阿兰·德波顿:人性中的势利倾向
发起人:之乎者也  回复数:0   浏览数:1156   最后更新:2018/08/07 21:17:36 by 之乎者也
[楼主] 猴面包树 2018-08-07 21:17:36

来源:泰康空间


日光亭•开放源系列工作坊第一场“人工智能、身体与混合身份”现场

左起:嘉宾秦曾昌、由宓、魏颖、殳征,主持人刘倩兮



工作坊回放


日光亭•开放源系列工作坊

Open Source Workshop Series @ Light Pavilion


第一场:人工智能、身体与混合身份

1ST Session: AI, Body, and Hybrid-Identity



7月8日下午,日光亭•开放源系列工作坊第一场“人工智能、身体与混合身份”在泰康空间二层举行,来自人工智能和当代艺术领域的四位研究者和实践者,从人工智能的发展现状、与艺术领域的结合、以及引发的哲学思辨等不同角度做了分享。现场观众积极参与讨论,并延伸出精彩的对话。下文为嘉宾发言精要,观众互动精要请见文末。

秦曾昌 人工智能学者


我以前经常做关于AI的科普,今天想跟大家分享几个关键点。第一点是人们对人工智能未来50年的发展及其影响的看法,基本可以分为两种不同的观点。大约只有30%的人认为未来50年AI应该不会给我们带来风险并且影响是积极正面的,70%的人包括比尔·盖茨、斯蒂芬·霍金等仍然会觉得AI有很多危险。我的观点还是在积极的一方,虽然这不代表AI对人的危险一定不会发生,但50年之内的话,我觉得是很难的,大家可能稍稍地把AI的发展估计得太乐观了。AI技术在半个世纪以来以比较平稳正常的速度发展,只不过近几年大家听到这词的频率好像变多了,讨论也变多了,背后当然也包括资本或寻找新的社会增长点等方面的原因。

1642年,法国哲学家和数学家帕斯卡(Blaise Pascal)发明了世界上第一台加减法计算机。它是利用齿轮传动原理制成的机械式计算机,通过手摇方式操作运算。


AI本身还是计算,从最早的逻辑(0.1的二进制)开始,世纪中期所有的手摇计算机,到机械、编程等这所有一切构成了计算的本质。所以,我们是先有计算,再有计算的想法,之后再发明计算机,向计算机里编写程序后就可以处理解决很多问题,这是人工智能最原本的面貌。其中一个难点在于,目前我们还不会写一种“元”(meta)的程序,就是说在程序的上层去建构、理解程序本身的部分。人的智慧和思想中,自省的内容是人工智能还做不到的,尽管可以在一个程序上写一个程序让它调整不同的位置,但这不是真正的“meta”。


此外,人工智能不等同于机器人,它是软件,代表规划和决策的部分,机器人实际上是结合了人工智能和机械控制。我们可以简单地认为科学技术的发展历程,最早是用手解决事情开始,到制造工具,然后把工具机械化,接着是自动化,数字化。今天很多工业处于数字化时代,再进一步就是智能化工业,这意味着可以根据人不同的需求进行单件生产。大规模工业生产仍属于自动化信息化的部分,我们所处的时代是自动化、信息化和智能化混合的时代。

电影特效


人工智能具体能做什么工作?比如机器视觉,包括人脸识别、物体定位、身份扫描等。可以想象通过技术看到整个地铁站的人流有多少,或是张学友演唱会入口安检的识别系统发现了几年前的逃犯。另一方面是自然语言的处理。另外,自动驾驶大家听新闻耳朵都磨出茧子来了但是没见到几个真正实现自动驾驶的车,也就是技术完成了但为何未融入生活中?原因在于它的场景很复杂,一些简单场景例如机场、码头、货运、农业很多领域已经在使用无人驾驶了。再如电脑特效中,一些简单的云、水、草地反而是最难的,下图左侧电脑模拟的并不真实,右侧是通过算法让它变得真实。

动画特效


接下来我想给大家介绍AlphaGo的两种学习方式,一种叫监督式学习(Supervise Learning),另一种叫增强学习(Reinforcement Learning)。例如下井字棋,每走一步其实它面临多种选择,在数学上是大空间搜索的过程。围棋相较于简单的井字棋,有更大的空间,因此围棋难下并不在于机器的算法没有准备好,而是它没有办法进行大量的搜索。AlphaGo用以上两种办法去学习这件事。第一个是策略函数,机器每下一步之前,它会参考以前人下过的棋谱,并按照概率更高的选择来下棋,这是作为第一步最简单的办法。还有一种稍微复杂的办法,可以想象不论机器棋手如何选择,都是不断的树状分叉,到最底层时是一个“赢”字,代表机器赢了,此时它是+100分,每向上追溯就乘以一个任意的系数,就有一些衰减。它不断延伸的时候任何底层状态都是有正值或负值的,和棋的话是0分。每个状态都有分值的累加,有正有负,正的越多赢的概率越大,负的越多输的概率越大,所以面临选择时,机器会选分最大的,这就是增强学习

