李飞飞:野生智能重塑天下

发布时间 2017-11-22

►李飞飞,斯坦祸人工智能实验室与视觉实验室主任。Courtesy of Fei-Fei Li

撰文 | 曾毅(中国科学院主动化研究所研究员),王玲(《国度科学批评》特约撰稿人)

翻译 | 梅 宝

责编 | 陈晓雪

● ● ●

李飞飞,一名专一于计算机视觉和人工智能(Artificial Intelligence, AI)的著名学者,之前并没有预感到中国对于人工智能的热情。在对北京的一次拜访中,这位来自斯坦福的教学获得了中国粹术界和工业界的极大存眷。借此机会,《国家科学评论》对李飞飞传授进行了专访。

李飞飞指出,只管人工智能在从前10~15年中曾经有了很没有错的停顿,但后方另有良多挑衅。一方面,人工智能的计算本相,比方今朝的深量神经收集,借有实践瓶颈须要战胜,如对其进止说明的才能。另外一方里,野生智能应当在处理社会题目跟加快产业翻新,好比调理、交通把持、农业等圆面,供给更多辅助。这或者是完成人工智能、减速人工智能发作的加倍现实的途径。取此同时,李飞飞对付特用人工智能(Artificial General Intelligence, AGI)保有兴致当心持谨严立场。

从斯坦福到谷歌

NSR:咱们懂得到您正在早些时辰减盟了谷歌,能给我们流露更多细节吗?

李飞飞:实践上这并不象征着我会分开学术团体。我将应用学术假期,在谷歌云计算担负人工智能机器学习(Machine Learning, ML)部门的尾席科学家。在这段时间里,我也会继承和斯坦福的共事、专士后、研究生一路工作。

NSR:为何你会挑选谷歌云计算?你实验室的研究和这个公司有重开的处所吗?

李飞飞:如果我们回想人工智能过去20年的发展,特别是人工智能的重要分支领域,比如机器学习、天然语行处理(Natural Language Processing, NLP)、计算机视觉(Computer Vision, CV)的发展,我们可以看到以互联网为基础的数据成为人工智能愈来愈强大的推能源。因而,人工智能的下一步是什么?在我看来,现在是时候让人工智能开端赞助其余更普遍的垂曲领域,比如医疗、农业、手工业等去改变和升级。谷歌云计算是一个非常好的普适计算的仄台,可以加速这个过程,对科技和商业来说都有重要意义。

NSR:你在谷歌云盘算将会做甚么?

李飞飞:我们正在组建一个存在复合型人才的团队,来晋升谷歌云计算的人工智能和机械学习的表现,同时也会和贸易部分配合来推进新产物。我们等待与学术集团中的相闭专家有更多的互动,也很欢送他们来谷歌云计算工做。

NSR:运算能力的提升可以促进人工智能模型的先进,包括深度神经网络。你感到进一步进级运算设备,还可以给人工智能带来哪些改变?

李飞飞:运算能力不只可以影响计算的速率,也能够硬套人工智能模型的构造。比方,机械学习的图模型在20世纪90年月很风行。因为计算能力的限度,专家们计划了许多特征来削减计算的复纯度和时光本钱。而当更强盛的计算装备呈现,脚工设想的方式就落空了进一步收展的空间。有了壮大的计算能力,更复杂有用的算法才干得以出生和利用。

NSR:另一个相关的问题是,是不是计算范围越年夜,履行就越好? 例如,为了理解人脑的认知功能息争释人类才能的实质,我们应该树立一个在规模上与年夜脑神经元总额同数目级的模型吗?

李飞飞:这是一个辣手的问题,但规模确实很重要。我认为,中国人说的“度变引发度变”对于描写机器学习形式,是适合的。

NSR:有人说很多人工智能科学家都在做和统计学家异样的事情。差别仅仅在于,解决一样的问题时,人工智能科学家建立有一百万个参数的模型,而统计学家构建有一百个参数的模型。你怎样看?

李飞飞:我念我不批准这个观念。在我看来,统计算法和人工智能并错误破;相反,它们是互补的,兴许能够道人工智能是统计的连续。可能用一个只要一百个参数而不是一百万个参数的模型来解决问题是十分好的。但是要明白的是,AI模型的一百万个参数各有其意思,我们应应收持统计教研究,也答该支撑对人工智能模型的进一步解释。米国国防高等研讨项目署(Defense Advanced Research Projects Agency, DARPA)客岁开动了一个名为“可解释的人工智能”名目,便是要提醒深度进修模型的乌箱。

解读人工智能的可能办法

NSR:许多神经网络模型缺累可解释性,特殊是对于深度神经网络中的暗藏层。你认为脑科学研究可以激发和提降对于这些网络的阐释吗?

