标签归档:Geoffrey

Geoffrey Hinton、Andrew Moore、吴恩达等人总结 2017 AI 大事件

雷锋网 AI 科技评论按:近年来,人工智能似乎成为了业内讨论最广泛的科学技术,尤其是在 2017年,人工智能已然是业内关注的焦点。有的人认为,具有超级智能的机器人可以威胁人类、接管世界;也有的人觉得,人类对人工智能的恐惧被夸大了。

因此,当 2017 年即将过去的时候,外媒 Axios 对人工智能圈内的一些知名人物进行了一次采访,看看在他们的眼里,今年最重要的人工智能大事件都是些什么吧。雷锋网 AI 科技评论把他们的呈现介绍如下。

Rodney Brooks,Rethink Robotics 公司创始人

对我来说,今年最重要的人工智能时间,其实是我在电视上看到的一个广告。那是在2017年12月17日礼拜天,当时电视上正在播放美国橄榄球大联盟比赛,其中一个广告是该联盟自己拍摄的,说他们正在使用机器学习技术来分析球迷的想法。广告的结尾,美国橄榄球大联盟展示了自己在亚马逊 AWS 服务上部署的机器学习技术。这是大约三个礼拜之前的一个事情,我觉得它的意义在于,现在机器学习和人工智能技术已经被「炒」的很多了,预计很快就能给橄榄球球迷带来一定影响了。

吴恩达,Landing.AI 首席执行官

 AlphaGo 展现出了强大的计算和数据处理能力,但是卡纳基梅隆大学开发的德州扑克人工智能程序 Libratus 则感觉更具创新。从技术观点来看,这个结果令人感到很惊喜。

Andrew Moore,卡纳基梅隆大学计算科学学院院长

Libratus AI 战胜了四位顶级德州扑克选手,这次胜利是非常重要的,因为这意味着人工智能技术有了极大的提升,已经可以考虑对手可能故意误导等手段了。在一个对信息真实性审查越来越严格的世界里,我们看到新一代人工智能对原始事实开始表现出怀疑,这真的是太神奇了。

Geoffrey Hinton,多伦多大学

我认为,2017年,人工智能在很多方面都取得了很大的进展,但是却没什么突破,比如 2014 年就开始说要在机器翻译里应用神经网络,而 AlphaGo 其实也是2016年的。

在我看来,令人印象最深刻的事情有这么几个:

1、神经架构搜索:它使用神经网络实现自动化设计神经网络的「黑魔法」,现在已经开始应用了;

2、使用注意力的机器翻译,无需循环神经网络或卷积;

3、围棋领域里的 AlphaGo 升级版 AlphaGo Zero,它很快就学会了如何以人类的方式下围棋,而且已经成为了目前最好的人工智能围棋引擎。

Greg Diamos,百度高级研究员

今年,给我印象最深刻的就是斯坦福大学的研究人员团队,他们开发出了首个人工智能「放射科医生」,它可以检测心律失常,然后告知人类医师检测结果。我认为,随着技术的发展,人工智能在医疗领域里的应用会越来越多,这令我感到非常惊讶。

Azeem Azhar,Peer Index 创始人 The Exponential View 策展人

2017 年的人工智能大事件,我会选择两件事,他们都非常重视人工智能技术的应用,而且也都能解决一些过去被人们忽视的问题。

第一个是微软研究院的凯特•克劳福德(Kate Crawford),她介绍了机器学习算法是如何出错的,这个问题会加强和扩大现有的人工智能偏见。

第二个是由剑桥大学阿德里安•维尔德(Adrian Weller)发表的一份论文,其中提到了如何建立算法系统,这些算法系统可以反映出人类对公平的直觉如何。我们必须对凯特•克劳福德和阿德里安•维尔德所提到的问题加以重视,并且刺激科技行业接受。

Terah Lyons,Partnership on AI 执行董事

今年,人工智能还是给我们带来了一些令人心痛的时刻,因为在某些边缘化问题上,人工智能的表现似乎并不太好。比如最近,Kristian Lum 就表示从事机器学习的同事有性骚扰行为,这需要在人工智能领域里引起重视,而且多样性问题绝不是一个侧面表现。

