Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

李泽南作者

图灵奖得主、AI先驱Raj Reddy:告别996,人工智能让人类每天只工作一个小时

在 AI 领域里,Raj Reddy 不仅是奠基者,也是众多牛人的学术导师。这位 CMU 终身教授近日在联合国教科文组织国际工程科技知识中心 (IKCEST)、中国工程科技知识中心 (CKCEST)、百度、西安交通大学 (以下简称西安交大) 共同举行的活动中又为我们带来了很多有趣的新观点。

罗杰·瑞迪(Raj Reddy)是美国科学院和国家工程院院士、中国工程院外籍院士、卡耐基梅隆大学(CMU)计算机科学学院终身教授,曾长期担任该学院的院长,他在 1994 年因为在大规模人工智能系统的研究,与 Edward Feigenbaum 一同获得了图灵奖。他也是清华姚班创建者、量子计算机先驱姚期智教授,以及李开复、沈向洋洪小文等人的导师。

Raj Reddy(图中右侧)与 Edward Feigenbaum 在 1994 年共同获得了「计算机科学界的诺贝尔奖」图灵奖

Raj Reddy 还一手创立了美国第一个机器人研究所 (CMU Robotics Institute),该机构目前也是全球最负盛名的机器人研究中心。1979 年,Raj Reddy 等人发起并成立了美国人工智能学会 AAAI。

近日,由 IKCEST、CKCEST、百度、西安交大联合主办的第五届百度&西安交大大数据竞赛暨 IKCEST 首届「一带一路」国际大数据竞赛刚刚启动,Reddy 教授作为 IKCEST 理事和顾问委员会外方主席来到北京,我们借此机会与这位人工智能先驱进行了一番交流。Reddy 教授不仅带我们回顾了人工智能的发展历程,也对未来科技进行了一番展望。

Raj Reddy 接受「机器之心」专访

以下内容进行了部分整理,以方便阅读。

人工智能的历史

机器之心:您和 Edward Feigenbaum 在 1994 年因为在「大规模人工智能系统」的贡献而获得了图灵奖,那是深度学习之前 AI 时代的巨大贡献,人工智能这些年经历了怎样的发展?

Raj Reddy:当时我们开发出了一些可以学习、可进行分类任务的系统,但它们都是无法应对非常大规模数据的。Geoffrey Hinton 是深度学习之父,他在 1981 到 1986 年之间开展了相关的研究,并于 1987 年发表了有关反向传播的研究。他相信这种方法可以成功,尽管当时还无法验证。但这种方法一定程度上模仿了人类脑神经的工作方式。

但这种方法从 20 世纪 80 年代——一直到 2010 年的很长一段时间里都无法成功。Hinton 等人的想法从一开始就是对的,人们缺少的只是:没有足够的算力去实现它。

在近三十年后,我们才有了数万倍的计算机算力、更大的内存和更多的数据量。今天的计算机算力正在接近人类的大脑,现在我们的人工智能算法已经可以完成很多任务了。

在这其中的不同之处在于,人类的大脑无法利用大数据。但基于深度学习系统的神经网络可以学习大量数据。这就是 AI 神奇的地方,我们现在正在接近科学发现的新阶段。而没有计算机科学领域中深度学习的发展,这一切都是不可能的。

机器之心:获得图灵奖对您的生活有什么影响?

Raj Reddy:其实没有什么影响!我的生活确实发生了一些变化,但我认为获奖基本没有带来更多。授予这样的奖项,让世界知道有人提出了新技术是一件好事。人们会说,你做了一些了不起的事。但我并不是特别在意。

机器之心:在研究工作之外,您是如何放松的?

Raj Reddy:很多人在工作压力很大的时候会选择运动或者到户外休息一段时间,但我不是这样的。我喜欢阅读,我的手机中保存有上百本书。

机器之心:能否介绍一下卡耐基梅隆大学(CMU)的 Robotics Institute?您创立了这个机构。

Raj Reddy:我们在 1979 年开设了 CMU 计算机研究所。在当时我们已经意识到学界需要对自动化系统开展研究。我们在 1984 年就开始了自动驾驶汽车的研究。与此同时,我们也在研究无人机、人驾驶船舶,不过后面几个方向的进展不太好。

我们在 1995 年推出了成型的自动驾驶汽车,它使用的还不是深度学习,而是深度学习的早期方法。我们使用大量数据对算法进行了训练,进而让它学习到相应驾驶的方法。结果是令人满意的,汽车可以自己动起来了。

