裁員!最近,人工智能健康領(lǐng)域的老大哥 IBM沃森健康(Watson Health)傳來了裁員達(dá)70%的消息,備受業(yè)內(nèi)關(guān)注,甚至有金融分析師稱這個(gè)部門是燒錢的無底洞。
那么,在AI熱潮之下,你該如何構(gòu)建一個(gè)更理性更純粹的思考框架?這一次,邢波教授可謂將AI的邊界問題講透了。
?我們?nèi)ト藶榈闹圃煲粋€(gè)謊言,最后這個(gè)謊言被戳穿以后,反而是那些誠實(shí)工作的人,去承擔(dān)懲罰。這對(duì)研發(fā)人員很不公正。
——邢波
邢波,師從機(jī)器學(xué)習(xí)泰斗級(jí)學(xué)術(shù)大咖Michael Jordan,卡耐基梅隆大學(xué)機(jī)器學(xué)習(xí)和醫(yī)療中心主任,同時(shí),他還是生物化學(xué)與計(jì)算機(jī)科學(xué)的雙料博士,創(chuàng)立了通用機(jī)器學(xué)習(xí)平臺(tái)Petuum,并獲得了軟銀投資。
挑戰(zhàn)Facebook的1億用戶
一次不“體面”的經(jīng)歷
現(xiàn)在的人工智能,正在面臨一個(gè)非常非常實(shí)際的工程問題——規(guī)模瓶頸:
你的算法可以在實(shí)驗(yàn)室的單機(jī)上實(shí)現(xiàn),可到了現(xiàn)實(shí)環(huán)境中,就可能不行。
我講下在Facebook的經(jīng)歷。
大概2011年左右,我們做了一個(gè)比較成功的社交建?!?/p>
依靠擁有100萬人的好萊塢影星數(shù)據(jù)庫,可以實(shí)現(xiàn)對(duì)人進(jìn)行分類和精準(zhǔn)推薦。
但當(dāng)我把這個(gè)模型部署在Facebook里1億規(guī)模的用戶上時(shí),結(jié)果相當(dāng)讓人失望:
原則上,6分鐘能算完100萬個(gè),如果有1000臺(tái)機(jī)器,那么,0.6分鐘就可以算完,但結(jié)果呢?
不要說0.6分鐘了,1星期都沒有算完,中間就卡了。
>>>>
算法也沒有錯(cuò),建模也沒有錯(cuò),機(jī)器也有,但為什么還是卡了?
指揮1000人的部隊(duì)和指揮一個(gè)人是不一樣的,當(dāng)你把算法放在1000臺(tái)機(jī)器上時(shí),涉及到一個(gè)機(jī)器之間通訊的問題。
比如,機(jī)器學(xué)習(xí)需要不斷遞歸迭代,每次迭代需要握一次手,告訴我,迭代完了,或者還沒迭代完,你得等一下,等一次就是一個(gè)門檻。當(dāng)你有好幾臺(tái)機(jī)器迭代的時(shí)候,他們的速度是不一樣的,每一次,你都要等到最后一個(gè)機(jī)器完成以后,才能往前走。
所以,這就涉及一個(gè)非常關(guān)鍵的問題:
機(jī)器學(xué)習(xí)作為算法理論工具,作為模型,跟它的計(jì)算設(shè)備,有著重要關(guān)聯(lián),新的AI程序需要新的AI引擎,就像新的飛機(jī)設(shè)計(jì)必須有新的引擎來助推。
作為一個(gè)成熟的人工智能學(xué)者,不僅僅是要成為一個(gè)算法專家或者建模專家,你不能把活扔給程序員,讓他們實(shí)現(xiàn),而是要對(duì)任務(wù)和工作環(huán)境,有更深刻的理解。
舉個(gè)例子,人工智能在工程實(shí)現(xiàn)上,目的性非常強(qiáng),而操作方式,實(shí)際上是次要要素。
比如,你要飛行表演,隊(duì)形完整即可,不必飛的太快,即可以損失效率;但如果飛機(jī)是去救火,飛行姿態(tài)其實(shí)不必特別精準(zhǔn)同步,以換回效率。
掘金AI
AI架構(gòu)者必須要思考9個(gè)關(guān)鍵問題
>>>>
如何把握AI的未來機(jī)遇?
