做婚纱网站的图片素材,公司字号大全,门户网站什么意思,申请建设活动中心网站来源#xff1a;CSDN近日#xff0c;创新工场董事长兼CEO李开复博士与阿莱克斯彭特兰教授#xff08;Alex Pentland#xff09;展开了一场”AI如何重塑人类社会”的精彩对话。《连线》杂志的资深撰稿人威尔奈特#xff08;Will Knight#xff09;主持了这场对话。阿莱克斯… 来源CSDN近日创新工场董事长兼CEO李开复博士与阿莱克斯·彭特兰教授Alex Pentland展开了一场”AI如何重塑人类社会”的精彩对话。《连线》杂志的资深撰稿人威尔·奈特Will Knight主持了这场对话。 阿莱克斯·彭特兰教授任教于麻省理工学院为全球大数据权威专家之一现任MIT连接科学研究所主任、MIT媒体艺术与科学教授拥有“可穿戴设备之父”、《福布斯》“全球七大权威大数据专家”、《麻省理工科技评论》“年度十大突破性科技”两度桂冠获得者等头衔曾参与创建MIT媒体实验室是全球被引述次数最多的计算科学家之一。 对话金句 李开复 AI最大的机会蕴藏在与传统企业的结合中这种价值的产生极其迅速只需要几个月甚至短短几周。未来突破很难预测对奇点、超级智能的争辩在我看来都过于乐观了。 小型AI公司与巨头竞争我的建议是找准巨头没有平台优势的细分领域为某个针对性产业创造价值不要与巨头核心业务正面硬碰。 阿莱克斯·彭特兰 AI绝非试图取代人类而是促进多元文化之间的相互连接、团队合作让人们更好的进行社交和连接彼此。最困难的其实是说服人们改变商业流程去使用AI因为大多数人是墨守成规的。人工智能有朝一日可以取代人类所有的能力但是这个过程会非常漫长可能需要上百年或更久。 李开复博士在对话中表示当我们试图解决AI问题时应该用技术来解决技术的问题可以寻求与监管部门协作而不只是丢给他们“新技术会衍生新的问题我们应该多方尝试用更进阶的技术性解决方案就像电脑病毒刚出现时杀毒软件随之诞生。” 彭特兰教授认为人工智能的核心是促进多元文化之间的相互连接。不只是工程师或科学家连经济学家、政治家都必须参与进来。“国家之间应该促进合作、制定互通标准就像TCP/IP互联网协议那样避免AI冷战。” 他们认为AI发展从来不是单打独斗跨学科思维、跨领域合作尤为重要。 这场对话是麻省理工学院中国创新与创业论坛MIT-CHIEF) 组织的高峰对话系列活动主题是《计算与未来: AI与数据科学如何重塑人类社会》。 麻省理工学院中国创新与创业论坛MIT-CHIEF由麻省理工学院的中国留学生创立至今已有十年是北美历史最悠久的、由高校学生组织的中国创新创业论坛。系列高峰对话邀请了顶级科学家、投资人及创业者共同探讨科技创新及商业化过程中面临的挑战。 主题演讲 李开复各方应协作让AI 更务实 非常荣幸再次受到MIT-CHIEF的邀请对于人工智能的看法这次我主要想讲四点。 第一点是我书里的主题人工智能的超能力。我们已经从人工智能的发明期步入应用期阶段从应用落地层面来说正迎来了AI发展最大的机遇。 很多科技公司目前已对人工智能进行了多样化布局从视觉、语言、触觉和其他感知技术到自动化机器人、无人驾驶等对很多领域开启了深远的影响。虽然眼下所见的AI应用仍有局限性但我预测未来的格局会非常庞大依据统计各行各业采用AI的程度目前不到5%AI应用的中长期增长曲线相当可期。 第二点是我很欣喜看到的一点AI正在和传统行业深度融合。随着人们对人工智能的了解越来越多更多的AI公司涌现出来。 AI最大的机会蕴藏在与传统企业的结合中创新工场也正在帮助金融、制造、物流、零售、医疗等行业的公司进行AI变革。 作为AI投资人我认为在这些行业如果找到正确的AI应用方向就能带来上千万的回报。这种商业价值的产生是极其迅速的通常只需要几个月甚至短短几周就能看到成果。 现在人工智能在传统产业的渗透率仍在个位数仍然有很大的提升空间。然而对于很多公司来说它们需要的是高度定制化的方案而非通用型AI方案所以融合的过程中不可避免会遇到不少挑战和痛点。 第三我早年做过很多科研工作很高兴能看到关于系统一和系统二System One, System Two的讨论我们期待人工智能技术从系统一升级为系统二即从识别、决策、优化等能力升级到感知、认知等进阶智能的能力。 有不同的学派都在努力让人工智能更接近人类智能其中一个流派主张回归经典的AI理念甚至重新构建崭新的模型结构在深度学习技术的基础上利用人类的知识。