本文進(jìn)行了回顧，對(duì)人工智能世界在這一年來發(fā)生的事情進(jìn)行了大盤點(diǎn)。

作者：David Foster   來源：AI前線
 

回首即將逝去的 2019 年，在人工智能領(lǐng)域中，都有哪些可圈可點(diǎn)的地方呢?《生成式深度學(xué)習(xí)》(Generative Deep Learning)(O' Reilly Media 2019 年出版)一書作者 David Foster 為我們進(jìn)行了回顧，對(duì)人工智能世界在這一年來發(fā)生的事情進(jìn)行了大盤點(diǎn)。

2019 年無疑是忙碌的一年。人工智能的進(jìn)步和新聞?lì)l頻登上頭條新聞，讓我們的生活充滿了敬畏和自豪的時(shí)刻，但一些其他時(shí)刻充卻斥著一種惱人的想法，那就是這項(xiàng)技術(shù)讓人們發(fā)現(xiàn)，我們的社會(huì)并沒有準(zhǔn)備好迎接人工智能的普及。

2019 年，究竟是人工智能進(jìn)步的一年，還是幻滅的一年呢?隨著研究人員攻城略地，迅速攻克以前難以企及的基準(zhǔn)，今天，我們可不可以這樣認(rèn)為，這個(gè)領(lǐng)域已經(jīng)正在步入穩(wěn)步發(fā)展的軌道呢?

在 ADSP(Applied Data Science Partners，意即“應(yīng)用數(shù)據(jù)科學(xué)合作伙伴”)網(wǎng)站上，我們想后退一步，把2019年的人工智能界發(fā)生的事件整理好，以讓公眾能夠有個(gè)全新的視角。在聚光燈下，重要的是要將一項(xiàng)工作最初吸引人們的興趣，與它的實(shí)際重要性，以及它對(duì)該領(lǐng)域產(chǎn)生的影響區(qū)分開來。為此，本文將展開人工智能故事的平行線索，并試圖分離出它們的意義。多虧了我們出色的內(nèi)容作家 Elena Nisioti，她將這些故事講得如此精彩!

讓我們坐下來，一起回顧2019年的人工智能領(lǐng)域的方方面面。

處在文藝復(fù)興時(shí)期的領(lǐng)域

如果讓我們用一句話來描述2019年的人工智能現(xiàn)狀，那很可能是：“強(qiáng)化學(xué)習(xí)(Reinforcement Learning )回歸，看起來將永存”。

到目前為止，我們中的大多數(shù)人可能已經(jīng)熟悉了監(jiān)督式學(xué)習(xí)(Supervised Learning)，有些人收集了大量的訓(xùn)練數(shù)據(jù)，將它們饋送到機(jī)器學(xué)習(xí)算法中，然后得到一個(gè)模型，這個(gè)模型可以為我們進(jìn)行 預(yù)測(cè)和分類。我們中的一些人甚至可能有這樣的印象：即，人工智能就是監(jiān)督式學(xué)習(xí)的同義詞，然而監(jiān)督式學(xué)習(xí)只不過是我們今天擁有的眾多類型的機(jī)器學(xué)習(xí)中的一種罷了。

在強(qiáng)化學(xué)習(xí)(Reinforcement Learning，RL)中，智能體用試錯(cuò)的方法，通過與環(huán)境進(jìn)行交互來學(xué)習(xí)，這種環(huán)境會(huì)給它們的行為提供獎(jiǎng)勵(lì)回報(bào)。當(dāng)涉及到多個(gè)智能體時(shí)，它們被稱為多智能體強(qiáng)化學(xué)習(xí)系統(tǒng)(Multi-agent Reinforcement Learning System)。

這個(gè)領(lǐng)域已經(jīng)存在幾十年，從概念上來講，它聽起來比監(jiān)督式學(xué)習(xí)更像是一種合理的創(chuàng)造智能的學(xué)習(xí)機(jī)制。然而，直到2015年，DeepMind 才獲得了人們的關(guān)注，當(dāng)時(shí) DeepMind 使用深度Q學(xué)習(xí)(Deep Q-learning)創(chuàng)建了Atari(雅達(dá)利)游戲的智能體，這是一種結(jié)合了經(jīng)典強(qiáng)化學(xué)習(xí)算法和深度神經(jīng)網(wǎng)絡(luò)的算法。2018年，OpenAI也通過解決Montezuma’s Revenge(一款被認(rèn)為難度特別高的 Atari 游戲)，從而在這一領(lǐng)域確立了自己的地位。

在過去的幾個(gè)月里，事態(tài)升級(jí)了：

這些工作重新喚起了學(xué)術(shù)界對(duì)強(qiáng)化學(xué)習(xí)的信念，在過去，人們?cè)��?jīng)認(rèn)為強(qiáng)化學(xué)習(xí)效率低下，過于簡單，無法解決復(fù)雜的問題，甚至連游戲的問題也不能解決。

