當谷歌的AlphaGo戰(zhàn)勝了人類頂級棋手，人工智能開始更多進入大眾視野。無論是其深度應用還是可能存在的隱患，都是大家討論的話題。
即使是在科技大佬之間，觀點也存在截然相反的情況。馬斯克就曾表示 “我們會在智力上遠遠落后于AI，以至于最終成為AI的寵物。”在另外一方面，Alphabet董事長施密特則表示：“如果你擔心人工智能在智商上超越人類、然后消滅人類，那你科幻電影一定是看多了。”
在日前，福布斯記者彼得·海伊（Peter海伊）對人工智能教父杰弗里·辛頓（Geoff 辛頓）進行了專訪，他談到了很多關于人工智能的看法。在他看來，神經(jīng)網(wǎng)絡正在向大腦靠近，AI的火爆不是因為其技術和原理，所謂的隱患更只是一個科技界的政治問題。他更是透露，AlphaGo擁有了直覺。
辛頓早在1970年代初期就開始從事人工智能科研工作，是名副其實的AI先驅(qū)。曾先后供職于薩塞克斯大學（位于英國）、加利福尼亞大學圣地亞哥分校、劍橋大學、卡內(nèi)基梅隆大學、以及倫敦大學學院，現(xiàn)任多倫多大學榮譽教授。他曾獲得過機器學習領域的加拿大國家研究大獎，該獎項為聯(lián)邦政府給予科學研究的最高榮譽及財務資助。2013年3月，辛頓的公司被谷歌收購，其也隨之加入谷歌。
以下為主要內(nèi)容：
神經(jīng)網(wǎng)絡正向大腦靠攏
海伊: 多倫多大學的資料上顯示，您一直致力于探尋一個高效的深度學習算法，像人類習得知識一樣，能夠從一個龐大且多維的數(shù)據(jù)集合中梳理其復雜的結構。我想請您就這方面談談您的看法，還有您在多倫多大學和在谷歌的日常工作方面。
辛頓: 我們的大腦，毋庸置疑，非常擅于處理并理解多維的數(shù)據(jù)，例如從視覺神經(jīng)傳來的信息是百萬級權重的并且隨著時間極速變化的。我們每看到一個場景，大腦就能幫我們正確的解讀。如果我們看到的是一頭大象，那么大腦不會把它解讀成一條狗。但是在實驗室中，我們的神經(jīng)網(wǎng)絡系統(tǒng)偶爾會理解出錯。雖然如此，在絕大多數(shù)情況下，我們的技術還是能夠準確的理解某個多維的輸入代表的意思。隨著該神經(jīng)網(wǎng)絡進行的學習次數(shù)的增加，正確率也會提高，這是傳統(tǒng)計算機所不能達到的，我們在向人類的大腦靠攏。這和單純的對低維度、少量訓練數(shù)據(jù)、參數(shù)不多的簡單模型從統(tǒng)計學角度進行數(shù)據(jù)挖掘是有本質(zhì)上的不同的。
大腦令我著迷的地方在于它所擁有的參數(shù)遠多于訓練數(shù)據(jù)，所以現(xiàn)階段的人工智能網(wǎng)絡還不能說非常成功?，F(xiàn)階段我們能做到的是，我們的神經(jīng)網(wǎng)絡系統(tǒng)可以很好地處理百萬級權重以及百萬級訓練數(shù)據(jù)。有的時候，十億級也可以處理很好。但是我們的參數(shù)數(shù)量并不能像人類大腦那樣，遠遠超過訓練數(shù)據(jù)數(shù)量。對于每一秒的輸入，人類大腦大概有一萬個參數(shù)來處理。對于人腦這樣龐大的系統(tǒng)是如何工作的，以及它是怎樣分析數(shù)據(jù)的，我們目前所知還甚少。
海伊: 宏觀的看，在人工智能的發(fā)展歷程中，您覺得我們已經(jīng)到達了什么階段？
辛頓: 我覺得我們已經(jīng)跨過了一個很重要的門檻。就在不久之前，AI領域的大部分從業(yè)者還在通過邏輯來處理AI技術。這種人工智能還是基于邏輯推理的層面，對內(nèi)部含義的表示采用的還是符號結構。現(xiàn)在我們擁有了這個龐大的神經(jīng)網(wǎng)絡，一切都改變了。我們現(xiàn)在的策略是，用巨大的矢量來表示內(nèi)部含義，而且也不再采用邏輯推理的方法。我們是讓這個巨大的神經(jīng)網(wǎng)絡自己學習，不再需要編程的介入。此前，人們覺得這簡直是天方夜譚。
舉個例子，拿一串英文字符及其對應的法文字符組成一對字符串對，如果有足夠的字符串對的話，神經(jīng)網(wǎng)絡系統(tǒng)就能夠自動習得這兩種語言，如果你給它一個英文句子，它能基本無誤的將這句英文轉化為法文。現(xiàn)在這項技術還不是很成熟，但是目前神經(jīng)網(wǎng)絡系統(tǒng)已經(jīng)能夠掌握該方法的核心，只是在速度方面還有待改進，我相信很快該技術就能夠付諸實際應用了。20、30年以前的人會覺得這個想法太可笑了，要讓一個機器學習一門語言，你當然需要將大量的語義學，世界常識等信息進行編程。如果僅憑一些數(shù)據(jù)，但這些數(shù)據(jù)并沒有包含該語言的實際知識，來讓機器完全憑空、傻瓜似的、自動地學習，這在當時聽起來有點可笑。現(xiàn)在，模仿神經(jīng)網(wǎng)絡這個概念被引進了，這個想法聽起來就沒有那么可笑了，因為大腦就是這樣工作的。所以我說，我們已經(jīng)跨過了一個很重要的門檻?，F(xiàn)在大部分AI界的人，特別是年輕人，都相信如果你想讓一個系統(tǒng)獲得以百萬比特為計量單位的知識的話，最好的辦法就是讓它自己學，靠手動輸入是完成不了的。