一項科技無法自動解決的問題，就是衝突和戰爭。最黑暗的宏觀畫面是，人們有可能利用技術，這種超越自然的力量、這種知識，專門用來傷害和破壞他人。這個問題沒法自動解決。
我們如何應對這種壓力？
對於這個問題我沒有簡單的答案。我不認為存在一個簡單的技術解決方案。
一個自動編程的代理能否從我們為其設定的控制系統中解放出來？人類已經一直在這樣做了，從某種意義上來説，當我們出於自私行事的時候。
保守的假設是，強人工智能可以自我編程，可以改變自己的價值觀，而且可以打破任何我們為其設定的束縛。那樣的話，我們的目標就會是對其進行設計，讓機器選擇不使用那些能力來傷害人類。如果AI希望為人類服務，它會對一個殺害人類的行為分配很低的預期實效。我們有理由這樣認為，如果你以恰當的方式設定目標系統，最終的決策標準就能保持下來。
圖片來源：Daniel Hertzberg
讓我們把大腦變得更好
PayPal及Founders Fund聯合創始人Luke Nosek：在人工大腦出現前，我們需要訓練自己的大腦。
今年早些時候，韓國圍棋冠軍李世石與Google的人工智能程序AlphaGo進行了一場歷史性的大戰。李世石名下有18項世界冠軍頭銜，但是在今年3月19日，他敗給了軟件。
如今的高性能計算前所未有的強大。不過距離強人工智能系統的出現還有很遠的距離，機器還遠未達到人類大腦的能力。我們還沒能理解強人工智能（有時候稱為AGI）會如何運作，會為我們的生活和經濟帶來什麼影響。經常有人將這種影響的廣度比作核技術的出現，從史蒂芬·霍金、到伊隆·馬斯克、到AlphaGo的創造者都建議，我們應該小心前進。
核武器的比喻很帶感，但是也挺恰當。核武器是強AI最糟糕的情況。相反，樂觀的預計又亮瞎人眼（普遍的經濟繁榮、消滅所有疾病），樂觀與恐懼都可能讓我們產生偏見。
強AI可以幫助幾十億人過上更安全、更健康、更快樂的生活。但是要設計這樣的機器，工程師需要對於智能人類和機器所面對的複雜的社會、神經和經濟現實有更好的理解力，比如今任何人都更好的理解力。如果我們對現有的大腦進行升級，我們能更好地來理解、打造強AI，並與之共存。
我們可以將人類智能的提升分為三個階段。第一個階段，使用類似Google搜索的科技來增強和補充人類大腦，這已經在進行中了。我們可以比較一下：1996年一個持有圖書館借書證的五歲小孩，和2016年一個打開了Google搜索主頁的五歲小孩——只要敲幾下鍵盤，就能獲得非常多的人類知識。
如果第一階段需要用科技來補充大腦，那麼第二階段就要直接放大大腦。適應性學習軟件將教育個人化，對課程進行實時調整。如果學生表現出色，教學速度就會加快。如果學生學習比較困難，軟件也會放慢節奏、轉變教學風格或者告訴老師需要指導。適應性學習和在線教育有可能意味着一刀切教育的終結。融合增強現實和虛擬現實技術，也可以以我們無法想象的方式放大智能。
智能提升的第三階段需要從根本上改變大腦。經顱磁刺激（TMS）是一項美國食品藥品監督管理局（FDA）批准的無創治療方法，治療中會將一個電磁線圈應用在頭上。TMS目前被用於治療創傷後應激障礙（PTSD）、自閉症和抗藥性的嚴重抑鬱症。例如加州大腦治療中心以及肯塔基州路易斯維爾大學這樣的機構中，樣本數量不大，而且影響的持續時間還未知，但是出現好轉的個體比例很高——在比例最高的試驗中，200個較高功能的自閉症病人中有90%實現了好轉。早期跡象顯示，TMS可能對於看起來沒有相關性的大量神經學症狀會有療效。如果我們能對受傷的的或者非神經正常的大腦產生積極影響，也許不久後，我們就能提升健康大腦內的聯接，實現普遍提升智能。
強AI已經出現在地平線上，但是目前來説，我們只有自己的大腦可以用。提升我們自己的智能，是創造未來智能機器並與之共存的第一步。
你沒法讓機器學會常識