但我更支持另一个理论——深度学习的潜力还没有完全释放。 回看人工智能过去60多年的历程最大的突破来自于计算能力和数据量大增而产生的可扩展算法。我们看到了卷积神经网络CNN带来的喜人成绩还有预训练自然语言处理模型Pre-Trained Models for Natural Language Processing的广泛运用。 预训练模型与人类语言学习的模式类似不管是英语还是中文在习得这些语言之后再去学习编程、艺术、化学。在无人监督的学习环境中这种模式比我们想象得还要强大就像阿尔法围棋AlphaGo一样。 最后一点我想说的是如何让AI变得更务实。 AI有很多问题例如隐私、数据安全、治理和监管在此就不一一讨论了。当我们试图解决这些AI难题时有人认为让监管部门加强管理是唯一办法其实不然我们是否也可以朝着研发更厉害的技术性解决方案去努力 就像电脑病毒刚出现时杀毒软件随之诞生面对千年虫难题时也迅速找到了技术应对方案。我们可以通过研发新技术应对DeepFake深度换脸程序的挑战或者通过联邦学习技术在保证数据私密性的同时满足深度学习训练需求。 作为握有技术能力的群体我们需要与监管部门一起协作而不只是把工作丢给他们。相信有了各方的助力我们可以让AI的应用变得更有深度更加务实更高效地克服现在面临的种种问题。 阿莱克斯·彭特兰国家间应建立互通标准避免“AI冷战” 我对当前的深度学习技术不太乐观。 最为主要原因是深度学习不仅需要庞大的数据源而且要求这些数据长时间恒定不变以保证模型训练结果的可靠性例如人类的面容、语言就是相对稳定不变的数据源。 但深度学习却没法应对快速变化的真实情况。亚马逊在新冠疫情蔓延速度暴增时出现了仓库货物紧缺不得不停止送货服务。这种经过深度学习高度优化后的系统发生崩溃就是因为快速变化的疫情和深度学习对恒定数据源的需求是矛盾的。 另外我想谈谈如何通过联邦学习促进数据的流通。 大多数公司没有足够丰富的数据需要联合不同的数据来源。基于这种需求出现了很多新商业模式比如“数据经纪人”——他们不出售数据而是把数据借出去作特定需求的使用。 “数据经纪人”业务涌现了很多他们促进了数据的流通也加强了数据的隐私性。因此像联邦学习这样的技术和商业策略结合有效解决了数据在合规性和所有权方面的难题。 联邦学习也依赖于新的基础设施建设为数据应用和深度学习提供基础环境比如区块链技术。现在世界上很多国家在做相关系统的建设实验新加坡等国家设置了一种相互竞争的区块链系统来解决支付和物流问题。我们最近也帮助瑞士做了类似的实验涉及不同数据的互通性和连贯性问题。 我们仍在研究如何用尽量少的数据实现人工智能的目标。少量数据是指不断更新的短期数据这些数据能使AI应对迅速变化的情况并及时做出调整。 我们打算将AI与其他基础科学结合例如阿尔法围棋(AlphaGo)就是这类结合的初步尝试。这些方法不依赖于大量恒定数据可能会比深度学习更加强大。 除此之外我们在探讨用AI保障联邦学习过程中不同数据方的权益这是实现不同国家之间的互通性、支付信任度、物流运输等方面合作的关键前提。 另一方面我们探索如何将AI技术应用于加密数据上。我们和大公司以及政府密切合作找出解决系统入侵和保障网络安全的方法。 我同时花了很多时间研究与政府的合作。政府很多时候不知道如何通过大数据做决策也不知道如何进行数据优化。而AI能够帮助政府实现更高的效率比如联合国现在已经有了很多可持续发展目标的相关评估指标, 世界经济论坛也可以为会员国提供不同的标准测算。 基于我们已有的多元数据库现在可以利用AI实现全新的数据优化方式将贫困、不平等这种之前无法量化的指标通过可量化的指标进行评估。 同时要真正实现这个目标我们还需要制定统一的互通性标准。如果没有这个标准国家之间就不会相互信任去合作就可能出现AI冷战。 因此我们需要找到促进合作的方式就像TCP/IP互联网协议那样。而之前我提到的新加坡、瑞士等现在正在尝试的区块链系统将有希望解决国家间缺乏互通标准的问题。 对话 美国在线教育发展难度更大只在ZOOM上讲课是不够的 Q1疫情加速了行业的改变远程医疗、线上教育开始蓬勃发展这只是AI对人类社会产生影响的冰山一角。想请两位谈一谈目前看好AI在哪些领域应用的未来前景 李开复疫情的确对整个社会产生了实质性的影响人们行为习惯发生了很多改变更愿意接受线上学习和工作了。 