牛津大學教授:機器學習不是人工智慧

2020-12-16 騰訊網

人工智慧已經從理論走向了日常生活。在AI變得愈加強大之時，其弱點也十分明顯。牛津大學計算機系主任Michael Wooldridge教授發出提醒：人工智慧局限頗多。以下內容根據Wooldridge教授在市北·GMIS 2019全球數據智能峰會上的《機器學習之局限》講話整理，由氫雲資訊編輯。

一般來說，我們都愛分享一些人工智慧的最新創新成果。但今天我想要說的，是人工智慧和機器學習正在面對的一些挑戰。

20年前，人工智慧似乎還像科幻片一樣。但近10年來，人工智慧和機器學習已經取得了巨大突破，如面部識別這樣的技術應用已經非常普遍。人們對於人工智慧顯得異常興奮，砸下了許多投資，也懷著極高的期望。

計算機在一些方面能力極強，但在另一些方面卻非常弱。在數學運算方面，計算機能夠可靠完成每秒10億次級的計算，還可以不眠不休地工作，這是人類無法做到的。但有些對於人類來說微不足道的事情，有些我們每個人時刻都具備的能力，對計算機而言卻很難。

其實，有不少事是計算機不在行的。比如，長期推理（如計算機無法預見到吸菸的危害是長期積累而導致的）、解決表述不準確的問題、認知（如視覺和語言）以及判斷（尤其當缺少精確規則的時候）。

為什麼這些事對計算機來說那麼難呢？這裡有兩種可能性。首先，由於我們的算法是基於理論來解決問題的，但這樣的算法在現實中就效果不佳，因為解決問題還需要大量記憶和時間。這裡所說的大量往往達到天文數量級，就會讓運算變得十分低效。其次，對於像認知這類能力，傳統的軟體開發與算法無法提供借鑑，需要完全不同的技術路徑。

現代AI的突破本質上就是要解決以上兩大問題，AI的發展歷史也是兩種不同路徑的發展史——自上而下和自下而上。

所謂自上而下，是指基於知識的AI，也就是讓人來明確告訴計算機如何完成任務。這就要求把人類知識轉化成明確的計算機語言，並傳遞給計算機。這種方式在一些情況下效果很好，比如專家系統，但在機器人領域和現實問題方面卻效果不佳。另外，這樣的方式也不能解決認知問題。

所謂自下而上，就是機器學習的方式，通過輸入和輸出形成知識。比如，給計算機輸入不同時期（少年、青年、中年）艾倫·圖靈的照片，讓計算機學習其中的關聯，那麼下一次再有一張計算機沒見過的圖靈照片出現時，它也能認出這是圖靈。監督學習是這當中最簡單的技術，採用的是成對的（輸入對應輸出）訓練數據。而神經網絡和深度學習是當前的主流訓練方式。

現在的AI大量基於數據，但缺陷是AI無法做到真正的「理解」。這一缺陷在語言處理中體現的尤為直觀和明顯，比如目前的翻譯程序無法創造性地在翻譯意思的同時產出優美的文字。我堅信，無論給這樣的翻譯程序輸入多少各種語言的文本，它仍然不會明白字面意思之下的豐富涵義。

一個典型的例子是下面這段極其簡短的對話。

男：我要離開你了。

女：她是誰？

任何人應該都能從中讀出很多意思，甚至是豐富的畫面感。但這樣的理解是基於人類的經驗以及成長過程的各種經歷，與其他人打交道的過程。缺乏這些經驗和經歷的電腦程式自然是無法理解的。