那是一个里程碑式的成果,一辆汽车从华盛顿特区开始,一直开到加州的圣迭戈——在这其中的路程中,大部分时间没有人在控制方向盘,除了很小一部分汽车无法判断的情况,人类会介入进行控制。在 99% 的时间里,汽车是自动导航行驶的。

从 1995 年到 2007 年,我们一直在挑战横跨美国的自动驾驶。最终第一个完成任务的团队是由斯坦福大学的 Sebastian Thrun 领导的。当然,他在十年之前还是 CMU Robotic Institute 的一名研究人员。

今天有很多人、很多公司都在研究自动驾驶技术,其中包括谷歌、苹果、百度。不过所有当今的自动驾驶汽车技术,都是源自卡耐基梅隆大学。

我们还研究了制造业机器人,希望实现「Light off manufacturing(关灯工厂)」,在其中的工作完全由机器人承担。另一方面是自动驾驶,第三个方面是搜救机器人,如进入核事故现场进行搜救的机器人,在辐射条件下工作环境对于人类来说过于危险了,机器人可以代替这些危险的工作。这样的环境包括切尔诺贝利、福岛等核电站事故现场。

今天,Robotic Institute 的研究范围更加广泛了,除了上述几个方向以外,我们还有计算机视觉方向的研究,让机器人了解周遭的环境,计算机视觉非常重要。

人才培养

机器之心:现在很多高校已在本科阶段开设人工智能专业,今年中国教育部门已经批准了 35 所高校的人工智能专业设立申请。如何看待这种现象?

Raj Reddy:其实这看起来不是坏事,新领域的形成,无论是机器人、生物工程还是基因编辑的新方法(CRISPR),它们都是重要的科技发展方向。最近 3D 打印也是非常热门的技术……现在有很多新科技发展的方向。如果在三十年以前,即使你开设了这些专业方向,学生也不会来学——他们总是希望在毕业后能够找到工作。所以,最为理想的情况是在教育中以发展为导向地引入新专业。

当然,现在我们遇到的问题在于,没有足够的教授来教育学生。我们需要发起「对教师进行教育」的项目,将教育者集中起来,花上数月的时间,对他们进行前所未有的新形式教育,让他们可以更好地在这之后有能力教育自己的学生。当今的学生都非常聪明,他们的学习速度很快。更好的方法可以让学生有更大的进步,我认为这是未来即将发生的事情。

我前来参与的大数据竞赛,百度支持这次竞赛更加落地的场景、丰富的数据和算力等,这对于学生们来说十分难得。

除了竞赛之外,科技公司把自己在 AI 领域的研发、落地经验带到高校,会进一步加速中国本科人工智能教育的进程。

机器之心:对于进入 AI 领域的年轻研究者们,您有什么建议、想要说的?

Raj Reddy:拥有独立思考的能力是最重要的,当然你还是要听从导师的建议。你需要学好基础理论,在计算机科学课程中这是指传统编程,它们是必不可少的。人们可以从经验中学习,在编程中你也需要从经验中学习。

机器之心:对于年轻的研究者来说,投身学界和投身业界各有哪些特点?如何可以更好地做到产学研融合您有哪些建议?

Raj Reddy:每个人都有属于自己的路,有些人希望解决工业领域的现实问题,这意味着很大程度上并不会推进新技术的发展,只是在解决每天面临的新问题。

如果你进入了学界,你面临的就是全新的方向、未解决的困难问题。你可能会成功,也可能会失败;失败并不应该让你沮丧,研究工作就是这样。

当然,在 AI 领域中学界和业界的结合越来越重要了。在很多教育机构中都有公司合作项目,你可以投身学界,然后去企业一段时间。当今世界的研究是全方位的,继续 20 年前的方法是行不通的。正确的方法是进入公司,在业界磨练自己。你在学校中学习一年,随后申请进入公司实习,几年后回到学校继续研究。

现在美国的大学里已经有这样的学习方式了。但我要说的是如何成为一名合格的博士生,六年的博士生涯中你不可能揭开人类所有的谜题,我们必须在很小的一个领域里做一些突破。

机器之心:如果您现在是一个初入 AI 领域的年轻人,您会选择哪方面的研究?

Raj Reddy:深度学习需要大数据的支持,但人类只需要一个例子就可以举一反三了。我们现在还不知道如何构建这样的系统。还有很多的问题需要探索,我认为我会从这个方向入手。

未来发展方向

机器之心:自动驾驶是 AI 目前面临的最大挑战之一吗?

