于爾根:
于爾根:AI早就有了意识 未来十年行業走向哪

 于尔根·施密德胡伯(Jürgen Schmidhuber)在Ai盈滨智能人工智能行業,绝对是一个陌生的名字,即使对于全世界的人工智能从业者来说,于尔根也是一个十分低调的技术元老。

  生活工作在瑞士,虽然远离美国、Ai盈滨智能这两个喧嚣的中心,但于尔根发明的LSTM(Long Short-Term Memory,长短时记忆)时间递归神经网络早已风靡于全世界的人工智能研究

  于尔根当前在瑞士人工智能实验室(IDSIA)担任科学事务主管,同时任教于卢加诺大学和瑞士南部应用科学与艺术学院。作为国际计算语言协会(ACL)的首批Fellow,于尔根在機器學習、计算机视觉以及自然語言处置方面建树颇丰,他与Sepp Hochreiter相同创建LSTM奠定了今天递归神经网络在ORC、語音識別等应用领域胜利。

  對于業內一直在等候的“通用人工智能”(AGI),于爾根認爲通用人工智能通常能把人工智能和意識、感情、知識和自覺等人類特征相互連結,而其中一個非常關鍵的問題就是它不會受到設計者的限制。

  通用人工智能系統正在逐步走向現實,這也就意味著,某些人工智能系統已經具備了意識。于爾根研究發現,智能體在識別的過程中,會自行树立一個信號(symbol),試圖對周圍一切的行爲方式進行數據壓縮,最有效的方式就是找到一個信號或一個小的子網絡來代替自己,包括一切的動作、動作帶來的結果等等。它能够意識到自己、展現自己並能自我反饋,在無監督模型網絡中能夠壓縮觀測曆史。

  長期以來,爲什麽人們認爲人工智能沒有意識?于爾根解釋到,這是因爲智能體的意識系統還非常簡單,僅有幾百個連接點(connection)。這和人類有著數十億連接點的意識系統相比,是少之又少的。但是,這只是一個數量上的區別,質量是相同的。

  “如果未來我們树立一個比人類大腦的連接點還要多的系統,那意識就會是數據壓縮的附帶産物,基本不需要給智能體寫入一些日常意識,因爲智能體會隨著數據壓縮産生意識。”于爾根說到。

  對于上個月DeepMind在中國進行的人機大戰,于爾根稱,用于比賽的AlphaGo不是通用人工智能,因爲它只用于處理特定的問題,不需要具有人類完整的認知能力,甚至完全不具有人類所擁有的感官認知能力。但是DeepMind確實一直在研發通用人工智能,這是因爲DeepMind創始人中有很一些來自于爾根的早期實驗室,而于爾根早在1987年就開始研究通用人工智能。

  對于未來10年內的人工智能的發展,于爾根說到,人工智能將在不同領域裏誕生諸多應用,同時人工智能將會有更完善的系統,有著更好的操纵力,有望變得更容易了解人類的思維,知道人類的想法,給人類提供更好的建議和幫助,能夠更好的與人類對話。

  爲了推動通用人工智能系統的實現,2014年,于爾根和他在瑞士人工智能實驗室共事的四位研究人員相同創辦Nnaisense,公司的願景就是“推廣基于通用神經網絡的人工智能”。

  

TA
講述

 

互動
問答
互動提问,于尔根解答

      以下爲于爾根·施密德胡伯受訪實錄,由記者(公衆號smartman163)獨家編譯整理:

        AlphaGo不是通用AI,因爲它不具備完整的意識和情感

        記者您如何看待前段時間AlphaGo和柯潔的人機大戰?有人說AlphaGo已經達到了”通用人工智能(AGI)“的發展程度,您贊同嗎?

