10位AI大牛畅想2020:李开复看好医疗教育 LeCun强调自监督学习

2020,AI的研究会有哪些突破?

2020,AI的应用又会有什么变化?

吴恩达DeepLearning.ai旗下的THE BATCH刊物,分享了包括Yann LeCun、李开复、周志华、还有他们的老板吴恩达在内的10位AI大佬的新年寄语,以及对AI在2020年能有什么突破的“新年愿望”。

一起来看看吧~

吴恩达:保持学习和好奇心

在这份「新年寄语篇」的开头,吴恩达作为发起人开场,总体是一些关于学习新知识的碎碎念。

吴恩达说,他每年冬天的假期都会围绕一个新的主题进行学习。

比如10年前的那个冬天,他的学习主题是教育学,虽然当时他拖着十分沉重的书箱在机场赶路,但对教育学的研究的确为后来在线学习平台Coursera的成立起到了帮助。

而去年,当时他的宝贝女儿Nova还在母亲腹中,吴恩达就在冬天读了很多育儿书籍。

而这个冬天,吴恩达说他在研究续命——包括遗传学、还有夸克什么的在内的新兴科学,还实地探访去拜见了自己101岁的爷爷,爷爷用亲身经历告诉他:

长寿的秘方,就是保持好奇心。

照这个规律,吴恩达觉得自己的关注者里会有不少人能在101岁之后依然活蹦乱跳的。

最后,吴恩达祝大家过一个充满好奇心、学到新东西、有爱的2020年。

李开复:AI将在更多行业落地

李开复的新年寄语主题,是AI无处不在。他说:

人工智能已经从发现的时代到了落地的时代。在我们主要在中国的投资组合中,我们看到了在银行、金融、运输、物流、超市、饭店、仓库、工厂、学校和药物研发中使用人工智能和自动化技术的应用。

但是,从整体经济的角度来看,只有一小部分企业开始使用AI,这表明还AI有巨大的增长空间。

我相信,在人类技术进步的历史上,AI将与电力同等重要。在未来的一二十年中,人工智能将渗透到我们的生活和工作中,从而提供更高的效率和更智能的体验。现在正是企业、机构和政府充分拥抱AI并推动社会前进的时机。

我对AI在医疗和教育上的影响非常兴奋。这两个行业已经为AI的部署做好了准备。

我们投资了一家使用AI和大数据优化供应链的公司,从而缓解了超过1.5亿中国农村人口的药品短缺情况。我们也在投资用深度学习来生成化合物的药物研发公司,以将药物发现时间缩短三到四倍。

在教育方面,我们看到一些公司正在用AI改善学生的英语发音,帮助学生提升成绩,用个性化和游戏化的方式帮助学生学习数学。这将使教师从日常工作中解放出来,并使他们能够花时间为新兴一代的学生做更多鼓励性的工作。

我希望看到更多明智的企业家和公司在2020年及以后的几年中开始使用AI来帮助他们获得更大的好处。

LeCun:自监督学习带来AI革命

深度学习三巨头之一、图灵奖得主Yann LeCun的新年寄语主题,是Learning From Observation。

让人忍不住把它翻译成“格物致知”。

“格”的是开车这件小事。LeCun提到,人类学开车只要几十个小时,但是模仿学习算法需要学几十万个小时,强化学习算法甚至需要学几百万个小时,这里面一定有什么问题。

人类可以高效学习,是因为我们人在脑海里建立了世界的模型。婴儿很难和世界互动,但是在刚出生的几个月里,他们通过观察吸收了大量关于这个世界的背景知识。显然,大脑的很大一部分被用在了理解世界的结构,并预测一些无法直接观察到的事物,比如未来才会出现的东西、或者被隐藏的事物。

因此,AI的前进方向,就是自监督学习(self-supervised learning),它和监督学习类似,但是并不会训练系统去把数据分类,而是我们隐藏一些部分,让后让机器预测丢失的部分,比如把视频的一些帧抹掉,然后训练机器根据剩余的帧来填补被抹掉的部分。

最近,这种方法在NLP方面非常成功。诸如BERT、RoBERTa、XLNet、XLM之类的模型以自监督的方式进行训练来预测文本中缺少的单词,它们在所有主要的自然语言基准测试中都有记录。

希望在2020年,自监督学习能够用在视频和图像上。它会在视频这类高维连续数据上创造类似的革命吗?