先說個(gè)故事,美國早期,很多人去加州淘金,但實(shí)際上靠淘金致富的真不多,最后真正的巨富,我記住的是這樣兩個(gè)人:
造牛仔褲的李維·斯特勞斯,當(dāng)時(shí),他給一些工人制作裝備和衣服;
造工具鐵鍬的薩姆·布瑞南,因?yàn)槊總€(gè)挖金人的都需要鐵鍬。
同理,AI 也有很多落地場景:你可以從數(shù)據(jù)里生成產(chǎn)品或是生成服務(wù),也可以為AI的研發(fā)者或者使用者,提供他們所需要的工具。
所以,你可以好好思考一下,你的機(jī)會(huì)是在AI價(jià)值鏈的哪一端呢?
現(xiàn)今,科技公司的人工智能解決方案面臨的最大瓶頸是:無法像商品一樣,以可控的成本,進(jìn)行大量的創(chuàng)造和復(fù)制。
所以,要實(shí)現(xiàn)靠譜的,有用的,可用的AI,必須要跨越手工坊制作,采用標(biāo)準(zhǔn)化的工業(yè)量產(chǎn)模式。就好比造車,先把零件弄好,然后產(chǎn)生一個(gè)供應(yīng)鏈,最后做一個(gè)組裝。
我們希望通過這樣的嘗試,把人工智能從獨(dú)門秘笈、黑科技,往工程的方向做一個(gè)推動(dòng):
使它對(duì)于語言的依賴、設(shè)備的依賴和對(duì)于界面依賴弱化,讓不同的人,像我們使用電或者使用微軟的文字工具一樣,各取所需,而不是說非要雇一個(gè)Chief AI Officer,或者雇一大堆博士,做手工作坊式的研發(fā)。
>>>>
總之,一個(gè)成熟的AI架構(gòu)者要學(xué)會(huì)思考以下9個(gè)關(guān)鍵問題:
①建立一個(gè)完整的,工程上可信的解決方案,而不是一個(gè)玩具或是Demo;
而且,這個(gè)體系可插入可拔出,是一個(gè)插件式的平臺(tái),就像你做一個(gè)汽車生產(chǎn)線一樣,產(chǎn)品升級(jí),更換零件或者更換局部就可以,不必拆掉整個(gè)產(chǎn)品線重來。
②可復(fù)制性;
別人也可以用,而且也可以做出來。
③經(jīng)濟(jì)可行性;
④適用于各種用戶的特殊狀況;
舉個(gè)例子,比如波音公司生產(chǎn)飛機(jī),要為每一個(gè)用戶造一家不同的飛機(jī)嗎?不用,提供基本的飛機(jī)引擎、機(jī)身、操作軟件等就可以。
換句話說,用戶的個(gè)性需求和生產(chǎn)商提供的解決方案,兩邊應(yīng)該在中間相遇,而不是在某一端相遇,這是現(xiàn)在人工智能還比較缺少的設(shè)計(jì)思路。
⑤結(jié)果可重現(xiàn);
⑥理解解決方案是如何建構(gòu)起來的;
⑦可解釋性,尤其是出現(xiàn)意外結(jié)果時(shí)知道哪兒出了問題;
⑧能交流結(jié)果,讓大家也能重現(xiàn)你宣稱的結(jié)果;
⑨清楚什么能夠做到,什么不行。
舉個(gè)例子,我可以告訴你,我在5年之內(nèi)不準(zhǔn)備坐自動(dòng)駕駛車,或者我強(qiáng)烈要求自動(dòng)駕駛車有方向盤,我自己得握著,為什么呢?
因?yàn)樽鳛橐粋€(gè)研發(fā)者,我很清楚,現(xiàn)在很多算法包括深度學(xué)習(xí)算法里的因果性,還沒有搞清楚。
人工智能會(huì)超越人類嗎?