因此，我們需要明白的是，人工智慧可以是深度學習，但深度學習卻非人工智慧。

以上內容僅代表作者個人觀點，不代表氫雲資訊觀點及立場

以上內容及觀點不構成任何投資建議，據此投資後果自負

相關焦點

  • 牛津大學啟動人工智慧與法律服務研究項目
    近日，牛津大學啟動了一項針對人工智慧與法律服務的研究項目。牛津大學賽德商學院管理學研究教授酒向真理（Mari Sako），將在牛津大學新開啟的人工智慧與法律服務項目中發揮關鍵作用。在這樣的背景下，牛津大學啟動這一新的研究項目恰逢其時。目前項目獲研究經費120萬英鎊，由法學院主導，旨在探索將人工智慧（AI）應用於法律服務領域的可能性和局限性。
  • 2017回顧與2018前瞻:機器學習與人工智慧
    雲 AI 競賽加劇，AlphaGo Zero 無實質性突破Pedro Domingos，華盛頓大學計算機科學與工程系教授AI 賭神 Libratus 戰勝德州撲克專家，將 AI 的主導地位擴展到並不完善的信息遊戲中。
  • 資源|13個機器學習和人工智慧的免費培訓課程
    Abu-Mostafa是來自加州理工學院的電氣工程與計算機科學的教授，他將會為你講授機器學習的基本理論原理、算法和應用。這門課程將持續10周，每周需要10-20小時的學習時間。四、YouTube—統計機器學習高級機器學習這門視頻講座（發布在YouTube上）的主講人是Larry Wasserman，他是卡耐基.梅隆大學統計系和機器學習系的教授。學習這門課程的前提是已經學習過他專門為博士生設計的中間統計和機器學習（10-715）兩門課程。
  • 人工智慧、機器學習和深度學習的區別?
    如上圖，人工智慧是最早出現的，也是最大、最外側的同心圓；其次是機器學習，稍晚一點；最內側，是深度學習，當今人工智慧大爆炸的核心驅動。五十年代，人工智慧曾一度被極為看好。之後，人工智慧的一些較小的子集發展了起來。先是機器學習，然後是深度學習。深度學習又是機器學習的子集。
  • 華人AI科學家邢波出任全球首所研究型人工智慧大學校長
    ，簡稱 CMU）計算機科學學院機器學習教授邢波為校長。2000 年，邢波到美國加州大學伯克利分校攻讀計算機科學博士學位，2004 年獲計算機博士學位。同年，邢波到卡耐基梅隆大學任教。2011 年，卡耐基梅隆大學授予邢波終身教職，並在 2014 年任命其為正教授。
  • 美國德州農工大學胡俠教授:機器學習的可解釋性與自動機器學習 |...
    雷鋒網按：2018 全球人工智慧與機器人峰會（CCF-GAIR）在深圳召開，峰會由中國計算機學會（CCF）主辦，雷鋒網、香港中文大學（深圳）承辦，得到了寶安區政府的大力指導，是國內人工智慧和機器人學術界、工業界及投資界三大領域的頂級交流盛會，旨在打造國內人工智慧領域最具實力的跨界交流合作平臺。
  • 量子物理學機器學習:讓人工智慧學習與運用量子力學
    新開發的人工智慧算法，通過讓人工智慧學習與運用量子力學，可以在幾秒鐘內在筆記本電腦或智慧型手機上即可提供準確的預測。人工智慧及其機器學習算法現在通常用於洞察我們的上網習慣、預測我們的購買行為、識別我們的面孔或筆跡等等。在科學研究中，人工智慧正在通過學習、掌握與運用一切科學知識，將自身確立為科學研究的重要工具。
  • 人工智慧不是無所不能的
    人工智慧技術近些年的進展和成功，是緣於「弱人工智慧」而不是「強人工智慧」，IBM的Watson和谷歌的AlphaGo等，都屬於弱人工智慧。目前，人工智慧取得重大突破的，是弱人工智慧領域，強人工智慧幾乎沒有進展。何況，是否應該研究強人工智慧，科學界和工業界都存在很大爭議。國內知名人工智慧專家周志華教授就提出：「即便強人工智慧是可能的，也不應該去研究它。」
  • 人工智慧、機器學習、深度學習的區別在哪?
    人工智慧、機器學習和深度學習這些詞成為媒體熱詞，用來描述DeepMind是如何獲得成功的。儘管三者都是AlphaGo擊敗李世乭的因素，但它們不是同一概念。區別三者最簡單的方法：想像同心圓，人工智慧(AI)是半徑最大的同心圓，向內是機器學習(Machine Learning)，最內是深入學習(Deep Learning)。
  • 人工智慧、機器學習和深度學習之間的區別和聯繫
    如上圖，人工智慧是最早出現的，也是最大、最外側的同心圓；其次是機器學習，稍晚一點；最內側，是深度學習，當今人工智慧大爆炸的核心驅動。五十年代，人工智慧曾一度被極為看好。之後，與傳統的為解決特定任務、硬編碼的軟體程序不同，機器學習是用大量的數據來「訓練」，通過各種算法從數據中學習如何完成任務。機器學習直接來源於早期的人工智慧領域。傳統算法包括決策樹學習、推導邏輯規劃、聚類、強化學習和貝葉斯網絡等等。眾所周知，我們還沒有實現強人工智慧。早期機器學習方法甚至都無法實現弱人工智慧。