其中一项严峻的挑战是应对不确定性。像BERT这样的模型无法判断句子中丢失的单词是“猫”还是“狗”,但是它们可以产生概率分布向量。对于图像或视频帧,我们没有一个好的概率分布模型。但是最近的研究非常接近,或许我们很快就会发现这样一个模型。

这样,我们就能用很少的视频训练样本,来实现非常好的性能预测、动作预测,而这在以前是不可能的。

当这个想法实现的时候,2020年就会是AI领域非常激动人心的时刻。

周志华:方法创新,方针明确

南京大学周志华教授对2020年有三个希望:

1、希望能够出现深度神经网络以外的高级机器学习技术。神经网络已经被许多研究人员、工程师和从业人员研究并应用了很长时间,其他机器学习技术为创新提供了相对未开发的空间。

2、希望AI可以涉足更多领域,为人们的日常生活带来更多积极的变化。

3、希望研究人员、工程师和从业者们对于如何采取措施防止AI技术的错误开发和滥用进行更多的思考和讨论。

Anima Anandkumar:模拟的力量

Anima Anandkumar是英伟达机器学习的总监,也是加州理工的计算机教授。

Anandkumar教授提到,在仿真环境学习中训练算法会让网络更为强大,并且能模拟各种复杂的情况,在一些情况下可以解决研究人员数据不够的问题。

她所在的加州理工已经用物理模型来模拟真实数据,用深度学习进行地震预测的研究;英伟达也推出了仿真平台Isaac。

她希望,2020年AI科学家们能认识到在模拟环境中进行训练的价值,并在新的一年产生更为重大的AI进步。

Oren Etzioni:工具创造平等

Oren Etzioni是艾伦人工智能研究所的首席执行官、华盛顿大学计算机教授、Madrona资本合伙人。

他认为,AI界花了很多时间讨论算法的公平和透明性,但在应用上,AI还可以为社会提供更多帮助,比如为行动不便的人提供无障碍技术,解决教育、流浪者、人口贩卖的问题,AI能对人们的生活质量产生巨大的积极影响,但现在AI界对此的研究和探讨只浮于表面。

因此,他希望2020年AI界能用切实的手段让这些处于不利地位的人受益,让世界更公平。

Chelsea Finn:泛化的机器人

Chelsea Finn是斯坦福计算机科学与电气工程助理教授。

她认为,目前的许多AI技术都能在围棋等特定任务上取得非常好的成绩,但在泛化方面做得还不够,无法用一个机器人来完成多个任务。

比如,识别ImageNet上的图片需要一个模型,但如果机器人需要与环境交互,那为每个任务都创造一个ImageNet那么大的数据集是不切实际的。

因此,她也在进行更多赋予机器人泛化能力的研究。如果强化学习的临界质量发展和泛化有所突破,会是非常令人振奋的事情。如果能应对这些挑战,机器人会比现在的更加智能,而不仅仅是停留在实验室里。

David Patterson:快速训练与推理

David Patterso是加州大学伯克利分校的计算机科学教授,RISC-V国际开源实验室负责人,也是ACM和IEEE的Fellow。

他说,过去一年,阿里巴巴、 Graphcore和英特尔等公司都在研发专门的人工智能处理器,而这些芯片将慢慢进入研究实验室和数据中心。

他认为,投资数十亿美元打造新颖的人工智能硬件将在2020年初见成效。

并希望人工智能社区能接受其中最好的芯片,来推动这个领域朝着更好的模型和更有价值的应用方向发展。

Dawn Song:要对数据负责

Dawn Song是安全领域的顶尖学者之一,1996年本科毕业于清华大学,现在是加州大学伯克利分校(UC Berkeley)计算机科学和电子工程教授,也是Oasis Labs 首席执行官和联合创始人。

她认为,人们对敏感数据的收集正在迅速增加,几乎涵盖了人们生活的方方面面。但用户几乎无法控制他们生成的数据如何被使用。与此同时,企业和研究人员在利用数据方面面临着诸多挑战。

在她看来,这种数据收集方式将个人和企业置于危险之中,她希望2020年应该是为负责任的数据经济打下基础的一年。

这需要创造新的技术、法规和商业模式。Dawn Song认为,2020年在在机器学习方面仍然存在更大的挑战,要打造可扩展的系统来为实际部署大型、异构数据集服务,联邦学习的进一步研究和部署对于某些用例也很重要等等。

Richard Socher:信息海洋已经沸腾

Richard Socher博士毕业于斯坦福大学计算机系。2016年,自己创办的公司被Salesforce收购后,加入Salesforce,现在是Salesforce的首席科学家。

他认为,如何处理铺天盖地的事实、意见和观点仍然是一个挑战。

比如,在你没有读过一个冗长的文档之前,你很难知道你会在里面找到什么信息。而且,想要知道某个特定的陈述是否正确也非常困难。

在他看来,自动提取摘要可以解决这些问题,2020年,这一技术将会迎来重大发展,改变我们消费信息的方式。

不仅能帮助人们应对不断涌现的新信息,而且还能让人们进一步拥抱人工智能的巨大潜力,创造一个更美好的世界。

(免责声明:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。 )

赞助商