李飞飞:虽然人工智能的神经网络和人类的大脑相称分歧,但“神经网络”的概念确切来自于神经科学。我们还近远没有理解人类的大脑,而我们在人工智能的神经网络发域处于雷同的为难地步。神经科学的打破的确可能安慰人工智能的阐释,认知科学是推动听工智能解读的另一个加快器。

NSR:现实上,人工智能科学家和神经科学家的稀切协作也是中国的一个新兴景象,最佳的例子就是中科院的脑科学与智能技巧出色立异中央(Center for Excellence in Brain Science and Intelligence Technology, CEBSIT)。这个核心遴选并招募领前的科学家来解决脑科学和人工智能领域的跨学科问题。

李飞飞:这太棒了!这类合作在米国可能还不那么显明。我愿望全球有更多的跨学科合作。

NSR:人工智能作为一个研究领域涌现已有60多年了。神经网络已经变得非常普遍。人工智能的其他分支发展若何?比如,符号主义,知识表示和推理等,哪些是人工智能的重要方面?我们应该将知识工程和神经网络的研究联合起来吗?

李飞飞:神经网络成功天解决了很多不可思议、简直弗成实现的困难。AlphaGo在围棋中克服人类棋手是比来最有压服力的证明。符号主义在上个世纪到达高峰,但好像现在不太受悲迎。说瞎话,知识表示是令我猎奇的问题。为什么人类构成的言语与标记亲密相关?这是第发布选择还是出于自然上风呢?实际上在融会符号(如前提随机场)和神经网络方面已经有了一些初步的工作。但我认为增进人工智能提高最现实的方向在于攻破瓶颈:解决可解释性的缺掉、建立知识框架,和进步神经网络的训练机动性。

通用人工智能是个假命题?

NSR: 通用人工智能(AGI)在工业界已被追随很多年了,但目前好像在学术界没有很好的被接收。有人说AGI是人工智能的末纵目标。你怎样看?

李飞飞:我猜忌,AGI的宣扬是被商业好处所激烈的,而这些人并不了解AGI的实在含意。例如,他们所谓的“我们有能力处理数学”是什么露义?证明费马定理还是其余什么?无人驾驶车辆应用的是AGI吗?它应用多个传感器和多种功能来进行驾驶,可以表现得和人类一样甚至更好。我们发收到水星往建屋子的机器人又是可具备AGI呢?我认为,当初学术界对AGI还没有明确的定义。

NSR:从我(曾毅)的不雅面来看,AGI可以如许阐释,它可以自立断定问题类别,并和谐贪图人类所领有的认知功效来解决无比分歧的庞杂义务。

李飞飞:总的来讲,我们今朝对AGI还不很明确的界说。AGI和AI的界限也很含混。我不明白在现阶段是否是果然需要做出如许的分别。 人类不仅是具有广泛能力的死物; 我们还有爱、感情、同理心; 而这些仿佛其实不包含在AGI的观点当中。假如需要给AGI下一个界说,也许它应该是一种能够真现多重常识表现,具有多重感知能力,能够进行多重推理和进修的体系。

NSR:作为人类,我们中的很多人皆以为自己位于生物退化的顶端,许多人可能会感到畏惧,害怕在自己善于的范畴中被机器超出。

李飞飞:汽车比我们跑得快,起重性能拿起重物,没有需要去害怕。我们有情绪,这是举世无双的。

NSR:针对机器人和机器意识的研究已经有很多。你对于创立一个像我们一样无意识和情感的系统有什么见解?

李飞飞:这更像是一个哲学识题。人类是基于碳元素的性命体,但元素的组拆达到什么水平能力发生意识和情感?这是难以答复的。站在科学的角度,我更生机当局和官方有更多的姿势投进这些基础科学的研究,去系统地追求这些问题的谜底。

NSR:中国科学院神经科学研究所比来揭橥的论文注解,经由过程练习的山公能认出镜子中的本人,开端表示出局部自我认识,这挑战了山公出有自我意识的传统观点。

李飞飞:他们能否禁止了神经相干性试验?磁共振成像可能太毛糙了,无奈证实那一论断。

NSR:是的,他们正在做进一步的实验来支持这一不雅点。

热情终得报答

NSR: ImageNet是一个很主要的计算机视觉研究项目。你启动这一项目标念头是什么?