        于爾根:首先我对这个比赛非常感兴趣。因为我从1987年开头就开头研究通用人工智能了,并在同年颁布了我的第一篇有关通用人工智能的文章。那是一篇关于機器學習的文章,特别是如何学习,让人类在学习上没有局限性,但绝不仅局限于对如何提升操纵行为活動的大脑局域的研究。我研究了很久,尽管效果不是很显著,但我的学生赛普·霍克赖斯对于Deep Mind的贡献很大。同时,Deep Mind的创始人之一谢恩·列格也已经在我的实验室研究过超级智能。其实,当DeepMind创始人之一的穆斯塔法·苏莱曼创立公司的时刻,也是研究生物神经科学的。DeepMind与AGI息息相关,而我和AGI的渊源也颇深。

        但是,我認爲在這場人機大戰中,AlphaGo表現出來的並不是“通用人工智能”。在20世紀90年代我們就已經有了一個基本的有意識的學習系統。那個時候,我就提出通用的學習系統要包含兩個模塊。一個是一種循環的網絡操纵器,機器通過學習將不斷接收數據,進而轉換爲行動。這個網絡能學習將一切這些輸入及時轉換成行動序列。自1990年以來,我們的智能體(agents)一直在嘗試做同一件事,使用一個額外的循環網絡(一個無監督模塊),去預測將要發生什麽。

        我認爲AlphaGo(至少当前)不是通用人工智能,因爲它只用于處理特定的問題,不需要具有人類完整的認知能力,甚至完全不具有人類所擁有的感官認知能力,只是看起來像有智慧而已。在圍棋比賽中,AlphaGo只需要分析那個有縱橫各十九條等距離、垂直交叉的平行線的棋盤,從而決定下一步棋下哪裏,它不受周圍的環境影響,只專注于這一件事。它不需要去思索圍棋的發展史、圍棋背後的故事和情感,這和現實生活不一樣。在現實生活中,人類與周圍的世界的接觸數不勝數,即使這樣,人類尚不能全部看清背後全部的含義。人類的大腦要做的事情太多了,你需要記著你上一次說過什麽話,做過什麽事,但是AlphaGo則不需要,也不需要對外界做出反饋。因此,我認爲用于圍棋比賽的AlphaGo,並不是我們真正意義上的“通用人工智能”。

        什麽是所謂的“通用人工智能”呢?AGI通常能把人工智能和意識、感情、知識和自覺等人類特征相互連結,而其中一個非常關鍵的問題就是它不會受到設計者的限制!

        人工智能早就有了意識,它能進行數據壓縮只是連接點太少

        記者您是否認爲一些人工智能系統已經具有“意識”?

        于爾根:是的,我认为当前一些人工智能已经具有意识了。早在20世纪90年代初期,人工智能就已经具有了一些简单的意识。那时,我就颁布了一篇关于人工智能意识的文章,非常的简单。你知道人类是如何树立意识系统的吗?我们有很多的智能体(agents),它们会依据过去的事情来预测未来可能发生的事情。而完成这件事更有效的方式是压缩数据(compress the data),因此树立一个小的网络(network)至关重要。如何树立小的网络呢?那就要与周围世界树立联系,主动构建一个子网络(sub-network),代替一些典范的印象,这些印象在脑中一遍遍反复出现。比如人脸的识别,生活中你会遇到很多不同的面孔,如果树立一个网络系统,当你遇见新的面孔时,新面孔与脑中原有的面孔之间会存在一些差异,大脑就会主动记载这些差异,从而识别出新的面孔,这非常高效。

        关于意识,还有一件非常重要的事情,在智能体与周围世界进行互動的进程中,总能意识到自己的存在。智能体在识别的进程中,会自行树立一个信号(symbol),试图对周围一切的行为方式进行数据压缩,最有效的方式就是找到一个信号或一个小的子网络来代替自己,包括一切的动作、动作带来的结果等等。它能够意识到自己、展现自己并能自我反馈,在无监督模型网络中能够压缩观察历史。