  • 人工智慧,機器學習和深度學習之間的差異是什麼?
    人工智慧，機器學習和深度學習都是屬於一個領域的一個子集。但是人工智慧是機器學習的首要範疇。機器學習是深度學習的首要範疇。深度學習是機器學習的一個子集，機器學習是人工智慧的一個子集這個領域的興起應該歸功於深度學習。人工智慧和機器學習這個領域近年來一直在解決一系列有趣的問題，比如從自動化的雜貨店購買到自動駕駛汽車。
  • 業界| DeepMind魅力太大:牛津劍橋的研究者紛紛跳槽
    為了更好地了解日益複雜的人工智慧系統的對我們可能產生的影響，牛津大學和劍橋大學近年來成立了一些研究機構。其中包括由瑞典的哲學家 Nick Bostrom 領導的牛津的人類未來研究所（Future of Humanity Institute）和劍橋的生存風險研究中心（CSER/Study of Existential Risk）都在其中。
  • 全球首家人工智慧研究型大學在阿布達比誕生
    這所高校由麻省理工學院、牛津大學、清華大學等為主聯合辦學並授予學位，計劃先期培養數百人規模的博士、碩士，之後拓展到本科生培養。在歐亞非「十字路口」上，人工智慧就像當地40度的氣溫一樣火熱。作為新校籌備主要負責人，起源人工智慧研究院CEO兼首席科學家邵嶺，在阿布達比接受解放日報·上觀新聞記者獨家專訪時透露，學校以其牛津大學導師、英國兩院院士麥可·布雷迪為首，建立起學校領導層，吸引全球數十位一流教授，自主培養稀缺的AI人才。
  • 全球人工智慧大學有哪些_人工智慧全球大學排名
    史丹福大學的人工智慧實驗室成立於1962年，一直致力於推動機器人教育。並且，該校在網上公開了許多他們有關機器人和深度學習的課程。 　　另外，國內目前知名度非常高的吳恩達、李飛飛都是史丹福大學教授。李飛飛參與建立了著名的ImageNet計算機視覺識別資料庫及挑戰賽，其每年都會吸引各大公司的圖像識別程序的參加，極大促進了圖像識別領域的技術發展。
  • 牛津大學賽德商學院
    在農曆新年辭舊迎新之際，牛津大學賽德商學院邀請大家一起來回顧商學院在過去12個月中那些重大新聞、研究成果以及最值得聆聽的嘉賓演講，並以此展望鼠年送上我們的新年祝福！1月｜牛津大學啟動AI與法律研究在2019年1月，牛津大學啟動了一項針對人工智慧與法律服務的研究項目。
  • 南京大學-帝國理工學院機器學習聯合研究中心揭牌成立
    2018 年 8 月 26 日，「南京大學-帝國理工學院機器學習聯合研究中心」成立儀式在南京大學仙林校區舉行。成立儀式由南京大學科技處陳露洪副處長主持。雷鋒網據官方消息了解，南京大學校長、中國科學院院士呂建教授見證了中英雙方主任共同為聯合研究中心揭牌，並代表學校對聯合研究中心正式成立，向中方主任、人工智慧學院院長周志華教授、外方主任英國皇家工程院院士 Stephen H. Muggleton 教授表示熱烈的祝賀。呂建校長還為 Stephen H.
  • 簡述英國人工智慧專業
    Artificial Intelligence人工智慧英國大學在計算機科學領域取得的成就在世界範圍內都是備受矚目的。作為計算機科學新的分支，人工智慧專業自然不落人後。因此，前往英國攻讀人工智慧專業是一個不錯的選擇，那麼，英國有哪些大學開設了人工智慧相關專業?
  • 一文講清人工智慧、機器學習和深度學習的區別
    在描述谷歌 Deep-Mind 的 AlphaGo 是如何擊敗李世石時，媒體們紛紛用到了人工智慧、機器學習和深度學習這三個術語。不過，這三者並不是一回事。人們從人工智慧早期就一直在做這方面的研究，但它並沒有貢獻出太多「智能」。主要問題在於，即使是最基本的神經網絡，也需要大量的運算。神經網絡算法的運算需求難以得到滿足。不過，由多倫多大學的Geoffrey Hinton帶領的研究小組一直在繼續相關研究工作，最終實現了以超算為目標的並行算法的運行與概念證明。但也是在GPU得到廣泛應用後，這些努力才終見成效。
  • 2018全球大學人工智慧排名發布,中國高校表現強勢!
    再根據近十年多來（2007-2018）的論文發表對各大學實力進行了排名，數據截止日期為 2018年2月19日論文分為四大方向：AI：人工智慧、計算機視覺、機器學習與數據採集、自然語言處理、網頁信息檢索。
  • 科技賦能金融--平安資產管理(香港)如何用人工智慧做投資?
    今天，人工智慧（AI）強大的資料庫和計算能力，靈活多元的投資策略，正在從根基上重塑著全球金融投資界。 在人工智慧技術研發的金字塔尖，中國香港是僅次於歐美諸國,亞洲排名第一的地區。在這裡，有一支牛津、劍橋等頂尖名校博士領銜的平安量化投資與人工智慧團隊，平安資產管理（香港）自主研發的人工智慧投資平臺就在他們手中誕生。