標(biāo)題: 邢波教授談人工智能科學(xué)路徑:為人工智能裝上「無(wú)窮動(dòng)」引擎 [打印本頁(yè)]
作者: 51黑dd 時(shí)間: 2016-4-9 22:02
標(biāo)題: 邢波教授談人工智能科學(xué)路徑:為人工智能裝上「無(wú)窮動(dòng)」引擎
本文為邢波教授在「未來(lái)論壇」的演講內(nèi)容,經(jīng)整理修改后授權(quán)機(jī)器之心發(fā)布。
有些人是因?yàn)閷?duì)人工智能的原理不理解而導(dǎo)致恐懼,有些人是為了個(gè)人名望而宣揚(yáng)人工智能威脅論,有些人則是為了商業(yè)的利益推動(dòng)人工智能威脅論。——Yann LeCun
人工智能算法本身這個(gè)計(jì)算任務(wù)像登山,它是有明確的目標(biāo)的,可以用數(shù)學(xué)描述和比較的目標(biāo),它本身有彈性、容錯(cuò)性、隨機(jī)性、和客觀的量化的可評(píng)估性 … 人工智能功能的提升和突破來(lái)源于理論模型,算法,和計(jì)算引擎的不斷創(chuàng)新,缺一不可,使得它可以真正有效得益于大數(shù)據(jù)。它不是什么黑科技或無(wú)邊的魔法。
——邢波
帕格尼尼的小提琴曲《無(wú)窮動(dòng)》全曲有2212個(gè)音,卻要求在三分鐘內(nèi)完成,因此也成為了世界上最有名的急速琴曲之一。但它的急速和優(yōu)美,卻需要演奏者具有極為高超的控制技巧,猶如魔法,其創(chuàng)作者帕格尼尼本人甚至因此被世人視為“惡魔”;仡櫲斯ぶ悄馨l(fā)展的60年,也正如這一首玄奧的琴曲,人工智能飛速進(jìn)步,其背后仿佛有著無(wú)窮無(wú)盡的發(fā)展動(dòng)力——這也給人工智能本身帶來(lái)種種“威脅論”的非議。然而,邢波教授在這篇演講里為我們揭示的是:人工智能并不是人類(lèi)的威脅,它的發(fā)展沒(méi)有捷徑,不是浪漫,它需要嚴(yán)密、長(zhǎng)期的辛勞工作和不斷試錯(cuò),它的每一個(gè)發(fā)展,每一個(gè)如同“無(wú)窮動(dòng)”般優(yōu)美的進(jìn)步樂(lè)章,都需要人類(lèi)深刻的技術(shù)洞察力和技術(shù)成果作為引擎。
邢 波
卡耐基梅隆大學(xué)計(jì)算機(jī)科學(xué)學(xué)院教授,卡耐基梅隆大學(xué)機(jī)器學(xué)習(xí)和醫(yī)療中心主任。美國(guó)新澤西州立大學(xué)分子生物學(xué)與生物化學(xué)博士;美國(guó)加州大學(xué)伯克利分校(UC,Berkeley)計(jì)算機(jī)科學(xué)博士。主要研究興趣集中在機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)習(xí)方法論及理論的發(fā)展,和大規(guī)模計(jì)算系統(tǒng)和架構(gòu)的開(kāi)發(fā),以解決在復(fù)雜系統(tǒng)中的高維、多峰和動(dòng)態(tài)的潛在世界中的自動(dòng)化學(xué)習(xí)、推理以及決策問(wèn)題。目前或曾經(jīng)擔(dān)任《美國(guó)統(tǒng)計(jì)協(xié)會(huì)期刊》(JASA)、《應(yīng)用統(tǒng)計(jì)年鑒》(AOAS)、《IEEE模式分析與機(jī)器智能學(xué)報(bào)》(PAMI)和《PLoS計(jì)算生物學(xué)雜志》(the PLoS JournalofComputational Biology)的副主編,《機(jī)器學(xué)習(xí)雜志》(MLJ)和《機(jī)器學(xué)習(xí)研究雜志》(JMLR)的執(zhí)行主編,還是美國(guó)國(guó)防部高級(jí)研究計(jì)劃署(DARPA)信息科學(xué)與技術(shù)顧問(wèn)組成員,曾獲得美國(guó)國(guó)家科學(xué)基金會(huì)(NSF)事業(yè)獎(jiǎng)、Alfred P. Sloan學(xué)者獎(jiǎng)、美國(guó)空軍青年學(xué)者獎(jiǎng)以及IBM開(kāi)放協(xié)作研究學(xué)者獎(jiǎng)等,以及多次論文獎(jiǎng)。曾于2014年擔(dān)任國(guó)際機(jī)器學(xué)習(xí)大會(huì)(ICML)主席。
因?yàn)榍皫滋霢lphaGO的人機(jī)大戰(zhàn)在國(guó)內(nèi)大家都在討論。這個(gè)時(shí)機(jī)做一個(gè)關(guān)于人工智能的演講是很有意思的事。
引言:源于“人狗大戰(zhàn)”引起“恐慌”
大概在200年左右以前,1830年8月28日,在美國(guó)巴爾的摩曾經(jīng)舉辦過(guò)一場(chǎng)很有意思的比賽。在那場(chǎng)比賽中出現(xiàn)很少見(jiàn)的情況,就是機(jī)器和動(dòng)物站在同一個(gè)起跑線上。其中一邊是火車(chē),當(dāng)時(shí)蒸汽機(jī)時(shí)代第一個(gè)皇冠上的明珠;旁邊是一輛馬車(chē)。當(dāng)時(shí)就有人打賭,這個(gè)蒸汽機(jī)的怪物不可能超過(guò)馬車(chē),因?yàn)轳R車(chē)我們已經(jīng)用了幾千年,感覺(jué)很好使,坐著也很舒服。當(dāng)然結(jié)果是可想而知的,蒸汽機(jī)遠(yuǎn)遠(yuǎn)超過(guò)了馬車(chē)的速度,于是就引起民眾的恐慌,他們會(huì)覺(jué)著這個(gè)鋼鐵的怪物會(huì)不會(huì)碾壓我們的莊園,碾壓原野和景觀。當(dāng)然,現(xiàn)在我們把坐火車(chē)已經(jīng)當(dāng)成很平常的事情了,他們的憂慮顯然是沒(méi)有什么道理的。
在上個(gè)星期(3月14日),大家大概也經(jīng)歷了同樣的一場(chǎng)震蕩,谷歌的AlphaGO和韓國(guó)一位圍棋選手進(jìn)行了所謂“人機(jī)大賽”,而且是以大比分取勝,顯然在公眾輿論界形成一次甚至是驚恐或者是瘋狂,尤其在中國(guó)看到這樣驚恐瘋狂非常強(qiáng)烈。我看到的一個(gè)情況就是:人工智能從教科書(shū)里面或公司高度機(jī)密的研發(fā)部門(mén)的一個(gè)高度專(zhuān)業(yè)的工作,變成受到不僅是科學(xué)家和研發(fā)人員,而且是公眾和輿論巨大關(guān)注的題目,我不得不承擔(dān)這么一個(gè)義務(wù)來(lái)解釋一些誤解,同時(shí)有一些事情也要以正視聽(tīng),把人工智能和人類(lèi)影響、關(guān)系,給大家講一下個(gè)人的看法。
1、人工智能的起源
?
