一個(gè)芬蘭科學(xué)家認為現在的AI太蠢了 下海開(kāi)搞AI互聯(lián)網(wǎng)

　　Harri Valpola是名芬蘭計算機科學(xué)家，同時(shí)，他也是ZenRobotics創(chuàng )始人兼CTO，Curious AI Company創(chuàng )始人兼CEO。

　　Harri Valpola的理想是創(chuàng )造AI互聯(lián)網(wǎng)。“從人類(lèi)的角度來(lái)看，它看起來(lái)像個(gè)巨大的大腦，像互聯(lián)網(wǎng)一樣，AI將對我們的生活產(chǎn)生巨大影響”，或許這只是某種錯覺(jué)，但我們仍堅持這一觀(guān)點(diǎn)。因為只有這樣才能讓人類(lèi)大腦理解互聯(lián)互通的人工智能互聯(lián)網(wǎng)。

　　然而前路漫漫，艱難而漫長(cháng)。盡管近年來(lái)取得了一些進(jìn)展，但人工智能的發(fā)展速度仍然不盡人意。Valpola 表示，“目前使用的所有AI都是二流的，而不是頂級的，這種AI就像愚蠢的蜥蜴，無(wú)法理解這個(gè)復雜的世界。我們需要大量數據，因為我們想要建立的是更傾向于哺乳動(dòng)物的大腦。”

　　從學(xué)者到創(chuàng )業(yè)者的轉變 Valpola遇到了很多難題

　　與許多研究AI前沿領(lǐng)域的計算機科學(xué)家和數學(xué)家一樣，Valpola也擁有無(wú)可挑剔的研究能力。他是芬蘭神經(jīng)網(wǎng)絡(luò )先驅Tuevo Kohonen的學(xué)生，他在阿爾托大學(xué)工作了二十年(研究人造大腦)。直到2007年他離開(kāi)學(xué)術(shù)界，致力于把理論應用到現實(shí)世界的臟數據中，他才意識到自己缺失了什么。

　　為了把理論付諸實(shí)踐，Valpola與其同事共同創(chuàng )立了ZenRobotics公司，主要致力于為智能機器人開(kāi)發(fā)大腦。他說(shuō)，我們原本的計劃是對AI進(jìn)行革命。技術(shù)在實(shí)驗室中運作良好，但卻總難以應付紛繁復雜的現實(shí)情況。

　　第一個(gè)問(wèn)題是：數據。模擬實(shí)驗中，機器人可以“看到”周?chē)囊磺?，但計算機卻總難以讀取凌亂復雜的現實(shí)世界的數據。第二個(gè)問(wèn)題是：現實(shí)情況下，計算機無(wú)法通過(guò)數百萬(wàn)次測試得到有效的解決方法。像人類(lèi)一樣，機器人是個(gè)物體，且總運動(dòng)緩慢;由于受過(guò)多的重復訓練，它們很少有機會(huì )能夠自主進(jìn)化發(fā)展。

　　Valpola表示，現實(shí)世界中，互動(dòng)是種非常稀缺的資源。他使用的許多技術(shù)以及他人的研究所獲得的許多驚人的發(fā)現，實(shí)際上是基于模擬環(huán)境。以AlphaGo為例，這是個(gè)非常好的系統，但為了讓AlphaGo學(xué)會(huì )游戲規則需要花費的時(shí)間也是驚人的。該系統達到頂級人類(lèi)玩家水平之前，從某種程度上來(lái)說(shuō)已經(jīng)花費了3000年的時(shí)間練習此游戲。

　　由于無(wú)法實(shí)現其初始目標，ZenRobotics公司進(jìn)行了一些調整：現在，機器人致力于實(shí)現較為簡(jiǎn)單的目標，即從工業(yè)廢物中挑選有用的原料。該公司籌集了1100萬(wàn)英鎊，吸引了全球最大的回收公司成為客戶(hù)。但對Valpola而言，一切都只是妥協(xié)。因此，2015年，Valpola離開(kāi)了ZenRobotics公司，他打算從頭再來(lái)，再進(jìn)行一次嘗試。