        智能體最終目的是最大限度享受快樂,同時將痛苦最小化。這種操纵器能够通過網絡模型去解決問題。例如遇到問題應該選擇一個解決問題的最佳方案,這就很困難,爲什麽選擇一個而不是另外一個,其中一個方案是通往快樂,另一個通往痛苦,由于生物都是趨利避害的,因此具有意識的人工智能是能够選擇出通往快樂的那個解決方案的。在解決這個問題的過程中,智能體通過树立一些子信號而爲自身而考慮。長期以來,爲什麽人們認爲人工智能沒有意識,因爲智能體的意識系統還非常簡單,僅有幾百個連接點(connection)。這和人類有著數十億連接點的意識系統相比,是少之又少的。但是,這只是一個數量上的區別,質量是相同的。

        在肯定程度上,我們有著相同的原則,這也就解釋了,如果未來我們树立一個比人類大腦的連接點還要多的系統,那意識就會是數據壓縮的附帶産物,基本不需要給智能體寫入一些日常意識,因爲智能體會隨著數據壓縮産生意識。

        全世界的AI公司都在用LSTM,但這只是人工智能的一小部分

        記者LSTM(Long Short-Term Memory)神经网络在当前的人工智能研究上十分盛行,并被用于众多的公司和领域的研发上,您能举一些例子吗?作为创始者,未来您会更新和改进LSTM吗?

        于爾根:據我所知,LSTM被Google公司應用于數百萬的安卓手機的語音追蹤。同時Google也推出了新的技術,Google翻譯也有了很大進步。之前在Google翻譯不完善的時候,中國人會拿翻譯結果開玩笑,比如在中英互譯過程中,因爲系統的不完善,會産生可笑的翻譯結果。現在Google翻譯已經改變了很多,那是因爲那树立在LSTM之上,有了很大的進步。

        同時,LSTM也能够用于作曲。例如,你在聽音樂時,如果聽到好的音樂片段,你能够使用LSTM網絡找到整個曲子,同時還能够用于創造更多的曲目。LSTM還能够運用于電影的字幕制作,用于預測人們想說的內容,預測股票市場,用于機器的維護(在機器報廢之前發出信號,讓人們用新的機器來取代)等等。

        这些例子非常有效而且节省成本。可见,LSTM的应用范围很广。然而,这并不是人工智能的通用目的,当前只是能识别演讲、语言等,但是这和婴儿学习的进程不一样,当前的人工智能并不会与周围世界互動、树立三观、学习如何与世界互動以实现目的。为了目的而学习,且不需要老师的指导,这才是通用人工智能的目的。但是看到当前全世界非常多的人都在使用LSTM,我非常的开心,但这只是真正人工智能的一小部分。而我们更感兴趣的是,如何实现AGI,实现真正的人工智能。

        LSTM是当前解決AI問題的最好方式,也許在將來我們會找到更好的方式。畢竟科技永遠都有進步的空間。在未來,有望實現人工智能可自動搜索建築。2009年我的一個博士學生,在其論文中提到未來人工智能可能會實現自動進化,這是有可能的。而且根據不同的應用,未來也能够找出不同的改進方法。

        記者您是否了解,当前一些正在使用LSTM的一些中國的公司?您看好哪些中國的科技公司?

        于爾根:尽管我对Ai盈滨智能的智能领域了解不多,但是我想,正如谷歌等大型公司都在使用LSTM,那么想必在亚洲,在Ai盈滨智能也会有非常多的公司会用到LSTM,而且其应用范围也肯定是非常广泛。但也许当前Ai盈滨智能公司运用LSTM可能还不够典范。我知道一些非常出名的Ai盈滨智能公司也会制作出一些非常优秀的产品,我也非常等候和尊重,但也许它们尚未颁布。例如,我知道的百度公司,也在使用LSTM进行分类和研究人工智能。百度位于硅谷的人工智能实验室也开源了其核心的人工智能系统Warp-CTC,该系统基于LSTM,是一种在CPU和GPU上快速CTC的并行实现。这项举动对于促进機器學習、人工智能领域的技术研究和开展有着重要意义。