人工智能起源于人們對(duì)于智能機(jī)器的夢(mèng)想,在古代的時(shí)候,人們都很希望能夠產(chǎn)生一種聰明的機(jī)器。亞里士多德曾經(jīng)說(shuō)過(guò),如果一個(gè)機(jī)器自己能干很多有用的事,豈不是可以讓人類(lèi)解放出來(lái),我們可以不用奴仆,不用工匠,就能做成很多事情。他的觀點(diǎn)是相當(dāng)樂(lè)觀、積極的,他希望機(jī)器能夠完成人類(lèi)的一些功能。沿著這個(gè)道路,古代的工程師用齒輪、發(fā)條等做過(guò)看似有點(diǎn)像機(jī)器人的設(shè)備,他們可以經(jīng)過(guò)特殊的編程方式,讓它們來(lái)執(zhí)行一些任務(wù),這是古代很常見(jiàn)的對(duì)人工智能的愿景。
30多年前的時(shí)候我還是一個(gè)小學(xué)生,第一次從一個(gè)叫“未來(lái)世界”的科幻電影中接觸到人工智能。

“未來(lái)世界”的科幻電影的劇照《未來(lái)世界》的主題思想是:人工智能最終會(huì)毀滅人類(lèi)生存的社會(huì)和文明
這部電影的主要思想是,人工智能最終會(huì)毀滅人類(lèi)生存的社會(huì)和文明。這就提出來(lái)一個(gè)問(wèn)題:到底亞里士多德的觀點(diǎn),還是這個(gè)電影提出來(lái)的觀點(diǎn)是一個(gè)更科學(xué)的見(jiàn)解?是一個(gè)更可行的、未來(lái)的人工智能的方向?或者它是不是正在被人工智能的工程師和學(xué)者們實(shí)踐,這是大家都關(guān)心的問(wèn)題。
所以,我要簡(jiǎn)單的回顧一下人工智能起點(diǎn)。人工智能成為一門(mén)顯性的、嚴(yán)格的、系統(tǒng)的、可實(shí)現(xiàn)的科學(xué)和工程的一個(gè)領(lǐng)域,得益于上個(gè)世紀(jì)邏輯科學(xué)、計(jì)算機(jī)科學(xué)、信息論、控制論很多學(xué)科的發(fā)展的交匯。它基于一個(gè)很基本的假設(shè),認(rèn)為人的思維活動(dòng)是可以用機(jī)械的方式替代和完成。其實(shí)機(jī)械推理這個(gè)學(xué)科在中國(guó)的古代、印度古代,甚至西方都有很多人涉及。到比較近的年代里,德國(guó)的數(shù)學(xué)家萊布尼茨、法國(guó)的數(shù)學(xué)家笛卡爾,他們都曾經(jīng)嘗試過(guò)把人類(lèi)的思維活動(dòng)用一種像數(shù)學(xué)或者幾何這樣嚴(yán)格的科學(xué)體系來(lái)描述。到上個(gè)世紀(jì)初,英國(guó)哲學(xué)家羅素和懷特海曾經(jīng)寫(xiě)過(guò)一本很有名的著作《數(shù)學(xué)原理》,在這本書(shū)里,他對(duì)數(shù)學(xué)的基本原則做了形式化的描述,而且他的工作后來(lái)甚至被進(jìn)一步推廣。希爾伯特曾向數(shù)學(xué)家們提出一個(gè)挑戰(zhàn),說(shuō)能不能把所有數(shù)學(xué)知識(shí)都用一種形式方法、形式邏輯進(jìn)行描述,這個(gè)問(wèn)題后來(lái)也被解決。后期哥德?tīng)、圖靈、邱奇的工作都是向人們展示,實(shí)際上你可以用一種簡(jiǎn)單的只會(huì)做二元運(yùn)算的機(jī)器來(lái)模擬所有的數(shù)學(xué)邏輯的證明。這是很強(qiáng)大的推理。由于這一切工作推動(dòng)導(dǎo)致計(jì)算機(jī)新的工具發(fā)明。我們就會(huì)問(wèn),隨著計(jì)算機(jī)的發(fā)明,到底將導(dǎo)致什么樣的人工智能呢?一種預(yù)見(jiàn)是它可以產(chǎn)生功能性的人工智能,幫助人做很多人不愿意做或者做的不太好事。同時(shí),也有這么一種可能性,它也許會(huì)無(wú)限接近人的思維方式,甚至是感情活動(dòng),以致于最終代替人。這為我們?nèi)斯ぶ悄苎芯刻峁┝撕苡幸馑嫉膯?wèn)題。
在以后人工智能發(fā)展里面,有很多故事,令我想起我年輕的時(shí)候一段很難忘的經(jīng)歷,這里我穿插講一下。在我大學(xué)三年級(jí)的時(shí)候很喜歡運(yùn)動(dòng),而且熱衷于冒險(xiǎn),所以那時(shí)候我心里面有一個(gè)夢(mèng)想,我希望能夠成立一個(gè)登山隊(duì),到西藏爬一座從來(lái)沒(méi)有被征服過(guò)的處女峰;這座山找到了,就是在長(zhǎng)江源頭唐古拉山的主峰,叫格拉丹東,我想踏上這個(gè)山頂。
邢波教授講述他年輕時(shí)登山的經(jīng)歷,并將這一經(jīng)歷與人工智能前60年的發(fā)展歷程做類(lèi)比。
當(dāng)然人工智能先賢們的夢(mèng)想比我遠(yuǎn)大多了,像圖靈他也是一位運(yùn)動(dòng)員,他是倫敦馬拉松比賽的亞軍,他當(dāng)時(shí)提出一個(gè)大膽的見(jiàn)解,就是“圖靈機(jī)”的概念。他認(rèn)為有可能制造這么一臺(tái)機(jī)器,通過(guò)某一種電子媒介或其他的媒介跟人進(jìn)行交流。如果人在跟這臺(tái)機(jī)器交流過(guò)程中并不能判斷它到底是不是人的話,我們也許就可以下結(jié)論說(shuō)這個(gè)機(jī)器獲得了跟人一樣的智能。
這個(gè)概念極大影響了人工智能對(duì)于功能的定義,在這個(gè)途徑上卡耐基梅隆大學(xué)兩位科學(xué)家,艾倫·紐厄爾和赫伯特·塞蒙做出了前期的工作叫做“邏輯理論家”。它可以為羅素這本《數(shù)學(xué)原理》中前52道定理中的38道做出自己的證明,而且它的有些證明,甚至比人類(lèi)證明更精巧。這使得科學(xué)家產(chǎn)生了相當(dāng)樂(lè)觀的情緒。比如塞蒙就宣稱(chēng)也許十年之內(nèi),機(jī)器就可以獲得和人類(lèi)平均智能一樣的高度,這是當(dāng)時(shí)的很好的愿景。
這一批人找到共同的語(yǔ)言以后,整整60年以前,在美國(guó)達(dá)特茅斯大學(xué)開(kāi)了一次會(huì),希望通過(guò)交流來(lái)確定人工智能作為一門(mén)科學(xué)的任務(wù)和整個(gè)的路徑。同時(shí)他們也宣稱(chēng),他們認(rèn)為學(xué)習(xí)以及人類(lèi)智能的任何一個(gè)其他特征都可以被精準(zhǔn)的描述,一旦精準(zhǔn)描述成立以后,我們就可以用機(jī)器來(lái)模擬它和實(shí)現(xiàn)它。我們普遍認(rèn)為這個(gè)會(huì)議標(biāo)志著人工智能正式誕生。

達(dá)特茅斯會(huì)議的參與者
當(dāng)年的登山隊(duì)合照
2、最初的樂(lè)觀與聰明的機(jī)器
我們的登山隊(duì)也在某一個(gè)時(shí)刻誕生了,他們就是一群志同道合的人,就像達(dá)特茅斯會(huì)議一樣,我們聚到一起,組成隊(duì)伍進(jìn)行了很多訓(xùn)練。我們把這件事看得很神圣、也很?chē)?yán)肅,經(jīng)過(guò)瘋狂訓(xùn)練以后就匆匆忙忙的上路了。我們上路的時(shí)候,你可以看到用的是非常原始的手段,跟現(xiàn)在登山隊(duì)很高大上的越野旅行很不一樣。我們到青藏公路攔截運(yùn)輸貨物的卡車(chē),坐在車(chē)斗上,然后到了某一個(gè)地方,換上馬匹就開(kāi)始向高原進(jìn)發(fā)。我當(dāng)時(shí)擔(dān)任登山隊(duì)的副隊(duì)長(zhǎng),兼任前鋒,也就是開(kāi)路的,同時(shí)因?yàn)槲冶容^愛(ài)吃,大家任命我為廚師幫全隊(duì)去做飯。當(dāng)時(shí)形勢(shì)非常樂(lè)觀,大家都憧憬有一天站在山腳下開(kāi)始我們的登山旅程。
樂(lè)觀的氣氛在人工智能早期誕生后的那幾年里面也彌漫著整個(gè)學(xué)界。不光是邏輯科學(xué)家的發(fā)明震撼了當(dāng)時(shí)的很多學(xué)者,同時(shí)有很多其他的新的發(fā)明,比如說(shuō)我們有一種學(xué)習(xí)方法叫“增強(qiáng)學(xué)習(xí)”的雛形,就是貝爾曼方程,也是在那個(gè)時(shí)候發(fā)現(xiàn)的。增強(qiáng)學(xué)習(xí)是現(xiàn)在在谷歌AlphaGO算法里面一個(gè)核心的思想內(nèi)容。還有一個(gè)現(xiàn)在大家聽(tīng)到的深度學(xué)習(xí)的模型,它的雛形叫做感知器,也是那個(gè)年代被發(fā)明的。不光在方法論上有了很多新的進(jìn)展,而且很多科學(xué)家甚至造出了一些聰明的機(jī)器,比如說(shuō)有一臺(tái)叫STUDENT的機(jī)器可以做應(yīng)用題,另外叫ELIZA的機(jī)器可以實(shí)現(xiàn)簡(jiǎn)單人機(jī)對(duì)話,當(dāng)時(shí)彌漫著非常樂(lè)觀的氣氛,認(rèn)為以這樣的速度往前發(fā)展的話,也許人工智能在不久的將來(lái),真的就可以代替人類(lèi)。做出這樣預(yù)測(cè)的人包括多位非常有智慧的、非常聰明的科學(xué)家,不只是一個(gè)文科生、一個(gè)媒體的意向,它實(shí)際上是有一定科學(xué)根據(jù)的。
3、第一次人工智能冬天
?
但是,毫無(wú)疑問(wèn)這個(gè)前途并不是那么順利,像我們登山一樣,我們上了高原以后很快就遇到很多困難。比如,我們馬上就遇到自然屏障,像大河、沼澤地,我們得想辦法去穿越,而我們隨身攜帶的工具是非常簡(jiǎn)陋的,資源是很缺少的。我們甚至還走丟了幾次,有幾位隊(duì)員就迷路了,所以不得不停下來(lái)等他們,去找他們。我們的給養(yǎng)相當(dāng)?shù)膮T乏,糧食也不夠,馬匹也不夠,所以很多東西都要自己來(lái)背。
同樣比較悲慘的場(chǎng)景也發(fā)生在人工智能研究里面,我們管它叫做“第一次人工智能的冬天”。怎么回事呢?終于有一天人們發(fā)現(xiàn)邏輯證明器、感知器、增強(qiáng)學(xué)習(xí)、證應(yīng)用題的各種各樣的東西只不過(guò)是玩具而已,它們只能做很簡(jiǎn)單的、非常專(zhuān)門(mén)很窄的任務(wù),稍微超出它們所預(yù)期的范圍以后就沒(méi)有辦法對(duì)付。
這體現(xiàn)了兩個(gè)方面局限:一方面就是當(dāng)時(shí)人工智能所運(yùn)用的數(shù)學(xué)模型和數(shù)學(xué)手段被發(fā)現(xiàn)是有理論缺陷的,比如:馬文.明斯基在他的書(shū)中討論了感知器在模式識(shí)別里面的局限。另一個(gè)局限是出現(xiàn)在算法上,我的導(dǎo)師之一理查德.卡普和他的同事庫(kù)克曾經(jīng)發(fā)現(xiàn)了在很多的計(jì)算問(wèn)題里面都有一個(gè)計(jì)算復(fù)雜度的瓶頸,它使得很多計(jì)算任務(wù)是以指數(shù)級(jí)來(lái)增加復(fù)雜度(即著名的所謂NP問(wèn)題)。所以,在有限的計(jì)算資源下,你實(shí)際上是不可能完成所給予的計(jì)算任務(wù)。這些缺陷,使得人工智能在很早期發(fā)展過(guò)程中遇到難以克服的瓶頸,不可能去實(shí)現(xiàn)一開(kāi)始所保證的目標(biāo)——比如接近人類(lèi)甚至超過(guò)人類(lèi),所以第一次冬天很快到來(lái)了。
4、標(biāo)志性事件“ 專(zhuān)家系統(tǒng)”,迎來(lái)人工智能界的又一次樂(lè)觀
?