至少現在還不能。這仍然是真正人工智能最大的障礙。
預測性學習也叫作無監督學習，是動物和人類理解世界的首要模式。我們可以看看這個句子：“約翰拿起他的電話並離開房間。”經驗告訴你，電話可能是移動模式的，約翰可能是從門裏走出去的。而機器缺少對於世界常態及其限制的良好表徵，也許永遠沒法推測出以上的信息。機器中的預測性學習——一個非常重要但是還有待發展的特徵——會讓AI不需要人類監督，可以自主學習，就像小孩子學習一樣。但是，要讓機器學會常識不只是一個技術問題，這是一個可能要花上幾十年的科學和數學挑戰。在那之前，我們的機器沒法成為真正智能的機器。——Yann LeCun。
via 《華爾街日報》
資料來源：雷鋒網
作者/編輯：AI科技評論
如果你也想加入我們的榜單之中，請聯繫：2020@leiphone.com。
圖片來源：Daniel Hertzberg
你如何教導機器？
Facebook的人工智能研究總監Yann LeCun：如何為機器制定教學計劃。
人工智能的傳統定義是，機器以通常我們認為屬於人類的方式，來執行任務和解決問題。有一些任務我們覺得很簡單——識別照片中的物體、駕駛汽車——可是這些任務對於AI來説特別困難。機器可以在棋盤上超越人類，可是那些機器的程序從本質上來説是體力活，機器受到程序的限制。一個30美元的設備就能在棋類遊戲上超越我們，可是它沒法做——也沒法學會做——其他所有事情。
這就是為什麼我們需要機器學習。給機器展示幾百張貓的照片，機器就會訓練自己的算法，學會更好地識別照片中的貓。機器學習是所有大型互聯網公司的基礎，讓公司可以進行搜索結果排名，為特定用户選擇最相關的內容和建議。
深度學習是以人類大腦為基礎，要複雜得多。與機器學習不同的是，深度學習可以教會機器忽略聲音或圖像中所有不重要的信息——呈現一種能夠反映無限多樣性的層級性世界觀。正是深度學習為我們帶來了無人車、語音識別、以及有時候比放射學專家更擅長識別腫瘤的醫療分析系統。
雖然有了這些值得讚歎的進步，我們距離與人類同樣智能的機器還很遠——我們的機器甚至與老鼠的智能相比都差得很遠，我們大約只見證了AI實力的5%。
是時候重新思考就業嗎？
百度首席科學家吳恩達：AI將如何改變未來的就業。
如今在美國，駕駛貨車是最常見的職業之一。幾百萬人在東西海岸之間運輸着貨物，以此維持生計。然而，很快所有這些就業機會都將消失。無人車將替代人類司機在路面行駛，並且更快、更安全、更高效。有這麼好的事，還有哪家公司會選擇更昂貴、更容易犯錯的人類司機呢？
類似的勞動力變革在歷史上也有先例。在工業革命前，90%的美國人在農場工作。蒸汽技術和製造業的興起讓許多人失業了，但是也創造了很多新的工作機會——還創造了很多當時人們無法想象得到的新領域。這個排山倒海般的鉅變是在兩個世紀的過程中慢慢展開的，當時，美國有足夠時間來適應變化。農民們直到退休都在種田，而他們的下一代去上學，成為了電工、工廠領班、房地產商和食品化學家。
而卡車司機們就沒有這麼幸運了。他們的職業，還有另外幾百萬人的職業，很快就會過時。在智能機器時代，數量眾多的人們將沒有工作的能力，或者有被淘汰的風險。我們可能會見證20世紀30年代經濟危機以來最大的失業大潮。
1933年，富蘭克林·羅斯福的新政幫助了大量失業人口，並且幫助重啟了美國經濟。更重要的是，它幫助美國從一個農業社會轉變為一個工業社會。羅斯福的“公共工程署”僱傭了失業者來建造橋樑和新的高速公路，改善了美國的交通基礎建設。這些改善為當時非常先進的新技術應用奠定了基礎：汽車。
我們需要有一個針對21世紀的新政，針對人工智能會帶來的新就業機會打造培訓項目。我們需要重新訓練卡車司機和辦公室助理，來打造未來的數據分析師、旅行規劃師等等其他我們現在還不知道自己有需求的職業。美國南北戰爭前（19世紀60年代前）的農民，絕對無法想象自己的兒子會當電工，而現在，我們也很難説AI在未來會創造什麼樣的工作機會。不過我們清楚的是，必須採取革命性的措施，才能完成從工業社會到智能機器時代的轉變。
