其实在我一开始接触这个领域的时候,我当时学习了一些关于 AI 的东西,但我没有真正研究过。那时候有很多研究 AI 的观点,比如通过广度优先搜索来寻找一个明星,这也是约翰·麦卡锡(John McCarthy)真正在 MIT 在做的研究。(注:约翰麦卡锡,人工智能领域的开山鼻祖之一,他曾发起和参与 AI 历史上著名的达特茅斯会议,后来前往斯坦福并组建了斯坦福人工智能实验室。)

误报和不好的统计数据无关,而是与错误的报告结果有关。在某种情况下进行计算的数据,实际上在相同情形下用于新的成像机器时是不准确的。那听起来是一个讨厌的数据库问题。但就是那个东西让模型有时难以发挥作用。

我会获取你的数据,然后构建一个完美的分类器,然后再把它们送回去。我不会和任何人分享你的数据。但那并不是很有趣,因为可能我收到的数据中有欺诈数据。对公司来说,如果他们把真实的数据放到系统中,别人会得到比他们更多的优势,所以他们不会发送高质量的数据,他们不傻。

「我想,它彻底改变了我人生的重心。当我还在金融机构上班的时候,有一段时间,我满脑子只有赚钱,赚钱,赚钱。现在,我的目标变成了帮助别人。」

同性恋这一话题经过了几十年的浮沉却依然是时下热点。《我,迈克尔》的主角是前▪同性恋者--迈克尔▪格莱茨。想必大家对【前同性恋者】充满好奇,而本片讲述的就是他在一场大病之后突然改变了一直以来的性取向。人的性取向真的会一场突如其来的疾病而改变吗?他的生活又将会发生什么样的变化?

我以为每个人都会或多或少意识到这一点,但没想到等待他们意识到这一点需要的时间却长得不可思议。

我也可以在这里说英语,然后通过安装同传系统让你们听到汉语。看起来似乎我可以说很多门语言,但其实我并不会说汉语,这是因为电脑增强了我的智能。很多这种用深度学习实现的东西,我认为它们很有趣,但是——比如你见得很多的风格转换,人们输进去一张图片,然后它会被转换成另一张很酷的图片,看起来像梵高的画一样,那作为一个玩具会非常有趣。但它真正做的是增强了人们的创造力。

数据溯源(Provenance),这非常重要。实际上我对数据科学非常感兴趣。在医疗系统中,有很多误报(假阳性)导致很多死亡的案例。在我儿子出生的时候,有一些错误的成像结果,那是一个误报。如果我们相信了那条决策路线,就可能会走一个非常危险的程序,甚至杀死胎儿。我认为那也可能发生在你身上,我计算的结果是在过去的几年中,由于误报,每天大概有 20 个胎儿会被杀死。

在计算机视觉中,我们可以比之前更好的标注目标和场景,但它们并不是真实场景,那只不过是从互联网上获取的包含目标的图片。如果你使用相同的训练集进行测试,正确率可以达到 90%,但是在真实的世界中那可能只有 20%。因此,我们只不过是对场景中的对象进行了标注,并没有真正解决这个问题。而关于场景的意义是什么?场景中正在发生什么事?接下来会发生什么?我们甚至都还不知道。所以人们说计算机视觉技术得到的一些东西非常荒谬。

对我来说,系统机器学习瞄准的目标太低了。这个社区中的很多人炒作深度学习太过头了,我们已经有了反向传播(Backpropagation)这个伟大的学习机器;我们要让它可以更好、更快、更容易实现,所有这些都会很快实现;公司也会成立,经济也会向前发展。但这样做的目标定得太低了,这仅仅是一个非参数回归问题,甚至都谈不上“是”。所以我希望作为一个社区,我们可以有更高的目标,我们不能仅仅努力让反向传播更容易。

此次演讲中,从一开始他就现在所谓的“AI”进行了抨击。他认为,现在媒体上热炒的“AI”概念言过其实,很多人都是为了借此向 VC、媒体以及大众兜售概念。至于真正的 AI,“我们根本还没有实现”。也有相当一部分研究者陷入了深度学习的泥潭,思维变得更加狭窄。

视觉技术可以通过有监督标记和一些无监督标记技术来应用,而自然语言就不行。如果不相信,你可以试着读一下道格拉斯·霍夫施塔特(Douglas Hofstadter)前几天在美国《大西洋月刊》上的一篇文章。他通过英语、法语、德语和中文四种语言翻译的比对论证得出一个结果:谷歌翻译即使应用了人工智能技术也没有真正理解语言。