當(dāng)然,這一批天才并沒(méi)有泄氣,他們還是繼續(xù)往前艱苦行進(jìn)。經(jīng)過(guò)寒冬以后還是重整旗鼓做了一些新的工作。一個(gè)標(biāo)志性事件就是,大概在80年代卡耐基梅隆大學(xué)制造了一個(gè)叫“專(zhuān)家系統(tǒng)”的東西,是給一個(gè)叫DEC的公司制造的,在當(dāng)時(shí),這是一個(gè)巨大的成功。這個(gè)“專(zhuān)家系統(tǒng)”幫助這個(gè)公司每年都可以節(jié)約4000萬(wàn)美元左右的費(fèi)用,它可能在決策方面提供更有價(jià)值的內(nèi)容。同時(shí)受到這種成功的鼓勵(lì),日本也投入大量資金開(kāi)發(fā)所謂第五代計(jì)算機(jī)(Prolog機(jī)),他們管它叫做人工智能計(jì)算機(jī)。我們?cè)陲@性層面也看到可以和人類(lèi)下象棋的高度智能的機(jī)器,在數(shù)學(xué)工具和模型方面也有了接近于我們現(xiàn)在所使用工具的發(fā)明,比如說(shuō)多層神經(jīng)網(wǎng)絡(luò)、霍普菲爾德網(wǎng)絡(luò)都是在那個(gè)時(shí)候產(chǎn)生的。同時(shí)也有一批人員從事算法研究——現(xiàn)在常聽(tīng)到的反向傳播算法也是那個(gè)時(shí)候發(fā)明的。那個(gè)時(shí)候通過(guò)一些很艱苦的嘗試,還是有了不少相當(dāng)令人印象深刻的成果,比如說(shuō)自動(dòng)識(shí)別信封上郵政編碼,就是通過(guò)很精妙的人工神經(jīng)網(wǎng)絡(luò)來(lái)做到實(shí)現(xiàn),精度達(dá)到99%以上,已經(jīng)超過(guò)普通人可以達(dá)到的水平。樂(lè)觀情緒又一次產(chǎn)生了,當(dāng)時(shí)大家還覺(jué)得人工智能是有戲的。
5、第二次人工智能冬天和對(duì)于人工智能路徑的思考
但是很不幸,寒冬又一次來(lái)了,這一次是由于公眾和政府興趣的轉(zhuǎn)移導(dǎo)致的,而且一些競(jìng)爭(zhēng)對(duì)手出現(xiàn)了。像蘋(píng)果公司、IBM開(kāi)始推廣臺(tái)式機(jī),計(jì)算機(jī)開(kāi)始走入個(gè)人家庭,不再是大機(jī)房設(shè)備,費(fèi)用遠(yuǎn)遠(yuǎn)低于專(zhuān)家系統(tǒng)所使用的機(jī)器。專(zhuān)家系統(tǒng),五代機(jī)等被認(rèn)為是相當(dāng)古老陳舊、非常不方便的一種設(shè)備,難以維護(hù),成本非常高,而且不容易延展到新的任務(wù)上去。而且當(dāng)時(shí)的工作大都尚未結(jié)合機(jī)器學(xué)習(xí),不具備從數(shù)據(jù)中自動(dòng)學(xué)習(xí)的功能。經(jīng)過(guò)了一段時(shí)間的使用以后,大家的熱情開(kāi)始冷卻,政府經(jīng)費(fèi)開(kāi)始下降,人工智能的寒冬又一次來(lái)臨了。這是很?chē)?yán)重的局面。當(dāng)時(shí)我在讀研究生的時(shí)候,都不太好意思跟人說(shuō)是學(xué)人工智能的——那時(shí)候這個(gè)詞不是一個(gè)好看鮮亮的詞。由于面臨這些嚴(yán)重的困境,人們開(kāi)始思考:人工智能到底往何處走?應(yīng)該怎么來(lái)做這個(gè)東西?
一個(gè)很自然的問(wèn)題就是我們要實(shí)現(xiàn)什么樣的人工智能?然后,什么叫智能?這個(gè)問(wèn)題我們一直沒(méi)有嚴(yán)肅地回答過(guò),但我想,在有限的資源下要做最有用的事,所以不妨做個(gè)嚴(yán)肅的回答。實(shí)現(xiàn)人工智能,有兩種可能性:一種是向人學(xué)習(xí)、向生物學(xué)習(xí)、向自然學(xué)習(xí),用一種仿生的反向工程的手段制造跟人腦結(jié)構(gòu)原理盡可能相像的機(jī)器。打個(gè)比方,達(dá)芬奇曾做過(guò)嘗試,他造了一個(gè)仿生鳥(niǎo),非常精巧,可以做一些鳥(niǎo)類(lèi)的動(dòng)作,這就是仿生。但人們發(fā)現(xiàn)這個(gè)途徑是非常困難的。首先我們對(duì)生物的構(gòu)造原理并不太了解,對(duì)它工作的機(jī)理也不清楚,在技術(shù)上復(fù)原它也非常復(fù)雜,甚至幾乎是不可能的。這種工藝性、機(jī)械性的制造通常沒(méi)有一個(gè)嚴(yán)格透明的數(shù)學(xué)模型的輔助,它變得非常難以分析,所以很難對(duì)它的成功和失敗做出定量、準(zhǔn)確的預(yù)測(cè)。
實(shí)現(xiàn)人工智能,另一種方法則是,像我們發(fā)明飛機(jī)時(shí)用的方法一樣,可以從人類(lèi)和動(dòng)物界里獲得一些啟發(fā),但是把它做足夠簡(jiǎn)化,可以使得我們能夠部署簡(jiǎn)單明確的數(shù)學(xué)模型,引入強(qiáng)大的計(jì)算引擎。這樣既可以使用簡(jiǎn)單數(shù)學(xué)模型來(lái)對(duì)系統(tǒng)做出一定的分析,能夠把失敗、成功或者是改變這些結(jié)果的因素產(chǎn)生比較明確的因果連接,使得優(yōu)化的途徑變得比較容易;另一方面,也可以直接利用人類(lèi)工程領(lǐng)域的很多成果,比如電子計(jì)算機(jī),使用一種類(lèi)似暴力堆砌、資源堆砌的手段,使比賽變得不對(duì)稱(chēng),實(shí)現(xiàn)彎道超車(chē)式的效果,在一種不同路徑上超過(guò)人的方法。這是人們開(kāi)始思考的一個(gè)問(wèn)題。
6、人工智能研究最終確立方向
我又得拉回到我們爬山,我們也在思考,我們要把任務(wù)完成,我們給自己設(shè)定很難的目標(biāo),經(jīng)過(guò)幾個(gè)星期艱苦跋涉,終于到達(dá)了山腳下。這個(gè)山腳就是在格拉丹東這個(gè)冰川的正前方。然而要實(shí)現(xiàn)登頂,我們必須考慮采用何種路徑,我們決定從冰川的左沿踏上雪線,我們感覺(jué)我們找到了一個(gè)比較靠譜的道路。
大概在同一個(gè)年代,人工智能整個(gè)研究開(kāi)始重新確定自己的方向。我們做了一個(gè)選擇,就是要做一個(gè)實(shí)用型、功能型的人工智能——因?yàn)檫@樣至少我們知道我們?cè)谧鍪裁,而且我們?duì)結(jié)果會(huì)有一個(gè)比較嚴(yán)格的判斷,這樣的話我們能施展一些功能。這就導(dǎo)致了一個(gè)新的人工智能的路徑產(chǎn)生。對(duì)人工智能任務(wù)的明確和簡(jiǎn)化,帶來(lái)了一次新的繁榮,比如說(shuō)數(shù)學(xué)工具上找到很多新的方法,包括原來(lái)已經(jīng)存在于數(shù)學(xué)或者其他學(xué)科的文獻(xiàn)中的方法,它們被重新發(fā)掘出來(lái),或者重新發(fā)明出來(lái)用到計(jì)算機(jī)或者人工智能研究中。
比較顯著的幾個(gè)成果就是像最近獲得圖靈獎(jiǎng)的科學(xué)家Judea Pearl的圖模型、Stephen Boyd《Convex Optimization》(凸優(yōu)化)這本書(shū)、GeoffreyHinton的深度神經(jīng)網(wǎng)絡(luò)、以及我的另一位導(dǎo)師MichaelJordan倡導(dǎo)推廣的統(tǒng)計(jì)機(jī)器學(xué)習(xí)理論,這都是當(dāng)時(shí)——大概15-20年前左右的時(shí)候——重新被提出來(lái)讓大家開(kāi)始研究。
另一方面,由于這些數(shù)學(xué)模型對(duì)自然世界的簡(jiǎn)化,它有非常明確清晰的數(shù)理邏輯,所以使理論分析和證明變得可能,所以我們開(kāi)始可以去分析到底需要多少數(shù)據(jù)、計(jì)算量才能夠獲得我們所預(yù)期的結(jié)果,這樣的理論洞見(jiàn)對(duì)開(kāi)發(fā)系統(tǒng)是非常有幫助。第三方面,我個(gè)人認(rèn)為更重要的,我們終于把人工智能跟人類(lèi)其他工程技術(shù)方面上的成就做了很緊密的連接,摩爾定律的實(shí)現(xiàn)使得計(jì)算能力越來(lái)越強(qiáng)大,這些強(qiáng)大的計(jì)算能力很少被使用在人工智能以前早期應(yīng)用中,F(xiàn)在由于我們把人工智能定義為一個(gè)數(shù)學(xué)上的解題過(guò)程,這樣我們就可以把很多計(jì)算能力轉(zhuǎn)移過(guò)來(lái)提高人工智能的效果。
7、人工智能真的有希望接近人類(lèi)嗎?
