斯坦福大学对话特朗普政府CTO:关于AI、移民、技术基础设施及更多

作者: 佚名 2019-11-12 10:08:15

斯坦福大学对话特朗普政府CTO:关于AI、移民、技术基础设施及更多

▲ 图:斯坦福大学的Eileen Donahoe(图左)主持了此次与美国政府首席技术官Michael Kratsios的对话

美国政府首席技术官Michael Kratsios上周登上斯坦福大学的舞台,在2019年人工智能研究所秋季会议上,回答了由校方主持人Eileen Donahoe及现场与会者提出的问题。

Kratsios是美国总统奥巴马2009年设立这一职务之后,政府的第四任CTO,也于今年8月被任命为特朗普政府的首任CTO。在加入特朗普政府之前,他曾担任投资公司Thiel Capital执行董事以及对冲基金Clarium Capital的首席财务官。本次对话的主持人Donahoe则是斯坦福大学全球数字政策孵化器项目执行董事,曾在奥巴马政府期间担任美国首任联合国人权理事会大使。

此番对话涉猎广泛,既谈成就、也不回避争议。Kratsios主要肯定了美国政府在无人机使用政策、STEM教育备忘录以及增加AI基础研究支出(但并非透露具体增加数额)等方面的成果。他指出,特朗普政府的AI政策属于奥巴马政府科技扶植政策的延续,并将继续在这一基础之上发展提升。为了证明这一点,他表示特朗普于今年早些时候签署了《美国人工智能倡议》。Kratsios表示,此项行政命令要求将各个政府机构合作起来,协调各方之间的AI努力,进而让AI真正成为美国产业界的有力工具。他同时指出,人工智能倡议还充分考量到AI技术发展可能导致的工作岗位流失问题,要求私营企业承诺对工人进行技能再培训。

他还提到,美国政府希望消除AI创新道路上的一切障碍。为了实现这一目标,政府将在下个月左右发布新的监管指导备忘录,旨在指导各级政府机构“了解应如何看待AI技术”。

AI领域美中关系

Kratsios与Donahoe的交流涉及不少当前热门话题,美中之间的紧张关系自然也成了无法回避的重点讨论内容。

Donahoe:“你经常谈到美国拥有独特的生态系统。那么美国在AI中的哪些具体领域占据主导地位,而中国又在哪些方面对我们发起挑战?”

Kratsios:

“他们主要是在挑战我们在机器视觉领域的优势。中国拥有大量监控数据,因此用于训练视觉算法的素材也就更为丰富。”

Donahoe:“在建立AI优势方面,你所提到的收集及可使用的数据量能够发挥怎样、或者说多大程度的作用?”

Kratsios:

“从短期来看,数据量的影响还是相当巨大的。但我们一直在研究如何克服这种数据量层面的差距。未来,我们应该不再需要那么多数据,不少联邦拨款项目都在研究如何利用更少的数据实现模型训练。”

Donahoe:“在斯坦福大学2019年人工智能研究所秋季会议中,不少话题都在探讨创新与价值观之间的关系,以及如何将二者结合起来以实现相互驱动、相互成就。”

Kratsios:

“我们承认,美国还没有签署关于AI开发方面的原则性文件。但今年5月,我们签署了〈经济合作与发展组织人工智能原则〉,与其他西方民主国家共同表达了我们所珍视的价值观。”

“与此同时,我们在世界范围内观察到,很多国家及政府在利用AI技术监视民众、压制人权。这也是美国有必要保持领导地位的重要原因:我们希望打造出下一款伟大的产品,我们也希望在新的用例中引入自己长久坚持的价值主张。”

一位与会听众提问道:

“维持美国在AI领域的领导地位,可能需要在个人及社会层面付出一定程度的代价。那么,为了维持这种优势,个人及社会具体需要承担怎样的成本?”

Kratsios:

“我不会用这样的角度爬行世界。无论具体规模如何,我们的组织机构都会将价值观视为技术发展的首要前提,这也正是我们与竞争对手的不同之处。对方的技术处理方式可能带来恐怖的后果,因此我们必须加倍努力以通过技术研发等手段维持我们所珍视的价值取向。”

人脸识别

接下来,讨论转向了利用AI技术实现人脸识别。最近,此类应用被旧金山政府严令禁止(至少要求警务及其他政府机构不得使用)。

Donahoe:“一部分私营企业呼吁政府对人脸识别进行监管,而且已经有部分地方政府着手进行干预。你觉得联邦政府是否会有短时间内行动起来?如果不会,那么具体的介入时间节点会是什么?”