　　重頭再來(lái) 創(chuàng )立The Curious AI Company

　　44歲的Harri Valpola創(chuàng )立了一家擁有20名員工的人工智能初創(chuàng )公司The Curious AI Company(以下簡(jiǎn)稱(chēng)Curious公司)。該公司不久前剛籌集到367萬(wàn)美元，與許多科技融資相比，盡管這筆資金數額還較小，但令人印象深刻的是該公司目前還沒(méi)有產(chǎn)品問(wèn)世，只處于前期研究階段。

　　風(fēng)險投資公司Balderton Capital的合伙人Daniel Waterhouse表示：“投資于研究型企業(yè)并不常見(jiàn)，但有益于本輪融資和之前的種子輪融資。但從長(cháng)遠看，研究型企業(yè)有能力創(chuàng )造出產(chǎn)品和商機。這種方式有利于培養人才，且Valpola也致力于建立一個(gè)世界級頂尖研究團隊。”

　　Curious公司聯(lián)合創(chuàng )始人：從左到右分別是Harri Valpola、首席技術(shù)官(CTO)Antti Rasmus和首席運營(yíng)官(COO)TimoHaanp

　　Curious公司解決了當初ZenRobotics公司所面臨的難題，首先是處理數據的難度。Valpola的方法很簡(jiǎn)單：“清理臟數據的最好辦法是讓電腦來(lái)處理”。2015年他發(fā)表了一篇文章，公布了他的第一次嘗試：他描述了一個(gè)梯形網(wǎng)絡(luò )：一個(gè)能夠通過(guò)在結果中注入噪音來(lái)訓練自己處理復雜情況的神經(jīng)網(wǎng)絡(luò )，像教師在考試題目中加入易錯點(diǎn)來(lái)幫助學(xué)生保持警覺(jué)一樣。

　　梯形網(wǎng)絡(luò )允許計算機學(xué)習大量未經(jīng)預先標記的例子，該領(lǐng)域中稱(chēng)其為半監督學(xué)習(semi-supervised learning)。手寫(xiě)數字圖片是基準問(wèn)題測試領(lǐng)域常用的數據集，此次使用該方法取得的實(shí)驗結果令人驚嘆。100個(gè)初始標記的示例中，該系統正確識別了近99%的圖像。世界頂尖計算機科學(xué)家稱(chēng)贊該技術(shù)“令人印象深刻，是最先進(jìn)的技術(shù)”。

　　Valpola繼續研發(fā)新技術(shù)以處理其他類(lèi)型的數據集。今年的神經(jīng)信息處理系統大會(huì )上(AI領(lǐng)域的重要會(huì )議，也稱(chēng)NIPS)，他將提出一個(gè)類(lèi)似“梯子網(wǎng)絡(luò )”的新技術(shù)，Valpola將其命名為具有雙關(guān)意義的“Mean Teacher(刻薄的老師)”。發(fā)表的實(shí)驗結果顯示：此次實(shí)驗對象是Google街景視圖的房屋編號圖片——即使僅經(jīng)過(guò)較少的訓練，該項技術(shù)仍然取得了較以往更好的表現。

　　Yoshua Bengio是蒙特利爾大學(xué)計算機科學(xué)系的教授，也是深度學(xué)習的領(lǐng)軍人物之一，他說(shuō)：“根據文中描述，我認為其取得的成果相當不錯，是半監督學(xué)習的又一創(chuàng )紀錄發(fā)展。”

　　Valpola也在研究其在ZenRobotics公司時(shí)所面臨的另一個(gè)問(wèn)題，即AI對于試錯的依賴(lài)。這也是最先進(jìn)的“無(wú)模型”AI所運用的方法——對于這類(lèi)AI，研究人員并未預先將其可能遇到的所有規則預先錄入?？梢試L試數十億種不同的場(chǎng)景，而后再逐漸建立有效模式。但現實(shí)世界中事情永遠不會(huì )如此簡(jiǎn)單。Valpola表示，為了保證AI順利運轉，AI將需要基于相對較少的信息進(jìn)行推理，這一能力也被我們稱(chēng)之為“計劃”。