Raj Reddy自动驾驶并不是一个困难的挑战,我认为它已经被很好地解决了,现有技术是可行的。但问题在于人类对目前自动驾驶技术的态度。如果人类出了车祸你并不会特别在意。但如果一辆车的自动驾驶系统出了问题,它就会成为新闻。全球所有人都会知道这件事。

从根本上看,我们并不应该期待计算机驾驶汽车的水平要比人类好上很多。人类会出问题,计算机也会出问题,因为它们和人类所学习的内容是相似的。因此,我们需要能够容忍计算机出错,并解决计算机出现的问题。

如果我们期待计算机必须完美,那是不可能的。这就是目前的问题所在。真正完美的东西只存在于数学、物理等范畴中。而即使是在这些理论中,物理、数学的理论基础也是在不断演进的。

我认为神经网络不会有重大方向的改变。计算力的提升让我们实现了此前无法做到的事情,发现了新的知识,这是光靠人类大脑无法发现的东西。这是一个非常令人激动的过程。

所以,自动驾驶不是 AI 目前面临的最大挑战。计算力的提升让我们实现了此前无法做到的事情,发现了新的知识,这是光靠人类大脑无法发现的东西。这是一个非常令人激动的过程。

机器之心:但我们可以看到目前人工智能的一些有限之处,未来可能突破的方向会有哪些?

Raj Reddy:人类在研究课题时,会使用数据,使用可容忍差错率和模棱两可的解释。这意味着我们是会出错的,计算机必须可以应付这样的情况,毫无疑问这是经常出现的情况,但得到这样的结果还是不够的。

我们还需要使用交互和自然语言处理的方式进一步处理结果,现在大多数的系统中不存在自然语言处理的方法,最终如果情况复杂,我们还必须提取出有用的信息。这最好的例子就是,在 3000 年前人类发明了地图,地图是人类对于地标、道路的信息提取结果。人们可以理解地图和实景的关系。

我们现在要做到的是让计算机也可以进行这样的提取。人类能够提取信息,我们认为这就是智能,人类可以学习,可以分析数据,可以容忍差错,明白模糊的解释,使用语言来进行交流,可以提取信号。

今天还没有任何程序可以做这样的事。这对于 AI 领域来说可能意味着长达 100 年的研究。未来很长一段时间里 AI 研究者们都会忙于应对这样的挑战。

AI 对社会的影响

机器之心:您此行来到北京的目的是参与首届 IKCEST 国际大数据竞赛,如何看待目前越来越多的大数据竞赛?

Raj Reddy:这是一个非常有趣的图像数据竞赛。如果你在卫星图像上寻找火车站,在这个过程中需要进行很多有关火车时刻的搜索。如果两者的信息可以进行进一步引伸——这是人类经常会做的事,我们不需要把它看做是火车站,而会把它看作是很多人都会去的一个地点。在这种情况下我们可以做很多有趣的事。

大学是人工智能人才的摇篮,但必须承认,学校在数据、计算机硬件和应用场景等方面缺乏资源,这样的比赛可以探索可行的解决途径。这次比赛所采用的遥感数据和用户行为数据以及大量的算力资源是高校难以获得的,而这正是百度这样的企业参与进来的优势和价值。

Raj Reddy 接受竞赛顾问委员会主席聘书,他将和潘云鹤院士共同担任竞赛顾问委员会主席

机器之心:能否展望一下,人工智能在教育方面的未来会是什么样的?

Raj Reddy人工智能和其他很多产业不同的是,它是一个需要产业界和学界高度融合的行业。在人工智能领域,企业、高校和研究机构没有哪一个主体可以置身事外。产学研结合的深入,AI 技术将会更加深入日常生活的每个角落,这也是未来人工智能全面发展,为宏观经济发展提供推动力的方向。

机器之心:如何看待中国在人工智能领域的发展?如何看待百度这样在中国发展人工智能的科技公司?

Raj Reddy:人工智能最近几年来在中国发展得很快,现在的形态是基于 AI 的服务。订餐、快递和网上购物之中都有 AI 的元素。今天的国内是无现金社会。每个年轻人都在使用微信和支付宝支付了,已经不存在现金了。即使是美国,人们今天还在大量使用现金,其他国家没有中国这样的先进程度。

几十年前中国还处于落后的位置,而现在它已经领先于任何国家了,这是很了不起的。

机器之心:您曾在去年 11 月在北京举行的大会上表示:希望国家为人们免费发放智能手机。新技术会怎样服务于社会?

Raj Reddy:我认为智能手机的覆盖范围增加将引起网络效应——使用网络的人数越多,经济的发展程度就会成倍增长。现在国内不到 50% 的人拥有智能手机,还有一些人在使用功能机,但功能机无法支持很多应用——打电话只是手机 2% 的功能。

我得知在中国,政府每年对每个儿童的投入大约 10,000 人民币,在印度这个数字会更少一点,在美国则大约是五倍。看到这个数字,如果加入一台廉价的智能手机并不会是一个沉重的负担。而通过网络完全互相连接的人口可以带来的效益是远远大于投入的——由此带来的税收的增长将远大于成本。

机器之心:人类的未来会是一小群超人和人工智能完成所有工作,大多数人无所事事的状态吗?