科技行业里的性别歧视似乎越来越猖獗,这对人工智能领域也非常有害,甚至会带来灾难性的后果,其中最重要的原因,就是很多排他性的设计会带来比较严重的问题,而人工智能可以很容易地把问题进一步扩大,并且延伸很多糟糕的人类偏见。

我们所有人都有义务把包容性作为创新首选,特别是在人工智能这样一个有潜力带来巨大利益的领域。2018 年,在人工智能尝试解决的所有重大挑战中,包容性应该是要排在第一位的。

Been Kim,谷歌大脑研究科学家

今年,我认为比较受欢迎的最大趋势,是人工智能可以尝试应对一些可解释性的问题,这意味着我们有了一种可以帮助人类理解人工智能模型的方法。

在今年举办的 ICML 上,就设置了人工智能解释性教程和一些相关的研讨会。此外,在 NIPS 大会上,也有研讨会和人工智能解释性的介绍,明年 CVPR 大会和 FATML 会议也都会有相关议程。

Richard Socher, Salesforce首席科学家

也许,2017年最令我感到印象深刻的事情,就是来自于本月初召开的 NIPS 大会上。伦理,成为了人工智能研究领域里最令人印象深刻的核心主题之一。我有必要提醒大家,人工智能是否能够获得成功,重点在于信任、透明和平等的价值观。

VIA axios,雷锋网 AI 科技评论编译

雷锋网

Geoffrey Hinton,让加拿大成为AI创新之地的助推者

计算机科学家和人工智能方面的领头专家Geoffrey Everest Hinton

已经成功帮助多伦多大学成为一个创新中心。

在剑桥大学读本科的时候,Geoffrey Everest Hinton一直对人类大脑有着很多的思考。 他想要更好地了解人类大脑究竟是如何工作的,然而令人沮丧的是,从生理学和心理学、再到物理和化学,没有一个学科领域能给出一个真正的答案。所以他决定自己建立一个电脑模型来模仿大脑的思维过程。

 “人们都以为我疯了,”现年69岁的 Hinton 博士说,他既是谷歌的研究员,同时也是多伦多大学计算机科学的名誉教授。然而,他绝不是一个疯子。他是世界上最重要的人工智能方面的权威之一,他设计的软件可以模仿我们认为的大脑的工作模式。 

同时,由于对军事资助研究的个人抗议, Hinton 博士离开美国学术界,但也因此帮助加拿大成为高科技的温床。不论是在智能手机上写下一个文字,或在Google上搜索一张照片,又或者是在不久的将来,乘坐自动驾驶汽车,您都将使用部分基于Hinton想法的技术。

他对人工智能研究领域的影响非常之深刻,以至于有些人在现场谈论起“six degrees of Geoffrey Hinton”,就如同大学生们曾经提到凯文·培根(Kevin Bacon)与许多好莱坞电影的不可思议的联系。Hinton的学生和同事 们现在已经是点亮苹果,Facebook,Google和Uber人工智能研究的人物,并在蒙特利尔大学和OpenAI(一家非营利研究公司)开展人工智能计划。“杰弗里,在辛苦建立人工智能领域的的时候,凭借他个人的性格魅力吸引了当时分散的人们投身于人工智能研究” 多伦多MaRS Discovery区的首席执行官Ilse Treurnicht表示。MaRS Discovery是一个创新中心,该中心即将推出多伦多新公/私人工智能研究所,而 Hinton 将担任这里的首席科学顾问。

Hinton 最近也成立了Google Brain的多伦多分公司,这是该公司的人工智能研究项目。作为一个被人们认为是在当今最具变革性的科学领域前沿的男人,他不大的办公室并不是一个充满各种小工具和奖杯的看似宏伟的地方。那里甚至没有一把椅子。由于受损的椎骨,他只能站着工作,或躺在车后座上。“我是在2005年倒了下来,”高个子的Hinton说,他有着一头黑色的头发,和像北海一样颜色的眼睛。

