AI退潮背后:深度学习的“陷阱”

来源:互联网 时间:2020-11-17

人工智能产业正在经历一波高峰滑落:原以为AI无所不能,但事实是它解决的实际问题十分有限。

最近几个月持续霸占热点、被奉为AI领域最让人兴奋的新事物——OpenAI的新文本生成程序GPT-3,它在模拟会话中给患者提出“自杀”的建议再一次印证了这一点。GPT-3是一个由神经网络驱动的语言模型。

《The Register》随后发文,第一句话就不免嘲讽:说实话,我宁可去看尼克医生。Dr Nick是动画片《辛普森一家》中的一个庸医角色。

在11月4日与马克·雷波特的对话活动中,谈及GPT-3,周曦不免赞誉,称它是大数据技术领域的巨大成功,但是同样他也指出GPT-3反映了现在的深度学习技术存有瓶颈,以至于只能停留在娱乐大众的层面,无法真正解决实际问题。

马克·雷波特是网红机器人厂商——波士顿动力的创始人,人称机器人司令。周曦则是云从科技的创始人,师从计算机视觉之父Tomas S.Huang教授。创办云从前,他在世界识别领域的大赛中先后七次夺冠。

01又一轮AI的起伏

不可否认,深度学习带动的这一轮人工智能浪潮给产业界留下了诸多成果。但疯狂收集数据、加持算力的趋势也把行业逼向了高成本的崖壁面前,潮水极速后退,人工智能产业再次走到了历史的分岔口。

发展至今,AI走过60载,也经历了数次起伏。麦卡锡等人在达特茅斯学院建立人工智能发展架构为产业发展提供了思路,康奈尔大学认知心理学教授罗森布拉特创建神经网络模型则进一步奠定了基石,他们都曾短暂掀起过热潮。

80年代,专家系统掀起了一阵风,当时日本甚至倾全国之力打造第五代机来实现对美国的技术超越,但无奈因条件不成熟,风口散去。

2012年辛顿的算法在视觉大赛中大获全胜,深度学习和神经网络模型在算力加持下发挥的巨大功用再创风口,同时ImageNet的创建以及GPU的出现完全撬动了深度学习的产业化之路,也持续推动这波浪潮至今。

但随着成本持续走高、深度学习算法的效用不再显著,应用受阻,这一波AI热潮也逐渐冷却,

在现场,周曦和马克·雷波特均表示,AI仍然处于早期阶段,而这一波人工智能浪潮的基石——深度学习,即基于大数据的发展方向是否持久尚且值得探讨。

“大家认为数据多就能解决问题,但这件事情是不是这样子呢?”在现场,周曦抛出质疑。

事实上,通过最近深度学习领域最大的成功案例之一GPT-3可以看出,基于大量数据达到流畅并逼近人类的对答效果,它确有成功的一面,但是GPT-3目前的表现也仅仅停留在娱乐层面,后来在诊疗模拟中并未解决“核心的问题”。

“设想一下,2008年全球金融危机之后,全球最顶级的金融人才聚集一起修订巴塞尔协议来规避全球性危机。如果将这件事交给GPT-3,那危机至少要发生一百次甚至一千次,GPT-3才能总结和修订正确的方向,这是不可行的。”

周曦明确指出,大数据技术存有明显局限性。

02大数据基石之上,人机协同开花

回归现实,市场中其实为AI“留存”了巨大的商业机会。如受限于人力、时间等资源的不足,服务不到位成为当下普遍存在的问题,服务业因此存有巨大的提升空间。AI独角兽云从抓住的是这样一个市场机会,基于AI技术在金融、安防等领域提供解决方案,做深度服务。

但周曦发现,人可以在复杂环境、小样本之上做创造性的决定,基于深度学习的机器则要有成千上万次的试错才能解决应急问题,这在成本和应用场景层面都是有缺陷的。

“AI的目的是用低成本释放人类有限的精力、体力和经验,但是目前的AI技术做不到,所以在遭遇瓶颈之时我们不得不另寻他法。”

事实上,每一次科技进步都是效率的提升和对人能力的延展,如波士顿动力是把人体四肢能力做了延展。类比来看,周曦认为人工智能的核心价值应该是对人脑的延展。

此前十年发展起来的人工智能系统确实在做类似的事情,比如计算、逻辑和预测。但为何如今无法继续推进?他认为关键问题在于人与机器的逻辑不统一。

“目前的大数据技术,是技术人员基于大量的数据训练一个模型出来,没有人关心建出来的模型是不是和人类在一个思维体系,最后系统也不与人产生交流。但技术能够发展起来的核心在于为人类服务,当下基于深度学习的大数据技术发展逻辑本质上与此相悖。”

凯文·凯利在《失控》一书中曾明确分析指出,人类进化了数万年的成熟大脑值得技术人员学习,“除了生物体的逻辑之外,没有任何一种逻辑能够让我们组装出一台能够思考的设备。”

周曦的出发点也是如此。他认为在深度学习遭遇瓶颈的当下,将机器与人类的力量结合是未来长久的发展之路。

“当下需要走另外一条路,即专家知识,借此将机器与人类大脑的思维体系进行统一,做人机协同。”

03构建人脑逻辑

与人协作的基础在于理解人的逻辑,因此周曦重构了人的逻辑过程,并依据感知、认知、专业知识到决策的核心大脑逻辑闭环打造了云从科技的人机协同系统。

“你首先要能感知这个世界,有同样的认知逻辑,然后再往上有专业的知识,最后做决策。只有这样,大家才能一致。”

依然从人的角度出发,云从科技表示不做四肢、脑袋的物理状态,而是要做脑袋里的智慧。映射到机器层面,云从认为关键就在于保证系统的输入输出与人类一致。简言之,如果人类对黄金的判断是有价值,人机协同系统也将给出同样的判断。

按照云从的设想,不与现有基于云计算、大数据的人工智能产业冲突,人机协同操作系统将成为是基础设施的一部分,且与物理层的算力服务器解耦,即可以在任何平台上运行。

目前,周曦表示首先应该是建立起云从的操作系统,随后把专家系统和人的智慧连接起来,担当“老技师”的角色,做人类治理过程中的辅助。

“云从人机协同系统的核心能力越做越强,他对人本身的帮助就越来越大,我们通过人机协同的机制,再去一个一个场景解决问题,金融,交通、治理、商业等等,包括其他的一些民生的事情,云从在做这些事时的思路都一样,既然我有这套系统,他就可以跟本身这个行业的从业者一起去把他这个行业的事越做越强。”

周曦认为,人机协同系统能够把技术优势转化为效率,这是巨大的优势。“我们的效率来源于我们的智能,比如说银行目前同一时间只能服务50个人,有了我们这个助理之后,银行能服务500个人,效率可以提升10倍。”

项目推荐

A5创业网 版权所有

返回顶部