英伟达副总裁：除了围棋，人工智能下一个让人惊讶的领域是什么
|
副标题[/!--empirenews.page--]
英伟达副总裁、深度学习应用研究部分负责人布莱恩· 卡坦扎罗（Bryan Catanzaro）。他拥有计算机科学学士学位和杨百翰大学（BYU）俄语学位，杨百翰大学电气工程硕士学位，以及加州大学伯克利分校（UC Berkeley）的电气工程和计算机科学双料博士学位。Bryan Catanzaro曾于2014年6月加入百度。他在百度带领了一个15人的研发团队，探索语音识别领域，训练和部署深度神经网络的工具和方法。在来百度之前，他在英伟达就职了3年，并于2016年9月离开百度，重新加入英伟达，成为英伟达深度学习应用研究部门的副总裁。 人工智能是一种智能工具 Q：我一般喜欢以这样的问题开场。请问什么是人工智能？ Bryan Catanzaro：这是一个非常好的问题。我喜欢把人工智能看作是可以实施智力作业的工具。希望这些都是有用的工具，从而为人们提供必要的帮助，以提高效率。现在对人工智能的思考有许多，也许我今天所谈论的角度比较单一。 我主要关注人工智能为变革所做出的贡献，人工智能正在使众多公司以及世界经济运作方式发生改变，这就是因为它切实能够帮助人们在工作中提升效率。人类所创造出的工业化社会，体现在高度的机械化以减少体力劳动。人工智能正在制造能够进行智力工作的工具。 Q：那换一个角度思考。它之所以为人工是因为其并不拥有真正的智慧，而是在假装如此，甚至可以怀疑它是否真的如所说的那样聪明呢？难道是因为我们制造了它，所以把它叫做“人工”智能，而事实它还真的很聪明呢！ Bryan Catanzaro：我之前很喜欢读到过的Yuval Harari的这个想法，他认为智力和感觉之间有所区别，智力更多的是指做事情的能力，而感知能力更多的是关于自我意识以及能够以人类理性的方式思考。我坚信，我们正在建立愈加智能的体系以执行我所说的智力工作。 我们可用摄像机或音频等传感器来测量，或者我们可以用文字记录等形式记录下来。解读这些数据并做出决定的过程，就是一种脑力劳动，而我们可以在此领域创造出越来越智能的机器。我认为人工智能的定义更趋于意识和感知，而我认为人类整体对此所做出的理解则有所偏差。 当然，也有一些人对制造通用性智能机器非常感兴趣，但我认为那是更遥远的事情，而且我不太了解如何定义通用智能机器，独立研究此项工作就更不可能实现。我的工作主要集中于更加实际的项目——帮助计算机理解数据并做出决策。 Q：我想，即使是从狭窄的人工智能角度看，假设我的草坪变干了，洒水器出现，它也会对周围的环境做出反应。那是所说的人工智能吗？ Bryan Catanzaro：我想说这是人工智能的非常小的一种形式。你可以配置一个非常智能的洒水器，它比任何一个人都能够更为准确及时地知道什么时候需要浇水。它可以将各种传感器数据考虑进去。它也可以将历史信息考虑进去。 实际上，它可能比人类更了解应该如何灌溉。这是一种非常狭义的智能，但却非常实用。所以，我的确认为这可以被看作是智能的一种形式。现在，暂不探讨灌溉的本质以及其对地球的危害，抑或人类对地球干预的历史等等。所以它的角度很狭隘，但很实用，而且它的智能以自己的方式体现。 迁移学习技术会实现通用人工智么？ Q：接下来我想简单谈论一下AGI（通用人工智能）。就在这个狭窄的人工智能世界里，在你使用数据和电脑解决问题的世界里，如果有人说：“布莱恩，什么才是最先进的？”我们的人工智能发展到了什么程度？还是说这仅仅是开始，你并没有看到任何东西呢？或者我们真的做了很多很酷的事情，并正在努力去控制这个世界？” Bryan Catanzaro：我想我们才刚刚开始。在过去的几年中，我们已经取得了很大进步。我们在很多不同领域都有着非常惊人的进展。这一切都是从图像识别和语音识别开始的，但它已经远不只如此。 我们每天在互联网上与之互动的许多产品都使用人工智能系统，它们为我们提供了价值。它们为我们提供社交媒体消息流，提供推荐和地图，它们提供像Siri或Android助手这样的对话界面。 所有这些东西都是由人工智能驱动的，但仍处于起步阶段。有太多的事情我们还不知道如何去做，还有很多有待发掘的问题需要思考解决。因此，我相信在未来相当长的一段时间里，我们将继续看到人工智能应用在新领域里出现。 Q：如果我以一只猎鹰的小雕像为例，假设它有一英尺高，我把它展示给你看，然后我给你找出一些照片，然后说，“找出猎鹰。”它可以躲在一棵树的后面，可能在水下，也可能它被涂上了花生酱。人类可以很好地识别出来，但电脑还远不能做到这点。这是我们擅长迁移学习的一个案例吗？是否因为我们已经熟悉了东西上有花生酱的样子呢？有什么事情是人类正在做的，而电脑却很难做到呢？ Bryan Catanzaro：我相信，人类在很长一段时间内都在运用我们所拥有的感受器在地球上在逐步进化。因此，我们利用许多已有的与生俱来的知识，告诉我们应该如何处理我们所拥有的感受器，并对世界进行建模。很多都是本能，有些是后天习得的。 我们有非常复杂的世界模型，也许我们认为这是理所当然的，因为每个人似乎都很容易理解。这不是你必须在学校里学习的东西。但这些模型实际上非常有用，而且它们比我们目前用人工智能技术构建的模型要复杂得多，使用也更普遍。 关于迁移学习的问题，我觉得我们很擅长在我们目之所及的范围内进行迁移学习。在很多情况下，人工智能在迁移学习方面会做的更好。实际上，关于世界是如何构造的，物体是怎样的，物体实际上的组成等可能会有更少的假设。我认为我们不应该忘记我们所做的事情并不是事出无因。我们根据本能行事，且其非常复杂。 Q：你认为我们是否应该学习如何将人工智能具体化，让它在世界各地试水，并让它们进行各种各样的探索呢？你是这样想的吗？我们该如何克服这一点呢？ Bryan Catanzaro：这是一个有趣的问题。我个人并没有在努力打造人工智能，但对于那些正在研究人工智能的专家来说，人工智能初期发展应是什么模样将是一件非常有趣的事情。 （编辑：衡阳站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
