|
昨日阅读3小时,累计阅读25小时。
学习心得:
FT中文网:
在过去30年里,信息技术一直高歌猛进、所向披靡。驱动信息技术一路飞奔的是这样一个事实:机器的计算能力、内存大小和通讯速度这三者全部提高了一百万倍。那么,人们很自然要思考这样一个问题:当人工智能(AI)崛起的时候,如果这三者,也就是我们今天所说的算力,再提高一百万倍,当机器已经具备了无以伦比的学习能力的时候,我们该怎样到达人类社会的彼岸?3月13日,“强化学习之父”理查德•萨顿(Richard Sutton)发表了一篇题为“苦涩的教训”(The Bitter Lesson)的博客,其核心观点是:“我们必须吸取惨痛的教训,即从长远来看,直接构建人类大脑的思维模式是行不通的。”萨顿写到:“人类不断试图把自己的知识和思维方式植入到AI之中,”比如用人类的思路教AI下棋、将让AI按照人类总结的思路来识别图像等等。这些做法,“能带来暂时的性能提升,长期来看却会阻碍研究的持续进步。”这种错误的做法已经带来了太多“苦涩的教训”。萨顿相信:“真正的突破,总是来自完全相反的方向。”所谓完全相反的方向就是“摒弃人类在特定领域的知识”,采用“基于搜索和学习进行大规模计算”,只有这样,人类才会“获得最终的胜利” 。这篇文章的确是作者总结了过去70年人工智能发展历程的洞见之作,因而引来一片附议和转发。但也有反对意见,其中比较典型的是牛津大学计算机系教授希蒙•怀特森(Shimon Whiteson)。他在题为“甜蜜的一课”(The Sweet Lesson)的博客中针锋相对地写到:“AI的历史故事并非融入人类知识一直失败。恰恰相反,这是融入人类知识的胜利,实现的路径也正是一种完全符合惯例的研究策略:尝试很多方法,抛弃失败的99%。”萨顿和怀特森两位教授都是业界知名的强化学习专家,但有趣的是,两人的观点却如此背道而驰。这场隔空争论过程中,许多业内知名学者也各抒己见。在国内,也引起了业界相当高的关注。萨顿和怀特森争论的一个焦点是人类的知识与AI是否一定是对立的。萨顿说:“虽然这两者看似没有必要相互对立,但实际上它们往往是对立的。”也就是说,萨顿认为人类的归人类,AI的归AI。在我看来,不必计较AI跟人类的知识是否对立,也不必计较AI在哪些方面能超过人类,而要看到当机器智能化后会成十倍百倍的提升效率,降低成本,优化体验,从而达到推动社会发展的意义,这才是AI的技术价值所在。摩尔定律表明,算力和数据在一段时期内是以指数级数变得更为便宜的,这是现代人工智能技术的驱动资源。任何不能有效利用这些资源的方法都前途有限。不仅如此,当算力和数据成本变得极为低廉的时候,这些因素也会影响算法优先发展的方向。这并不意味着算法不重要,而是说算法需要能适合这样的资源。就像石油的开发使得人类历史上第一次获得了非常廉价的能源,所以能适应这一能源的现代技术就得以飞速发展,比如汽车和飞机就是因为非常好地适应了石油这种能源,才得以在短时间内在全球迅速推广开来。
|