大數(shù)據(jù)文摘出品
作者：陳若朦
來(lái)看一道選擇題。
深陷某種疑難雜癥的你面臨兩個(gè)診斷結(jié)果和兩套治療方法：第一個(gè)來(lái)自一臺(tái)通過(guò)驗(yàn)證的機(jī)器，通過(guò)視覺(jué)影像輸入，它能夠針對(duì)你的病癥進(jìn)行診斷并給出相應(yīng)療法；第二個(gè)則來(lái)自一個(gè)有經(jīng)驗(yàn)的專業(yè)醫(yī)生。
你會(huì)相信誰(shuí)？
“我會(huì)毫不猶豫地選擇相信機(jī)器，不管這個(gè)醫(yī)生有多優(yōu)秀。”
作出這個(gè)回答的是特倫斯·謝諾夫斯基（Terrence Sejnowski），深度學(xué)習(xí)領(lǐng)域的先驅(qū)者和頂級(jí)AI科學(xué)家，NIPS基金會(huì)主席，上世紀(jì)八十年代投入人工神經(jīng)網(wǎng)絡(luò)研究的先驅(qū)者之一。盡管親身經(jīng)歷了“深度學(xué)習(xí)”研究的兩次寒冬期，他仍然是人工智能的忠實(shí)擁護(hù)者。
“醫(yī)生并不是科學(xué)家，他們只是受訓(xùn)如何對(duì)癥下藥；同樣作為學(xué)習(xí)者的AI，通過(guò)對(duì)數(shù)據(jù)的精準(zhǔn)分析，在未來(lái)一定會(huì)比醫(yī)生更為可靠?！敝档靡惶岬氖?，特倫斯的太太正是一位醫(yī)生。
人工智能現(xiàn)已走進(jìn)我們的生活。經(jīng)過(guò)深度學(xué)習(xí)訓(xùn)練的計(jì)算機(jī)可謂是開(kāi)了天眼，實(shí)現(xiàn)了自動(dòng)駕駛；它也豎起了耳朵，完成了語(yǔ)音識(shí)別和智能翻譯；這一技術(shù)正向各領(lǐng)域各行業(yè)展開(kāi)三頭六臂，漸漸重塑我們的生活方式。
盡管我們正很放心的把一部分決策權(quán)讓渡給機(jī)器，但涉及到開(kāi)頭問(wèn)題中與健康有關(guān)的問(wèn)題，多數(shù)人依然會(huì)對(duì)機(jī)器存在或多或少的不信任。
AI的核心話題是深度學(xué)習(xí)，通過(guò)吞入大量的數(shù)據(jù)，它將不受任何指令限制，自主地從“已知”中學(xué)習(xí)，得出經(jīng)驗(yàn)，甚至能夠通向“未知”。
但是，這只是AI被我們所知曉的部分，機(jī)器學(xué)習(xí)目前仍然沒(méi)有完整自洽的數(shù)學(xué)模型，描述深度學(xué)習(xí)的具體數(shù)理邏輯卻是一個(gè)道不清的謎。
我們是否能夠完全信任AI那不講道理的“直覺(jué)”所帶來(lái)的學(xué)習(xí)成果呢？
深度學(xué)習(xí)的興起：計(jì)算機(jī)與神經(jīng)科學(xué)的協(xié)同
“物理學(xué)家分析神經(jīng)網(wǎng)絡(luò)模型，心理學(xué)家模擬人類認(rèn)知，神經(jīng)科學(xué)家模擬神經(jīng)系統(tǒng)并分析神經(jīng)記錄，統(tǒng)計(jì)學(xué)家探索高維空間中的大數(shù)據(jù)集，工程師則負(fù)責(zé)構(gòu)建具備類人的視覺(jué)和聽(tīng)覺(jué)的設(shè)備。人工智能就以這樣的方式飛速發(fā)展起來(lái)?！薄渡疃葘W(xué)習(xí)》
盡管今天被視為靈藥，深度神經(jīng)網(wǎng)絡(luò)在誕生之初也經(jīng)歷了巨大的質(zhì)疑。
