当前位置:首页 » 今日头条自媒体 » 正文

Hinton:今年AI没有重大突破,但三件事值得关注

22479 人参与  2017年12月23日 15:07  分类 : 今日头条自媒体  评论

2017年,有哪些值得关注的AI事件?

过去的一年里,既有霍金和马斯克等齐声呼吁,一定要时刻警惕超级智能体,防止他们取代我们人类;当然,也有扎克伯格、李开复等说现在担心害怕人工智能还太早,恐惧被舆论放大了。

那么到底如何评价即将过去的这一年,这里有九位大咖的回答。

Geoffrey Hinton

1.jpg

多伦多大学教授。回顾这一年,他的总结是:

2017年确实有很多不错的进展,不过比起14年用神经网络做机器翻译,或者16年的AlphaGo,都谈不上重大突破。今年最大的进步,在我看来是以下几点:

1)神经架构搜索:用神经网络来自动设计神经网络,而且有效。

2)基于注意力机制的机器翻译,不再需要循环或者卷积了。

3)AlphaZero:快速学会以人类的风格下棋,把最强的棋类程序抛在身后。

Hinton本人今年终于发布了关于Capsule的研究,可以通过一个卡戴珊的例子更好的理解这个理论。

而且还号召整个业界展开AI革命,呼吁大家重头再来。所以Hinton认为今年没有突破也是理所应当。

关于Hinton本身的故事,量子位也有一篇推荐:《Hinton传奇:退学当木匠,辞职反军方,终成一代AI教父》。

吴恩达

他以Landing.AI公司CEO的身份,回他了他眼中2017年最重要的AI事件。

2.jpg

AlphaGo已经证明了自己强大的算力和数据能力。卡纳基梅隆的Libratus,一个也在不断地迭代德扑程序,创新程度更高。从技术角度来说,这两件事都可以载入史册了。

吴恩达这一年从百度离开后,也出手搞了很多事情,比方说DeepLearning.ai、Landing.AI等。当然这里还有吴恩达全程手写板书的视频课程,值得回顾。

Andrew Moore

安德鲁·摩尔(Andrew Moore),卡内基梅隆大学计算机学院主任。

德扑AI Libratus已经击败了四个世界顶级选手。而且在AI击败人类的新领域里——无限注的德州扑克,Libratus必须考虑对手会故意误导自己。在一个需要辨别信息来源真假的世界里,很惊喜地看到新一代的AI居然能够对外界的信息保持怀疑的态度。

3.jpg


吴恩达和摩尔提到的Libratus,还有一个中文名叫“冷扑大师”。

今年1月,在匹兹堡河流赌场举办了一场为期20天的Brains vs. AI比赛,Libratus在一对一、无限注的德扑人机大战中,击败四位顶级人类玩家,累计赢得176.6万美元筹码。

4月,创新工场董事长兼CEO、创新工场人工智能工程院院长李开复,邀请Libratus和团队来到中国,以“冷扑大师”之名与“龙之队”展开对决。

这场为期五天的对决中,冷扑大师以领先792327记分牌、每百手领先15.8大盲注的成绩击败人类对手。赢得200万奖金。

Libratus的背后技术解读,可以看看这篇:《AI赌神称霸德扑的秘密,刚刚被《科学》“曝光”了》。

4.jpg

Rodney Brooks

罗德尼·布鲁克斯(Rodney Brooks),著名机器人专家,前任麻省理工学院CSAIL实验室主任,Rethink Robotics公司创始人,也曾担任iRobot创始人兼CTO。

5.jpg

我觉得2017年最重要的AI时刻是我在12月17号那个星期天,看到超级碗的广告。广告里面提到,现在超级碗已经开始在用AI去洞察粉丝需求了。

广告的末尾是超级碗在亚马逊的云服务平台上运行机器学习。想到跑去影响NFL的粉丝,可以看出来机器学习和人工智能现在有多么的火。

其实人工智能早已渗透入橄榄球界。今年2月的超级碗,尽管过程跌宕起伏,但是各路AI还是准确的预测出冠军归属。

不只是预测,在日常的橄榄球训练中,AI也带来了更精准的战术数据分析、能减少运动损伤的机器人陪练等等。

当然,篮球、足球等运动领域,AI也同样在大显身手。

Greg Diamos

百度高级研究员。

这一年让我印象最深刻的是斯坦福研究团队研发的放射诊断算法,可以检测心律失常并更好地辅助人类医生的治疗工作。我认为,有了AI的帮助之后,医疗领域会有质的进步。

Azeem Azhar

Peer Index创始人、Exponential View负责人。

我会选两件事。这两件事都谈到了在发展AI过程中,我们要特别注意开发出来的AI是否可靠。

第一个是微软研究院Kate Crawford的一次演讲,她阐述了机器学习的算法未来可能会在哪几方面出错,所以我们现阶段应该做些什么事情去预防AI技术被误用或恶意使用。

第二个是剑桥大学的Adrian Weller发表的一篇论文,提到了写算法的时候要有意识地强调公平和正义。

AI是把双刃剑。在科技高速发展提高我们生活工作质量的同时,也要小心技术带来的负面影响。

Been Kim

谷歌大脑研究科学家。

今年我最看好的话题是可解释性,帮助人类去理解AI模型。今年的国际机器学习大会(International Conference on Machine Learning,ICML)举办了第一次的可解释性的主题报告,以及两个相关的研讨会。今年的NIPS上,也有几个关于可解释性的口头汇报,一个专题研讨会和两个研讨班。相信这个趋势将会延续到明年的CVPR和FATML。

Terah Lyons

Partnership on AI执行主席。

6.jpg

这一年有很多边缘化的事件在刺激着我们的神经。

比如学术界里受到性骚扰的女研究员Kristian Lum公开呼吁大家重视性骚扰这个问题。

Kristian Lum的公开呼吁信链接,https://medium.com/@kristianlum/statistics-we-have-a-problem-304638dc5de5

7.jpg

这次事件警示我们,即使在AI圈里,也存在这些不堪入目的阴暗事件。性骚扰能在学术圈里如此猖獗,严重损害女研究员的心理健康和学术上的表现。

我们学术圈在强调创新的同时,在看到圈里女性学者受到骚扰这样不公平的事件时,绝对有责任发声,不能沉默不语,让道德败坏没有底线的人逃脱应有的谴责和惩罚。

对此,Jeff Dean等也都纷纷发声支持。

8.jpg

Richard Socher

Salesforce首席科学家。

今年最重要的主题出现在NIPS顶会上,在这么多创新里,研究委员会始终最关心的核心议题是道德伦理。

他们希望,每一个参会人都能意识到,要AI技术得到良好的推进,需要大家的信任、信息透明、以及平等。


本文链接:https://www.woshiqian.com/post/1758.html

百度分享获取地址:https://share.baidu.com/code

我是钱微信/QQ:5087088

广告位、广告合作QQ:5087088

<< 上一篇 下一篇 >>

  • 评论(0)
  • 赞助本站

       

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。