由于這么一系列的突破,人工智能又產(chǎn)生了一個(gè)新的繁榮期,產(chǎn)生很多驚人的突破。早期的結(jié)果包括1997年的時(shí)候IBM深藍(lán)和卡斯帕羅夫這場(chǎng)非常吸引人眼球的象棋大賽,也是機(jī)器人獲勝。最近我們看到類(lèi)似的結(jié)果在圍棋中產(chǎn)生。甚至人們認(rèn)為在更加通用型的功能中,比如在回答智力競(jìng)賽或是識(shí)別圖片的比賽中,機(jī)器也可以達(dá)到或者超過(guò)人類(lèi)的標(biāo)準(zhǔn)。
機(jī)器人也因此有了很大的進(jìn)步。這個(gè)視頻展示了早期自動(dòng)駕駛車(chē)的原型,而這是一個(gè)把人工智能原理用在設(shè)計(jì)中的一個(gè)機(jī)器狗。我要解釋一下這個(gè)機(jī)器狗和玩具狗有什么不一樣的地方?這是一條真正人工智能的狗,它走路的步態(tài)、自我穩(wěn)定性等等不是我們用編程方法給它寫(xiě)出來(lái),比如你看到坡就往上爬,被踢倒后爬起來(lái),我們不是具體寫(xiě)出控制指令。實(shí)際上我們寫(xiě)的程序是一套機(jī)器學(xué)習(xí)算法,讓這些算法在模擬器上不斷走路、開(kāi)車(chē),讓它們自己學(xué)到一種策略來(lái)完成不同環(huán)境,狀態(tài)下的行動(dòng),這是人工智能和以前控制論最核心不同地方。

1997年“深藍(lán)”超級(jí)計(jì)算機(jī)與加里·卡斯帕羅夫比賽并獲勝
這些突破使得人們又變得樂(lè)觀起來(lái)。這也是一個(gè)幸運(yùn)的時(shí)代,我個(gè)人職業(yè)生涯也在這個(gè)時(shí)候跟人工智能產(chǎn)生交集。我從清華大學(xué)畢業(yè)以后,就進(jìn)入到羅格斯大學(xué)(RUTGERS)和伯克利大學(xué)(Berkeley)做了研究生,然后在十二年前到卡耐基梅隆大學(xué)成為一名人工智能的教授?突仿〈髮W(xué)是人工智能比較重要的基地,很多原創(chuàng)性成果都從那兒出來(lái)。所以我當(dāng)時(shí)非常興奮。我到卡耐基梅隆之后,成立了一個(gè)比較強(qiáng)大的小組,試圖在人工智能各個(gè)方面都產(chǎn)生突破,包括理論、算法和各種各樣的應(yīng)用。
在這樣的背景下,我們有理由對(duì)以后的前景又產(chǎn)生樂(lè)觀的情緒,這些情緒把我們引向一個(gè)問(wèn)題:人工智能真的有希望接近人類(lèi)了嗎?事實(shí)上,在這個(gè)問(wèn)題上我們又遇到了困難。困難在哪兒呢?
8、Facebook的題目與人工智能的技術(shù)瓶頸 ——計(jì)算引擎
我再講一個(gè)故事,在2010年,我迎來(lái)了做教授以后的第一次學(xué)術(shù)休假,在美國(guó)教授大概每六年可以做一次學(xué)術(shù)休假。當(dāng)時(shí)選擇去了一個(gè)很年輕的公司,就是Facebook。當(dāng)時(shí)它只是一個(gè)500人的公司,在斯坦福大學(xué)校旁邊的一個(gè)小倉(cāng)庫(kù)里搭起了他們的實(shí)驗(yàn)室。他們雄心非常大,希望為上億用戶提供服務(wù),把他們連接起來(lái);他們也希望能夠運(yùn)用人工智能來(lái)幫他們投放有價(jià)值的廣告,也增加公司的收入;他們?cè)O(shè)立的目標(biāo),認(rèn)為在不久的將來(lái)把用戶從1億增長(zhǎng)到10億,當(dāng)然現(xiàn)在他們已經(jīng)達(dá)到這個(gè)目標(biāo)。
我們的任務(wù)是幫助他們實(shí)現(xiàn)這么一個(gè)愿景。當(dāng)時(shí)我是Facebook第一個(gè)訪問(wèn)教授,其中一個(gè)任務(wù)就是通過(guò)社交網(wǎng)絡(luò)里面(用戶)跟別人連接的方式,把他們投射到一個(gè)社交空間中,這樣可以做一個(gè)社群的檢測(cè)。把他們來(lái)分組、特征化。這個(gè)任務(wù)實(shí)際上在統(tǒng)計(jì)學(xué)里、在基于機(jī)器學(xué)習(xí)方法論的人工智能里并不是很陌生的任務(wù)。在2010年以前,我們?cè)?jīng)對(duì)此發(fā)表一個(gè)論文叫做混合成員隨機(jī)區(qū)塊模型,論文的第一作者現(xiàn)在是哈佛大學(xué)統(tǒng)計(jì)系的一位教授,也是我原來(lái)在CMU的學(xué)生。但這個(gè)工作有一個(gè)問(wèn)題,它的計(jì)算復(fù)雜度是平方型的,也就是當(dāng)你的人從10個(gè)人增加到100個(gè)人的時(shí)候,你的計(jì)算量就會(huì)增加到1萬(wàn),再平方一次,那這樣的話就會(huì)產(chǎn)生瓶頸。當(dāng)你網(wǎng)絡(luò)特別大的時(shí)候,比如1萬(wàn)人的話,我們就沒(méi)有辦法去克服計(jì)算的障礙,這是當(dāng)時(shí)讓我們頭大的問(wèn)題。
但是作為人工智能學(xué)者、應(yīng)用數(shù)學(xué)家,我們還是很興奮。我們不怕這個(gè)東西,我們很擅長(zhǎng)研究算法、模型、特征,看看能不能做加速。實(shí)際上我們也的確做了很好的工作,比如我們把社交網(wǎng)絡(luò)抽取比“邊”更強(qiáng)大的特征叫做“三角特征”,我們把模型也做了升級(jí),從混合區(qū)塊模型到混合三角模型。在算法上也做了一兩次非常顯著的革新。從蒙特卡羅算法升級(jí)到隨機(jī)變分算法,每一次突破都產(chǎn)生良好的效果,這個(gè)曲線(代表)復(fù)雜度在不斷下降,以致于我們可以在比較大的網(wǎng)絡(luò)里面,產(chǎn)生了實(shí)際上的結(jié)果,而且比原來(lái)結(jié)果在速度上提升兩到三個(gè)數(shù)量級(jí)。到了我工作快結(jié)束的時(shí)候,我們都可以給老板做一個(gè)如下的展示:這是一個(gè)全球電影明星的網(wǎng)絡(luò),大概100萬(wàn)人左右,我們可以做實(shí)時(shí)的展示,讓你看到人是怎么在模型驅(qū)動(dòng)下,不斷開(kāi)始在社交空間找自己的朋友,落入不同的社交群,這個(gè)是可以通過(guò)計(jì)算實(shí)現(xiàn)的;而且它的速度從學(xué)術(shù)意義上講還是很說(shuō)得過(guò)去,100萬(wàn)的網(wǎng)絡(luò),幾億條邊,500多億特征數(shù),用十核單機(jī)在40分鐘里實(shí)現(xiàn)這樣的模擬,后來(lái)進(jìn)一步提升到6分鐘。
這在學(xué)術(shù)上是一個(gè)驚人的成果,我們用這個(gè)方法發(fā)了若干篇很有意思的文章。但是我們實(shí)際上的任務(wù)不是如此,我們的任務(wù)不是100萬(wàn)個(gè)用戶,而是1億個(gè)用戶或者是大于1億個(gè)用戶,這里還是差了兩個(gè)數(shù)量級(jí),當(dāng)然我們也有理由說(shuō)我們的確還有潛力,因?yàn)槲覀冎挥靡慌_(tái)單機(jī)來(lái)進(jìn)行這些計(jì)算。但是在Facebook機(jī)房里躺著1000臺(tái)Hadoop機(jī)器,可以運(yùn)轉(zhuǎn)分布式程序;所以我們做了一個(gè)簡(jiǎn)單的計(jì)算,任務(wù)大了100倍,但是資源大了1000倍,也許我可以在原來(lái)6分鐘基礎(chǔ)上繼續(xù)減,可以在0.6分鐘把這個(gè)問(wèn)題搞定。這是當(dāng)時(shí)的愿景,我們寫(xiě)了Hadoop程序,把我們的算法做了并行化?上ё詈蟮慕Y(jié)果非常不理想,我們等了一個(gè)多星期還是沒(méi)有得到結(jié)果,而不是0.6分鐘。
實(shí)際上我們看到情況是在算法的運(yùn)轉(zhuǎn)過(guò)程中,因?yàn)樗且粋(gè)迭代的算法,在每一次迭代里面,好像接近結(jié)束進(jìn)入下一個(gè)迭代時(shí),總會(huì)說(shuō)我們完成90%、99%,每次都是有1%的東西沒(méi)有完成,拖一兩個(gè)星期。這里面就產(chǎn)生了本質(zhì)性的問(wèn)題。并行運(yùn)算不是我們理想中這么簡(jiǎn)單倍增的結(jié)果,而是有它內(nèi)在的復(fù)雜性,顯然我們還不知道,到底發(fā)生什么事情呢?