1995年，兩位機(jī)器學(xué)習(xí)大咖Jackel和Vapnik（當(dāng)時(shí)他們都在貝爾實(shí)驗(yàn)室，Jackel是Vapnik的上司）曾經(jīng)打過(guò)兩個(gè)有趣的賭局：第一個(gè)賭局中，Jackel聲稱最遲到2000年我們就會(huì)有一個(gè)關(guān)于大的神經(jīng)網(wǎng)絡(luò)為什么有效的理論解釋，當(dāng)然隨后的歷史證明他輸了；第二個(gè)賭局中，Vapnik聲稱最遲到2000年沒(méi)有人將會(huì)繼續(xù)使用1995年的這些神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)（意思是大家都會(huì)轉(zhuǎn)而使用支持向量機(jī)SVM，Vapnik是SVM的發(fā)明人之一），結(jié)果Vapnik也輸了。事實(shí)上，不僅在2000年，直到今天，在結(jié)合了大數(shù)據(jù)與強(qiáng)大計(jì)算能力后，這些古老的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)迸發(fā)出更加巨大的能量。
這個(gè)深度學(xué)習(xí)史上有趣的八卦，我們?nèi)缃衤?tīng)來(lái)卻也不勝唏噓。技術(shù)的發(fā)展往往是螺旋式且兼具跳躍性，實(shí)在難以預(yù)料。作為這一變革的親歷者，特倫斯在1987年就成立了深度學(xué)習(xí)研究團(tuán)隊(duì)進(jìn)行相關(guān)研究，從最開(kāi)始的幾百人，在一個(gè)月之后就發(fā)展到了上萬(wàn)人，他表示現(xiàn)在光是團(tuán)隊(duì)的一個(gè)招募崗位的候選名單上就有九千人。
深度學(xué)習(xí)的興起離不開(kāi)兩個(gè)學(xué)科的融合——腦科學(xué)和計(jì)算機(jī)科學(xué)。特倫斯也正是這兩個(gè)學(xué)科融合的推動(dòng)者之一，獲得物理學(xué)博士學(xué)位后，他轉(zhuǎn)向研究神經(jīng)科學(xué)，再后來(lái)又轉(zhuǎn)向深度學(xué)習(xí)領(lǐng)域。
“計(jì)算機(jī)科學(xué)和大腦研究的結(jié)合運(yùn)用是必然的。需要解決的問(wèn)題越難，則越需要我們結(jié)合各個(gè)領(lǐng)域的工具、智慧和技術(shù)去解決?！碧貍愃乖诹奶爝^(guò)程中多次談起多學(xué)科的協(xié)同作用，“我們的后代在經(jīng)過(guò)現(xiàn)代教育后將會(huì)具備更強(qiáng)大的綜合性的能力，未來(lái)將是各領(lǐng)域技術(shù)和工具的整合?！?/p> 基于數(shù)據(jù)的大腦模仿者 “在思考人工智能的未來(lái)時(shí)，我們需要保持目光長(zhǎng)遠(yuǎn)，因?yàn)槲覀冞h(yuǎn)沒(méi)有具備達(dá)到人類智能水平所需的計(jì)算能力?，F(xiàn)在，深度學(xué)習(xí)網(wǎng)絡(luò)擁有數(shù)百萬(wàn)個(gè)單元和數(shù)十億個(gè)權(quán)重，這比人類大腦皮層中的神經(jīng)元和突觸數(shù)量還要少1萬(wàn)倍?！薄渡疃葘W(xué)習(xí)》
“親眼見(jiàn)證了人工智能幾十年的發(fā)展，有什么進(jìn)展是您沒(méi)有預(yù)料到的驚喜嗎？”
“自然語(yǔ)言處理。“聽(tīng)到這個(gè)問(wèn)題，特倫斯變得很興奮，他似乎陷入回憶，但毫不猶豫地回答了這一問(wèn)題。