这种新的行为习惯产生了大量数据流为AI应用带来了更多可能性。比如大健康领域以及远程医疗中所产生的数据可以训练更智能的模型。同时更多人开始在基因组学、新药研发方面结合新的AI技术进行研究因此我相信AI在医疗健康领域的潜能是非常巨大的。 AI与教育的结合也很值得期待。一方面可以帮助老师处理重复性的日常事务例如批改作业让老师得以将时间精力投入到更有创造性的事情上能更悉心地为孩子提供优质教学。另一方面可以提高学生的课堂参与度和积极性比如设置卡通版AI虚拟老师让课程充满趣味性。 在中国有很多线上教育公司在疫情之前就已经发展迅速像创新工场投资的VIPKID让国外的纯正英语老师在线上教授中国学生。目前中国的线上教育已经扩展到了更多科目包括体育、舞蹈、书法等素质教育课程。 相比之下美国线上教育发展的难度会更大。毕竟只在ZOOM上讲课是不够的好的线上教育必须要有好的内容。 AI核心是增强人际互联应注重文化多样性 阿莱克斯·彭特兰李开复博士提到的教育案例我不是很认同。 MIT大约20年前就在教育中使用AI重点根本不是内容我们甚至提倡将内容免费开放给大众。 AI绝非试图取代人类的作用我们更强调用AI增强人与人之间的互动让人们更好的社交和连接彼此。比如手机上人工智能技术不是要取代你而是让你高效地找到最适合的工作、最正确的人让你更容易的获取信息并进行创新。 我们可以利用数据激发更强的创新力培养领导力。只有基于这样的宗旨才能促进更有创造力的教育和学习这比关注教育内容本身重要得多。 在加拿大有家创业公司正在训练普通民众学习AI比如水管工教学效果非常不错。他们的教育方式不是简单的教授基本知识而是以一种能够激发人们互动思考的方式。 我们之前在中国调研了3000多个孵化器发现创业公司成功的要素里第一个是文化多样性也就是说创始团队背景的复杂性和多样性。第二个是团队成员专业的多样性他们能否发挥自己所长并很好地进行团队合作。 1956年马文·明斯基 (Marvin Minsky)提出了人工智能这个词。但我们对于人工智能的理解不应该只停留在“人工”层面而应扩展到多元文化之间的相互连接、团队合作我把它叫做延伸智能Extended Intelligence)。这也是我想强调的人工智能这个名词有一定的偶然性但它的核心点是增强人与人之间的互联性。 AI未来突破难预测奇点、超级智能过于乐观 Q2未来十年AI有没有可能取得重要突破比如GPT-3近期展现惊人的能力。两位认为未来的突破方向是什么 李开复过去60多年来深度学习是唯一的重大突破。在这之后卷积神经网络CNN和GPT-3等都算是重要的改善我对于人工智能的渐进式改善保持乐观。 对科学家来说他们更期待着技术上的突破式进展。但我觉得未来十年基础科研或许不会有大的突破。但模型相对容易只要有大量的数据就可以从实验室进入到行业应用CNN和GPT-3都是模型加海量数据的成果。 我是务实派的虽然持有乐观态度但并不是一位“未来学家”。未来的突破很难预测对奇点Singularity的争辩甚至预测超级智能的出现在我看来都过于乐观了。 阿莱克斯·彭特兰我同意李博士的观点。很多生物机制很难解释包括用感知认识事物、理解声音、寻找食物等是深度学习算法做不到的。但深度学习可以研究科学、制定规则、研究理论并进行实践。 从务实的角度来说我最感兴趣的就是联邦学习。就医疗而言我们有这么多医院在新冠疫情期间做了很多的实验为什么这些实验数据不能进行联合呢 尽管数据有不兼容的地方但这也是一个很好的机会去探究不同的数据之间的关联性。在未来我们对数据的需求也许会越来越少外科医生或者物理学家或许不需要太多数据因为他们对规则已经了如指掌了。 不要墨守成规要跨领域、跨学科应对挑战 Q3人工智能会有什关键挑战对于想从事这个行业的人有什么是需要了解的关键点 李开复首先大背景在改变新科技层出不穷我们每年都需要学习新的东西。 其次人工智能可能引起各种问题包括偏见、歧视、伦理道德等是否危害人类的身体健康无人驾驶技术该何去何从等等。 第三人工智能的研发需要深刻地理解技术对社会、生活与人类健康会产生的影响。我非常欣赏斯坦福和MIT这样的高校能够把AI教育扩展到各个学科让研发人员及早意识到自己的责任和价值。 阿莱克斯·彭特兰是的我朋友做过一个有关电的趣味类比电动马达最初在工厂里用于生产的时候并没有发挥出多大的作用因为大家并不知道如何改造生产流程。 