人工智能誕生于20世紀50年代，但為何近幾年才進入爆發(fā)期?哪一項人工智能應用對人類社會影響最深遠?
如果說誰有資格談論人工智能革命，《深度學習》一書作者、被稱為“世界AI之父”的特倫斯·謝諾夫斯基(Terry Sejnowski)是其一。在大多數人都“迷信”基于邏輯的計算機編程作為人工智能基本方法時，他提出受大腦生物學啟發(fā)的“神經網絡”，證明基于大腦式的計算方法是可行的，為深度學習的發(fā)展奠定基礎。近日，在楊浦舉行的“2019未來大會”現(xiàn)場，記者專訪了特倫斯。
讓計算機學習會比編程更高效
記者：AI(人工智能)早期為何發(fā)展緩慢?
特倫斯：早期，電腦運行速度慢，內存昂貴，用編程來解決問題十分耗費人力。如今計算機運行快了百萬倍，內存也大，勞動力卻越來越貴，因此讓計算機學習比讓人類編程更高效。
除技術限制外，學界觀念也是難以跨越的藩籬。過去那些主張編程的AI先驅，本身并不關心人腦是如何實現(xiàn)智能行為的。深度學習的轉折點出現(xiàn)在2012年。在當年的NIPS大會(神經信息處理系統(tǒng)大會)上，科學家論證了在一個包含1萬個類別和1000萬個圖像的數據集上，使用深度學習分類可將錯誤減少20%。根據以往經驗，在該數據集上的分類錯誤一年內也減少不到1%，這相當于我們在一年內達到過去20年取得的成績。深度學習一夜之間變得出名。
大自然面前我們應更謙遜一點
記者：在大多數研究人員都著眼于電腦編程時，你為何會把眼光投向人腦，相信深度學習可以打開人工智能發(fā)展的突破口?
特倫斯：這要追溯到我剛開始研究深度學習時所設計的一個話語網絡系統(tǒng)，它讓計算機來學習閱讀。自學習開始后，它一個晚上就吸收了整個訓練集的信息。我們發(fā)現(xiàn)語言是神經網絡非常擅長的事，而且神經網絡學習語言的方式和人類學習語言方式是一致的。在今天AI的所有應用場景中，語言翻譯能力是最讓人驚訝的，它讓世界不同的人群能直接對話。
記者：1989年，你在一次講座中闡述了一只蒼蠅和一臺超級計算機的場景，并稱世上最快的計算機比不上一只蒼蠅，真的如此嗎?
特倫斯：我只是想借這一對比讓大家明白一件事，在大自然面前我們應更謙遜一點。實際上并非說計算機比不上一只蒼蠅。計算機是一種通用設備，它可以被編程來計算任何東西，同一個硬盤可以運行不同的程序，而蒼蠅是一種“專用計算機”，它只能運行一種程序。但無可厚非的是，在蒼蠅那個小小的腦袋里，蘊含著數以千計的神經元，其視覺算法已嵌入它本身的網絡，可通過視覺識別來尋找食物，并保持飛行，同時還能在復雜的世界里生存下去，而且消耗最少的能量。
AI替代部分職業(yè)也產生新崗位
記者：你并不認為人工智能會取代人類?
特倫斯：1997年“深藍”打敗象棋世界冠軍時，就有人說“人類會被計算機取代”。但后來，人們開始跟電腦下棋，結果變成更好的棋手。人工智能在代替一部分職業(yè)的同時，也產生新的崗位。比如無人駕駛，會讓將來出現(xiàn)在市中心的車輛減少，因為自動駕駛汽車可在城市外圍停放，大量停車場空間會被高效利用。司機會被取代，會產生新的職業(yè)崗位，如安全監(jiān)測、傳感器技術供應鏈等。在醫(yī)療領域，醫(yī)生在轉移性乳腺癌的淋巴結活檢切片圖像上的判斷，直接關系病人的生命。一個經過訓練的深度學習網絡能達到0.925的判斷準確率，仍不及人類專家在同一測試上達到的0.966。把深度學習和人類專家的預測結合起來，準確率能達0.995，幾近完美。這表明在未來，人類與機器將是合作而非競爭關系。