AI：和人類一樣？
智能機器如何做到模仿自己的“造物主”。
要實現人類級別的人工智能，我們下一步要做的就是創造智能的——但不是自動的——機器。你汽車中的AI系統可以讓你安全到家，但是沒法在你回家後自動選擇下一個目的地。我們將以此為基礎，加入基本的動機以及情感和道德價值。如果我們創造出學習能力像人類大腦一樣強的機器，應該不難想象機器會“繼承”一些類似人類的特點——還有弱點。但是在我看來，“終結者”預言及其不可能。這需要一個精心策劃的、意圖不軌的個體，特意將惡意企圖寫入智能機器，沒有哪個機構——更別説哪個公司或者個人——可以憑一己之力實現人類等級的AI。打造智能機器是我們這個時代最大的科學挑戰之一，需要各個國家、公司、實驗室和學術團體之間共同分享智慧。AI的進步最有可能是漸進的，而且是開放的。—— Yann LeCun。
圖片來源：Daniel Hertzberg
如何成為機器的主人
牛津大學人類未來研究所的創始總監Nick Bostrom：AI的生存危機。由Daniela Hernandez採訪。
能説説你正在進行的工作嗎？
我們對於“控制問題”相關的技術挑戰非常感興趣。你能確保AI做的事情，一定是符合程序員初衷的嗎？我們還對強智能AI帶來的經濟、政治和社會問題感興趣。什麼樣的政治體制最能夠幫助我們轉型進入智能機器時代？我們如何確保不同的利益相關者聯合起來，從事可以帶來積極結果的事情？
你進行了很多關於生存危機的研究。如果用最直白的語言向一個5歲小孩解釋，你會如何描述呢？
我會説，這是可以永遠毀滅人類未來的科技。對於年紀更大一點的聽眾，我會説有人類滅絕的可能，或者可能永遠摧毀我們在未來實現價值的可能性。
你認為什麼樣的策略會幫助減輕人工智能的潛在生存危機？
研究控制問題會有所幫助。當我們搞明白如何讓機器變得真正智能，我們應該能有一些概念，知道如何控制這樣的機器，如何進行工程設計，從而讓機器與人類站在同一陣營，符合人類價值觀，不具有破壞性。這涉及一系列的技術挑戰，其中一些我們現在已經開始研究了。
你能舉個例子嗎？
對於控制問題，不同的人思考着不同的方法。一種方式是研究價值觀學習。我們希望自己打造的AI最終可以分享我們的價值觀，這樣AI可以作為我們人類意志的延伸。我們沒法把自己重視的一切寫在一個長長的列表然後塞給AI。更好的辦法，是利用AI自己的智能來學習我們的價值觀和喜歡。
每一個人的價值觀都不同。我們如何決定機器該學習什麼樣的價值觀？
這是一個很大、很複雜的問題：價值觀之間的巨大沖突以及利益之間的巨大沖突。從某種意義上説，這是最大的一個未解難題。如果你對於技術進步比較樂觀，你會覺得最終我們總會知道怎樣可以做到越來越多的事情。
我們會以前所未有的程度征服自然。但是有一項科技無法自動解決的問題，就是衝突和戰爭。最黑暗的宏觀畫面是，人們有可能利用技術，這種超越自然的力量、這種知識，專門用來傷害和破壞他人。這個問題沒法自動解決。
我們如何應對這種壓力？
對於這個問題我沒有簡單的答案。我不認為存在一個簡單的技術解決方案。
一個自動編程的代理能否從我們為其設定的控制系統中解放出來？人類已經一直在這樣做了，從某種意義上來説，當我們出於自私行事的時候。
保守的假設是，強人工智能可以自我編程，可以改變自己的價值觀，而且可以打破任何我們為其設定的束縛。那樣的話，我們的目標就會是對其進行設計，讓機器選擇不使用那些能力來傷害人類。如果AI希望為人類服務，它會對一個殺害人類的行為分配很低的預期實效。我們有理由這樣認為，如果你以恰當的方式設定目標系統，最終的決策標準就能保持下來。