而在监督式学习中,两个分值做一个加权的时候,AlphaGo就是这样选择的。每到下面一步棋面临多种选择的时候,第一看人如何选,第二看不断延伸到最后会受到奖赏还是惩罚,所以经常说的AlphaGo自己跟自己下棋其实没有什么神奇的。其实AlphaGo做了更多的工作,刚才只描述了最简单的想法。围棋方面也有新技术的发展,叫深度的神经网络。


再举一个医疗行业的例子,如果在一个系统中有几千张病理图,还有十几位资深医生在图片上做有标注。如果拿到一张病理图,和系统库里的片子做相近对比和参考分析,会对很多初级医生或偏远地区非常有用,对提高行业水平有一定帮助。

魏颖 策展人、研究员


今天有两位技术方面非常厉害的老师,我这边准备的内容会更涉及人工智能的历史,以及它跟艺术和文化交叉的层面。


一般认为,1956年是人工智能的开始,因为1956年在美国举行了达特茅斯会议(Dartmouth Conference)。会议有7位主要的参与者,其中约翰·麦卡锡(John McCarthy)在1955年(也就是会议的前一年),起草了达特茅斯会议的倡议书,提出AI这个概念。这以后政府开始大量拨款,之后的时间被称为黄金十,麻省理工、卡内基梅隆、斯坦福和爱丁堡大学这个四个大学获得大笔的政府资助,被称为人工智能研究的四大重镇。黄金期持续了大概十年左右,于1973年进入第一个寒冬,被称为是“AI winter”。直接的原因在于著名应用数学家詹姆斯·莱特希尔(Sir. James Lighthill)受英国科学研究委员会委托所作的《莱特希尔报告》,他在报告里批评计算机、机器人和自然语言处理等基本领域的研究还没有达到相应的标准。他表达了早期对人工智能兴奋期之后一个普遍的悲观,在此之后,全世界的政府开始削减预算。

达特茅斯会议(Dartmouth Conference)的7位主要参与者

“专家系统”带领了第二波高峰的到来,但大家又会发现第二次寒冬也非常快地到来。日本当时做了很多实验,大多失败。当时个人计算机的普及导致投资方的转向将重心从人工智能转到了个人的计算机领域。所以这个寒冬的到来,其实和资本有关。然后进入到第三次高峰,也就是一直到现在,其崛起和各种硬件和软件的发展有关系。首先在算法上,机器学习特别是深度学习的加强引导人工智能更往前走一步,而其运算速度需要硬件的支持,就此GPU也出现了。另外就是需要大量数据库,包括斯坦福大学李飞飞做的大量工作等


所以我们看到人工智能史不仅仅是简单的技术史,里面混杂着经济、技术、社会、包括政府决策、民间力量等非常复杂的因素。


关于人工智能所涉及的领域其实比较广泛,我重点讲一下与艺术有关联多一些的领域:无人机、机器人还有“bot”。提到无人机,大家第一反应会是国内非常厉害的公司大疆。虽然无人机的很多应用基于摄像或者高空摄影,但它还有更多的应用。例如商业应用,用于运输,或者体积非常小的无人机,或者可以水陆空三栖工作,也有可以模拟蜜蜂,做给花采粉工作的无人机,相当于是对动物的模拟。

第一台聊天机器人“Eliza”,1966年


“bot”也许可以翻译成“无形机器人”,它没有实体,可能以软件或一个算法的形式存在。麻省理工的实验室在1966年,开发了第一台聊天机器人“Eliza”。这种形式非常能反映时代性,角色设定是精神治疗师,通过对话去解决你的问题。这两个会比较有意思,分别是华盛顿邮报和中国的头条新闻自己开发的新闻机器人。相当于你给了机器人一个比赛结果或者一个大数据的内容,它会自动生成新闻。因为在媒体领域有一个比拼的指标就是速度,因此这方面受过训练的无形机器人,它的反应速度肯定比人类快很多。而且机器人的文体也越来越趋向于你想要的文体。

仿生学习网络(Bionic Learning Network)