原來(lái)這樣的事情發(fā)生了。當(dāng)你把大任務(wù)分割在不同機(jī)器上讓它們分開(kāi)跑,又同時(shí)在共同執(zhí)行同一個(gè)全局任務(wù)的時(shí)候,它們是需要做這樣一件事情的:首先,它們各自得做自己局部的運(yùn)算,但是它們因?yàn)槭窃谕瓿梢粋(gè)共同的任務(wù),它們需要做一個(gè)握手,能夠達(dá)成一致性,所以需要來(lái)一次通訊,那么這個(gè)通訊是必須發(fā)生在每臺(tái)機(jī)器把它們的子任務(wù)完成以后,得到局部結(jié)果以后才能通訊。所以每次我們都可以想象需要有一個(gè)等待的時(shí)間,讓所有機(jī)器都完成它們的任務(wù)。當(dāng)然在一個(gè)大的集群里面,總有拖后腿慢慢做這個(gè)情況,不是它不愿意做,而是在實(shí)際的計(jì)算機(jī)環(huán)境里,總還有其他用戶,別人也在跑程序,或者是機(jī)房里的溫度不均勻。反正機(jī)器搞得不一樣,而且每次還不是同一臺(tái)機(jī)器不一樣,同一臺(tái)機(jī)器慢,把它拿掉就可行了,用剩下快的機(jī)器。而它是隨機(jī)性的不一樣,現(xiàn)在這臺(tái)機(jī)器快,過(guò)一會(huì)兒那臺(tái)機(jī)器快。所以,最后每一次迭代循環(huán)的時(shí)間都是由最慢的機(jī)器決定的,這就產(chǎn)生了Hadoop這種模式下并行計(jì)算機(jī)的瓶頸,你很難實(shí)現(xiàn)把它加速。這個(gè)困難相當(dāng)嚴(yán)重,以致于到我當(dāng)時(shí)做訪問(wèn)教授結(jié)束的時(shí)候還是沒(méi)有解決,所以我當(dāng)時(shí)覺(jué)得非常尷尬:卡耐基梅隆大學(xué)人工智能教授搞不定1000臺(tái)機(jī)器,也沒(méi)有產(chǎn)生什么功能,走的時(shí)候還是比較沮喪的。
這個(gè)時(shí)候我開(kāi)始重新思考到底我們的目標(biāo)是什么?到底需要什么來(lái)達(dá)成這樣一個(gè)目標(biāo)?從人工智能角度來(lái)講,我們需要完成大型的任務(wù),而且我們需要用一個(gè)嚴(yán)格的數(shù)學(xué)上圓滿的或者嚴(yán)格的方法來(lái)實(shí)現(xiàn)這么一個(gè)目標(biāo)。到底我們需要什么呢?很顯然,從剛才的例子來(lái)看,人工智能光是有一個(gè)好的模型或者好的算法顯然是不夠的,我們還需要對(duì)于人工智能計(jì)算部分的強(qiáng)力的引擎支持,而且這個(gè)引擎支持有可能跟原來(lái)不一樣,因?yàn)榍_(tái)計(jì)算機(jī)裝了Hadoop以后實(shí)際上已經(jīng)是一個(gè)過(guò)去被認(rèn)為很有效的引擎,它曾經(jīng)很好的支持了Facebook當(dāng)時(shí)其他的業(yè)務(wù),比如說(shuō)搜索業(yè)務(wù)或者存儲(chǔ)業(yè)務(wù)。為什么人工智能業(yè)務(wù)不能被好好地支持?原因是因?yàn)槿斯ぶ悄苡?jì)算有它的獨(dú)特性,它是一種原來(lái)我們不常用的方法,它是用迭代的、反復(fù)讀取數(shù)據(jù)和刷新模型的方法來(lái)實(shí)現(xiàn)解決方案的。由于任務(wù)更新,我們就要問(wèn),是不是引擎也需要同樣的更新?
如果看看飛機(jī)的發(fā)展過(guò)程,你就會(huì)發(fā)現(xiàn)這實(shí)際上是一個(gè)Commonsense(常識(shí)),大家都會(huì)覺(jué)得這是有必要的,從最原始的達(dá)芬奇設(shè)計(jì)的飛機(jī),到后來(lái)的螺旋槳飛機(jī),噴氣式飛機(jī),它每一代的設(shè)計(jì)都伴隨著它引擎的變化,好的模型設(shè)計(jì)其實(shí)是不夠的,必須要有助推器把它驅(qū)動(dòng)起來(lái)。這就是當(dāng)時(shí)人工智能發(fā)展中遇到的一個(gè)瓶頸,大部分理論科學(xué)家,甚至算法專(zhuān)家對(duì)搞引擎這種臟活興趣不大甚至完全不懂,所以他們把自己關(guān)在理論和算法的象牙塔里面找出貌似前進(jìn)的很好的感覺(jué),到真正戰(zhàn)場(chǎng)就會(huì)出現(xiàn)這么一個(gè)問(wèn)題。
所以我們意識(shí)到這個(gè)問(wèn)題以后,我們就想是不是把引擎這個(gè)事情好好看一看。計(jì)算引擎的起點(diǎn)當(dāng)然是從馮.諾依曼一開(kāi)始的計(jì)算框架作為原點(diǎn),他當(dāng)時(shí)設(shè)計(jì)了這么一個(gè)模型,包括中央處理器、記憶存儲(chǔ)器、輸入和輸出,通過(guò)一個(gè)抽象把軟件和硬件之間實(shí)現(xiàn)簡(jiǎn)潔的橋接,以致于編程員不用對(duì)每一個(gè)晶體管和電子管做顯性的、局部的編程。從這個(gè)地方發(fā)展到60年代就已經(jīng)有人看到它的局限,因?yàn)樗菃螜C(jī),當(dāng)你有大的任務(wù)或者對(duì)速度有更高要求的時(shí)候,你需要讓很多臺(tái)機(jī)器一起跑甚至是一起執(zhí)行同一個(gè)任務(wù)的,這塊我們已經(jīng)有了早期的原形設(shè)計(jì)。但是有一個(gè)瓶頸,它的使用性是非常差的,因?yàn)槟阍诰庉嫴⑿谐绦虻臅r(shí)候掌控幾十臺(tái)甚至上百臺(tái)機(jī)器,這本身就有技術(shù)上的困難,就像一個(gè)指揮官,讓你指揮1000人,每個(gè)人單獨(dú)通信的話這個(gè)指揮難度是何其之大,所以需要一個(gè)新的橋接模型,來(lái)使機(jī)群展現(xiàn)出簡(jiǎn)單的應(yīng)用界面,這就是后來(lái)萊斯利.瓦利恩特(Leslie Gabriel Valiant)做出的一個(gè)主要貢獻(xiàn)。他發(fā)明了一個(gè)新的橋接模型叫BSP(整體同步并行)模型。在這種模型下,他做了一個(gè)非常簡(jiǎn)單的抽象,把計(jì)算和通訊分割成了兩個(gè)不重合的項(xiàng),在某一個(gè)項(xiàng)里只做所有的計(jì)算,在另一個(gè)項(xiàng)里只做通信,這就是我們剛才看到的Hadoop的模型,它讓各種機(jī)器執(zhí)行子任務(wù),都完成了以后,來(lái)進(jìn)入下一個(gè)階段,來(lái)通訊來(lái)握手,達(dá)成一個(gè)一致性。Hadoop是這個(gè)思路的優(yōu)秀代表,它產(chǎn)生了很大影響,甚至到現(xiàn)在都是主流的運(yùn)算平臺(tái),它對(duì)支持傳統(tǒng)計(jì)算程序像數(shù)據(jù)庫(kù)、鍵值搜索、簡(jiǎn)單的統(tǒng)計(jì)數(shù)據(jù)的歸納都是相當(dāng)有效的。當(dāng)然,最近還有一個(gè)新的突破,SPARK,它也用了一個(gè)BSP的橋接模型。但它的區(qū)別是在Hadoop里面我們是用硬盤(pán)作為記憶單元,而在這塊我們是用內(nèi)存作為記憶單元,但它們的通信原理實(shí)際上是一樣的。
但是我們剛才也看到,人工智能在這樣一個(gè)框架底下好像沒(méi)有被搞定,為什么呢?因?yàn)槿斯ぶ悄苓\(yùn)算跟剛才講到傳統(tǒng)計(jì)算很不一樣,它的任務(wù)是解決一個(gè)數(shù)學(xué)優(yōu)化方程,而且實(shí)現(xiàn)的方法不是基于解析解,而是用了一種類(lèi)似于漸進(jìn)迭代方式,自動(dòng)收斂。迭代次數(shù)和每次迭代的效率和整個(gè)數(shù)學(xué)方程難度有關(guān)系。在大數(shù)據(jù)和復(fù)雜任務(wù)情況下,這個(gè)任務(wù)產(chǎn)生的挑戰(zhàn)是很顯著的,比如,當(dāng)我們數(shù)據(jù)非常大的時(shí)候,在每一次計(jì)算更新的時(shí)候,都要把大數(shù)據(jù)刷一遍,刷幾千遍是何其難的事情。如果我們致力于大型高參數(shù)模型,比如說(shuō)有幾十億參數(shù)的深度學(xué)習(xí)模型,那則意味著每一個(gè)迭代都要把所有的參數(shù)也都刷新一遍,這也是很難的任務(wù),當(dāng)然數(shù)據(jù)和模型同時(shí)都大這個(gè)任務(wù)就變得更難。所以我們必須走一個(gè)并行路線,但是我們現(xiàn)有并行方法好像不太靈光。因?yàn)樵谶M(jìn)行程序并行的時(shí)候首先要關(guān)注的問(wèn)題就是它的一致性,就是說(shuō)我們每一次子任務(wù)群彼此是一致,而不是產(chǎn)生相悖的局部結(jié)果,以致于導(dǎo)致整個(gè)全局結(jié)果的錯(cuò)誤和實(shí)驗(yàn)失敗。
剛才我講的BSP通信協(xié)議先計(jì)算再通信,再計(jì)算再通信,實(shí)際上是實(shí)現(xiàn)一致性基本保障之一。通常理論科學(xué)家和算法科學(xué)家,是假設(shè)這種協(xié)議或這種通訊的代價(jià)是零代價(jià);我們不去考慮它,就想喝水一樣,我們不覺(jué)著那是事兒,算法數(shù)學(xué)上優(yōu)異就行。但很遺憾的是當(dāng)我們進(jìn)入工程界以后,實(shí)際系統(tǒng)不是一個(gè)零代價(jià)的通訊,它有各種各樣的問(wèn)題使你機(jī)群不和諧、不同步,那個(gè)時(shí)候你要么花很多時(shí)間去做等待,等待它的一致,等待它算對(duì);蛘哂行┤狈α己脭(shù)學(xué)嚴(yán)密性的操作員會(huì)選擇放棄同步,讓機(jī)群在異步情況下自由迭代,就好像車(chē)間里的各條傳送帶速度各異,這最后有可能使一個(gè)程序處在算法發(fā)散或者失敗的風(fēng)險(xiǎn)下。在另一方面,做超級(jí)計(jì)算的人士也一直在力圖解決通信和同步的延遲問(wèn)題,提高系統(tǒng)性能,但他們的關(guān)注點(diǎn)也不在以人工智能和機(jī)器學(xué)習(xí)為主的計(jì)算上。到底怎么辦?我們?cè)趺茨軌驈倪@種失敗的經(jīng)驗(yàn)中找到一個(gè)更加快速,但同時(shí)又?jǐn)?shù)學(xué)上正確的方法來(lái)運(yùn)行一個(gè)并行人工智能程序?