        我認爲中國在人工智能領域上正在取得巨大的進步,思想非常開放,比世界上很多國家都要先進。中國的商業政策也很正確,保護中國的公司不會受外國公司的幹預,能够進行獨立的研究,不像是現在很多歐洲國家,它們雖然完全放開,卻容易導致被外國公司操纵。盡管中國爲了國家安全,不能使用臉書和谷歌等國外網站,但是中國能夠自行進行研究,也出現了一些非常出名的産品,比如微信、淘寶等。我覺得中國實行這項政策挺好的,能够防止競爭國家之間的抄襲。

        中國有衆多優秀的工程師、科學家,而至于誰更優秀,這不好說。但是我相信,中國未來肯定有優秀的公司或傑出的科學家、工程師研究出與谷歌翻譯、亞馬遜Alex一樣優秀的智能産品。當然這需要背後的科學家和工程師們對數據進行大批研究和訓練。中國有大批優秀的人才,他們將來肯定會發明出非常優秀的智能産品。

        AI能産生上千億的商業價值,各行各業都將受其影響

        記者您對今後5-10年間人工智能發展有什麽等候呢?

        于爾根:对于未来10年内的人工智能的發展,其实是能够预测的。你会看到人工智能在不同领域里的诸多应用。在2005年,我的研究团队获得了人工智能在医学领域的突破,现如今有许多公司都有着对人工智能在医疗领域的研究,因为这背后隐藏着一个巨大的市场,能发生上千亿的商业价值。同时在医疗领域的研究将会影响成千上万的人类,帮助人们如何更长寿、生活得更健康。这一点,我非常的开心,因为我们的研究能够造福人类,让人类更长寿和健康。这仅仅是未来人工智能开展的一个方面。在未来5-10年里,人工智能将会有更完善的系统,有着更好的操纵力,有望变得更容易了解人类的思维,知道人类的想法,给人类提供更好的建议和帮助,能够更好的与人类对话。未来10年内的人工智能的發展是当前人类所能预测的,向着更好的方向开展。

        而长远的来看,在未来,人工智能的發展绝不仅仅局限于当前的领域。它们还会在许多重要的领域有新的突破。那是不可预测的,但肯定是非常奇异的,也许会和当时人类生命的诞生一样奇异,也许届时会有一种新的生命形式。在未来,人工智能有望帮助人类去探究一些人类无法企及的地方和领域,例如外太空等等。过去的一个世纪是人类开展的世纪,但是在未来,也许是人工智能的时代,也许会有助于未来人们对银河系的认识和研究。但是至于具体的细节,人们现在尚不能去预测。

        記者您認爲当前的人工智能對哪個領域的影響最大?

        于爾根:其实没有什么影响最大而言,人工智能在各个领域都将有重大的开展。例如在什么是ai智能教训行業里的应用。传统的纸媒中的广告已经在逐渐走下坡路,但是社交什么是ai智能教训等网络什么是ai智能教训中的广告却蒸蒸日上。这看似很奇异,其实其背后是运用了人工智能的结果。通过人工智能进行数据分析,能够推测出你想要看的广告和文章。人工智能通过收集在你上网时的扫瞄数据,能够推测出你接下来想要看的内容、什么时间想看、在哪里看、看多久等信息,同时预测出什么时间你将要点击下一个页面。通过在心理学推测你的喜好,进而给你推送不同的文章和广告。但绝不仅是一个数据收集的进程。现如今,广告业正在使用人工智能谋求更好的开展。但这仅仅是被人工智能影响的一个行業。

        記者您能介紹一下您創立的Nnaisense公司嗎?

        于爾根:“NN”代替的是神经网络(neuro-network),“AI”是人工智能,“sense”就是感知。这是有关一个行業的崛起,是有关神经网络通用人工智能的。Nnaisense研究的是如何让人工智能更加的智能,如何以更好的方式去解决问题,同时能够依据过去面对的问题,更好地去解决未来更多的问题。

編者按

在今年5月底举办的GMIS全球机器智能峰会上,网易智能有幸对LSTM神经网络的发明人、人工智能领域的元老级神牛于尔根·施密德胡伯(Jürgen Schmidhuber)进行了专访。这位低调的世界级大咖,如何看待人工智能在今后十年的开展?