然后就是我们比较熟悉的“robot”——机器人。这里我提供一个关于仿生机器人的案例:这是德国菲斯托公司(Festo Corporate)的生物学习网络(Bionic Learning Network),他们每年会发布一个基于动物特征的机器人,每年会有一个趋势,去年的重点在于集体协作,今年是关于翅膀,像图片中的这个蝙蝠就是他们最新的成品。


现在讲一下人工智能与文化、社会间的关系。首先我们面对的问题,是数字亲密性(digital intimacy)。现在我们所谓的友谊或者亲情都是人与人,或者人与有机生命(比如宠物)的关系。但在未来与你有亲密关系的可能还会有一些数码物件(digital objects)。比如发生在日本的一件很有趣的事情:日本的机器人行业更新非常厉害,下图是一位和尚在给一堆机器狗AIBO进行超度。这些主人对机器狗是非常有感情的,他们玩耍多年以后,却因为配件失灵或型号的停产而不得不向这些电子狗告别。有一些主人跟狗感情特别深厚,他不愿意放弃,于是他们成立了一个机器狗互助的组织。一些狗已经被“超度”完成,但它们的零件还可以捐献给其他的狗。互助组因此可以共享配件,与人捐献角膜、心脏是一个道理的。

一位和尚在给许多机器狗AIBO进行超度


第二个问题关于数码隐私(digital privacy)。未来我们的隐私可能不只是你家的门牌号、淘宝帐号、脸书帐号等。最近的新闻里,杭州一个中学的教室装备有识别摄像头观测学生的表情,并对其进行分析,以此作为学生在课堂中的评判标准。所以,面部表情也是我们的隐私,也是一个数据。多伦多大学在今年5月31号发布有一篇关于反人脸识别技术的论文,即发明出一种算法去动态干扰人脸识别的系统。


除了人脸识别,基因隐私也是非常需要大家在未来去考虑的问题。美国艺术家希瑟·杜威·哈博格(Heather Dewey-Hagborg)在公共场所收集大家随意丢弃的烟蒂和口香糖,根据其上的唾液把人的整个基因进行测序,并进行面部还原。


另一问题是创造性,因为创造性本来是人非常自豪地区别于其他物种的能力,但是这也被人工智能取代了吗?下图是路易斯·瑞普金(Lewis Rapkin)的作品,他在一辆汽车上头安装了一个摄像头,还带有声音监测和文本生成的主机设备。他在设备中输入一些他最喜欢的美国公路作家的文风,并让这辆车沿着美国开。这辆车的摄像头中它看到和听到的东西被合成,最终产出一个文本,这就是最早的人工智能公路小说。而围棋和音乐的技术问题也被人工智能默默解决了,基于创造性的领域未来是否真的能被整体征服?

美国艺术家Lewis Rapkin拍摄技术专家Ross Goodwin的作品,即在一辆车中携带AI机器人,机器人拥有摄像头(眼)、麦克风(耳)、GPS(方位感)和电脑(大脑),它会依照美国著名的公路文学与诗歌的风格沿途创作小说。图片来自网络。


最后我还有几个开放性的结论欢迎大家讨论。首先,虽然人工智能对人类威胁一直被大家讨论,但我觉得人工智能与人类一起协作是未来先出现的趋势。以智能驾驶为例,它其实分了6个等级,我们所说的全自动驾驶是最高的等级。而前面的等级都是人和机器的协作,所以未来很大程度上,我们所谓的人工智能,也是一个混合(hybrid)的协作。第二, AI的伦理问题已经被提上议程。2017年1月,在美国加州阿西洛马召开的“阿西洛马会议”(2017 Asilomar Conference)签署了阿西洛马AI原则(Asilomar AI Principles),一共是三大类23条。第一类为科研问题,第二类为伦理价值,第三类为长期问题。最后一点,我发现很多关于AI的讲座和讨论都基于一个电影或者小说。它是基于你对于人工智能在主流文化领域最有名作品的理解上进行的。那些作品对于人工智能的描述,多基于浪漫主义或者诗意,甚至是出于票房考虑而故意的危言耸听。我觉得真正的问题在于思考当下人工智能和社会,或者和文化的关系。大家最好可以多了解当下的人工智能技术究竟发展到哪个层面,这样的讨论才是比较有意义的,也是我希望未来的讨论能够有的方向。

殳征 科大讯飞消费者BG AI产品线总监


刚才两位老师从理论、历史和艺术的角度讲人工智能,我就从人工智能厂商的角度给大家分享一下,科大讯飞这样的人工智能公司,在现在社会中做了怎样探索,以及具体有哪些落地的应用?


