首頁熱門文章
吳恩達、Yann LeCun 等大佬預測 2019 人工智能趨勢
發(fā)布時間：2019-01-16 分類：趨勢研究
在AlphaGo等吸引大眾眼球的事件推動下，AI仍然是技術(shù)的熱點之一，圖像識別等一些成熟的人工智能應(yīng)用也在不斷得到推廣。但是另一方面，機器學習乃至深度學習的瓶頸和局限又不斷被業(yè)界拿出來討論，甚至有人提出了新的AI凜冬將至的說法。那么在接下來的一年里AI會有哪些進展呢？VentureBeat采訪了吳恩達、Yann LeCun等多位業(yè)界大牛，讓他們對2019年的AI做出預測。我們一起來看看。
人工智能一下子扮演起了拯救世界和毀滅世界者的角色。
為了排除炒作和噪音，VB訪談了AI領(lǐng)域的一些杰出人物，這些在全世界的最大型技術(shù)和產(chǎn)業(yè)公司已經(jīng)工作多年，對如何正確做AI有著深刻見地。
以下是Google Brain聯(lián)合創(chuàng)始人吳恩達、Facebook AI Research創(chuàng)始人Yann LeCun。我們想了解一下他們對2018年關(guān)鍵里程碑的看法，也想聽聽他們預測一下2019年AI的發(fā)展趨勢。
吳恩達
當我聽說吳恩達拿白板開會或者講網(wǎng)課時，我總是忍不住發(fā)笑。也許這是因為一位既有激情又容易相處的人很容易讓人開懷發(fā)笑。
吳恩達是斯坦福大學的兼職計算機科學教授，他的名字在AI圈很知名，原因有幾點。他是Google Brain的聯(lián)合創(chuàng)始人，這是一項在Google眾多產(chǎn)品中推廣AI的行動；同時也是幫助企業(yè)集成AI到運營當中的Landing AI的創(chuàng)始人。
他還是一些YouTube和Coursera（這家公司也是他成立的）上門一些最熱門的機器學習課程的講師，并且成立了deeplearning.ai，還寫了《Deep Learning Yearning》。
2014年他加盟百度擔任首席AI科學家，并幫助百度變革成一家AI公司，超過3年后他離開了百度。
最后，還是總額1.75億美元的AI Fund的一員，并且是無人車公司Drive.ai的董事會成員。
吳恩達本月早期時候發(fā)布了《AI Transformation Playbook》，這是一本有關(guān)解鎖人工智能對公司積極影響的短讀物。
他期望看到2019年會取得進展或者預期會發(fā)生變化的一個主要領(lǐng)域是AI在技術(shù)或軟件公司以外的地方得到應(yīng)用。AI最大的未被挖掘的機會是軟件以外的領(lǐng)域，他引用麥肯錫的報告來說，到2030年，AI將可產(chǎn)生13萬億美元的收入。
“我認為在軟件領(lǐng)域以外的AI應(yīng)用方面2019年將會有很多故事可講。作為一個行業(yè)，我們已經(jīng)做了相當多的工作來幫助像Google和百度以及Facebook和微軟這樣的地方——當然這些跟我已經(jīng)沒有關(guān)系——但即便是像Square和Airbnb、Pinterest這樣的公司也在開始利用一些AI能力。我認為下一波大規(guī)模的價值創(chuàng)造將會是制造廠或者農(nóng)機設(shè)備公司、醫(yī)療保健公司開發(fā)十數(shù)AI解決方案來幫助自身企業(yè)的時候。”
就像Chowdhury一樣，吳恩達對2018年公眾對AI能做什么不能做什么的理解程度也感到吃驚，并且對大家的對話不再僅僅圍繞著殺手機器人場景或者一般人工智能展開而感到欣慰。
吳恩達說，他刻意地回應(yīng)了我的一些很多其他人未必會提出的問題。