今年，另一個(gè)大受歡迎的應(yīng)用是自然語言處理(Natural Language Processing，NLP)。盡管研究人員在這一領(lǐng)域工作了幾十年，但近些年的自然語言處理系統(tǒng)生成的文本聽起來還是不夠自然。自 2018 年底以來，人們的注意力已經(jīng)從過去的詞嵌入轉(zhuǎn)移到 預(yù)訓(xùn)練語言模型，這是自然語言處理從計(jì)算機(jī)視覺中借鑒來的一種技術(shù)。這些模型的訓(xùn)練是以非監(jiān)督的方式進(jìn)行的，這使得現(xiàn)代系統(tǒng)能夠從互聯(lián)網(wǎng)上的大量文本中進(jìn)行學(xué)習(xí)。因此，這些模型變得“博聞強(qiáng)識(shí)”，并發(fā)展出了理解上下文的能力。然后，可以通過監(jiān)督式學(xué)習(xí)進(jìn)一步提高它們?cè)谔囟ㄈ蝿?wù)上的表現(xiàn)。這種通過在不同任務(wù)上訓(xùn)練機(jī)器學(xué)習(xí)模型來改進(jìn)模型的做法，屬于遷移學(xué)習(xí)(transfer learning)的范疇，被認(rèn)為具有巨大的潛力。

自去年 Google BERT、ELMo和ulmfit 等系統(tǒng)在 2018 年底推出以來，自然語言處理一直風(fēng)頭正茂，但今年的聚光燈被 OpenAI 的 GPT-2 給“奪走了”，它的表現(xiàn)引發(fā)了人們對(duì) 自然語言處理系統(tǒng)的道德使用的大討論。

實(shí)踐走向成熟

今年，人們也見證了最近一些深度學(xué)習(xí)技術(shù)走向成熟。應(yīng)用監(jiān)督式學(xué)習(xí)，特別是 計(jì)算機(jī)視覺 技術(shù)，已經(jīng)催生了現(xiàn)實(shí)生活中成功的產(chǎn)品和系統(tǒng)。

生成對(duì)抗網(wǎng)絡(luò)(Generative Adversarial Networks，GAN)是一對(duì)神經(jīng)網(wǎng)絡(luò)，其中，生成器網(wǎng)絡(luò)試圖通過學(xué)習(xí)生成模仿訓(xùn)練數(shù)據(jù)的圖像來欺騙判別器網(wǎng)絡(luò)，現(xiàn)在已經(jīng)達(dá)到了近乎完美的水平。對(duì)人工智能來說，創(chuàng)造虛假但又逼真的人物和物體的圖像，已經(jīng)不再是前沿領(lǐng)域了。從2014年生成對(duì)抗網(wǎng)絡(luò)的引入 到 2019 年 NVDIA 開源的 StyleGAN，一圖勝千言，我們用下面的圖片來說明，這可能是理解該領(lǐng)域進(jìn)展情況的最佳方式：

2019 年，人工智能創(chuàng)造的藝術(shù)品甚至脫離了過去幾年的假設(shè)性討論，成為了今天博物館裝置和拍賣 的一部分。

計(jì)算機(jī)視覺還被應(yīng)用于一些具有重大商業(yè)和社會(huì)意義的領(lǐng)域，包括自動(dòng)駕駛車輛和醫(yī)學(xué)。但是，人工智能算法在這些領(lǐng)域中的應(yīng)用自然是緩慢的，因?yàn)樗鼈冎苯优c人類生活直接互動(dòng)。至少到目前為止，這些系統(tǒng)還 不是完全自主的，它們的目的，在于支持和 增強(qiáng) 人類操作員的能力。

研究團(tuán)隊(duì)正與醫(yī)院密切合作，開發(fā)用于疾病早期預(yù)測(cè)的人工智能系統(tǒng)，并整理大量的健康數(shù)據(jù)檔案，其中一個(gè)值得注意的例子，是DeepMind Health和UCLH之間正在進(jìn)行的合作。然而，這些工作中的大部分仍處于試驗(yàn)階段，迄今為止，唯一獲得 FDA 批準(zhǔn)的人工智能系統(tǒng)是SubtlePet，這是一款使用深度學(xué)習(xí)增強(qiáng)醫(yī)學(xué)圖像的軟件。

沉睡的巨人

AutoML 是機(jī)器學(xué)習(xí)的子領(lǐng)域之一，自20世紀(jì)90年代以來就一直存在，在2016年引起了人們的極大興趣，但不知何故從未登上頭條新聞，至少不像其他人工智能趨勢(shì)那樣。也許這是因?yàn)樗�并不那么花哨的性質(zhì)：AutoML 的目的是通過自動(dòng)化決策來使機(jī)器學(xué)習(xí)的實(shí)踐更有效，而今天數(shù)據(jù)科學(xué)家是通過手動(dòng)蠻力調(diào)優(yōu)做出的決策。