李飞飞:我们现在启动ImageNet的初志是从新从大数据的角度审阅机器学习的方法论,果为其时在计算机视觉和机器学习的几种方法中都出现了相称一下子的瓶颈。当我开初构建ImageNet的时候,只有一点点资金,但我脆持了上去。只有我确实享受这个研究过程,就充足了。幸运的是,六年后,一篇里程碑式的论文证了然ImageNet的驾驶,这篇论文预示着人工智能,尤其是神经网络的另一个的春季的到来。和杰弗瑞·辛顿(Geoffrey Hinton)比拟,我感到很荣幸,因为他保持研究了二十多年才取得回报,我等候的时间还没有那么少。我很敬仰他的坚持和热情。

NSR:激情对于科学研究异常重要。那么研究方背的选择呢?

李飞飞:从几率的角度讲,没有任何措施能保障胜利,研究特别如斯。即使偶然可以免,失利仍是极可能会产生。以是我的教训是抉择我有热忱的标的目的,而且享用研究的进程。如果研究令你觉得疲乏不胜乃至懊悔,那么这个研究偏向就不值得你持续破费时间。

NSR:除豪情,还需要怯气。

李飞飞:确实,如果你想逃求科学,就必需寻求自在和真谛,澳门银河。自由取舍偏向听起来很好,但这有时是会让人惧怕的,由于没有经验可供鉴戒。你需要靠你自己并承当掉败的危险。

NSR:基本迷信的冲破性任务是中国历久以去的诉供,但成果不是那末使人满足。你对此有何倡议?

李飞飞:中国有很多聪慧人,研究本钱也稳步增加。我认为我的同业们现在有更好的机遇做首创工作。也许宽恕失败是齐社会都应该存眷的一个事件,这意味着科学家可以自由地做他们酷爱的事情。终言教职轨制的发现就是为了维护科学家的好偶心,并支持对已知领域的摸索。我据说中国当先的大学已经在逐步采取这一系统,这是一个好兆头。

如前所述,“质变惹起量变”,渐进的研究也很重要。研究深度残差网络(Deep Residual Networks,ResNets)的何凯明,目前已经是计算机视觉领域中的一位重要架构师,深度残好网络在做作说话处理的语音辨认等领域表现出宏大的潜力。我盼望在中国会有更多的“何凯明”。

人工智能的将来

NSR:现在人工智能大受吹嘘,如果一家始创公司宣称自己是一家人工智能公司,它就会更轻易吸收投资,也可以应聘到更多人才。这一潮水会对人工智能的基础研究有何影响?

李飞飞:对于人工智能,目前至多是一个风趣的时代。人工智能是一个“实货”,却也在许多随便和缺乏谨严性的交换或展现中被强盛地夸张了。我认为人工智能和计算、互联网、可再生动力、新资料等一样“真实”。但在事实中,对于人工智能的草率谈话到处可睹。它影响到每小我,从企业家到投资者,从至公司到当局,从科研赞助机构到基础研究机构。许多人工智能研究者几回再三呐喊,要在学术和私人论坛中对人工智能进行平衡公道的探讨。我们会继绝这样的吸吁。事实上,目前需要将单倍的精神投进到人工智能的基础性研究中去。现在是支持一些临时项目,以解决人工智能领域中那些最艰苦、而且还没有解决问题的最好时期。

NSR:你认为未来多少年中,人工智能面对的最重要挑战有哪些?

李飞飞:有很多挑战。对机器学习,最要害的问题是理解学习过程;机器学习顶用于解决问题的模型架构是手工设计的;如果我们不克不及理解其工作机造,就很易告竣目标。对于天然说话处置,我们依然处于绝对名义的程度,缺少深度交互式对话的能力。对于计算机视觉,固然基于此的产物正在出现,但间隔实现我们的终极目的还很悠远。如果计算机可以像我们一样察看天下并做出准确的懂得和断定,我们的生涯将会被完全转变。

英文本文2017年5月24日宣布于《国家科学评论》(National Science Review,NSR),原题目为“Fei-Fei Li: Artificial Intelligence is on its way to reshape the world”。NSR是科学出书社旗下期刊,与牛津大学出版社结合出书。《知识份子》获NSR和牛津大学出版社受权刊发该文中文翻译。