目前我们可以看到的人工智能,大部分还是属于弱人工智能,就是说可以在特定的领域上,把计算机的行为表现得跟人一样,但是它没有人的意识。但是,即使在弱人工智能的时代下,我们依旧可以做非常多的事情,它得益于三大法宝。首先,强大的计算机的算力可以支撑深度神经网络。其次,互联网和移动互联网中大量的真实数据。第三,我们讯飞提出一个叫“涟漪效应”,也就是说,得益于我们现在互联网尤其是中国互联网这种相对免费的商业模式,使得不是特别成熟的产品,可以第一时间推出到市场上,并从目标用户、种子用户、极客、发烧友那里得到真实的反馈,并反向地去训练我们的模型。

那科大讯飞基于人工智能的技术上面,做了哪些工作呢?第一个就是语音合成及相关语音方面的技术。现在大家用到的高德上面的林志玲、郭德刚、高晓松的声音,都是讯飞提供的技术。我们运用音色、语音包的数据库来合成想合成的话。另外,讯飞有自己的输入法,来做语音识别。出于我们对算法的优化和积累,以及我们对方言库数据的积累,目前讯飞支持22种方言,应该是在中国支持最多的。同时,因为有了刚才说的这种模式,在大家不断使用讯飞输入法的时候,也会对识别率进行提升。


现在有一个叫Winograd Schema Challenge的测试,是“图灵测试”的替代版本。它会用一些简单的推理题来测试是否是机器,讯飞在第一次参加这个比赛的时候,获得了第一名。即便如此,机器和人在一些简单的自然推理方面,还是有很大的差距,当然这都是我们这种人工智能公司在努力突破的方向。

通过类脑计算,在脑科学基础研究重大投入,并与信息科学形成紧密融合,是人工智能主攻方向。


我们在去年和BAT一起做了人工智能的开放平台,我们主要做语音这部分;另外是认知智能,去年我们和科技部一起建立了第一个认知智能国家重点实验室。认知智能的工作大概分为两派:第一种叫鸟飞派,是指我们可以通过模仿人类的大脑来工作。人类的大脑是一个物理的结构。我们可以把物理结构中的每一个神经元通过计算机进行仿真,另一种我们称之为智能动力学。这两个方向我们公司都有对应的研究。


在实际的应用层面,我们有交互领域和包括运营商、教育司法等领域的结合。人工智能的交互中,基于视觉呈现的语音交互是未来的方向。怎么理解?我们在向计算机输入信息的过程,其实远没有像从计算机获取信息的过程来的自然。虽然我们也有键盘、鼠标等输入设备,但是实际上都是人在去适应机器。所以我们希望,运用传感器、摄像头、人脸、指纹这样相对自然的输入方式,以及重力感应器的那种属于无感知的信息输入方式,能让计算机听懂人类语言,从而让人类用最自然方式和计算机进行交互。我们提出了一个多模态交互的界面,叫做AIUI3.0。基于AIUI的技术,我们自己有一个开放平台,现在有80万以上的开发团队在用我们的平台。我们做了一些垂直应用,有输入法、铃声、还有配音工具。我们有和SIRI一样的助手,叫咪咕灵犀,它也是基于我们公司的交互技术来做的。

人工智能时代人机交互界面


此外很重要的一点是,人工智能可以和行业进行结合。我们希望能够把人类经验固化下来,通过人工智能的方式降低成本,提升效率。比如,智慧教育。我们最早有口语评测技术,还有智能评卷,智能判作业等。同时基于知识库,让学生对每个知识点,包括知识点之间的关联,进行精确的预测。目前我们大概为一万三千多个学校提供这样的技术。另外还有智慧医疗,包括智能语音,比如牙医、查房或手术中,当医生的手被占用的时候他们可以通过语音的方式,把实时的主诉录到电子病例里面。还有辅助诊疗,我们去年做的“小e机器人”,已经完成了国家医师资格考试,理论上已经具备上岗资格。

科大讯飞于2017年刷新Cityscapes世界纪录,自动驾驶场景图像理解达81.4%


我们认为在每个领域和每个行业,都可以有人工智能去发挥、去赋能的地方。但是我们首先专注解决不同行业、不同领域内的,而不是通用的人工智能。其次,我们不认为人工智能可以代替人类,它会更好地为人类服务。我们特别希望有一些合作伙伴,甚至有做艺术的朋友们一起加入,一起用人工智能来创造美好的世界。

由宓 策展人、学者


我今天想跟大家谈的最主要的问题是,哲学家在这个时代可以做什么?哲学家在这个时代还有什么意义所在?