　　但問(wèn)題在于神經(jīng)網(wǎng)絡(luò )僅能單向發(fā)揮作用。例如向其展示大熊貓和長(cháng)臂猿的圖像，他們將迅速而準確的識別出這兩個(gè)對象。但如果問(wèn)AI：“你會(huì )把長(cháng)臂猿歸為何種形象?”正如一個(gè)典型案例表明的那樣，AI處于混亂狀態(tài)，無(wú)法理解這個(gè)問(wèn)題，即使長(cháng)臂猿看起來(lái)與熊貓完全不同。Valpola說(shuō)，“這項技術(shù)背后有堅實(shí)的理論作支撐，但引人注目的是其在實(shí)踐中的表現。網(wǎng)絡(luò )在一方面可信，另一方面竟然表現得如此愚蠢，簡(jiǎn)直讓人難以相信。”

　　人類(lèi)非常擅長(cháng)逆向思考(很多動(dòng)物也十分擅長(cháng)于此)。當你思考某事物時(shí)，你也在這樣做，這時(shí)你需要問(wèn)自己：“我是如何做到這一點(diǎn)的?”你可能只考慮是否向老板發(fā)一封關(guān)于假期的電子郵件或者親自打電話(huà)給他。神經(jīng)網(wǎng)絡(luò )可以利用目前情況和計劃行動(dòng)，且利用它們預測未來(lái)。但是，神經(jīng)網(wǎng)絡(luò )無(wú)法進(jìn)行反向操作，不能說(shuō)：“如果想要實(shí)現某個(gè)目標，你最好這樣做”，神經(jīng)網(wǎng)絡(luò )的線(xiàn)性進(jìn)程無(wú)法逆轉。

　　對于任何智能決策過(guò)程而言，這都至關(guān)重要。Valpola表示，“我們已經(jīng)解決了這個(gè)問(wèn)題，能夠調用可以發(fā)出語(yǔ)音的神經(jīng)網(wǎng)絡(luò )，能夠以預期結果為導向做出行動(dòng)。”盡管該研究尚未公布，但Valpola認為不久的將來(lái)這一切都將實(shí)現。

　　一切只是開(kāi)始 Valpola想創(chuàng )造出“AI互聯(lián)網(wǎng)”

　　對于Valpola而言，這一切還只是開(kāi)始。他不會(huì )感到滿(mǎn)足，除非創(chuàng )造出AI互聯(lián)網(wǎng)。對此，他的解決方案是模仿人類(lèi)思維過(guò)程，特別是人類(lèi)思維方式中的“關(guān)系推理”。

　　想要理解關(guān)系推理的運作方式，只需要低頭看下手。手與其他部分的關(guān)系十分密切，其他部分包括另一只手、身體的其余部分、房間的其他物體等。大腦通過(guò)將其放置在具體語(yǔ)境中使其變得有意義。

　　神經(jīng)網(wǎng)絡(luò )看待世界的方式非常不同。預將手展示出來(lái)，必須拍攝圖片，之后圖片被分解成像素;然后，神經(jīng)網(wǎng)絡(luò )開(kāi)始處理像素，為每個(gè)局部區域分配一組數字：實(shí)質(zhì)上其評分方法是通過(guò)對比不同對象的相似程度。

　　該系統模擬的是大腦中細胞的運動(dòng)，但忽略了一個(gè)關(guān)鍵因素：即可以識別出對象的特征，但不能理解哪些特征屬于哪個(gè)對象以及對象之間相互關(guān)聯(lián)的方式。因此，它需要大量數據。因為它不能進(jìn)行推斷，注定要重新學(xué)習每一種情況。

