机器学习大神迈克尔 · 乔丹:我讨厌将机器学习称为AI.docx
《机器学习大神迈克尔 · 乔丹:我讨厌将机器学习称为AI.docx》由会员分享,可在线阅读,更多相关《机器学习大神迈克尔 · 乔丹:我讨厌将机器学习称为AI.docx(20页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、机器学习大神迈克尔乔丹:我讨厌将机器学习称为AI今年度年度初由MichaelI.Jordan、JeffDean、李飞飞、LeCun等多位人工智能领域的大牛提议的系统机器学习会议SysML在斯坦福开幕。会上机器学习宗师级大牛MichaelI.Jordan就?系统与机器学习的前景与挑战?进展了主旨演讲。因为以及NBA球星迈克尔乔丹名字相近他有着一个有趣的称号“TheMichaelJordanofMachineLearning即机器学习界的迈克尔乔丹。为什么讲他是机器学习宗师级大牛要知道在这一领域的重要学者如吴恩达ZoubinGhahramani,TommiJaakkola,LawrenceSaul
2、以及DavidBlei都是他的学生。他如今担任加州大学伯克利分校电机工程与计算机系以及统计学系教授。MichaelI.Jordan的重要奉献那么包括指出了机器学习与统计学之间的联络并推动机器学习界广泛认识到贝叶斯网络的重要性。他还以近似推断变分方法的形式化、最大期望算法在机器学习的普及方面的工作而知名。此次演讲中从一开场他就如今所谓的“AI进展了鞭挞。他认为如今媒体上热炒的“AI概念言过其实很多人都是为了借此向VC、媒体和群众兜售概念。至于真正的AI“我们根本还没有实现。也有相当一局部研究者陷入了深度学习的泥潭思维变得更加狭窄。他回首了机器学习领域的现状和今后开展面临的挑战。固然机器学习理论目
3、前的开展到达了一定高度但他很讨厌人们如今突然将它称为AI因为那仍然还只是机器学习。他认为真正AI的实现需要依靠逻辑、推理、决策等运算的打破才能实现但如今它们之间还存在明显脱节。一些经典AI领域如计算机视觉、NLP等还远未到达智能以及实用的地步有赖进一步研究以及努力。与此同时传统的社交平台如Facebook还远没有真正地将人们连接起来。医疗、金融、音乐、餐饮等诸多系统平台仍存在宏大的想象空间要做到这些需要研究者们跳出传统视角。本文为MichaelI.Jordan在大会上的演讲实录有删节人工智能头条整理。我们还没有实现真正的AI你们知道我之前从MIT麻省理工离任去了UC伯克利。这其实是因为MIT没
4、有任何跟统计相关的专业并且直到如今也还不算有而我认为统计学对计算机科学至关重要。固然今天计算机科学的开展已经特别冲动人心但它仍然还没有解决推理性的问题在计算机以及推理之间有一个脱节所以我才要跳槽去研究概率以及统计。很多人讲我这些做法是在从统计视角在研究AI这种看法欠妥我只是在研究机器学习。AI是一个非常广泛的概念它几乎涉及到所有层面的计算机科学。它的每一局部都应该涉及到数据流并且应该基于这些数据自适应地进化。这里面全是计算机科学但直到今天这一看法也还没有在计算机系得到很多认同他们仍然认为统计是AI的一局部。我已经疲于应对这些争论了。今天我们到处都可以看到“AI这一字眼媒体上铺天盖地。这让我感到
5、非常不安因为那些讲法太言过其实了。我们没有实现人工智能没有实现智能甚至连它们是什么都不知道。我们讲如今的系统都涉及到数据的输入输出它们其实是在模拟一些很聪明的东西但也仅仅是模拟根本称不上是智能我们并没有实现它。今天很多人乐衷于使用“AI这个流行词。但这只不过是他们借此向VC风险投资、企业、媒体和群众兜售一些他们自己的概念。至于真正的AI我们根本还没有实现。我如今固然不再跳出来争论这些话的对错但仍然会在内心时时刻刻提醒自己我们还并没有实现所谓的AI。如今我非常快乐我们有了一个这样的社区我们当前真正需要的正是建立性的努力那必须保持严肃以及清醒。并不是所有的炒作都是在为了在AI淘金热中大赚一笔他们或
