人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)領(lǐng)域的大牛、加拿大計算機科學(xué)家 Yoshua Bengio 日前在 MIT 的一次活動中接受采訪時表示，希望停止有關(guān)人工智能軍備競賽的討論，并讓發(fā)展中國家更容易獲得這項技術(shù)。

　　Yoshua Bengio 是現(xiàn)代人工智能的大師，與 Geoff Hinton 和 Yan LeCun 一起并稱“深度學(xué)習(xí)三巨頭”，Bengio 以倡導(dǎo)“深度學(xué)習(xí)”技術(shù)而聞名，近年來，這一技術(shù)已經(jīng)從學(xué)術(shù)屆的嘗試轉(zhuǎn)變成了目前全世界最強大的技術(shù)之一。

　　深度學(xué)習(xí)包括將數(shù)據(jù)輸入到大型神經(jīng)網(wǎng)絡(luò)中，這些神經(jīng)網(wǎng)絡(luò)簡略地模擬人類的大腦，它在各種實際任務(wù)中都被證明是非常強大和有效的——從語音識別、圖像分類到控制自動駕駛汽車和自動化商業(yè)決策。

　　Bengio 并沒有選擇加入任何大型科技公司。雖然 Hinton 和 LeCun 分別加入了谷歌和 Facebook，但 Bengio 仍然是蒙特利爾大學(xué)的全職教授。他在 2016 年成立了 Element AI，并創(chuàng)立了一個非常成功的項目，幫助大公司探索人工智能研究的商業(yè)應(yīng)用。

　　以下為 Yoshua Bengio 教授采訪實錄：

　　問：你如何看待各個國家之間的人工智能競賽?

　　Bengio ：我認為這是不正確的做法。我們可以共同參與一場競賽，但作為一名科學(xué)家，我認為我們應(yīng)當考慮人類的共同利益，應(yīng)該更多地去思考如何建造出更智能的機器，并確保人工智能為更多的人謀福祉。

　　問：那么是否有辦法促進各國之間的合作?

　　Bengio ：我們可以讓發(fā)展中國家的人們更容易進入這一領(lǐng)域。這是一個很大的問題，因為在歐洲、美國或加拿大，一個非洲研究人員很難獲得簽證。申請簽證就像彩票，他們會用任何借口拒絕申請。這是完全不公平的。發(fā)展中國家用很少的資源做研究已經(jīng)很困難了，但是如果他們還不能接觸到人工智能社區(qū)，我認為這是非常不公平的。作為補償這一問題的一種方式，我們將于 2020 年在非洲舉辦一個大型的人工智能會議——ICLR(International Conference on Learning Representations,國際學(xué)習(xí)表征會議)。

　　包容性不僅僅是一個好聽的詞而已。人工智能在發(fā)展中國家的潛力可能更大，他們改進技術(shù)的需要比我們更強烈，并且他們有不同的需求。

　　問：你是否擔(dān)心其他國家的人工智能公司會占據(jù)人工智能領(lǐng)域的主導(dǎo)地位?

　　Bengio ：是的，這是我們在人工智能研究中需要更多民主的另一個原因。人工智能研究本身往往會導(dǎo)致權(quán)力、金錢和研究人員的集中。最好的學(xué)生都想去最好的公司，因為他們有更多的錢，有更多的數(shù)據(jù)。這是不健康的模式。即使在民主國家，權(quán)力集中在少數(shù)人手中也是危險的。

　　問：關(guān)于人工智能的軍事用途已經(jīng)引起了很多爭議。你在這方面的立場是什么?

　　Bengio ：我堅決反對。

　　問：即使是非致命的用途?

　　Bengio ：我并不想阻止人工智能的軍事用途，但我認為我們需要達成一種共識，即殺手機器人是不道德的事情。我們需要改變文化，包括改變法律和條約。這可能會有很長的路要走。

　　當然，你永遠不能完全阻止它，人們會說，“某些流氓國家會發(fā)展這些東西。”我的回答是，第一，我們需要讓他們?yōu)樽约旱男袨楦械叫呃?，而第二，沒有什么可以阻止我們建立防御技術(shù)。防御性武器可以消滅無人機，但它和針對人類的攻擊性武器不同，兩者之間存在著巨大的差異。但兩者都可以使用 AI。

　　問：難道人工智能專家不應(yīng)該與軍方合作來確保這一切發(fā)生嗎?

　　Bengio ：如果他們有正確的道德價值觀，那很好。但我并不完全信任軍事組織，因為他們傾向于認為責(zé)任先于道德。我所希望的并不是這樣。

　　問：在新的人工智能研究中，最令你興奮的是什么?

　　Bengio ：我認為我們需要考慮人工智能的嚴峻挑戰(zhàn)，而不只是對短期的、漸進的進步感到滿意。我并不是說我想放棄深度學(xué)習(xí)。相反，我想在此基礎(chǔ)上繼續(xù)發(fā)展。但是我們需要能夠擴展它來做一些事情，比如推理，學(xué)習(xí)因果關(guān)系，探索世界，以便學(xué)習(xí)和獲取信息。

　　如果我們真的想實現(xiàn)接近人類水平的 AI，那就是另外一場比賽。我們需要長期投資，我認為學(xué)術(shù)界是最好的將其傳遞下去的地方。

　　問：不僅要抓住數(shù)據(jù)中的模式，還要抓住某些事情發(fā)生的原因。為什么這很重要，以及為什么它會這么難呢?

　　Bengio ：面對復(fù)雜的世界，如果你有一個好的因果模型，你可以在不熟悉問題的情況下就進行概括，得出結(jié)論，這是關(guān)鍵。我們?nèi)祟惸軌驅(qū)⒆约和渡涞脚c我們?nèi)粘＝?jīng)驗截然不同的情境中，而機器不能，因為它們沒有這些因果模型。

　　我們可以手工創(chuàng)建模型，但這還不夠。我們需要能夠發(fā)現(xiàn)因果模型的機器。在某種程度上，它永遠不會是完美的。就像現(xiàn)實中我們也沒有一個完美的現(xiàn)實的因果模型，這就是為什么我們也會犯很多錯誤，但是和其他動物相比，我們已經(jīng)做得很好了。

　　現(xiàn)在，我們并沒有很好的算法來解決這個問題，但是我認為，如果有足夠多的人在努力，并且予以足夠的重視，我們就會取得進步。
　?。?a href="http://www.nasamidwest.com">邯鄲網(wǎng)站建設(shè)）