逸炫
作為Twitter人工智能的大佬和哈佛學者，Ryan Adam見證了越來越多的行業(yè)使用機器學習，但是他預計，能夠成為行業(yè)領導的，是那些最大數(shù)據(jù)和最強計算能力的持有者。
Ryan Adam知道，這是AI最好的時代。他從2011年起擔任哈佛大學計算機科學教授，并且是機器學習Podcast“會說話的機器”共同主持人。去年夏天，Adam領導一個團隊進行智能算法研究，誕生15個月的機器學習創(chuàng)業(yè)公司W(wǎng)hetlab被Twitter收購。
Whetlab的技術(shù)將大規(guī)模機器學習系統(tǒng)中最難的一些部分自動化，挑戰(zhàn)最難的機器學習項目，例如視覺物體識別和語音加工。
哈佛研究員開始將該工具用于各種項目，從生物醫(yī)療機器人到化學問題，Netflix也利用了一個開源版本來試驗深度學習。
目前從哈佛休假的Adam，在位于麻省劍橋的Twitter辦公室向《商業(yè)報道》資深編輯Nanett Byrnes闡述機器學習引發(fā)的爆炸性關注。
人工智能已經(jīng)從學術(shù)研究領域轉(zhuǎn)變?yōu)樯虡I(yè)工具。其背后的推動原因是什么？新算法、更快的電腦、還是大量的數(shù)據(jù)？
和其他因素同樣重要的，我認為對人工智能的投資帶來了很大影響。目前，科技公司已經(jīng)投入數(shù)十億美元，讓技術(shù)進展得更快。
就像Twitter收購了你的公司。機器學習如何可以讓Twitter變得更好？你能不能舉一個例子？
有非常多的機會可以改善Twitter的用戶體驗，例如改善Twitter的內(nèi)容組織方式、幫助你找到新的事件消息、幫助你找到可以互動的社區(qū)。其中有一項你可以想到的挑戰(zhàn)，是把人們分享的有趣信息的鏈接，和相關的Twitter內(nèi)容聯(lián)系起來。
AI中有哪些技術(shù)，例如深度學習，仍然是一個謎團？
現(xiàn)在深度學習已經(jīng)算是實踐性的。顯然很多大事在發(fā)生。這些深度學習系統(tǒng)在做非?？犰诺氖虑椤Ｎ覀儗Υ酥跎?，但是他們的確是可以運行的。
定義AI有點困難，甚至AI的常規(guī)測試都是有爭議的。
這個難題部分是因為，必須將智能這個概念擬人化。我們說”人工“智能，好像智能不是世界上的東西一樣。我們不把飛機叫做”人工“的鳥，飛機也不做”人工“的飛行。飛機是”真實“在飛，不是嗎？
這是一個非常人類中心主義的觀點，如果世界上還有另一種智能的話，那就是人工的。所以我覺得很難想出一個不是人類中心主義的定義，我自己沒有一個滿意的定義。
如果你時空穿梭回50、60年之前，對任何一個早期的人工智能專家說：“你隨時隨地都有一個設備，它能夠回答你想了解的各種領域的問題；它可以聽懂你說的話，能夠給你看世界上任何地方的風景，告訴你如何從一個地方去到另一個地方”——如果你抽象地解釋一下，你的手機利用Google、各種定位工具還有Siri會哪些功能——我想那個時代的人一定會說：“那是人工智能。”隨著時間，我們對使用工具的期望已經(jīng)發(fā)生了巨大變化。
目前，各個公司對人工智能的知識非常樂于公開分享，發(fā)布開源軟件，允許員工發(fā)布論文和在會議發(fā)言等等。你認為這會持續(xù)多久？
開放代碼對回饋社會有好處，幫助公司招聘頂尖的機器學習人才，而且他人對這些工具的改善可以為大公司所用。為什么這些公司免費贈送代碼和想法，不會像免費送出土地一樣舍不得？因為其他公司沒有Google的計算能力，他們沒有Twitter的計算能力，他們也沒有數(shù)據(jù)，對嗎？所以，想法就送給你吧。代碼就送給你吧。但是如果你沒有數(shù)據(jù)、沒有計算能力，你有了代碼又怎么樣呢？
你認為人工智能會變成什么形式？
我不認為人工智能會忽然變得非常聰明。我認為人工智能會像是永遠不斷改善的工具。
有一點我倒是有點擔心，機器學習和人工智能很快將有能力人工合成媒體內(nèi)容，創(chuàng)造出難辨真假的東西。這種工具將變得非常危險，因為我們的社會越來越依賴于視頻之類的東西來了解事實真相。