6、者许也是为了可以真正实现AI让这个世界变得越来越美妙让AI更加稳定更加真实足够支撑建立一个全新科学领域所需的概念。这就像有人喜欢土木工程、喜欢化工工程师一样我也非常尊敬他们在所在领域做出的实实在在的努力。他们研究出的东西实在改变了每个人的生活而这也正是AI领域所需要的以及仍然欠缺的。机器学习领域的现状机器学习理论已经开展到了目前我们所看到的高度我在二十年度前我就已经预见到它的开展会是这样数据将无处不在用机器学习进展决策以及商业建模将成为我们的习惯。但我很讨厌人们如今突然将它称为AI固然最近有一些新的想法出现但那仍然还只是机器学习。我不以及他们争论并不代表认可他们的讲法。相反我会更加坚持自己的追
7、求。这世上并没有魔法机器学习只是将它的输入输出映射到它对一些处理机制的模拟之上了固然这看起来很神奇但其实仍然还有很多真正的问题比方从广义上来讲很多层面上的系统问题都还没有得到解决。机器学习也还远远没有开展到足以成为一个可靠的工程原那么可以针对当代数据分析问题得到鲁棒的、可扩展的解决方案。有很多涉及到不确定性、推理、决策、鲁棒性以及规模化的问题都还没有得到解决。更不要讲经济学系统了因为我们甚至对建立系统时的定价以及鼓励行为也还没有足够的考虑。社会法律系统也是如此。我以为每个人都会或者多或者少意识到这一点但没想到等待他们意识到这一点需要的时间却长得不可思议。扎克伯格在一年度前的演讲中曾谈到他创立F
8、acebook时的经历“我什么都不知道在这一经过中也并没有扮演任何角色。我们只是搭建了一个平台而关于怎样使用它甚至都没有规定。但后来让我感到震惊的是人们并没有很好地使用它。我们不仅要时刻注意人们有没有用这个平台来做坏事比方虚假新闻还要让人们可以通过这个平台得到正确结果否那么每天都会有数十万人因此做出错误的医疗决定、糟糕的交通状况或财务决策。到目前为止我们甚至都还没有在解决这些问题上获得一点进步。我们的反响就好似在讲我们本来就是如此。对我来讲系统机器学习瞄准的目的太低了。这个社区中的很多人炒作深度学习太过头了我们已经有了反向传播Backpropagation这个伟大的学习机器我们要让它可以更好、
9、更快、更容易实现所有这些都会很快实现公司也会成立经济也会向前开展。但这样做的目的定得太低了这仅仅是一个非参数回归问题甚至都谈不上“是。所以我祈望作为一个社区我们可以有更高的目的我们不能仅仅努力让反向传播更容易。“AIIAII下面我来谈一下为什么我讲在人们的脑海里计算机以及推理没有连接起来。其实在我一开场接触这个领域的时候我当时学习了一些关于AI的东西但我没有真正研究过。那时候有很多研究AI的观点比方通过广度优先搜索来寻找一个明星这也是约翰麦卡锡JohnMcCarthy真正在MIT在做的研究。(注约翰麦卡锡人工智能领域的开山鼻祖之一他曾提议以及介入AI历史上著名的达特茅斯会议后来前往斯坦福并组建
10、了斯坦福人工智能实验室。)我要讲的这个故事以及你们往常听的有点不同人工智能这个概念并不是Minsky、McCarthy、Newell他们那些人坐在一起开了个会就讨论出来的。麦卡锡刚到MIT的时候就讲过他会研究智能Intelligence以及计算领域。他们讲那并不是控制论控制论已经有维纳在做了麦卡锡解释了这两个领域的区别。真正让人们意识到AI是一个新领域的是这个领域更多的是基于逻辑而不是控制理论以及信号优化所以他必须给它一个新的名字所以他创造了“ArtificialIntelligence这个词。我觉得这个故事更加真实。然而历史的奇异转折之处在于如今研究AI的所有想法都在维纳那一边都是关于优化统