这首《How Am I Supposed to Live without You(没有你我可怎么活)》原本是迈克尔·波顿为女歌手Laura Branigan创作。

这家公司的 CEO 是 Steve Stoute,他是个了不起的人,也是我曾见过的最聪明的人之一。他曾在索尼旗下的唱片公司工作,后来创建了 Translation 广告公司,并且完成了很多实际的东西。他了解很多音乐人,Steve 的经历以及他的音乐背景,让他刚好处于一个可以将音乐、技术和人联系在一起的位置。我认为我们的社区可以参与这种活动是非常令人激动的,而 Steve 就刚好给出了这把钥匙。

今天,很多人乐衷于使用“AI”这个流行词。但这只不过是他们借此向 VC(风险投资)、企业、媒体以及大众兜售一些他们自己的概念。至于真正的 AI,我们根本还没有实现。我现在虽然不再跳出来争论这些话的对错,但依然会在内心时时刻刻提醒自己:我们还并没有实现所谓的 AI。

前 NBA 球星尼克·安德森(Nick Anderson)跟埃勒一起训练,乔丹的昔日队友托尼·库科奇(Toni Kukoc)发短信鼓励他,他还在一个篮球训练营遇见过目前效力于达拉斯小牛队的钱德勒·帕森斯(Chandler Parsons)。

无论如何,AI 依然是一个伟大的愿景。这是一个在思考应该如何将计算实体与软硬件结合到一起,并构建能够捕捉智能的东西的哲学问题,这很有意思。

这也可以说是经济学,我设定了一个博弈,有一些激励的概念,并且可能存在纳什均衡,而不是说谁都不发高质量的数据。但这个提议或许会是一个研究,可能不会有结果。

所有这些都还只是想法,如果我有时间的话就会进行实验,所有这些都是想法的实验。这些都只是我的一些研究建议,我的团队可能会做的。我们这些时间主要是证明定理,但这里还有一个数据共享的想法实验。

他回顾了机器学习领域的现状,以及今后发展面临的挑战。虽然机器学习理论目前的发展达到了一定高度,但他很讨厌人们现在突然将它称为 AI,因为那仍然还只是机器学习。他认为真正 AI 的实现,需要依靠逻辑、推理、决策等运算的突破才能实现,但现在它们之间还存在明显脱节。

保镖守在近门口处,继续警戒,我将错就错,做出一副逛大街的模样,东摸摸西摸摸,在卖场里晃荡,逐渐朝天王方前进。迈克尔买了一些光盘之类的物品后,走到钟表柜前,离我只有三、 五公尺,而保镖仍在门边。迈克尔开口向店员说了什么,很小声,听不懂英语的售货小姐一脸紧张的表情。

我们不仅要时刻注意人们有没有用这个平台来做坏事——比如虚假新闻,还要让人们可以通过这个平台得到正确结果,否则每天都会有数十万人因此做出错误的医疗决定、糟糕的交通状况或者财务决策。到目前为止,我们甚至都还没有在解决这些问题上取得一点进步。我们的反应就好像在说我们本来就是如此。

机不可失,我简直是冲了过去,与他并肩而立,说:“可以的话,我来翻译吧。”他看了我一眼,和善的眼神似乎有点困惑,但仍缓缓地说:“请问这里有没有荧光的G-Shock?我想看看。”透过口罩传来的声音细细尖尖,有点有气无力。

我认为在这里有一个脱节。如果你以这种经典的方式研究 AI ,你或许会对视觉、语音、自然语言处理还有机器人感兴趣,因为你是对这种具体的智能体感兴趣,它们会像我们一样做出智能的行动。你想到的所有东西都是和具体智能体有关,所以你可以根据场景开发算法,并且将它们转变成目标、标签或者语音。那都是很棒的,但那并不能解决我们在建立一个真实世界系统时所遇到的真实问题的十分之一。那只是“IA”或者“II”,而且人们的注意力会被视觉或语音方面的问题所分散。

Don't tell your friends about me, it's a secret bewteen you and me.

