datasheet

QbitAI量子位

文章数:680 被阅读:6398910

账号入驻

Hinton最新专访:别让AI解释自己,AI寒冬不会再来

2018-12-15
    阅读数:
允中 编译整理
量子位 出品 | 公众号 QbitAI

今天,《连线》发表了一篇专访Geoffrey Hinton的长文。

在这次加拿大G7人工智能会议上的访谈里,Hinton谈到了对谷歌军方合同的“私下”抗议,还提出了对现在AI研究的一些看法,比如:

不要让AI解释自己,那简直是个灾难。人类大多数时候都没法解释自己。

发展AI需要新型的计算硬件(他指的并不是TPU)。

我们在研究中应该追求“新想法”,不能一味看效果。从长远来看,一个全新的想法比一个微小的改进更有影响力。

另外,Hinton还说:不,不会再有AI寒冬了。

以下是采访实录:

Wired:加拿大总理特鲁多在G7大会上说,人工智能带来了一些道德挑战,对此需要做更多工作,你怎么想?

Hinton:我一直很担心致命自主武器的滥用。我认为,应该有一个类似于日内瓦公约的东西,像禁止化学武器一样禁止它们。就算不是每个国家都签署这个公约,实际上它也会起到像道德旗帜一样的作用。谁没签你是能看到的。

Wired:有一封抗议Google为国防部提供无人机图像识别服务的公开信,有4500名你的同事签了名。你签了吗?

Hinton:作为一名Google高管,我认为我不应该公开表达对公司的不满,所以,我私下表达。我没有签公开信,而是找(Google联合创始人)谢尔盖·布林谈了谈。他说他对这个事情也不满,所以,这不是他们的追求。

Wired:Google决定履行完这份合同,但是不会续签,还发布了一份AI指导方针,其中就包含了不能把这项技术用于武器。

Hinton:我认为Google的选择是正确的。各种各样的东西都需要云计算,想弄清底线设在哪确实很难。我对Google设置的底线很满意,那些原则我认为很有道理。

Wired:在日常场景里,比如在社会服务、医疗等领域用软件做决策的时候,人工智能也会带来道德问题。我们应该当心什么?

Hinton:我的专业领域是让这个技术管用,不是社会政策。这里面确实有一点和我的专业技能相关,就是判断监管者该不该坚持要求你能解释AI系统的工作原理。我认为那完全是个灾难。

在大多数事情上,人类都不能解释自己的原理。你招人的时候,是基于那些可以量化的东西来做判断,再加上各种”直觉”。人们根本不知道自己是怎么做到的。如果你让人类对自己的决定做出解释,就相当于逼他们编故事。

神经网络的问题也一样。你训练了一个神经网络,它学习的是几十亿数字,代表着从训练数据中提取的知识,输入一张图片,它给出正确的决定,比如说这是不是一个行人。但如果你要问“它为什么这么想”……如果图片里有没有行人能通过任何简单的规则来判断的话,这个问题早就解决了。

Wired:所以,我们怎么会知道什么时候能信任这些系统?

Hinton:应该根据表现来管理它们。你可以用实验来检验有没有偏见。对于无人车,我认为人们现在已经算接受了,就算不知道一辆无人车怎么做到的,如果它发生的事故比人类司机少,那就是好事。我认为我们要像对人一样来对待这个问题:看他们表现如何。

 https://arxiv.org/abs/1807.04587

Wired:在你上周发表的一篇论文中,提及应该进一步研究大脑中的学习算法。这是为什么?

Hinton:大脑和现在大多数神经网络都不一样。人类大脑有大约100万亿个突触,而人工神经网络的权重通常要小1万倍。大脑使用大量的突触,从很少的样本中尽可能多的学习。而深度学习则是利用更少的神经元连接,从大量的样本中进行学习。

我认为大脑并不关注如何把大量知识压缩成几个突触的连接,而是关注如何使用大量的连接,快速的提取知识。

Wired:那应该如何构建更强大的机器学习系统?

Hinton:我们需要转向另一种计算机。幸运的是,我这里就有一个。

(Hinton说罢把手伸到包里,掏出一块耀眼的大芯片。这个芯片是英国初创公司Graphcore的原型产品,这家公司致力于为机器/深度学习算法开发新型处理器。)

 漂亮得不像实力派

大多数用来运行神经网络的计算机,甚至包括Google的专用硬件,都得使用RAM(来存储正在使用的程序)。从RAM中获取神经网络的权重代价高昂,所以一旦软件获得了权重,就会反复使用很多次。想要改变是一个成本巨大的事情。

而在Graphcore芯片上,权重存储在处理器的缓存而不是RAM中,所以不会被移走。因此某些探索会变得更容易。 比如我们可以搞个一万亿个权重的系统,但是每次训练只涉及数十亿的权重。这种方式更接近大脑。

Wired:AI和机器学习的快速增长,是否也带来了新的挑战?

Hinton:现在一个巨大的挑战是,如果你想发表一篇机器学习论文,有一些条条框框的限制。如果你用的方法,看起来效果没那么好,那就很难发表。我不认为这能鼓励人们去思考全新的方法。

现在如果你发送了一个有着全新想法的论文,被接收的可能性非常低,或者会有一些无法理解你想法的初级同行在评审,或者一些看了太多论文的资深评审者,他们都不理解你的论文,并且认为是无稽之谈。我认为这非常糟糕。

我们应该追求的,特别是在基础科学会议上,是一些全新的想法。从长远来看,一个全新的想法比一个微小的改进更有影响力。出现这个问题的原因,就是资深人士太少,而年轻人太多。

Wired:这会破坏AI领域的进展么?

Hinton:用不了几年,问题就会自行解决。困难都是暂时的。大公司、大学都已经开始培育更多的人才,大学最终也会聘请更多的教授。

Wired:一些学者警告说,目前的AI热潮还会再次进入寒冬。

Hinton:不,不会再有AI寒冬了。现在AI都已经在你的手机里了。当年经历AI寒冬时,人工智能还不是人们日常生活的一部分。而现在AI已经是了。

活动报名

加入社群

量子位AI社群开始招募啦,欢迎对AI感兴趣的同学,在量子位公众号(QbitAI)对话界面回复关键字“交流群”,获取入群方式;


此外,量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募,面向正在从事相关领域的工程师及研究人员。


进专业群请在量子位公众号(QbitAI)对话界面回复关键字“专业群”,获取入群方式。(专业群审核较严,敬请谅解)

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态



最新有关QbitAI的文章

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: TI培训

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2018 EEWORLD.com.cn, Inc. All rights reserved