曾經(jīng)語(yǔ)言學(xué)家告訴我們：盡管動(dòng)物之間可以進(jìn)行交流，但是只有人類才有語(yǔ)言。特倫斯在接受采訪時(shí)大笑著說(shuō)：“現(xiàn)在我們可以知道他們完全錯(cuò)了。而語(yǔ)言實(shí)在是太重要了，不能只留給語(yǔ)言學(xué)家去研究。”
在深度學(xué)習(xí)中是沒(méi)有符號(hào)的，但是神經(jīng)網(wǎng)絡(luò)在語(yǔ)言學(xué)習(xí)過(guò)程中構(gòu)建了其語(yǔ)義學(xué)系統(tǒng)。在語(yǔ)言的網(wǎng)絡(luò)中，詞和詞之間有聯(lián)系，但是對(duì)于句子并沒(méi)有明確的標(biāo)簽，所以我們之前認(rèn)為像“智能翻譯”這樣的功能是難以實(shí)現(xiàn)的。特倫斯贊嘆目前在語(yǔ)言學(xué)習(xí)上取得的成果是“人工智能的覺(jué)醒”。
“人工智能竟然分析詞與詞之間的聯(lián)系和區(qū)別，還能辨認(rèn)出屬于某種語(yǔ)言，這實(shí)在令人感到神奇。我們不完全清楚語(yǔ)言的復(fù)雜性，我們不知道需要多少大腦皮層去處理語(yǔ)言，我們不知道語(yǔ)言學(xué)習(xí)什么時(shí)候能夠成功，但是它確實(shí)成功了！”
但特倫斯也表示，也許我們沒(méi)必要對(duì)AI目前的成功應(yīng)用感到過(guò)分驚訝，畢竟這是我們的大腦所具有的語(yǔ)言能力，而人工神經(jīng)網(wǎng)絡(luò)是仿大腦構(gòu)建的模型。大腦是目前被證實(shí)可以用來(lái)解決困難問(wèn)題的唯一系統(tǒng)，人工神經(jīng)網(wǎng)絡(luò)正是基于大腦運(yùn)轉(zhuǎn)，通過(guò)模式識(shí)別來(lái)解決問(wèn)題的技術(shù)。
“卷積神經(jīng)網(wǎng)絡(luò)是一項(xiàng)成功的研究，它是在猴子的視覺(jué)皮層基礎(chǔ)上設(shè)計(jì)的。視覺(jué)是一種敏銳的感官，而我們的大腦皮層中一半部分都用于處理視覺(jué)，這一部分的組織結(jié)構(gòu)為深度學(xué)習(xí)網(wǎng)絡(luò)提供了靈感。自然生物學(xué)驅(qū)動(dòng)了人工神經(jīng)網(wǎng)絡(luò)的研究?！?/p>
如果說(shuō)人工智能是大腦的模仿者，那么大腦的極限是否會(huì)限制這個(gè)“模仿者”的發(fā)展呢？
特倫斯一直強(qiáng)調(diào)大數(shù)據(jù)是神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的核心——“得數(shù)據(jù)者得天下”。他解釋，更多的數(shù)據(jù)和更強(qiáng)大計(jì)算能力意味著我們可以構(gòu)建更龐大的神經(jīng)網(wǎng)絡(luò)，其中包含的層級(jí)和單元也會(huì)按比例增加，由此達(dá)到更深度的學(xué)習(xí)。
“在我們的腦中發(fā)揮作用的是皮層，研究顯示，皮層越多即意味著可以處理更多的信息。然而皮層的多少與我們的身體大小是相關(guān)的，所以人腦是有極限的。但是AI解決問(wèn)題是通過(guò)對(duì)大量數(shù)據(jù)進(jìn)行模式學(xué)習(xí)，愈復(fù)雜的問(wèn)題對(duì)應(yīng)更加龐大的數(shù)據(jù)源——我們能夠獲得足夠的數(shù)據(jù)，我們正生活在大數(shù)據(jù)時(shí)代。”