今年3月份我在迪拜参加了一个 “Global Art Forum”的座谈会,主题是所谓的非西方的AI。策划的概念是认为目前在谈AI的时候一般是从伦敦到硅谷的地理空间去谈,没有关注到非西方世界的AI是怎样的,所以请了一位西班牙的哲学家,请了我作为艺术实践或策展人,请了微软中华区的技术官韦青。

Metropolis. Brigitte Helm being prepared for Robot scene.  Germany 1925/26. Director: Fritz Lang  图片来源于Global Art Forum官网


这位西班牙哲学家从日本原生的神道哲学的角度来讲AIBO的葬礼,日本神道哲学有点像万物有灵,就是说一件东西只要存在,过50年后就会有一个自己的灵。我对这个观点有非常强的批判态度,当场跟他争起来。首先这是用一种很西方的思维去想象东方人跟科技的关系。所谓万物有灵这个哲学的态度是一个很西方想象。西方启蒙时代开启以人为中心的哲学思考,把人和人的精神、意志强加于世界,其他东西都是消极的或者是人的反面。西方人现在突然开始对万物有灵这种哲学感兴趣,你会感觉他们是矫枉过正,非常简单地把自己之前的思维做了一个的反向的运用,变成了所有东西都是有精神的,都有灵。这个其实没有解决根本问题,还是很二元的结构,躯体跟精神是分开的。


我觉得迪拜的这场座谈,是一个今天语境下的新东方主义,是在技术层面上产生的东方主义。这个“技术东方主义”(techno-oriental)还可以追溯到像《银翼杀手》那样的电影。当时西方经历了二战以后的一次经济腾飞,日本作为一个异军突起的力量,以很不符合西方自由主义资本主义的市场逻辑,作为原动力的一种力量崛起以后变成了西方很惧怕,但是又很具有吸引力的存在,他们在《银翼杀手》里面会把世界的未来想象成东京的样子。


所以在这个基本的问题上还是需要一些稍微理智的哲学家去探讨,不要一下变成所有机器都是有生灵了,而是认识到我们要如何跟科技、跟机器相处,回到最基本的层面,是关于人性本身的问题,这个关系其实只是你和自己的关系。

Kim Jisun作品,图片来源于网络


在这里介绍一下韩国艺术家Kim Jisun的作品,她利用了AI的算法去生成一些剧本。有三个角色,一个是通过学习了海量佛经写成的一个佛教的人士的剧本。另一个人物,是被编程后的和尚,去做了一次法事。第三个人物是关于AI在军事领域的应用,包括有关无人机的一些道德伦理问题。整场剧其实没有演员,就是三个不同的机器在做戏。在现场真的看了一个多小时以后,还是会给我们一些思考。但是无论如何这些艺术尝试,是在利用这个技术,回归到更偏人性或者文化的问题上。


然后我今天还有一个特别想讲的是,如果AI的演进要在有一定的基础上才可以发生,比如说我们要有足够大的数据库,那如何能够把这个问题引到我最近比较关注的关于“区块链”的问题上?区块链其实就是“无中生有”。大家可以把我谈的作为一个元层面的思考,我其实没有直接在谈技术本身,而是有无人和世界、和物质性的关系。

评论家Marina Vishmidt参观艺术家Simon Denny的展览“去中心化生活的游戏”,图片为由宓摄。


首讲下这位理论家,叫Marina Vishmidt,她是一个历史唯物主义者。她的著作谈到了艺术和资本的吊诡关系。如果在座各位对艺术感兴趣,或者是艺术从业者的话,会发现在最近二三十年,艺术越来越像资本主义,资本主义越来越像艺术,两者正在发生结构性的互相侵蚀。艺术如何变得更像资本主义这个很容易解释,艺术系统逐渐出现了这种有点像1%和99%这样的分化,大画廊越来越大,富人越来越富,穷人越来越穷,都是资本市场的逻辑。但是资本主义是如何变得越来越像艺术的?这是一个非常缓慢的、不易察觉的、但是非常巩固的过程,是通过西欧或者欧美的新自由主义对一切社会福利的消解形成了当今的局面:现在无论你做什么样的工作,即便是秘书、行政的工作,其实都是在进行一种创意工作。创意这个事变成了对所有人的一种挑战,或者对所有人的基本要求。它的背景是因为整个社会福利系统、长期工作合同的消解。所以我们发现,艺术曾经是一个创意性的、推想性的和哲学性的存在,正在被资本主义给挪用,而资本主义正在被艺术挪用。