Riley Keough是猫王女儿丽莎玛丽普雷斯利的女儿。丽莎只和杰克逊有过两年的婚姻关系,但他们在1996年离婚后,又有过一些断断续续的联系。

麦卡锡刚到 MIT 的时候就说过他会研究智能(Intelligence)和计算领域。他们说那并不是控制论,控制论已经有维纳在做了,麦卡锡解释了这两个领域的区别。真正让人们意识到 AI 是一个新领域的是,这个领域更多的是基于逻辑而不是控制理论和信号优化,所以他必须给它一个新的名字,所以他发明了“Artificial Intelligence”这个词。我觉得这个故事更加真实。

今天,我们到处都可以看到“AI”这一字眼,媒体上铺天盖地。这让我感到非常不安,因为那些说法太言过其实了。我们没有实现人工智能,没有实现智能,甚至连它们是什么都不知道。我们说现在的系统都涉及到数据的输入输出,它们其实是在模仿一些很聪明的东西,但也仅仅是模仿,根本称不上是智能,我们并没有实现它。

关于长期目标,人类非常善于追求长期目标,比如选择职业、买房。而我们的机器却并不具备实现长期目标的能力。不要跟我说强化学习,那也没有长期目标。

这让我想起了亚马逊——他们是第一家认真做这件事的公司,并且是在 90 年代,远在我们炒作这个概念之前。现在有很多公司正在建设物流预测以及欺诈系统,还有推荐系统,这些都是非常棒的事情,但那都是机器学习,不是我所谓的 AI,真正的 AI 将比我们现在看到的更为激动人心。

第二天,埃勒看到了网站的点击分析数据,发现有一个伊利诺伊州的用户在网站上浏览了1小时41分钟,共点击了116个不同的页面,几乎看遍了埃勒发布的每篇日志。尽管没有证据表明这个用户是乔丹,但埃勒还是觉得这是个不错的迹象。他觉得,这个人即使不是乔丹本人,也应该是某个跟乔丹有关系的人。

现在让我们接着谈论技术。如果你是一个系统机器学习研究人员,并且认为自己的生活将支持深度学习方式——我也认为这非常有用——但这里还有一大堆其它的甚至称不上是 AI 的东西。

我第一次知道埃勒的故事时觉得相当可笑。他给我发邮件,告诉我他看过我的博客,知道我写过不少关于乔丹的文章。通过他邮件签名里附带的网址,我点开他的网站,我觉得他不过是一个沉迷于自己疯狂想法的可怜人,我甚至觉得,他的计划可能会侵犯乔丹的隐私。但他解释说:「我坚持不懈,为达成梦想四处奔走,但也会小心行事,我不会让乔丹觉得是骚扰,我也不会让他觉得很烦。我敢保证,他一定会觉得这是个不错的点子。」

在开始单挑乔丹计划9个月后,埃勒创办了官方网站,域名是 mevsMJ.com。此时的埃勒面临着很多困难:他不是个无牵无挂的毛头小伙,他已经过了30岁,有了家庭,还是金融机构的全日员工。

另一次篮球训练中,埃勒见到了纽约尼克斯队的助理教练达夫·霍普拉(Dave Hopla),并告诉了他马盖蒂转发过自己的推特。几天之后,尼克斯和活塞在伦敦举行了一场比赛,在那里,达夫·霍普拉跟马盖蒂讲了埃勒的故事。

著名导演格斯·范·桑特和弗兰兰继“米尔克”后再次合作,拍摄一位非常有争议的前同X恋人物:迈克尔·格莱茨。他曾是美国重要同Z活动家,本人也是同Z,创办了青少年同X恋杂志《YGA》。却在2004年因一场心脏病,突然转变为保守基督徒,告别同X身份和娶妻,鼓吹“去同Z化”和声称同性X恋毒害青少年。格斯·范·桑特担任监制,弗兰兰主演,扎克瑞·昆图饰演兰兰变直前的男友...

「15岁的时候我就执教过少年篮球队,在最终选择从事金融行业前,我也曾经认真思考是否把篮球教练作为一生的事业。」埃勒说,「当你鼓励这些孩子们,亲眼见证他们的态度、动作还有信心不断成长。这真的很激动人心,并且让你很有成就感。」

这就像有人喜欢土木工程、喜欢化工工程师一样,我也非常尊敬他们在所在领域做出的实实在在的努力。他们研究出的东西切实改变了每个人的生活,而这也正是 AI 领域所需要的和依然欠缺的。

乔丹开玩笑地对埃勒说,他可以随时找自己打球。但起码到目前,两人还没有单挑比赛的进一步安排。