要警惕對(duì)學(xué)科的傷害
很多人認(rèn)為,人工智能的發(fā)展,會(huì)像摩爾定律一樣,實(shí)現(xiàn)指數(shù)型爆炸,但現(xiàn)實(shí)是,摩爾定律有堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ),人工智能沒有。
人工智能的發(fā)展是有邊界的,并且最終會(huì)收斂,而且,它收斂的地方并不是在人類智能,甚至還可能會(huì)出現(xiàn)倒退。
比如最近,一向熱衷激進(jìn)部署機(jī)器人工廠的埃隆·馬斯克,在Facebook上承認(rèn),工廠自動(dòng)化了以后,效率沒有提高,反而下降了。
>>>>
那么,人工智能不能做什么呢?有以下3個(gè)方面:
①機(jī)器無法提出問題;
人是很善于挑戰(zhàn)未知,去提出問題的,但對(duì)于機(jī)器來說,提出一個(gè)未知問題(不是根據(jù)書本的內(nèi)容知識(shí),來提測驗(yàn)問題),發(fā)現(xiàn)一個(gè)新的物理定理和數(shù)學(xué)定理,這一點(diǎn)非常非常難,我不相信在可預(yù)見的將來,有任何的算法或者模型能夠做到這一點(diǎn)。
②機(jī)器也無法知道未知的問題;
有一種說法,對(duì)人的修養(yǎng)和學(xué)識(shí)的衡量標(biāo)準(zhǔn)之一是,你是否知道未知,這一點(diǎn),機(jī)器也不知道。
因?yàn)闄C(jī)器對(duì)邊界沒有感覺,它并不知道在它的知識(shí)范圍之外,還有什么東西它不知道,這是不能被設(shè)置的功能。
③機(jī)器難以從小數(shù)據(jù)學(xué)習(xí),依然需要人工架構(gòu)和調(diào)教。
人的學(xué)習(xí)都是通過小數(shù)據(jù)來開始學(xué),依靠環(huán)境、先驗(yàn)知識(shí)和邏輯思維的綜合方法,從不同的數(shù)據(jù)里面來獲得知識(shí),然后他們還能綜合、成長。
這也是人工智能相當(dāng)弱的地方,而且即便可以實(shí)現(xiàn),到了工程層面,其性能也是相當(dāng)不穩(wěn)定。
它需要有非常非常激進(jìn)的調(diào)參,非常非常神秘的獨(dú)門暗器,各種各樣的秘訣敲門,這都妨礙了人工智能的商業(yè)化、規(guī)模化。
>>>>
另外一個(gè)問題,人工智能會(huì)超越人類嗎?
實(shí)際上,人工智能和人類智能是兩條不一樣的路。
成功的人工智能體現(xiàn)的是機(jī)械或者工程美學(xué),而人類智能是自然的美學(xué),或者是一種生物、哲學(xué)上的美。
所以,我的觀點(diǎn)是:
①在有限規(guī)則的特定任務(wù)下,機(jī)器超越人類的水平只是時(shí)間問題。
比如算數(shù)學(xué)題、下圍棋、打撲克,規(guī)則一清楚了以后,結(jié)果就確定了,不必吃驚。
②在非結(jié)構(gòu)化的場景下,即使簡單的情感識(shí)別問題,機(jī)器仍然沒有突破人類。
比如,這位女生到底是高興了還是難過了?這樣的程序其實(shí)是寫不出來的。
總之,在可預(yù)期的將來,人機(jī)協(xié)作才是真正的方向,人類不應(yīng)該害怕人工智能或者機(jī)器學(xué)習(xí),而真正應(yīng)該擔(dān)憂的是什么呢?
人別到時(shí)候跟機(jī)器一樣,變得冷酷或者完全沒有人性,這是值得關(guān)注的。
小結(jié)
最后,我想為人工智能的從業(yè)者,那些沉默的大多數(shù),不太在網(wǎng)上出聲,也不太會(huì)獲得相應(yīng)運(yùn)作利益的那些人,說幾句話:
由于資本的驅(qū)動(dòng)、人性的弱點(diǎn),或者由于其他的一些因素,我們看到了人工智能被追捧,但由于并沒有跟現(xiàn)實(shí)來匹配,結(jié)果就產(chǎn)生了一個(gè)預(yù)期和現(xiàn)實(shí)的落差,最后的受害者是誰呢?
對(duì)學(xué)科的傷害。我是相當(dāng)痛心的。
因?yàn)樵谇皟蓚€(gè)人工智能的低谷期,其實(shí)有大量的天才和非常非常誠實(shí)、踏實(shí)的研究者,由于這樣的誤解,得不到經(jīng)費(fèi)、支持、和理解,他們最后不得不離開這個(gè)行業(yè)。
這樣的現(xiàn)象正在發(fā)生。
我們?nèi)ト藶榈闹圃煲粋€(gè)謊言,最后這個(gè)謊言被戳穿以后,反而是那些誠實(shí)工作的人,去承擔(dān)懲罰。這對(duì)研發(fā)人員很不公正。
所以,希望大家對(duì)待人工智能,能夠更理性更純粹一些。
-
AI
+關(guān)注
關(guān)注
87文章
31133瀏覽量
269470 -
人工智能
+關(guān)注
關(guān)注
1792文章
47425瀏覽量
238964 -
機(jī)器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8425瀏覽量
132771
原文標(biāo)題:AI熱潮之下,這些“謊言”,讓人痛心
文章出處:【微信號(hào):rgznai100,微信公眾號(hào):rgznai100】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論