分享到微博 分享到人人 分享到LinkedIn 分享到Email
前进中的人工智能——聚焦Faculty Summit 2015人工智能主题研讨会

在近几年上映的科幻大片中,人工智能技术的“出镜率”陡然升高。无论是《钢铁侠》中为托尼·史塔克提供全方位贴身服务的管家贾维斯,还是《超能陆战队》 里的“萌神”大白,当然还有《她》(Her)中让男主角坠入爱河的人工智能系统萨曼莎…..

现实世界中,全世界的科学家都在为人工智能的发展不断努力着,从未停止探索的脚步。因此,那些曾经只存在于科幻小说或电影中的技术很多都变成了现实,或者即将成为现实。对于人工智能,我们仍有许多迷思,困惑与热望。在如今这个科学技术高速发展的阶段,人工智能领域发展到了什么水平?它面临哪些挑战?未来的发展又将走向何方?

或许,在诸多人工智能领域顶级专家学者齐聚的微软教育峰会Faculty Summit 2015上,我们可以找到答案。

如果冬天即将过去,春天还会远吗?

本届教育峰会的一大亮点是由“AI(Artificial Intelligence,人工智能)先生”—— 美国人工智能学会主席、微软雷德蒙研究院院长Eric Horvitz博士担任主持的研讨会,他与几位业内“大牛”一起梳理、探讨人工智能领域如今面临的挑战和未来的发展方向。

“大牛”名单如下: 微软研究院杰出的研究家 Christopher Bishop,艾伦人工智能研究所执行总裁Oren Etzioni,斯坦福大学计算机科学副教授李飞飞,布朗大学计算机科学教授 Michael Littman,以及麻省理工学院的Josh Tenenbaum教授。他们中的好几位都曾见证了人工智能那漫长的寒冬,对于现在人工智能如凤凰涅槃般重回舞台,“大牛”们表示这一华丽逆转并不容易。

从1956年“人工智能”一词首次在DARTMOUTH学会上提出开始,人们一直对它抱有美好的畅想:希望通过各类研究,机器可以帮助我们把数据抽象成为有价值的信息,参与到我们的日常活动中以不断提升我们的行为能力,并且可以基于一定的判断和推测与我们进行有效的交流。Eric Horvitz博士认为:“随着计算机运算能力和存储能力的不断提高,第一阶段的人工智能研究在很多艰深复杂的领域已经取得了较为可观的进展,如预测、排序、计算机视觉、语音识别、自然语音处理等方面。虽然人工智能的蓝图已初具雏形,可目前仍处在初级阶段,人工智能的发展还是一个相对缓慢的进程。一个儿童所能具备的推理、学习、理解、沟通等能力和基本常识对于机器而言都是很大的挑战。但也正是因为这些挑战让人工智能领域拥有一种‘魔力’,吸引着我们不断地去挖掘、探索。”

既然选择了远方,便要风雨兼程

前不久大热的电影《复仇者联盟·奥创纪元》中出现了一个由贾维斯创造出的纯意识体的奥创,它在短短几分钟之内就凭借自己强大的运算和学习能力学会了人类世界数量庞大的知识并获得了自己的理解。在研讨会中,来自微软研究院的杰出科学家Christopher Bishop和人工智能艾伦研究所执行总裁Oren Etzioni提到机器学习作为人工智能的核心是使计算机具有智能的根本途径。

Christopher Bishop对于神经网络的研究一直饱含热情。他认为,得益于现在网络环境和深度学习技术的发展,我们已在人工智能的一些重要问题上取得了可喜的进展,因此神经网络和深度学习是人工智能领域不可或缺的一部分。他也指出,真正实现机器“智能”的一个重要突破是如何通过机器学习自动为现实世界中纷繁复杂的物体赋予恰当的标签。在我们小时候最初面对这个世界时,我们都会不自觉地在脑海里为一切新鲜的事物打下专属“记号”,以帮助我们识别、记住它们。你不一定要看2500种猫的例子,你也知道哪一只是猫,哪一只是狗。而这也正是当下机器学习研究中有待突破的地方。Christopher相信,随着数据的不断丰富、计算能力的不断提高以及系统性能的不断优化,神经网络和深度学习的研究一定会带给我们更多的惊喜。