AI在一些领域发挥的作用是显著的但应用到其他领域时就需要改造流程。很多情况下最困难的就是说服人们改变商业流程去使用AI因为大多数人是墨守成规的。 而有意思的是就像李博士提到的像MIT和斯坦福这样的高校确实在认真严肃地对待这个问题。 比如我今天早上正好就这个话题跟G20领导人对话大家一致认为我们必须从跨领域、跨学科的角度去面对这个问题不能只是工程师或者社会科学从业者们在做经济学家政治家等等都必须参与进来紧密合作。 随着AI的应用领域越来越广除了必须具备强有力的技巧来建立社会规则还需要对研究经费、企业投入等进行各种调整。 虽然大公司实力不容小觑但依旧对小公司抱有期待 Q4AI研究会消耗大量的资源我们是否应该将资源往学术界平衡现在已经发生资源的重新分配和平衡了吗 李开复就人才而言现在已经有重新平衡的迹象了。 过去顶尖大学的学者基于待遇和种种考量不少选择去企业界工作。而近期曾任职于百度、海尔、字节跳动等公司的数位优秀AI科学家已经回归高校。 但像GPT-3这样的技术仍然不是大学和小公司能支付得起的。支撑GPT-3运行的电脑是世界算力第五的超级计算机。每进行一次算法训练就要花费460万美金只有像腾讯、谷歌、微软这个级别的公司才能负担得起如此强大的算力。 我观察到近年的AI创业公司已经和5年前截然不同了。它们一般由AI科学家和商业人才共同创建为了解决特定问题而生并非纸上谈兵做突破性科研切入的领域也往往是巨头公司忽略的地方。 例如为制造业进行AI赋能不是一件轻松的事需要去工厂实地勘查了解运作方式。大公司因为赚钱很容易不愿意做这些性价比低的苦活累活。这些小公司的努力一旦有了成果就会给产业界带来革命性的影响。所以虽然大公司的实力不容小觑但我依旧对小公司抱有期待。 阿莱克斯·彭特兰大学和公司是一种融合的关系不仅体现在人才流动上也会进行信息资源共享彼此是整体性的合作态势。 当然这也不是绝对产业界的保密需求还是存在的只是从学校的出发点来说我们愿意毫无保留地为大家提供更好的研究成果并与企业合作形成标准化平台。 人工智能取代人类需要上百年或更久 Q5两位认为什么是AI不能取代的 李开复一类是创造力、分析能力、逻辑辩论能力了解自己知道什么不知道什么这些是人工智能无法取代的。 另外一类是同理心人类之间的信任、友谊自我认知、意识等。 阿莱克斯·彭特兰人工智能有朝一日可以取代人类所有的能力但是这个过程会非常漫长可能需要上百年或更久。 AI创业建议I找到小切入点不要与巨头正面硬碰 Q6李博士提到了AI在小企业中的运用可否再举例说明是如何运用的 李开复这个问题分两部分一个是小型AI公司与巨头竞争我的建议是找准巨头没有平台优势的细分领域为某个针对性产业创造价值并且不要与巨头核心业务正面硬碰。 对于那些中小型非AI、但想应用AI的公司需要确保有足够的数据以训练与核心商业价值挂钩的AI模型并且有愿意变革的开放性公司文化。 所以早期应用AI的公司可能规模较大因为他们有足够大的数据和可兼容变革的商业模型。每个例子都不同不是任何一家公司都要应用AI。 阿莱克斯·彭特兰如果我们放宽AI的定义或许水管工、合同工都有数据通过一些简单的分析、整合AI也可以在很大程度上改进他们的工作。 这些都是很小的切入点基于简单的AI分析、机器学习依旧可以产生巨大的潜力。 AI创业建议II知晓技术同时理解商业 Q7两位再分享一下最后的建议 李开复我们在步入一个AI开始渗透到方方面面的令人振奋的时代我希望所有的学生们都能参与到这个改革浪潮中。要深刻地理解人工智能的商业落地而不仅仅钻研技术本身。 阿莱克斯·彭特兰不要太较真于深度学习或者冗长的算法一切始于要解决的现实问题。不要止步于技术本身要明白数据类型、形态和规律关注商业流程。 感谢叶乐斐、刘诺、蓝萱、张昊、陈冬杰、刘子昂、张梓煜、钱凌寒、水一方、沈雍在校译和审阅上对本文的贡献。 对话视频下载链接https://pan.baidu.com/s/1LFMxqtB2Lgxpf_bmTIsJLw提取码43wu未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市云脑研究计划构建互联网城市云脑技术和企业图谱为提升企业行业与城市的智能水平服务。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
