李开复:人工智能的“七大黑洞”终被开放生态所取代

作者: 李秀琴 2017-04-27 20:10:31

日前,李开复在接受记者专访时,又谈及了他对人工智能的观察和洞见。

当被问及“在硅谷从事人工智能工作的学历是否会被重新看重”的问题时,李开复认为,目前人工智能尚处于初始阶段,非常需要科学家的参与。当前人工智能技术一部分已成熟,但还未实现平台化。

李开复:人工智能的“七大黑洞”终被开放生态所取代

“之后随着技术发展的成熟,技术都能平台化之后,当工程师可以像打开工具箱挑选适合的工具那样来使用人工智能的技术的时候,就不需要那么多科学家了,而到那时候人工智能才算普及。现在主流的深度学习技术算是很成熟了,但还没发展到成为平台,所以还需要很多的科学家。”

人工智能“七大黑洞”终究会被未来的开放系统所取代

李开复还认为,在促成人工智能的技术成熟的过程中,开源其实很重要。许多科学家做研究被大公司过度保护自我利益的行为所限制,而不得不投身这些大公司来获取资料和数据。人工智能的“七大黑洞”终究会被未来出现的开放系统所取代。

“举例来说,原本封闭的 Wintel 生态系,随著行动化的趋势,现在程式码的开源已经成为主流了,Github 等的出现,开放的生态系对人工智能的发展奠定了不错的基础。但是除了 code 以外, data 也要开源。可是,目前人工智能领域却存在“七个黑洞”,即美国的 Google、Facebook、Microsoft和 Amazon,还有中国的 BAT。这些企业掌握了非常大量的资料,但是进去了就再也出不来,像是黑洞一样,这对人工智能的发展不是好现象,当然这“七个黑洞”相对来讲就更有优势。

但是,就传统而实体的产业来看,这七大公司的影响力其实很微小,所以我们可以期望将来会出现在数据上更开放的系统,来取代这七大黑洞。其实就科学家来说,这七大黑洞造成很多困扰,因为发展人工智能的技术,需要这些资料,但是这些资料并没有被分享,所以科学家的发展就被限制住了。这也是为什么后来许多科学家不得不去这七家公司的原因,不然研究做不下去。但这终究还是为人诟病的一种对自我利益过度保护的行为,科学家做研究还得去'乞讨'资料,情何以堪?”

人工智能的未来有三个发展阶段

谈及人工智能未来的发展,李开复认为其有三个阶段:

  1. 先是应用现有的数据。
  2. 透过更多新的感应器和硬体收集新的数据发展新的应用。
  3. ***是全面自动化。

李开复认为,这三个阶段发生的时间大概会是未来的五年、十年和十五年。最开始应用人工智能的就是科技产业,像 Google 的搜索已经应用很久了。除去互联网公司,金融产业也是拥有大数据和资料的一大板块。

“一个产业如果有大量的数据、数据带有标签而且是单一领域的,那就是人工智能应用最理想的数据。”

其次,拥有大数据的还有医学。“医学也有很多数据,像是影像就是一种数据,如果你现在有朋友在放射科,那要淮备改行了。看 X 光片、核磁共振、断层扫描,过去需要累积经验,可是人的经验再怎样都比不上人工智能透过整个资料库去学习。对于人脸识别来说,传统可能最厉害的是警察,一看就知道谁是不是逃犯,可是现在在路口架设一台摄影机,有哪个警察可以做得比人工智能好?24 小时不休息、资料库完整,辨识速度快、失误率低。除了影像以外,DNA 也是一种数据,这些数据的处理在深度学习成熟之后都有很突破性的发展,也会是未来的发展重点,接下来可以透过 DNA 来发展更精淮、更定制化的医疗。”

人工智能比医生做得更好,或取代看诊工作

此外,李开复还认为,人工智能在一些事情上比医生做得更好。未来人工智能取代医生看诊的大部分工作之后,医生可以更专注于医学研究。

李开复说:医生开刀可能手会抖,而机器开刀则不会,毕竟人的经验有限,而机器的经验只被资料库的大小局限。与其说是医生看病,不如说是成为机器与病人之间的沟通桥梁或介质。其实这也不是坏事,现在很多医生一边要看诊,一边要做研究很辛苦,将来人工智能取代了看诊的大部分工作之后,医生可以更专心的去做研究,医学就有更快速的突破了。

谈到医疗与人工智能的应用,雷锋网此前也报道过IBM的Watson人技术在医疗行业的应用案例。李开复则认为,过去 IBM 的确挑选了一些特定领域去提供他们的服务并且获取收入,但其实IBM的Watson尚不具备目前有显著进展的深度学习技术,突破性的技术和数据都没有。

“宁肯做有自知之明的人类,不要上传大脑”

尽管李开复给大家描绘了人工智能的种种蓝图,但当被问及是否会上传自己的大脑拥有人工大脑这一问题时,李开复坦言:宁肯维持一个还有点自知之明的人类,不想上传自己的大脑。

“如果世界只有物理和表象的一面,那活著也没什么意思。人的生命就是会结束才有意义,上传大脑是一种虚荣的表现。”

李开复认为,许多人都认为人和人工智能的合作是 1 + 1 = 3,但实际上应该是 1 + 一亿 = 一亿又 1.1。在大多数的领域,人类是非常渺小的,人工智能是非常庞大的,所以所有的人都要懂得如何应用人工智能,才能把事情做好。

总的来说,现在的人工智能还有很多限制,只能处理单一位领域的问题。所以,未来人工智能还有很多事情值得做。

李开复认为,在未来,人工智能取代人类的工作肯定远超过创造的工作。过去被忽略的一些工作,现在会逐渐被重新重视,如哲学、社会学、人类学、艺术等领域。其次,人类的职业会发生转换。比如,过去医生是医疗过程中的主力,未来很有可能会变成病人与人工智能之间的沟通桥梁,或专注在研究上。老师可能不再教学而是提供学生关怀。

***李开复认为,人类生在世界上,应该多产生一些心灵的碰撞和交流。当下的人类忙于世事,人工智能刚好把人类解放出来,其实也是一件好事。

人工智能 李开复 黑洞
上一篇:物联网与AI的结合:让不同的智能手机相互学习 下一篇:看得“深”、看得“清” —— 深度学习在图像超清化的应用
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
美城市Baltimore可能颁布最严格的面部识别禁令

据介绍,拟议的法令将禁止私人或商业组织,甚至执法机构在城市使用面部识别技术。

千家网 ·  2021-06-01 09:34:07
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载