如果说艺术本应作为一个推想性的、创造性的存在,你会发现其实区块链干的也是这样一件事,它是具备了艺术最基础的特质的一个发明,或者一个机制、一个现象。

CryptoKitties,图片来源于网络


在这个语境之下,你会觉得艺术家如果再用区块链做艺术作品的话,是非常弱的,其实他没有贡献任何理论,他其实只是在这样一个现象之下,可能把自己变成这个现象的一部分。Simon Denny是新西兰的艺术家,一直寄生在各种科技或者科技资本的现象中,好象以这种现象去批判性的做作品,但其实完全看不到他的批判性,因为他自己基本上就是在演练企业家所需要的特质。他是一个特别有意思的现象,他将自己嵌入这个系统的逻辑本身。我和Marina就非常深入地谈了他的作品。


最后讲一个我认为其实是当之无愧的最牛的利用区块链的艺术作品的案例,但是它其实不是艺术作品,它是“CryptoKitties”,就相当于比特币,但是那个币是猫。它把一个生态跟这种open-ended的一种开放性、创造性、推想性的过程在区块链上以猫的形式展现了出来。

[沙发:1楼] 猴面包树 2018-08-07 21:15:48

来源:泰康空间


四位嘉宾的分享过后,现场观众从多个角度提出了各自关注的问题:


· 科技中的“快”与“慢”问题?

· 第三次寒冬会不会出现?

· 虚拟货币和区块链的政治应用?

· 机器与人类在未来的关系?

· 中国与美国的AI发展真的相差十年吗?

观众正在提问



  • 提问:我比较感兴趣的是速度的快和慢的关系。在科技领域,速度是最重要的意识,你必须在技术上比其他公司先发制人,先发现市场。这个领域没有慢的可能性。我们要获取知识需要时间,但是在技术领域,重要不是时间而是算力。我更感兴趣的是有没有一种不同于这种对速度和时间的关系的认识?科技打开我们想象,但是这个想象是不是只有一种“时间”?


殳征:我仅代表个人观点的来回答一下。我们公司1999年就成立了,那时候人工智能不是一个好用的基础设施,不是像近两年人工智能很火、融钱很快才去涉足这个领域。讯飞研究语音技术,之所以比一些厂商要好,是因为长时间对于业务、真实场景、数据的积累,而并不是说突然有一笔钱上来了,我多买了一千片的GPU就可以很快地追赶上。市场上钱肯定会越来越多,但是真正的是能不能把它做得越来越好。我觉得如果一个公司想往前持续地走,找对一个业务,然后长期地投入是更重要的,而并不只是说我现在有算力,我就“快”。


由宓:我觉得关于速度的问题特别好。速度是你看得到的,但是加速是你看不到的,这个东西就像王夫之讲的“势”,就是你是否能够审时度势,在那东西还没有出现之前,就已经往那边去弯了。这就好像大家都看到的是切线的那个点,但是切线的方向其实是它加速的方向,就像殳总所说,在1999年的时候就已经往那边去切了,这就是纯哲学和数学的解释。我觉得刚才我从殳老师这边学到的挺重要的一点,就是关于“鸟飞派” 不是一味地只看那个“点”。在这个语境中,这个“点”就是鸟的翅膀,一个对它的仿生学的模拟。我们可以把它做得很完善,但其实流体动力学是一个更大的处境(condition)。殳征讲的“慢”,或者我讲的判断局势,其实就是看到整个处境的这种能力。问题就是我们有没有这种能力。

观众正在提问



  • 提问:我一个是深度学习的从业者,我对三个问题比较感兴趣。第一,咱们现在的人工智能发展阶段会不会再经历一个寒冬,未来十年会不会出现一个转折点?第二,现在人工智能发展到一定的阶段,但是外界把它理解得过分强大,把人工智能快速变现。这种过分的吹捧会不会对这个行业的发展有副作用?第三,在人工智能的发展的过程中,企业跟研究机构分担着不同的工作重心,他们的关注分别是什么?


秦曾昌:现在所有做的事情是一个function fitting,就是你要学习一个函数的关系,无论是多复杂的网络,多复杂的东西,所做的事就是输入输出之间。但是人的智能化远远超过它,因为人可以做推理。那些元层次的推理(metalevel reasoning)都做不到,这是目前AI技术的一个瓶颈。现在也有人做智能图谱和身份证结合,或许能做出稍聪明的智能系统。这些看起来,会有一些新的产品出现,但是可能会有比较稳定的时期。现在来讲,我不觉得会像以前那样大起大落,因为目前这个技术包含了其他的背景,包括金融和一些其他的应用。尽管没有人期望的那么高,但是比以前要好很多。从这个角度上来讲,它可以进入一个稳定期,走到这儿了,也许不继续往上走了,在这个高坡会振荡一下,但是基本还是一个比较OK的程度。而过分的关注必定就会有过分的期待,达不到期待的时候就会产生落差。这绝对不会带来健康的发展。