11、计的并且没有逻辑但如今大众用的“AI这个词却仍然还是麦卡锡创造的那个词。无论怎样AI仍然是一个伟大的愿景。这是一个在考虑应该怎样将计算实体与软硬件结合到一起并构建可以捕捉智能的东西的哲学问题这很有意思。我认为这仍然还只是一个学术领域的愿景并不认为它有必要或已经足够用于促进社会进步或者工业开展。我并不相信我们可以建立通用智能并且它可以解决世界上所有问题的讲法。那只是愚蠢的科幻小讲里的东西并且是既不必要也缺乏够的。我们需要把思想从一些真实问题中解放出来。有很多有钱的名人讲我们要建立一个通用人工智能然后就可以解决世界上的问题比方癌症。我并不想议论这些东西但人们总是这样在讲。不管怎样如今有个有趣的观点
12、我们并不是要让所有的事情都变好。与此同时真正发生的事实也并不是AI获得了宏大的成功而是“IAIntelligenceAugmentation获得的宏大成就。搜索引擎就是这其中的一个代表它是一个机器学习系统不停地获取数据并随时间进展改善以做出更好的决策。像其他很多实际工程系统一样那是一个涉及到很多东西的机器学习算法但那也意味着很多智能。比方我不必记住白俄罗斯的首都但是当我在网上搜索一下就可以马上知道。我看起来非常聪明因为我无所不知。我可以以在这里讲英语然后通过安装同传系统让你们听到汉语。看起来似乎我可以讲很多门语言但其实我并不会讲汉语这是因为电脑增强了我的智能。很多这种用深度学习实现的东西我认为
13、它们很有趣但是比方你见得很多的风格转换人们输进去一张图片然后它会被转换成另一张很酷的图片看起来像梵高的画一样那作为一个玩具会非常有趣。但它真正做的是增强了人们的创造力。它是一种“增强并不是人们讲的智能。但那已经很有趣了你甚至可以用它来创作音乐但直接用它写交响乐就很傻了谁会在乎一台电脑会不会写交响乐呢无论那意味着什么。但它却可以为下一个贝多芬或出色艺术家的诞生提供一个自由创作的环境那才是真正令人冲动的那就是IA。还有一些更为重要的东西我将其称之为“II即“IntelligentInfrastructure。在我们身边发生的事正越来越多的表达着这个世界对我们的解析。世界正在被连接起来比方我只要动动
14、手机就可以在几秒钟之内约到一辆汽车它可以带我到达目的地。这个世界正在通过网络变得越来越智能只要你在一个大的复杂系统上加上数据加上人类那就是物联网。那是一个万亿美元的经济市场并且正在改变人类的生活改变你对于医疗、金融以及日常生活的想象。所有这些都是非常宏大的改变并且在过去的几十年度确确实实发生了。这让我想起了亚马逊他们是第一家认真做这件事的公司并且是在90年度代远在我们炒作这个概念之前。如今有很多公司正在建立物流预测和欺诈系统还有推荐系统这些都是非常棒的事情但那都是机器学习不是我所谓的AI真正的AI将比我们如今看到的更为冲动人心。我认为在这里有一个脱节。假如你以这种经典的方式研究AI你或者许会对
15、视觉、语音、自然语言处理还有机器人感兴趣因为你是对这种详细的智能体感兴趣它们会像我们一样做出智能的行动。你想到的所有东西都是以及详细智能体有关所以你可以根据场景开发算法并且将它们转变成目的、标签或语音。那都是很棒的但那并不能解决我们在建立一个真实世界系统时所遇到的真实问题的特别之一。那只是“IA或“II而且人们的注意力会被视觉或者语音方面的问题所分散。未曾解决的经典AI问题固然有些经典的AI问题看起来已经快要解决了但我要讲我认为我们实际上还远没有解决这些经典的AI问题。在计算机视觉中我们可以比之前更好的标注目的以及场景但它们并不是真实场景那只不过是从互联网上获取的包含目的的图片。假如你使用一样
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 机器学习大神迈克尔 乔丹:我讨厌将机器学习称为AI 机器 学习 大神 迈克 乔丹 讨厌 称为 AI
限制150内