9、為人工智能裝上新引擎
這就把我們拉回到離開(kāi)Facebook以后回到卡耐基梅隆大學(xué)進(jìn)行的一系列新的思考。我們發(fā)現(xiàn)人工智能運(yùn)算和傳統(tǒng)計(jì)算非常不一樣,傳統(tǒng)計(jì)算由一堆指令集構(gòu)成,你要執(zhí)行各種各樣的指令,執(zhí)行這個(gè)程序的目的就是為了執(zhí)行這個(gè)程序本身,以達(dá)到一個(gè)功能,而且中間是絕對(duì)不能出錯(cuò)的。就像搭房子你要是把哪一塊磚放錯(cuò)了,你一定得重新放,否則整個(gè)東西都會(huì)垮下來(lái)。這是傳統(tǒng)計(jì)算任務(wù)經(jīng)典的特征,而且所有現(xiàn)有操作系統(tǒng)實(shí)際上都是圍繞著這個(gè)目的來(lái)做的很多優(yōu)化,包括容錯(cuò)性和通訊有效性都是如此。人工智能運(yùn)算跟這個(gè)很不一樣,雖然很多人在一開(kāi)始的時(shí)候并沒(méi)有意識(shí)到。因?yàn)槿斯ぶ悄芤彩且粋(gè)程序,好象也是一堆指令集,但是這里執(zhí)行指令集只是一個(gè)過(guò)程而不是目的,它目的是為了解一個(gè)優(yōu)化方程,就像爬座山一樣,目的是爬到山頂;你固然可以沿著它給你設(shè)置好的路徑一步一步爬,但是如果你哪一步走歪了,就像圖中這個(gè)小伙子喝了酒腳步不太穩(wěn)定,開(kāi)始歪七走八,但只要他大致靠譜,知道目標(biāo)且能判斷好壞,他還是可以爬到達(dá)山頂,只不過(guò)是稍微慢了一點(diǎn),但是總比每次走錯(cuò)了以后再走回原點(diǎn)重新爬要快很多。這就體現(xiàn)了人工智能作為一個(gè)迭代漸進(jìn)算法跟傳統(tǒng)的一次性的掃描算法所不一樣的地方。
因?yàn)檫@樣一種認(rèn)知,我們終于迎來(lái)了新的理論突破,在2012年的時(shí)候,我還有幾位同事設(shè)計(jì)了一種叫做參數(shù)服務(wù)器的新型的系統(tǒng)模型,我們?cè)O(shè)計(jì)它的新的理論基礎(chǔ),給出了嚴(yán)格的數(shù)學(xué)證明,同時(shí)也搭出了框架原型。在這個(gè)框架底下,核心的概念就是人工智能計(jì)算任務(wù)不再像傳統(tǒng)并行任務(wù),比如像飛機(jī)表演隊(duì)一樣,每一個(gè)飛機(jī)的飛行精準(zhǔn)到位非常重要,需要不惜代價(jià)保住每一步的準(zhǔn)確—這樣做會(huì)有很昂貴的代價(jià)。在我們參數(shù)服務(wù)器框架底下,我們更把一個(gè)并行人工智能程序當(dāng)成是一個(gè)在執(zhí)行救火任務(wù)的機(jī)群,它的任務(wù)為了撲滅火,編隊(duì)飛行去達(dá)到火場(chǎng)只是一個(gè)手段,編隊(duì)飛行很好,但也不用不惜代價(jià)的保持飛行姿態(tài)的完美,你到了目的地,把滅火劑扔掉,再很有效的飛回去補(bǔ)充,再返回參與下一輪滅火,直至熄滅,這個(gè)是最主要的一個(gè)目標(biāo)。所以,這兩個(gè)是不一樣的。而且在撲火機(jī)群需要以整個(gè)機(jī)群作為整體單位給上級(jí)簡(jiǎn)單的指揮界面,使得負(fù)責(zé)人可以說(shuō)你去哪兒滅火、去哪兒取水,而不是說(shuō)每一臺(tái)機(jī)器、每一架飛機(jī)走哪、走幾分鐘、什么時(shí)候走。這個(gè)細(xì)節(jié)的掌控應(yīng)該是在飛行中這些飛行員和他們的大隊(duì)長(zhǎng)來(lái)負(fù)責(zé)協(xié)調(diào),而不是總司令提出的協(xié)調(diào)。這是一個(gè)對(duì)人工智能比較新的一種看法。也就是說(shuō)小的錯(cuò)誤是可以容納的,但總體的目標(biāo)是不可改變的。
基于這樣一個(gè)目標(biāo)我們就設(shè)計(jì)了一個(gè)新的橋接模型,叫做有限異步模型,在這個(gè)有限異步模型下,它大致就是把整個(gè)機(jī)群的行為比喻成為一個(gè)實(shí)戰(zhàn)型的職業(yè)軍人團(tuán),他們服從中央指揮,但每個(gè)連隊(duì)、每個(gè)人都有一定的局限性自由度,不能完全亂打,但是還有一定自由度,目的是共同打贏這個(gè)仗。
對(duì)比來(lái)說(shuō),傳統(tǒng)整體并行模型更像是儀仗隊(duì)或者飛行表演隊(duì)的活動(dòng),需要很精準(zhǔn)的協(xié)調(diào),他們目的更像是為了展示,他們更適合于閱兵。還有一種就是異步并行,每個(gè)機(jī)器能夠各自為政,在我看來(lái),這更像游擊隊(duì)員的戰(zhàn)斗,大部分不能協(xié)調(diào)高效的完成一個(gè)共同的目標(biāo)。這三種模型實(shí)際上體現(xiàn)了不同的內(nèi)部的設(shè)計(jì)原理和對(duì)任務(wù)的定義,我們用有限異步并行的橋接原理去構(gòu)架了參數(shù)服務(wù)器的編程界面,它擁有一個(gè)共享內(nèi)存大規(guī)模編程界面,使并行程序的編寫(xiě)容易度,運(yùn)行速度和精度都有巨大的提高。這個(gè)系統(tǒng)并不是為某一個(gè)特定人工智能計(jì)算來(lái)設(shè)計(jì)的,比如說(shuō)深度學(xué)習(xí)。它更像是平臺(tái)通用模型,它設(shè)計(jì)考慮整個(gè)人工智能程序家族的普遍共享的一些特征,給他們提供比較優(yōu)質(zhì)的通訊上的服務(wù),所以在我們軟件包里面包括不同其他的算法。最后這個(gè)系統(tǒng)也有非常靈活的容錯(cuò)或者通訊管理的機(jī)制,所以使得隨機(jī)的資源空檔或者小錯(cuò)誤也會(huì)獲得關(guān)注,最后的結(jié)果是整個(gè)系統(tǒng)的工效獲得巨大的提升。
我們還實(shí)現(xiàn)了另外一個(gè)突破,就是當(dāng)訓(xùn)練巨大模型的時(shí)候,到底應(yīng)該怎么辦(前面的參數(shù)服務(wù)器主要適用于分布式的大“數(shù)據(jù)”問(wèn)題,而非大“模型”問(wèn)題)?模型很大的時(shí)候大家可以想到,我們也得分步,這次分不是數(shù)據(jù),而是把模型分到各處去。這個(gè)時(shí)候每個(gè)機(jī)器就獲得一個(gè)子任務(wù),這個(gè)子任務(wù)跟其他子任務(wù)實(shí)際是有更緊密的數(shù)學(xué)關(guān)聯(lián),他們必須得做動(dòng)態(tài)分割和通訊,只有一致了以后,才能保證整體訓(xùn)練任務(wù)不失敗。這個(gè)時(shí)候需要有一個(gè)協(xié)調(diào)裝置,像拉小提琴家的十個(gè)手指一樣,雖然是在那很快速的運(yùn)動(dòng),但是它們是在執(zhí)行同一個(gè)樂(lè)譜,是有目標(biāo)的在運(yùn)動(dòng)。為此,我們就設(shè)計(jì)了這樣一個(gè)系統(tǒng),叫做一個(gè)動(dòng)態(tài)的調(diào)度器。它可以實(shí)時(shí)來(lái)監(jiān)控子模型或者子任務(wù)之間的一致性,保證數(shù)學(xué)上是正確而不是衰減的。這樣的結(jié)果有一個(gè)比較深刻在數(shù)學(xué)上和功效上質(zhì)量保障。
我們?nèi)绻皇菫榱丝,沒(méi)有把子任務(wù)做好,最后會(huì)造成更多次迭代才能達(dá)到收斂的結(jié)果,這是很多在工業(yè)界實(shí)現(xiàn)模型并行的程序所遭受到的損失,而且在實(shí)驗(yàn)的匯報(bào)里并沒(méi)有被別人關(guān)注,但是我們發(fā)現(xiàn)經(jīng)過(guò)剛才協(xié)調(diào)器處理以后這樣一個(gè)問(wèn)題就被清除了,而且我們還有一些其他的技術(shù),比如包括自適應(yīng)負(fù)載均衡技術(shù),使得每個(gè)模型之間彈性的對(duì)于資源的要求可以得到及時(shí)的滿足。最后的結(jié)果又是一個(gè)數(shù)量級(jí)的倍增,它不僅使得大型的人工智能程序可以在很細(xì)顆粒度下做一個(gè)正確性的保障,而且,有時(shí)候會(huì)實(shí)現(xiàn)一些令我們很吃驚的結(jié)果。比如在這個(gè)收斂曲線的展示中,你會(huì)發(fā)覺(jué)有時(shí)候由于這么一種加速,會(huì)使收斂曲線突然從緩慢路徑跳到很快途徑實(shí)現(xiàn)加速的收斂,這是傳統(tǒng)的通過(guò)完全同步運(yùn)行來(lái)實(shí)現(xiàn)的程序所無(wú)法達(dá)到的效果。