　　“你無(wú)法恰當地表達某些事物，就好像某些東西屬于一類(lèi)，但又與其他事物分開(kāi)，” Valpola說(shuō)，“從內部看，該網(wǎng)絡(luò )并未真正地代表某類(lèi)事物。如無(wú)這一能力，人工智能在任何情況下都不會(huì )是革命性的”。

　　對于Valpola的觀(guān)點(diǎn)，許多人表示同意。倫敦大學(xué)帝國理工學(xué)院認知機器人教授Murray Shanahan說(shuō)：“我曾與Valpola見(jiàn)過(guò)幾次面，我們對AI和深度學(xué)習有類(lèi)似的觀(guān)點(diǎn)，” Bengio補充道：“我認為他是對的。我自己就發(fā)起了一個(gè)有類(lèi)似目標的研究項目。在我看來(lái)，從對知識的突破到更高層次的認知，這些才是未來(lái)進(jìn)步的關(guān)鍵方面。”

　　問(wèn)題在于：怎么做?Alphabet的人工智能研究部門(mén)DeepMind最近發(fā)表了一篇論文，對調整神經(jīng)網(wǎng)絡(luò )以應對挑戰提出了建議。這篇文章沒(méi)有給Valpola留下什么深刻印象。他說(shuō)：“我在這一領(lǐng)域已經(jīng)研究了很長(cháng)時(shí)間了，現在出版的東西與八年前我們剛開(kāi)始進(jìn)行的工作非常相似。光是發(fā)現問(wèn)題、描述問(wèn)題不管用。”

　　Valpola說(shuō)：這樣做不行的原因在于它仍然是基于離散信息的數字模型。他認為：想要克服對象關(guān)系問(wèn)題，人工智能必須能處理連續的數據信號——這意味著(zhù)需要增強其模擬能力。

　　“這是人類(lèi)學(xué)習的基礎，” Valpola說(shuō)。這一點(diǎn)也是他想要模擬哺乳動(dòng)物大腦的關(guān)鍵：“我們需要的是與目前的深入學(xué)習具有相同知覺(jué)能力的東西，除此之外，還需要符號操縱能力和模擬推理的先天能力。”關(guān)于如何實(shí)現這一點(diǎn)，他表示“那是個(gè)秘密”，值得一提的是，這是自他進(jìn)入學(xué)術(shù)界以來(lái)一直研究的問(wèn)題。

　　“第一個(gè)原型是十年前建成的。而我們也正在繼續這方面的研究。所以我們正在構建這些具有更好互動(dòng)能力的神經(jīng)網(wǎng)絡(luò )。我認為人們目前還未意識到實(shí)現這一點(diǎn)的意義。接下來(lái)的一年中，我們將在該領(lǐng)域展開(kāi)非常有趣的研究。”

　　試想AI如能理解關(guān)系，也有助于理解他們未來(lái)的發(fā)展方向。Valpola對于A(yíng)I的常見(jiàn)難題置之一笑，例如回形針最多化(paperclip maximiser，這是牛津大學(xué)哲學(xué)家 Nick Bostrom 提出的一個(gè)思維實(shí)驗)。“必須有一個(gè)智能系統來(lái)接管世界，另一方面，需要一個(gè)非常愚蠢的系統按照人類(lèi)的要求辦事。但到目前為止，這些還都未能實(shí)現。”他說(shuō)道。

　　相反，人工智能將自己看作與其他智慧生物一樣的復雜網(wǎng)絡(luò )的一部分：不僅是人工智能(作為AI互聯(lián)網(wǎng)的一部分)，而且作為人類(lèi)。他們會(huì )更加社會(huì )化，產(chǎn)生或好或更壞的影響。

　　Valpola表示，“如何帶領(lǐng)人們走向美好生活，我認為AI能夠理解這個(gè)問(wèn)題。”

　　在A(yíng)I的第一波發(fā)展浪潮中，你需要的是成為一名程序員。第二波浪潮中，你需要成為一名數據科學(xué)家。而在第三波浪潮中——你需要擁有更高的道德，而且越高，越好。