日韩欧美中国a v-日韩欧美在线综合网高清-日韩欧美在线中文字幕-日韩欧美在线视频观看-国产人妖系列在线精品-国产人妖视频一区在线观看

Internet Develppment
互聯網開發& 推廣服務提供商

我們擅長商業策略與用戶體驗的完美結合。

歡迎瀏覽我們的案例。

首頁 > 新聞中心 > 新聞動態 > 正文

對話AI大師Bengio:AI不應變成軍備競賽

發布時間:2018-11-26 17:42:21來源:網易科技

  人工神經網絡和深度學習領域的大牛、加拿大計算機科學家 Yoshua Bengio 日前在 MIT 的一次活動中接受采訪時表示,希望停止有關人工智能軍備競賽的討論,并讓發展中國家更容易獲得這項技術。

  Yoshua Bengio 是現代人工智能的大師,與 Geoff Hinton 和 Yan LeCun 一起并稱“深度學習三巨頭”,Bengio 以倡導“深度學習”技術而聞名,近年來,這一技術已經從學術屆的嘗試轉變成了目前全世界最強大的技術之一。

  深度學習包括將數據輸入到大型神經網絡中,這些神經網絡簡略地模擬人類的大腦,它在各種實際任務中都被證明是非常強大和有效的——從語音識別、圖像分類到控制自動駕駛汽車和自動化商業決策。

  Bengio 并沒有選擇加入任何大型科技公司。雖然 Hinton 和 LeCun 分別加入了谷歌和 Facebook,但 Bengio 仍然是蒙特利爾大學的全職教授。他在 2016 年成立了 Element AI,并創立了一個非常成功的項目,幫助大公司探索人工智能研究的商業應用。

  以下為 Yoshua Bengio 教授采訪實錄:

  問:你如何看待各個國家之間的人工智能競賽?

  Bengio :我認為這是不正確的做法。我們可以共同參與一場競賽,但作為一名科學家,我認為我們應當考慮人類的共同利益,應該更多地去思考如何建造出更智能的機器,并確保人工智能為更多的人謀福祉。

  問:那么是否有辦法促進各國之間的合作?

  Bengio :我們可以讓發展中國家的人們更容易進入這一領域。這是一個很大的問題,因為在歐洲、美國或加拿大,一個非洲研究人員很難獲得簽證。申請簽證就像彩票,他們會用任何借口拒絕申請。這是完全不公平的。發展中國家用很少的資源做研究已經很困難了,但是如果他們還不能接觸到人工智能社區,我認為這是非常不公平的。作為補償這一問題的一種方式,我們將于 2020 年在非洲舉辦一個大型的人工智能會議——ICLR(International Conference on Learning Representations,國際學習表征會議)。

  包容性不僅僅是一個好聽的詞而已。人工智能在發展中國家的潛力可能更大,他們改進技術的需要比我們更強烈,并且他們有不同的需求。

  問:你是否擔心其他國家的人工智能公司會占據人工智能領域的主導地位?

  Bengio :是的,這是我們在人工智能研究中需要更多民主的另一個原因。人工智能研究本身往往會導致權力、金錢和研究人員的集中。最好的學生都想去最好的公司,因為他們有更多的錢,有更多的數據。這是不健康的模式。即使在民主國家,權力集中在少數人手中也是危險的。

  問:關于人工智能的軍事用途已經引起了很多爭議。你在這方面的立場是什么?

  Bengio :我堅決反對。

  問:即使是非致命的用途?

  Bengio :我并不想阻止人工智能的軍事用途,但我認為我們需要達成一種共識,即殺手機器人是不道德的事情。我們需要改變文化,包括改變法律和條約。這可能會有很長的路要走。

  當然,你永遠不能完全阻止它,人們會說,“某些流氓國家會發展這些東西。”我的回答是,第一,我們需要讓他們為自己的行為感到羞愧,而第二,沒有什么可以阻止我們建立防御技術。防御性武器可以消滅無人機,但它和針對人類的攻擊性武器不同,兩者之間存在著巨大的差異。但兩者都可以使用 AI。

  問:難道人工智能專家不應該與軍方合作來確保這一切發生嗎?

  Bengio :如果他們有正確的道德價值觀,那很好。但我并不完全信任軍事組織,因為他們傾向于認為責任先于道德。我所希望的并不是這樣。

  問:在新的人工智能研究中,最令你興奮的是什么?

  Bengio :我認為我們需要考慮人工智能的嚴峻挑戰,而不只是對短期的、漸進的進步感到滿意。我并不是說我想放棄深度學習。相反,我想在此基礎上繼續發展。但是我們需要能夠擴展它來做一些事情,比如推理,學習因果關系,探索世界,以便學習和獲取信息。

  如果我們真的想實現接近人類水平的 AI,那就是另外一場比賽。我們需要長期投資,我認為學術界是最好的將其傳遞下去的地方。

  問:不僅要抓住數據中的模式,還要抓住某些事情發生的原因。為什么這很重要,以及為什么它會這么難呢?

  Bengio :面對復雜的世界,如果你有一個好的因果模型,你可以在不熟悉問題的情況下就進行概括,得出結論,這是關鍵。我們人類能夠將自己投射到與我們日常經驗截然不同的情境中,而機器不能,因為它們沒有這些因果模型。

  我們可以手工創建模型,但這還不夠。我們需要能夠發現因果模型的機器。在某種程度上,它永遠不會是完美的。就像現實中我們也沒有一個完美的現實的因果模型,這就是為什么我們也會犯很多錯誤,但是和其他動物相比,我們已經做得很好了。

  現在,我們并沒有很好的算法來解決這個問題,但是我認為,如果有足夠多的人在努力,并且予以足夠的重視,我們就會取得進步。
  (邯鄲網站建設


最新資訊
? 2018 河北碼上網絡科技有限公司 版權所有 冀ICP備18021892號-1   
? 2018 河北碼上科技有限公司 版權所有.