Hinton 博士是在一个辉煌的科学明星家庭中成长起来的。 他出生在英国,在布里斯托尔长大,父亲是一位昆虫学教授,也是甲虫方面的权威人士。 他是布尔逻辑之父乔治·布尔(Bob Boole)的玄孙。他的中间名来自另一位杰出的亲戚乔治·埃尔弗雷斯,他在印度进行了调查,他使得冠有他的名字的世界最高峰(珠穆朗玛峰)的高度可以被人计算得出。他遵循家庭传统,在1960年代末期前往剑桥读书。 但是当他完成本科学位课程的时候,他意识到没有人了解人类是如何思考的。“我厌倦了学术界,我宁愿做个木匠,”他高兴地回忆说,站在Google白色咖啡馆的高桌上。 那年他22岁,这次职业转换持续了一年的时间,虽然木工至今仍然是他的爱好。

当二战以后,人工智能从信息科学的迷雾中融入研究领域时,科学家们首先认为,他们可以通过构建由大量开关组成的神经网络来模拟突触,从而模拟大脑的运作。但是,由于电脑功能不够强大,因此并没有产生出有意义的结果,所以这种方法渐渐被人们放弃。人工智能研究转而使用逻辑来解决问题。

当 Hinton 听说了爱丁堡大学的一个人工智能计划后,便于1972年搬到那里去获取博士学位。他的指导教师倾向于基于逻辑的方法,但是Hinton着重于人造神经网络的建设,他认为这是模拟人类思维的更好模型。

然而,他的研究并没有让他在英国受到认可与欢迎。 所以在拿到博士学位后,他在美国圣地亚哥担任博士后研究员,与同样一批对神经网络感兴趣的认知心理学家一同工作。他们很快就取得了重大进展。他们开始使用一种称为反向传播算法的公式,最初来源于1974年Paul J. Werbos的哈佛博士学位论文。该算法允许神经网络随着时间的推移学习,从此使之成为深度学习的主力,这个术语现在用于描述基于这些网络的人工智能。

Hinton于1982年在匹兹堡的卡内基梅隆大学任教,那时他结合算法和神经网络使计算机产生一些“有趣的内在表达”,就像他所说的那样。这里有一个关于大脑是如何产生内在表达的例子。当你看一只猫的时候 – 由于某些原因,猫是进行人工智能研究时最受欢迎的主题 – 光线反射到你的视网膜上,而视网膜将光转换成沿着视神经行进到大脑的电脉冲。 那些电脉冲当然跟猫不一样。 然而,大脑将这些电脉冲重新组合,就形成了猫的内在表达,如果你闭上眼睛,你就可以在脑海中看到它。“在人工智能领域,核心要义就是揭示产生内在表达的方法,”Hinton解释道。有趣的是,尽管已经从学术的角度来形成内在表达,但是电脑仍然太慢了,无法以模仿大脑的方式来重新创建它们。

那时候,Hinton 对里根时代的美国政治感到失望。 他同样也不喜欢大多数人工智能研究是由美国军方资助的这件事。加拿大利用一个在加拿大高级研究所进行研究工作的机会吸引了他。于是他搬到多伦多,并最终在该机构设立了一个项目,现在被称为“机器和大脑学习”项目组。他成为了多伦多大学的计算机科学教授,虽然他承认自己从未参加过计算机科学课程。

到2012年,计算机已经变得足够快,让他和他的研究人员能够创建这些内在表达,并且再现我们今天使用的翻译应用程序的一部分语音模式。他在多伦多大学与他的两名学生组成了一家专门从事语音和照片识别的公司(雷锋网按:指DNNresearch)。谷歌买下了这个业务,所以 Hinton 算是部分加入Google,在那里继续研发神经网络。这笔交易让 Hinton 成了一个富有的人。

现在他把注意力转向医疗保健,他认为可以利用人工智能技术来扫描癌症病变。 他补充说,Vector Institute,周边医院和政府支持的结合使得多伦多成为世界上实现这个愿景的最好地方之一。“

via nytimes,雷锋网

值得一提的是,雷锋网已经得到 Hinton 博士亲自授权,对 Hinton 博士的机器学习教程进行汉化,详情请查看雷锋网此前文章:

https://www.leiphone.com/news/201704/QeuSVazVTblvtNF1.html

雷锋网