在過去三年中，我們對(duì)這一領(lǐng)域的理解已經(jīng)發(fā)生了變化，今天，大多數(shù)大公司都提供了 AutoML 工具，包括 Google Cloud AutoML、Microsoft Azure、Amazon Web Service 和 DataRobot 等。今年，隨著 學(xué)習(xí)進(jìn)化人工智能框架(Learning Evolutionary AI Framework，LEAF)成為最先進(jìn)的人工智能技術(shù)，人們的興趣轉(zhuǎn)向了“進(jìn)化”(Evolutionary)方法。然而，AutoML 還沒有達(dá)到可以讓一個(gè)完全自動(dòng)化的人工智能系統(tǒng)比人工智能專家團(tuán)隊(duì)執(zhí)行更好的成熟水平。

對(duì)人工智能的擔(dān)憂

盡管取得了壓倒性的成功，但今年人工智能領(lǐng)域也給我們帶來了一些令人沮喪的故事。其中主要問題之一是 機(jī)器學(xué)習(xí)模型中的偏見，這一問題直到 2018 年才顯現(xiàn)出來，當(dāng)時(shí) Amazon 發(fā)現(xiàn)他們的 自動(dòng)招聘系統(tǒng)中存在性別偏見，而美國法院廣泛使用的判決工具 COMPAS 也被發(fā)現(xiàn)存在性別和種族的偏見。

今年案件的數(shù)量有所增加，這可能表明，公眾和機(jī)構(gòu)對(duì)用于自動(dòng)化決策的現(xiàn)有人工智能系統(tǒng)越來越懷疑。以下是圖景的一小部分：

今年 10 月份，某醫(yī)院的算法被發(fā)現(xiàn)對(duì)黑種人患者存有偏見。

去年 10 月，某人權(quán)組織指責(zé)用于發(fā)放英國簽證的人工智能系統(tǒng)存在種族偏見。

今年 11 月，Apple 的信用評(píng)分系統(tǒng)被客戶指責(zé)存有性別偏見。

偏見是一個(gè)特別令人擔(dān)憂的問題，因?yàn)樗�位于監(jiān)督式深度學(xué)習(xí)的核心中：當(dāng)有偏見的數(shù)據(jù)被用于訓(xùn)練，且預(yù)測(cè)模型無法 解釋 時(shí)，我們不能真正判斷出是否存有偏見。迄今為止，學(xué)術(shù)界的反應(yīng)一直是致力于開發(fā)技術(shù)，以了解深度模型決策背后的原因，但專家警告稱，如果我們采用正確的實(shí)踐方法，那么許多問題都可以迎刃而解。Google Cloud Model Cards是最近的一次嘗試，旨在使組織社區(qū)走向開源模式，同時(shí)明確描述其性質(zhì)和局限性。

今年另一個(gè)讓人擔(dān)憂的發(fā)現(xiàn)是，當(dāng)一項(xiàng)技術(shù)變得越復(fù)雜時(shí)，它被濫用的可能性就越大。Deepfake就是生成對(duì)抗網(wǎng)絡(luò)的陰暗面，深度學(xué)習(xí)算法被用來在純粹虛構(gòu)的場(chǎng)景中創(chuàng)建涉及真實(shí)人物的圖片或視頻。人們不難看出，這項(xiàng)技術(shù)如何被用于傳播虛假新聞，從政治宣傳到欺凌。這個(gè)問題單靠科學(xué)家是無法解決的，歷史已經(jīng)證明，科學(xué)家并不善于預(yù)測(cè)他們的發(fā)現(xiàn)對(duì)現(xiàn)實(shí)生活的影響，更不用說控制它們了，這需要社會(huì)各界進(jìn)行廣泛的對(duì)話。

今天的人工智能有多強(qiáng)大?

如今，要量化人工智能的價(jià)值真的很困難。但有一點(diǎn)是可以肯定的：人工智能已經(jīng)脫離了科幻小說和前衛(wèi)計(jì)算機(jī)科學(xué)的領(lǐng)域，現(xiàn)在，人工智能已成為社會(huì)不可分割的一部分，人們對(duì)人工智能進(jìn)行了大量的投資。

今年早些時(shí)候，三名主要的深度學(xué)習(xí)研究人員獲得了圖靈獎(jiǎng)，這是對(duì)人工智能作為計(jì)算機(jī)科學(xué)的一個(gè)領(lǐng)域的認(rèn)可，而人們對(duì)此期待已久。

作者介紹：

David Foster，Applied Data Science 創(chuàng)始合伙人，《生成式深度學(xué)習(xí)》(Generative Deep Learning)(O' Reilly Media 2019 年出版)一書作者。

原文鏈接：

https://www.linkedin.com/pulse/2019-review-what-just-happened-world-artificial-david-foster/

標(biāo)簽： 大數(shù)據(jù) 大數(shù)據(jù)時(shí)代 大數(shù)據(jù)概念 網(wǎng)絡(luò)大數(shù)據(jù) 網(wǎng)絡(luò)數(shù)據(jù)與 蒲

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。