殳征:前面说的两个我非常认可。先说第一个问题。人工智能是个概率性的胜利,就是我们可以通过拟合的方式,来获得相对比较成功的模型,去进行预测和推断。它没有达到100%准确的程度,但是在大概率的情况下,是一个概率的胜利。比如我们在手机上给人发个消息,有一点点错别字,不会影响到整个使用场景。但是人工智能做到今天这个程度,它已经在很多应用场所具备了使用价值。在这样一个情况下,他和以前是不太一样的。比如我们在很多年前就推出了讯飞输入法,成功率非常低,打10个字错2个。但是现在是100个字里面错2个,就已经具备了一定的可能性。我们在肺片上的诊断,在教育上去进行判卷等等,这些业务场景,人去做的成功率是80%,但通过人工智能的方式能达到93%到95%的成功率,那就已经是超越了人类。所以我们认为,它不会像原来一样一下落到之前那个程度。


第二个问题我也同意秦老师讲的。市场的定位太高、公司估值过高,反向肯定会影响到公司的经营。一旦出现业务场景受限、商业上驱动受限的情况,它就会快速地撤资,导致公司没法正常发展。


第三个问题,以我们讯飞本身为例,我们也是分研究院和应用部门这样两块的。学术界更关注的是基础算法的设计和研究,那他们可能会在可控的环境内,进行参数调整,做很多的实验。这些实验可以在测试数据上,比如说刚才魏老师也提到的imaging net这种数据集上达到非常好的效果。但是如果你放到社会上、市场上来,比如你做人脸识别,真正到了我们这种工业级,会看到很多的问题,包括光线、角度、肤色等,这些问题并不完全能够在实验环境下想到的。这就需要我们工业界的应用开发者,来帮助收集更多真实信息,反馈给研究机构,让他们可以做更好的优化。所以我觉得这是相辅相成的,两方面都很需要人才来把人工智能做提升。

观众正在提问



  • 提问:我想举一个具体的虚拟货币和区块链在政治方面应用的例子。很多新的信息科技在实际应用当中,基本上还是在做监控安全、控制管理的工作,帮助权力机构更加有效和高效地实施权力。最近纽约有一个组织叫New Inquiry,他们搞一个叫Bail Bloc的项目。因为美国的保释金非常高,他们就让所有人在自己电脑里像众筹一样,下载一个区块链木马,用电脑里多余的算力去运行这个程序,从而生成虚拟货币。这些货币会被收集,然后换成实际的美元,去帮助穷困的黑人付保释金。他们从去年年底开始,到现在过了半年多,挣的钱不是很多,因为众筹到的算力实际上非常少。不过这种模式还是引起了很多左派内部的争议,因为这个东西本身就有很多道德和政治争议。一方面,他们还是在利用新的工具,从现存的政治组织和人的组织关系当中获取金钱或能源。另一方面,区块链本身好象有这样一个“去中心化”的设想,那么不管是从开发者的角度,还是从你们观察和思考者的角度,有没有可能在我们已有的工具下,真正在应用上实现某种政治目标或政治诉求,从而实现一种新型的人类组织?


由宓:你说的左派的纷争很明显。最近二三十年来,西方左派完全是一种极度悲观或者极度批判的态度。之前有另外一个组织叫Robin Hood Initiative是在艺术界、技术界干的一件事,像罗宾汉一样劫富济贫,像公司一样去投金融产品,然后用这个产生出来的钱去接济生活在中下游的艺术家。左派对这个事有很大的分裂。你提的那个特别有意思的一个方向:做区块链的人在一开始都是说自己是政治保持中立的,他们几乎没有一个人愿意把这个东西真的用在社会、社区、公共事业的语境里。现在大家都是冲着ICO去的,那你有没有可能在这一个总体的趋势之上,又能跟某一些社区的具体需要契合,找到一个平衡点?