圖片來源：Daniel Hertzberg
讓我們把大腦變得更好
PayPal及Founders Fund聯合創始人Luke Nosek：在人工大腦出現前，我們需要訓練自己的大腦。
今年早些時候，韓國圍棋冠軍李世石與Google的人工智能程序AlphaGo進行了一場歷史性的大戰。李世石名下有18項世界冠軍頭銜，但是在今年3月19日，他敗給了軟件。
如今的高性能計算前所未有的強大。不過距離強人工智能系統的出現還有很遠的距離，機器還遠未達到人類大腦的能力。我們還沒能理解強人工智能（有時候稱為AGI）會如何運作，會為我們的生活和經濟帶來什麼影響。經常有人將這種影響的廣度比作核技術的出現，從史蒂芬·霍金、到伊隆·馬斯克、到AlphaGo的創造者都建議，我們應該小心前進。
核武器的比喻很帶感，但是也挺恰當。核武器是強AI最糟糕的情況。相反，樂觀的預計又亮瞎人眼（普遍的經濟繁榮、消滅所有疾病），樂觀與恐懼都可能讓我們產生偏見。
強AI可以幫助幾十億人過上更安全、更健康、更快樂的生活。但是要設計這樣的機器，工程師需要對於智能人類和機器所面對的複雜的社會、神經和經濟現實有更好的理解力，比如今任何人都更好的理解力。如果我們對現有的大腦進行升級，我們能更好地來理解、打造強AI，並與之共存。
我們可以將人類智能的提升分為三個階段。第一個階段，使用類似Google搜索的科技來增強和補充人類大腦，這已經在進行中了。我們可以比較一下：1996年一個持有圖書館借書證的五歲小孩，和2016年一個打開了Google搜索主頁的五歲小孩——只要敲幾下鍵盤，就能獲得非常多的人類知識。
如果第一階段需要用科技來補充大腦，那麼第二階段就要直接放大大腦。適應性學習軟件將教育個人化，對課程進行實時調整。如果學生表現出色，教學速度就會加快。如果學生學習比較困難，軟件也會放慢節奏、轉變教學風格或者告訴老師需要指導。適應性學習和在線教育有可能意味着一刀切教育的終結。融合增強現實和虛擬現實技術，也可以以我們無法想象的方式放大智能。
智能提升的第三階段需要從根本上改變大腦。經顱磁刺激（TMS）是一項美國食品藥品監督管理局（FDA）批准的無創治療方法，治療中會將一個電磁線圈應用在頭上。TMS目前被用於治療創傷後應激障礙（PTSD）、自閉症和抗藥性的嚴重抑鬱症。例如加州大腦治療中心以及肯塔基州路易斯維爾大學這樣的機構中，樣本數量不大，而且影響的持續時間還未知，但是出現好轉的個體比例很高——在比例最高的試驗中，200個較高功能的自閉症病人中有90%實現了好轉。早期跡象顯示，TMS可能對於看起來沒有相關性的大量神經學症狀會有療效。如果我們能對受傷的的或者非神經正常的大腦產生積極影響，也許不久後，我們就能提升健康大腦內的聯接，實現普遍提升智能。
強AI已經出現在地平線上，但是目前來説，我們只有自己的大腦可以用。提升我們自己的智能，是創造未來智能機器並與之共存的第一步。
你沒法讓機器學會常識
至少現在還不能。這仍然是真正人工智能最大的障礙。
預測性學習也叫作無監督學習，是動物和人類理解世界的首要模式。我們可以看看這個句子：“約翰拿起他的電話並離開房間。”經驗告訴你，電話可能是移動模式的，約翰可能是從門裏走出去的。而機器缺少對於世界常態及其限制的良好表徵，也許永遠沒法推測出以上的信息。機器中的預測性學習——一個非常重要但是還有待發展的特徵——會讓AI不需要人類監督，可以自主學習，就像小孩子學習一樣。但是，要讓機器學會常識不只是一個技術問題，這是一個可能要花上幾十年的科學和數學挑戰。在那之前，我們的機器沒法成為真正智能的機器。——Yann LeCun。
via 《華爾街日報》
資料來源：雷鋒網
作者/編輯：AI科技評論
請按此登錄後留言。未成為會員? 立即註冊