有一種觀點(diǎn)認(rèn)為，人工神經(jīng)網(wǎng)絡(luò)只是產(chǎn)生了與生物神經(jīng)網(wǎng)絡(luò)類似現(xiàn)象的簡(jiǎn)化模型。特倫斯并不否認(rèn)這一點(diǎn)，但他認(rèn)為，簡(jiǎn)化模型自然有其弱點(diǎn)，但同樣也是人工神經(jīng)網(wǎng)絡(luò)具備的優(yōu)勢(shì)。
“人腦是遠(yuǎn)遠(yuǎn)優(yōu)于其他物種的存在，其用于分析處理的理論是復(fù)雜的，簡(jiǎn)化模型的優(yōu)勢(shì)在于簡(jiǎn)化了分析系統(tǒng)。我們并不是要構(gòu)建一個(gè)細(xì)節(jié)完備的模型，通過(guò)人工神經(jīng)網(wǎng)絡(luò)這一模型我們得到的是關(guān)于大腦運(yùn)轉(zhuǎn)的基礎(chǔ)概念?！?/p>
作為大腦的模仿者，人工神經(jīng)網(wǎng)絡(luò)在其研究過(guò)程中借鑒大腦的運(yùn)轉(zhuǎn)效能，同時(shí)也促進(jìn)了神經(jīng)科學(xué)領(lǐng)域的發(fā)展?！?strong>人工神經(jīng)網(wǎng)絡(luò)是一種幫助我們理解大腦是如何不斷學(xué)習(xí)和進(jìn)化的工具。事實(shí)上，這是一個(gè)互相促進(jìn)的過(guò)程?！碧貍愃菇忉專巴ㄟ^(guò)研究機(jī)器學(xué)習(xí)，我們可以得到更具說(shuō)服力的理論來(lái)解釋大腦中不同的部分是如何聯(lián)系，大腦是如何處理信息。通過(guò)這些我們又可以創(chuàng)造出更龐大的人工神經(jīng)網(wǎng)絡(luò)?！?/p>
特倫斯也提到神經(jīng)網(wǎng)絡(luò)的發(fā)展目標(biāo)——神經(jīng)人工智能（Neural AI）。受大腦不同區(qū)域中皮質(zhì)層功能不同的啟發(fā)，研究者們希望能夠整合各類具有特點(diǎn)功能的人工神經(jīng)網(wǎng)絡(luò)，從而構(gòu)建一個(gè)具有綜合能力的系統(tǒng)，將能夠應(yīng)對(duì)更復(fù)雜的學(xué)習(xí)行為。
在特倫斯看來(lái)AI的能力不可限量，盡管我們?nèi)蕴幱谶@一領(lǐng)域的起步階段，但它一定將是改變世界的存在。
“我想說(shuō)人工智能的完全成熟是一個(gè)漫長(zhǎng)的過(guò)程，可能要花費(fèi)幾十年，甚至是一個(gè)世紀(jì)，這將是一場(chǎng)改變一切的革命，我只能說(shuō)它可能會(huì)發(fā)生，這是難以預(yù)測(cè)的。在發(fā)現(xiàn)了某種原理之后需要經(jīng)過(guò)長(zhǎng)時(shí)間不斷地改進(jìn)才能發(fā)揮作用——這是科學(xué)的本質(zhì)。就像人類發(fā)現(xiàn)了激光，但是在此60年以后我們才發(fā)明了激光棒；懷特兄弟在1903年發(fā)明了第一架飛機(jī)，誰(shuí)能想到一百年以后我們能利用這種神奇的機(jī)器高速橫跨大陸呢？另外，科技的應(yīng)用不僅僅要求技術(shù)上的不斷完善，同時(shí)我們需要構(gòu)建對(duì)應(yīng)的市場(chǎng)體系，提供一種被大眾接受的應(yīng)用方式。”
“你并不清楚你的大腦是如何運(yùn)作的，但你仍在用它不是嗎？”
“我們已經(jīng)確定了一些關(guān)鍵原則，但是卻沒(méi)有一個(gè)概念框架能優(yōu)雅地解釋大腦如何運(yùn)轉(zhuǎn)......也許我們?cè)诶斫馍疃葘W(xué)習(xí)網(wǎng)絡(luò)如何解決實(shí)際問(wèn)題方面取得的進(jìn)展，將引出更多線索。自然可能比我們每一個(gè)人都更聰明，但作為一個(gè)物種，我并不認(rèn)為人類無(wú)法解決智能難題?！薄渡疃葘W(xué)習(xí)》