我前两天在首尔看到一个令人欣慰的方案,它要解决国家电网在输电过程中的巨大浪费问题。它在物质层面上是一个去中心化的发电网络,有很多是太阳能的,在每一个不同的社区里面去解决又在社区里面储藏,同时又用区块链和智能合约,去进行按时间、按需求分配,形成一个比较有效的系统。但你看不到它的商业出路在哪。你会觉得这样的一个项目,就是出于具体的社区需要,可能是区块链里面一个少见的、让人比较欣慰的项目。


回到关于社会组织的问题上。09年占领华尔街时一直在谈的一个概念叫 “commons”,中文一直不知道怎么翻译。“Commons”是一个在公有和私有、政府和市场之间的状态。从结构上来讲,这个状态应该是一种公众或者社区共同所有、共同参与决定的东西。大家就既不相信政府,又不相信公司,所以就希望找一个全民可以参与的方式,一种中间的方式来运作。

观众正在提问



  • 提问:刚刚几位提到的机器狗的例子可能觉得有点荒谬,但是如果让一个人类的演员或者一个真的和尚讲道,但其实这个人背后是一个机器的系统模拟出的人声,底下是人类的信徒,这个方式会让我们觉得是一个很神圣、有仪式感的一种事情,但其实也是由机器去做的行为。所以当机器或者人工智能到了一个让人类无法区分到底是人还是机器的程度,我们人类应该怎样看这个事情?


秦曾昌:举个日常的例子,很多人买包,有的时候会强调这个包特别贵,因为是hand made;大家以后写情书写诗的时候,也会去强调这个是hand made。人工智能可以生成诗,韵律和词都特别的华丽,因为它有以前诗人的所有词句。但是不知道你看过这类诗没有?它虽然很华丽,但是有一个巨大的问题就是没有中心思想。它告诉你我这句话和这个词,它们之间在所有的诗人里面是最匹配的,是这么去算出来的。机器作打油诗是最好的,但是生成长文本的时候,就不可以了。为什么?长文本所描述的东西,几句话之间要有逻辑关系,要表达一个中心思想。这一点是努力在做、还没做到的。这就类似于以后我们所有的皮包、皮鞋的工业化生产一样,它会变成生活中不可或缺的一部分,但是尤为珍贵的还是hand made的。


魏颖:我很认同这个观点,还是回到刚才讲的,就是在于你。如果那种很简单的几个词叠加,你也能体会到诗的意味,没有什么问题,那就快乐地享受这种简单的打油诗。但喜欢读杜甫的诗的就享受不到。如果是考量佛教的场景,虔诚的和尚,他拿着念佛机,电子念佛机,只不过是在给你无数遍地重复同样的经文,你还是可以进入这个境界,你也并没有因此产生不恭。信徒之间互相有这样的信任,而且他们对面前这位法师——不管他是人还不是人——有同样的信任的话,他也可以到达那个状态,最终是他要或者不要达到这个境界。所以我觉得这个问题是伪问题。

观众正在提问



  • 提问:经常看新闻里面说中国的AI和美国的AI的发展阶段可能相差十年,但是我不清楚这个十年究竟是差在哪?


殳征:我还是站在AI厂商的角度来说一下。人工智能的范畴太大了,如果你站在整个人工智能的范畴,包括计算科学、算法,再加上顶层应用,在这个行业内你越上层的话,是越有优势的,因为我们的起步和美国比没有那么晚。而且我们还有一些后发优势,我们可以模仿。然后基于中国这么大的用户群体,所有的业务都是在一个大群体中实践的,这不是数据的问题,这是业务的问题。在美国他只有2000万人,他们根本遇不到2亿人同时使用时会出现的问题。在中国这样的场景中,我们的产品和技术可以不断地优化,甚至可以优化到在外国人看来都不可思议的状态。但是越到基础环节,比如工业,化学、芯片等领域,虽然我们发了非常多的论文,但是在基础上底子还是弱。所以说你看到最好的芯片还是因特尔这些公司。这部分的话,的确,中国的CPU比起美国有十年的差距,或者GPU是不是有10年的差距,但是它并不代表着人工智能的全部。


秦曾昌:我多说一下,为什么大家会觉得我们国内人工智能这个行业发展得快?我们行业跟别的行业不一样的地方,在于我们喜欢共享:文章共享、代码共享。比如说今天斯坦福发表一篇文章,我第二天让学生去运行一遍,虽然大牛还是美国多,他挖了坑很多人在灌水。但是实际上我们很快就可以跟他同步了,大家可以在这个脚步上,一起往前走。《自然》杂志最近开了个子刊讲人工智能。AI界的很多大佬,合在一起抵抗这个刊,我们一起不要往上面发。你会发现所有的行业都是发期刊,但计算机行业发会议,为什么呢,会议不需要被那些出版集团所控制,现在AI或者计算机行业文章都不需要发表了,直接在网上资料库里,只要有个标号,就知道这个文章有人做过了。所以每个人每天都在更新,而且每天都在看今天有什么样的变化,每天都拿到别人已经共享到的结果,所以这个行业做得特别好。这或许也是其他行业可以向AI行业学习的地方。


返回页首