由于這一系列的成果,我們感覺(jué)是在一個(gè)正確的路上在走,我們的確跟這個(gè)目標(biāo)開(kāi)始接近了,我們爬山的活動(dòng)也類(lèi)似經(jīng)歷這樣一個(gè)過(guò)程,我們開(kāi)始向峰頂接近。
有時(shí)候不期而遇、沒(méi)有事先計(jì)劃的好事,也會(huì)對(duì)研究或?qū)ξ覀兊幕顒?dòng)產(chǎn)生一些很正面的影響,這件事情就發(fā)生在我們系統(tǒng)命名上面。任何好的系統(tǒng)都需要比較有意思的名字,我們這里面也遇到一些問(wèn)題,這個(gè)系統(tǒng)工程量很大,也很復(fù)雜,到了需要在2013年的年底做第一次開(kāi)源發(fā)布的時(shí)候,我們突然發(fā)現(xiàn)還沒(méi)有起好名字,大家也都想不出來(lái)一個(gè)很好的名字,我就在那花了幾個(gè)星期,還是想不出一個(gè)滿意的名字。
通常在計(jì)算機(jī)業(yè)界里面,名字都比較無(wú)趣。
Hadoop是什么嗎?它就是工程師的兒子玩的那個(gè)大象,撿了個(gè)名字就用上了。我感覺(jué)還是希望有一個(gè)更雋永、更有意思的名字。有一天我從辦公室開(kāi)車(chē)回家,經(jīng)過(guò)高地公園橋,這是我家到辦公室的必經(jīng)之路,我還在想這個(gè)事,我突然就想到,我們的調(diào)度器簡(jiǎn)稱(chēng)是Strads,是意大利傳奇的“斯特拉迪瓦里”小提琴的簡(jiǎn)稱(chēng)。所以我突然跳到這樣一個(gè)思路,我不是用小提琴來(lái)構(gòu)思協(xié)調(diào)的形態(tài)嗎?小提琴顯然是很美好的樂(lè)器,令我聯(lián)想到一首音樂(lè),就是我非常喜歡聽(tīng)的這一首音樂(lè)。
我不知道大家聽(tīng)這首音樂(lè)有沒(méi)有一種感覺(jué),是不是有音符,旋律,循環(huán)漸進(jìn)向你撲來(lái)的感覺(jué);我當(dāng)時(shí)就感覺(jué)到我們這個(gè)系統(tǒng)能夠把機(jī)器學(xué)習(xí)跑成這么一個(gè)節(jié)奏,又優(yōu)美又正確,還能讓人興奮,那是一個(gè)非常好的效果。這個(gè)曲子名叫《無(wú)窮動(dòng)》(Moto Perpetuo, or Perpetuum Mobile),是帕格尼尼給小提琴創(chuàng)作的一個(gè)難度非常高,但又是一個(gè)非常技巧性和優(yōu)美的作品,也是我很喜歡的一個(gè)作品,所以我就取了它一個(gè)字頭,把它叫做Petuum,這就是名字的由來(lái)。
小提琴大師梅紐因演奏的帕格尼尼無(wú)窮動(dòng)
我們由于各種各樣的機(jī)緣、努力、運(yùn)氣,在學(xué)術(shù)上和我們個(gè)人的活動(dòng)上,都達(dá)到了一定的高度。比如我們已經(jīng)爬到了一個(gè)相當(dāng)高的山脊,我們也看到了不可思議的美景,這種景象和飛機(jī)上看到還是不太一樣的。我們看到了更多的山峰,我們的課題也在不斷的生出新的枝葉來(lái),比如我們后來(lái)關(guān)注集群上面不應(yīng)該跑一項(xiàng)任務(wù),應(yīng)該跑多項(xiàng)任務(wù)。多項(xiàng)任務(wù)的時(shí)候,你就會(huì)遇到資源調(diào)配的問(wèn)題,到底每項(xiàng)任務(wù)應(yīng)該占用多少資源?是應(yīng)該動(dòng)態(tài)調(diào)控還是靜態(tài)調(diào)控?在一個(gè)交響樂(lè)隊(duì)里面,一個(gè)主旋律是不會(huì)在一個(gè)人手里面的,它會(huì)在不同的人中間傳過(guò)去,做不同的展示和放大,或者是變奏,這也是體現(xiàn)我們系統(tǒng)應(yīng)有的風(fēng)格,所以我們就開(kāi)發(fā)了一個(gè)面向多任務(wù)的靈活的資源配置系統(tǒng)。同時(shí)我們還是關(guān)注到解決辦法的部署,希望整個(gè)人工智能解決程序是能夠被裝在一個(gè)容器里面拿來(lái)拿去在不同硬件環(huán)境下或者配置環(huán)境下運(yùn)行自如,這也是我們所說(shuō)分布式容器技術(shù)。就像玩音樂(lè)的時(shí)候不能帶著樂(lè)隊(duì)走,只能帶著唱片走一樣,這也是我們整個(gè)系統(tǒng)中用的即插即用的設(shè)計(jì)思路。最后我們希望整個(gè)系統(tǒng)是輕量級(jí)的解決方法,而不是一個(gè)幾百萬(wàn)行程序,把內(nèi)存占的滿滿的解決方法。所以,我們還有很多設(shè)計(jì)使整個(gè)平臺(tái)加上上面的軟件都變得輕便可用,而且可以調(diào)試,易于維護(hù)的解決方法。所以這些不同角度的設(shè)計(jì)就成就了最后一個(gè)最佳的解決方案。它就是我們現(xiàn)在所打造的這個(gè)Petuum數(shù)據(jù)中心操作系統(tǒng)。這就像一個(gè)交響樂(lè)隊(duì),它可以用來(lái)演奏不同的音樂(lè),可以是可以有不同的組合,大也可以,小也可以。而且可以根據(jù)指揮的需要演奏出不同的風(fēng)格,一個(gè)好的操作系統(tǒng)應(yīng)該有這樣一種特征,能夠?qū)崿F(xiàn)靈活的功能。
我們用Petuum最后還是回到了原點(diǎn)。當(dāng)時(shí)在Facebook不太成功的經(jīng)歷,我們還沒(méi)有把這個(gè)問(wèn)題忘掉,所以我們最后還是把數(shù)據(jù)通過(guò)合作繼續(xù)用了新的辦法來(lái)做了一個(gè)重新的演算。這次我們有了一個(gè)突破,1億個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò),只用了5臺(tái)Petuum的機(jī)器可以在37小時(shí)之間計(jì)算完成,得到一個(gè)非常有意思的社交群可視化結(jié)果。但是如果用1000臺(tái)Hadoop機(jī)器,基本上需要跑400個(gè)小時(shí),當(dāng)然我們沒(méi)有跑完,我們只是預(yù)期它跑400個(gè)小時(shí),實(shí)際上可能比這個(gè)還要長(zhǎng)。這還是一個(gè)比較成功的經(jīng)歷。
我想這樣來(lái)總結(jié)我的關(guān)于人工智能的歷程和我本人在這其中的工作的講述,和為什么我要穿插我的格拉丹東的登山故事:人工智能算法本身這個(gè)計(jì)算任務(wù)像登山,它是有明確的目標(biāo)的,可以用數(shù)學(xué)描述和比較的目標(biāo),它本身有彈性、容錯(cuò)性、隨機(jī)性、和客觀的量化的可評(píng)估性。如果你能夠很好使用這些特征和機(jī)會(huì)的話,你就可以獲得事半功倍的結(jié)果。人工智能領(lǐng)域的發(fā)展也像登山,它有各種各樣的起伏,有各種各樣的思路的跳躍和重新的定位,一個(gè)好的解決方法,通常對(duì)于任務(wù)目標(biāo)、數(shù)學(xué)模型、算法,計(jì)算引擎有比較全面精確掌控和實(shí)現(xiàn)才能達(dá)到目的。而如果你對(duì)它設(shè)置一個(gè)像類(lèi)似科幻的浪漫的不切實(shí)際的目標(biāo),或者是一個(gè)模糊的路徑、錯(cuò)誤的定位,都會(huì)導(dǎo)致挫折,就會(huì)像人工智能的前幾次冬天一樣。從我角度,大家固然會(huì)說(shuō)冬天和夏天是一個(gè)不可逆轉(zhuǎn)的潮流,那我還是希望至少在我有生之年,我不希望再看到一個(gè)冬天,能夠把人工智的輝煌繼續(xù)下去。
尾聲:人工智能和人類(lèi)對(duì)決并不意味機(jī)器會(huì)戰(zhàn)勝\毀滅人類(lèi)
?