數(shù)據(jù)在通過(guò)揭示信息可以幫助我們得出事物規(guī)律、解決問(wèn)題，但同時(shí)不可避免地，私密信息的泄露和公開(kāi)也成為使用大數(shù)據(jù)的“副作用”。
歐盟《一般數(shù)據(jù)保護(hù)規(guī)范（GDPR）》出臺(tái)后，美國(guó)加州頒布的《2018年加州消費(fèi)者隱私法案（CCPA）》，被認(rèn)為是美國(guó)最嚴(yán)格的隱私立法，旨在加強(qiáng)消費(fèi)者隱私權(quán)和數(shù)據(jù)安全保護(hù)，將于2020年1月1日生效。多數(shù)人認(rèn)為CCPA的頒布如同AI高速前進(jìn)路上的交通警察，基于龐大數(shù)據(jù)源學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)研究勢(shì)必受到隱私法的限制。
特倫斯強(qiáng)調(diào)大數(shù)據(jù)是AI發(fā)展的動(dòng)力來(lái)源，但數(shù)據(jù)也同樣是個(gè)大問(wèn)題：“隨著互聯(lián)網(wǎng)的發(fā)展，信息尤為難以掌控。在我看來(lái)數(shù)據(jù)問(wèn)題需要花費(fèi)很長(zhǎng)時(shí)間去解決，以達(dá)到隱私的有效保護(hù)和數(shù)據(jù)的規(guī)范使用。科技會(huì)導(dǎo)致瘋狂的結(jié)果——回到工業(yè)革命時(shí)代，技術(shù)的革新曾帶來(lái)糟糕的生活環(huán)境和工作環(huán)境：礦工在極其惡劣的條件下工作、工廠雇用童工、英國(guó)被大霧籠罩——而人類花費(fèi)了上百年才意識(shí)到要規(guī)范科技的使用使其不傷害人類。我們一定要去規(guī)范，想辦法實(shí)現(xiàn)科技真正的價(jià)值?！?/p>
同樣需要花費(fèi)大量時(shí)間探索的是用于解釋人工智能的數(shù)學(xué)理論模型。盡管在構(gòu)建人工神經(jīng)網(wǎng)絡(luò)的過(guò)程中，研究者可以清楚地獲得了每一神經(jīng)、每一連接中的獨(dú)特的運(yùn)行工作模式；然而對(duì)于作為AI啟發(fā)者的大腦，我們?nèi)圆痪邆渫暾闹R(shí)——所以說(shuō)，人工神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型依然是個(gè)謎。
但特倫斯認(rèn)為，人工智能發(fā)展的當(dāng)下并不急于取得更多突破，實(shí)際上我們需要完善對(duì)現(xiàn)在所擁有的理論認(rèn)識(shí)，通過(guò)一次又一次地理解、預(yù)測(cè)、驗(yàn)證和改善，將簡(jiǎn)單的模型慢慢發(fā)展成得更加完整。
盡管對(duì)神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)理論研究困難重重，特倫斯仍對(duì)AI的發(fā)展信心滿滿——“你并不清楚你的大腦是如何運(yùn)作的，但你仍在用它不是嗎？”
最后，特倫斯也為大數(shù)據(jù)文摘的讀者帶來(lái)了一段話和一本簽名書(shū)。文末評(píng)論區(qū)留下你的感想，我們將選出點(diǎn)贊最高的評(píng)論送出簽名書(shū)哦。
點(diǎn)擊查看視頻??
聯(lián)系客服