Oren Etzioni在Christopher的基础上继续延伸,讨论了如何让计算机学习难以“形式化”的任务问题。目前,我们的技术已经可以获得通过监督学习得到的大量数据,在定义目标函数后,就可以把问题转化为解决最优化的问题。但实际生活中很多任务性的学习是一个很难形式化的过程,甚至我们不可能把它形式化,因此目标函数的匹配和制定仍然是一个非常难的计算机科学方面的问题。例如,当我们拿到一本书时,浏览目录、在书中为自己答疑解惑似乎是再正常不过的事情。但对于计算机而言,如何分解文章语句、理解抽象的语义并转为具象的事物,每一步将其变成合理优化的机器学习问题都充满挑战。如何让计算机真正学会像人一样阅读、获取知识,是我们当下需要探索的重要方向之一。这也正是人工智能艾伦研究所目前正在努力克服的问题——如何将实际生活中再熟悉不过的场景映射为一个计算机处理的问题。当谈到近年来人工智能带来的恐慌,Etzioni鼓励大家从一个理性的角度看待其发展。人工智能在医疗、无人汽车等领域的应用无疑会为我们的生活带来极大的便利。“既然选择了远方,便要风雨兼程。” Etzioni坚定的说。

让人工智能像孩子一样成长

九十年代中期,微软创始人比尔·盖茨在一次演讲中提到,“如果我们可以让那计算机拥有一个5岁孩子的智力和能力,这将会是一个巨大的飞跃,并为我们带来无限价值。”这对初入人工智能领域、现已是麻省理工学院教授的 Josh Tenenbaum 影响颇深。他回忆起盖茨谈到微软研究院的目标时说,“我们希望赋予计算机智慧,让它和我们一样看到这个色彩斑斓的世界,并和各种有趣的人交流。”而在本次研讨会的嘉宾中,来自斯坦福大学的李飞飞教授是一个三岁孩子的母亲,她亲身经历了一个孩子从出于本能的对周围事物进行“感知”到有意识的主动“认知”学习的过程。孩子每一天都因如饥似渴的获取新鲜知识而发生着翻天覆地的变化。而人工智能在过去的几十年里也有着类似的历程。通过一个个不断完善和改进的函数和算法,我们让计算机掌握了一些重要的基本技能,特别是图案与客观物体的匹配。现在它们也开始理解人类的语言了,由此可以衍生出很多的功能。科学家们还在尝试把视觉感知模块和触觉处理技术放在一起形成更复杂的技能。

回顾引领一个孩子的成长过程,我们可以获得很多关于人工智能研究的启发。Josh指出,我们不应以一个旁观者的姿态去审视它的结果是否与我们的某个研究理论相吻合;而是需要像“家长”一样,去探索计算机的自然成长学习机制,让它具备在每个“年龄段”应有的基本常识。例如,数据就是计算机认知事物的方式,我们要做的不是用特定的理论或算法框住它,而是将数据转化为连接计算机与现实环境的方式。再者,我们认识世界的过程是对事物的整体进行感知的过程,并不是一个由成像到各个特性解析的数据流程。

来自布朗大学的计算机科学教授Michael Littman则谈到了“交互”对于人工智能发展的重要性。他指出,目前我们对于人工智能的研究基本还处于一个较为独立且单一的模式。我们总是尝试在底层用数据集或目标函数训练计算机,并期待获得一个结果;当发现结果不尽人意时,再不断优化改进,如此反复直至达到我们预期的结果。而实际上这与自然的成长过程是相互违背的。“这就像对待一个孩子一样,” Michael解释道,“你不会预先告诉他一件事情因为某个原因很有趣,再让他感受其中的有趣之处。对于机器的训练也是如此。”我们需要适当“放手”让机器通过与系统的双向交互主动地去感受这个世界,而不是一味地通过数据和算法“填鸭式”的获取信息。相应地,我们也需要将人工智能各个领域的研究适当结合,让计算机感受到一个“完整”的世界。虽然现阶段还并没有一个模型可以很好地集合各类领域的系统,但是Michael建议这可以作为未来的一个发展方向。

对于未来,李飞飞教授则更期待看到计算机自己“学会去学习”,主动获取知识,掌握推理、策划以及决策的能力。而Josh则建议之后的人工智能研究应更多从心理学的角度,去赋予计算机更多“人”的属性。他期待,有一天我们可以制造出具有饱满情感和思想的机器“人”——这必将会是我们在人工智能领域的巨大突破。

在这个计算机科学发展迅猛的时期,人工智能也迎来了它的黄金时代。当今火热的人工智能概念,无疑吸引了一大批年轻有抱负的科学家进入这个领域。但我们需要清晰的认识到:今天所拥有的人工智能的提升在人类设想的背景下只前进了很小的一步,远没有达到质变的标准,人工智能的研究使命仍然任重道远。正如Eric所说,“人工智能技术的滞后已经不知不觉抵向了人类发展的咽喉。” “而人工智能的‘魔力’也正在于它所关注的都是当下我们最亟待解决的问题。巨大的挑战吸引着我们不断去更深入的挖掘、探索全新的未知领域,在真正改变世界的道路上留下自己的足迹。”

欲了解更多此次研讨会的详情,请点击下方视频链接:

http://ll.ms-studiosmedia.com/events/2015/1507/FacultySummit/vod/FacultySummit-Panel.html