Raj Reddy:我不介意人类会无事可做。我认为未来将会发生的事情是:每个人的生产力都有了成十倍地增长,在生产力大大发展的情况下,每个人一天的工作时间可能会被压缩到一小时。

我们每个人都希望拥有现在没有的东西。在 60 年前我成长的时期,我在 15 岁以前没有穿过鞋,印度农村的大多数人没有足够的衣服穿,而今天大有不同了。

这不是因为我们买不起,而是因为我们没有足够的生产力,因此这种需求就成为了最高需求。今天的每个人都有很多种需求,其中包括物理的和精神上的,人们都需要水、能量、食物、医疗、教育、足够的交流……

现在这些需求还无法被满足,也许只有 10% 的人在所有需求上已经获得满足了,所以人们需要努力提高生产力。

而在技术发展之后,也许人们每周只需要工作 20 小时,甚至 10 个小时——我们不需要再去做那么多工作了。另一方面,在五年前有经济学家曾表示,现在我们即使「假装」每周工作 40 小时,我们每周实际的工作时间只有 15 小时。其他的时间我们通常在看书、喝咖啡,互相聊天。如果你精确地计算你的工作时间,其实每周的实际工作时间大约是 15 小时时间。他还表示这个时间还会在未来的 20 年后减少到 5-7 小时。

这意味着每天的 24 小时时间里,我们只会拿出其中的一个小时用于真正的工作。生产力的发展也会让很多人无需工作。

机器之心:多少年后人工智能才能达到人类的智力水平?

Raj Reddy:这是一个很难回答的问题,也许 1000 年?或者更久。

5000 年前,人类发明了文字和数字,这可以看做是第一波信息革命。但在那里学习仅限于很少的一部分聪明人;1700 年以前,印刷术的发明让人们可以将知识以书本的形式保存下来,更多的人可以通过阅读来学习知识了。这个过程将知识民主化了,所有人都可以学习了。

但这个时候知识还是停留在书本里。随着计算机的发明,我们正处在第三波信息革命中,知识变成了动态的形式。这就是 AI 的作用——如果你有一些知识和信息,你可以用它们催生出新的知识,自动驾驶汽车就是这样的产物。计算机可以自动来完成这样的任务,人工智能代理可以自动地完成知识积累的工作。今天,人工智能可以阅读新闻并作出摘要,为人们提供所需的提示。

这样的事情在以前是无法想象的,计算机和 AI 第一次让知识进入了动态阶段。

入门Raj Reddy图灵奖CMU
2
相关数据
沈向洋人物

微软全球执行副总裁,美国工程院院士。

洪小文人物

微软公司资深副总裁,微软亚洲研究院院长。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

自动驾驶汽车技术

自动驾驶汽车,又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人,是自动化载具的一种,具有传统汽车的运输能力。作为自动化载具,自动驾驶汽车不需要人为操作即能感测其环境及导航。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

遥感技术

遥感(remote sensing)是指非接触的、远距离的探测技术。一般指运用传感器/遥感器探测物体的电磁波辐射、反射特性。遥感通过遥感器这类对电磁波敏感的仪器,在远离目标和非接触目标物体条件下探测目标。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

无人机技术

无人机(Uncrewed vehicle、Unmanned vehicle、Drone)或称无人载具是一种无搭载人员的载具。通常使用遥控、导引或自动驾驶来控制。可在科学研究、军事、休闲娱乐用途上使用。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

百度智能云机构

百度是全球最大的中文搜索引擎,是一家互联网综合信息服务公司,更是全球领先的人工智能平台型公司。2000年1月1日创立于中关村,公司创始人李彦宏拥有“超链分析”技术专利,也使中国成为美国、俄罗斯、和韩国之外,全球仅有的4个拥有搜索引擎核心技术的国家之一。

http://www.baidu.com
量子计算技术

量子计算结合了过去半个世纪以来两个最大的技术变革:信息技术和量子力学。如果我们使用量子力学的规则替换二进制逻辑来计算,某些难以攻克的计算任务将得到解决。追求通用量子计算机的一个重要目标是确定当前经典计算机无法承载的最小复杂度的计算任务。该交叉点被称为「量子霸权」边界,是在通向更强大和有用的计算技术的关键一步。

推荐文章
暂无评论
暂无评论~