他說：“我試圖審慎地舉出若干我認為對實際應(yīng)用非常重要的領(lǐng)域。我認為AI的實際應(yīng)用是有障礙的，并且我認為在這些問題方面若干領(lǐng)域有望取得進展。”。
吳恩達興奮地指出，在未來一年預計會看到AI/ML領(lǐng)域會取得進展來幫助整個領(lǐng)域發(fā)展。其一是AI會用更少的數(shù)據(jù)達成精確的結(jié)論，也就是所謂的“少樣本學習”。
吳恩達說：“我認為深度學習的第一波進展主要是有一堆數(shù)據(jù)老訓練非常大型神經(jīng)網(wǎng)絡(luò)的大公司，對吧？所以如果你想開發(fā)一個語音識別系統(tǒng)的話，要用數(shù)據(jù)來訓練它10萬小時。想要訓練一個機器翻譯系統(tǒng)？得用極大量的平行語料庫句對來訓練它，這會創(chuàng)造出大量突破性結(jié)果。我越來越發(fā)現(xiàn)即便你只有小規(guī)模數(shù)據(jù)也能獲得結(jié)果，比如只有1000幅圖像。”
計算機視覺的另一個進展被稱為“一般化能力”。計算機視覺系統(tǒng)用斯坦福大學的高端X光機器掃描出來的原始圖像來訓練時也許能工作得很好，而且本領(lǐng)域的很多先進公司和研究人員已經(jīng)建立起超越人類放射線醫(yī)師的系統(tǒng)，只是靈活性略差。
他說：“不過如果你把訓練好的模型應(yīng)用到取自低端X光機器或者另一家醫(yī)院的X射線時，一旦圖像模糊一點或者X射線技術(shù)人員讓病人稍微偏右邊一點點的話，結(jié)果表明人類放射線醫(yī)師在概括這種新背景的表現(xiàn)就要比今天的學習算法好得多。所以我認為研究如何改進學習算法在新領(lǐng)域的泛化能力將會很有趣。”
Yann LeCun
Yann LeCun是紐約大學教授，F(xiàn)acebook首席AI科學家，同時是該公司研究部門Facebook AI Research（FAIR）的創(chuàng)始主任——FAIR是PyTorch 1.0與Caffe2以及Facebook每天使用數(shù)十億次的文本翻譯工具及類似下圍棋的先進強化學習系統(tǒng)等若干AI系統(tǒng)的開發(fā)者。
LeCun相信，F(xiàn)AIR研究和工具開發(fā)采取的開源策略是正確的，這為督促其他大公司也做相同的事情起到了幫助作用，進而可推動整個AI領(lǐng)域的發(fā)展。
他說：“當有更多的人就研究進行溝通時，整個領(lǐng)域就能更快地取得進展，這其實會產(chǎn)生相當大的影響。今天你看到AI取得進展的速度很大程度上是因為有更多的人更快更高效地進行溝通，并且做出了比過去更多的開放性研究。”
在倫理方面，LeCun也很高興看到取得了進展。不為別的，光是考慮到這方面工作的道德影響以及帶偏見決策的危險就不錯了。
他說：“這個現(xiàn)在已經(jīng)被視為問題，大家已經(jīng)意識到需要多加注意。2、3年前還不是這樣的。”
LeCun說他并不認為AI的倫理和偏見問題會成為亟待采取行動的重大問題，但他認為大家應(yīng)該為此做好準備。
他說：“我認為并不存在亟待解決的生死問題，但是這種問題會有，而我們需要理解那些問題，并在發(fā)生前阻止其出現(xiàn)。”
就像吳恩達一樣，LeCun希望看到有更多的AI系統(tǒng)能夠具備那種靈活性，即不需要新的輸入數(shù)據(jù)或者確切條件才能得出精確輸出的更健壯的AI系統(tǒng)。
在將來，LeCun希望看到AI能在朝著在事件之間建立因果關(guān)系的方向取得進展。這種能力就不僅是通過觀察去學習了，而且還要有實際的理解，比方說，如果人打傘的話，能推理出大概是下雨了。
希望我們都能認清這個時代，擁抱這個時代，然后活好余生。