我發(fā)覺(jué)人生很有意思,你做的每一件是好像最后的結(jié)果都是有一個(gè)兩面的反映,有些人會(huì)喜歡,有些人會(huì)不喜歡。比如說(shuō)像人工智能,我們有很多人對(duì)它的結(jié)果很興奮,有些人又相當(dāng)恐懼的。像我登山的結(jié)果也有類(lèi)似的狀況。從西藏爬完山回來(lái)以后到清華大學(xué)我們面對(duì)了非常出乎意料的反應(yīng),大學(xué)官方不太贊成我們的舉動(dòng),認(rèn)為我們違反了規(guī)則,由于種種原因我們每個(gè)人都得到的了一個(gè)處分,我本人的考研資格都失去了。當(dāng)然這也沒(méi)有太大影響,索興就出國(guó)深造去了。有時(shí)候你做成一件事以后,外界反映的確有出乎意料的一些結(jié)果,比如最近我從我的同事那兒得到了這些東西,有各種各樣的人機(jī)大賽的看法,甚至包括機(jī)器人是不是要統(tǒng)治地球?人類(lèi)會(huì)不會(huì)淪為寄生者?諸如此類(lèi),讓人感到恐懼的評(píng)論。我不知道這個(gè)東西怎么理解,我還是引用我一個(gè)好朋友加上同事(目前是Facebook人工智能實(shí)驗(yàn)室主任) Yann Lecun的預(yù)言。他的預(yù)測(cè)是,“有些人是因?yàn)閷?duì)人工智能的原理不理解而導(dǎo)致,有些人是為了個(gè)人名望而宣揚(yáng)人工智能威脅論,有些人則是為了商業(yè)的利益推動(dòng)人工智能威脅論!
Facebook人工智能實(shí)驗(yàn)室主任 Yann Lecun
所以,各位在讀這些東西的時(shí)候,還是應(yīng)該把這么一個(gè)背景給考慮進(jìn)去,不要被這些觀點(diǎn)去隨便的誤導(dǎo),它們有一定的道理,但是還可以看一看其他的觀點(diǎn),這塊可以分享一下我的觀點(diǎn),我認(rèn)為人工智能和人類(lèi)對(duì)決不是什么大的了不起的事,人類(lèi)和機(jī)器對(duì)決自古就有,還在發(fā)生。馬車(chē)被火車(chē)戰(zhàn)勝以后,固然有人驚呼,但是世界運(yùn)轉(zhuǎn)如故。大概在同一個(gè)時(shí)代有人發(fā)明了照相機(jī),當(dāng)時(shí)有人驚恐,照相機(jī)來(lái)了以后畫(huà)家就失業(yè)了,但是現(xiàn)在畫(huà)家還是活的好好的,甚至新的藝術(shù)形式也被創(chuàng)造出來(lái)了。人機(jī)大賽放在這么一個(gè)背景下,它只不過(guò)是我們?cè)诩夹g(shù)上的里程碑,展示了人類(lèi)智慧的力量和功能,我們可以以歡迎的心態(tài)接受它。
當(dāng)然我們的確是對(duì)它的功能的邊界有一些憧憬,但是它到底會(huì)不會(huì)強(qiáng)到把我們給干掉的地步,我想這也是不必?fù)?dān)心的。人工智能和自然智能或者是人類(lèi)智能其實(shí)走的路是非常不一樣的。人類(lèi)智能定義實(shí)際上不是單一的,它是一個(gè)泛化的、比較模糊、非常難以衡量的功能,比如說(shuō)某一個(gè)人會(huì)笑,某一個(gè)人會(huì)哭,誰(shuí)笑的好,誰(shuí)哭的好這是很主觀的事情。而人工智能所集中的東西是單一的、明確的、可評(píng)測(cè)的功能,比如說(shuō)下圍棋、下象棋、搜索。人類(lèi)智能使用的數(shù)學(xué)模型(如果有的話)未知,具有無(wú)限潛能;而人工智能使用顯性,簡(jiǎn)化的數(shù)學(xué)模型,可以獲得理論、實(shí)際的邊界,而人類(lèi)的潛能,還沒(méi)有看到它的邊界。在兩者實(shí)現(xiàn)方式上你會(huì)發(fā)覺(jué)也很不一樣。在硬件上人類(lèi)智能用的是生物組織和器官,軟件上的方式可能用到了類(lèi)似皮茨-麥卡洛二元神經(jīng)網(wǎng)絡(luò),但實(shí)際上遠(yuǎn)遠(yuǎn)更復(fù)雜;而人工智能使用的電子設(shè)備、暴力計(jì)算,搜索, 優(yōu)化,隨機(jī)模型的方法,它有它的優(yōu)勢(shì)、也有它的劣勢(shì)。
我個(gè)人觀點(diǎn):只要是在有限,透明規(guī)則、特定任務(wù)下,機(jī)器超過(guò)人的水平是時(shí)間問(wèn)題,絕對(duì)是會(huì)超過(guò)的,沒(méi)有什么好擔(dān)心的,而且是好事,因?yàn)樗梢詭腿祟?lèi)實(shí)現(xiàn)很多有價(jià)值的功能,成為人類(lèi)的好助手,降低我們生活的成本,提高我們的效率。
但人工智能可以代替人嗎?對(duì)我個(gè)人來(lái)說(shuō),這是天方夜譚。我想用一段很喜歡的視頻來(lái)說(shuō)明,表演者是一個(gè)很著名的鋼琴家叫弗拉基米爾·霍洛維茨,是上個(gè)世紀(jì)最偉大的鋼琴家之一。他在俄國(guó)十月革命以后就離開(kāi)了俄國(guó),離開(kāi)了蘇聯(lián),到了西方,大概70年以后,他90歲的時(shí)候,終于有機(jī)會(huì)回到他的故土,在莫斯科舉辦了一場(chǎng)音樂(lè)會(huì)。他彈了這么一首曲子,這首曲子的名字大家可能都知道,是舒曼創(chuàng)作的《童年回憶》,非常簡(jiǎn)單,連我的兒子都會(huì)彈。沒(méi)有什么技術(shù)難度。所以機(jī)器人是絕對(duì)可以勝任的。但是我不知道大家在聽(tīng)這個(gè)音樂(lè)的時(shí)候,會(huì)不會(huì)產(chǎn)生一種,人彈和機(jī)器彈完全不一樣的感覺(jué),一種寧?kù)o,深沉,直達(dá)心脾,催人淚下的感動(dòng)。
霍洛維茨演奏舒曼《童年回憶》
人在很多方面,實(shí)際上跟機(jī)器是很不一樣的。我們的工程能力連造一個(gè)細(xì)菌用生物學(xué)角度講都沒(méi)法造出來(lái),更不要說(shuō)去實(shí)現(xiàn)人的思維和頭腦,所以說(shuō)從技術(shù)的可能性上來(lái)講,還有很大的距離。而且人的頭腦有很多獨(dú)特的功能,比如創(chuàng)造性思維、感情、常識(shí)、美感,這都是人工智能途徑或者方法無(wú)法企及的。特別是當(dāng)音樂(lè)進(jìn)行某一個(gè)時(shí)刻,你可以看到,它能夠直接去接觸到人的心理,這個(gè)我們?nèi)斯ぶ悄懿恢涝趺慈ビ脭?shù)學(xué)公式定義這么一個(gè)程度。
大家在聽(tīng)機(jī)器人彈琴能不能被彈哭,我自己還有待觀察,但這個(gè)曲子,這個(gè)表演,絕對(duì)可以達(dá)到這么一個(gè)境界,我們歷史上的偉人孔子、拿破侖、貝多芬、梅紐因、托爾斯泰,巴蘭欽、普列賽斯卡婭,愛(ài)因斯坦,你覺(jué)著他們會(huì)被機(jī)器代替嗎?
特別鳴謝:
未來(lái)論壇以及武紅女士
Dr. Qirong Ho,我的學(xué)生,petuum主要的發(fā)明人
Prof. Jun Zhu,我的博士后,現(xiàn)在清華大學(xué)人工智能學(xué)科的教授
Dr. Ning Li,當(dāng)年我的登山的隊(duì)友、現(xiàn)在我的合作伙伴
同時(shí)也特別感謝唐錫南博士,張曉冬博士對(duì)于AI研究歷史的不吝指教和修改意見(jiàn)。
?本文為邢波教授授權(quán)機(jī)器之心發(fā)布
歡迎光臨 (http://www.torrancerestoration.com/bbs/) |
Powered by Discuz! X3.1 |