Kratsios:

“过于僵化的技术法规对国家不利,我们需要尽量避免这种情况。人脸识别当然具有重要的作用,例如寻找走失或者流浪的孩子。用例多种多样,真正重要的仍然是我之前提到的价值观。”

一位与会听众进一步深入,引用了早些时候在HAI大会上提出的关于AI偏见的相关数据:

“确实,在寻找失踪儿童等场景之下,我们确实不应该限制人脸识别技术的使用。但Joy Buolamwini做出了关于数据偏见问题的演讲,其中提出不少现实问题。希望你能介绍一下,目前政府方面对人脸识别技术抱有怎样的态度,以及是否了解这些偏见的存在。”

Kratsios:

“政府在制定管理规则时,一定会将公平、负责与健壮性等要素纳入技术方案当中——不仅是人脸识别,一切技术都必须符合这些基本原则。”

移民与创新

一位与会者提到移民问题:

“创新活动的一大支柱在于移民人才,你所在的部门是怎样看待移民问题的?”

Kratsios:

“我们部门欢迎来自世界各地的优秀人才前往工作学习。我们也做出了一系列尝试,希望在不违背国会导向的前提下探索出更好的移民管理制度。例如在H1-B签证制度当中,参与者需要经历两轮抽签。我们调整了具体顺序,希望让更多高学历人才得以通过。”

政府的技术基础设施

Donahoe随后谈到政府自身的技术基础设施:

“我们谈了很多热门话题,特别是AI技术,但在联邦政府与州政府层面,大部分技术事务并没有那么闪亮夺目。事实上,我们还没有真正建立起足以支撑一切服务——例如研究云——的现代数字基础设施。那么,我们该如何建立起这样的数字基础设施?”

Kratsios:

“我完全同意。在华盛顿,两党在对待IT基础设施现代化的问题上达成了难得的共识。我们每年在联邦政府层面的IT支出约为850亿美元,我们当然有必要也有能力更好地利用这笔资金。”

人工智能 AI 人脸识别
上一篇:高通副总裁Reiner Klement:“5G+人工智能+云”将如何变革未来产业 下一篇:超好用的自信学习:1行代码查找标签错误,3行代码学习噪声标签
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

MIT提出Liquid机器学习系统,可像液体一样适应动态变化

麻省理工学院(MIT)的研究者开发出了一种新型的神经网络,其不仅能在训练阶段学习,而且还能持续不断地适应。

机器之心 ·  3天前
规划智慧城市时,别忘了无障碍通行

要想成为一个智慧城市甚至一个智慧世界,虽然可能需要时间和有针对性的规划,但我们必须以人为本。

蒙光伟 ·  3天前
2021关于人工智能的五大趋势

数字化变革,比过去10年更多,这主要是由于远程工作的规模,以及企业迅速部署了必要的技术,尤其是与网络安全相关的技术。那,2021关于人工智能的五大趋势会是如何的呢?

Lichu ·  3天前
使数据中心更智能:人工智能如何发挥作用?

随着数据成为维持几乎所有业务运营以获取洞察力和业务成果的先决条件,数据中心正处于这种数字化转型的关键。

Cassie ·  3天前
IBM拟出售Watson Health后,AI医疗还能不能碰

医疗服务仍然是一块商业上尚未被完全发掘的市场,看病难/看病贵、医疗资源紧缺、医疗资源不平均等痛点问题长期存在,对应的市场空间理应是巨大的。而Watson Health作为IBM曾寄予厚望的业务方向,为何要在此时萌生退意?它的故事给业界带来哪些启发?眼下的AI医疗市场,究竟是一副什么样的局面呢?

物联传媒 ·  3天前
抛弃归一化,深度学习模型准确率却达到了前所未有的水平

我们知道,在传递给机器学习模型的数据中,我们需要对数据进行归一化(normalization)处理。

机器之心 ·  4天前
华人博士生首次尝试用两个Transformer构建一个GAN

最近,CV 研究者对 transformer 产生了极大的兴趣并取得了不少突破。这表明,transformer 有可能成为计算机视觉任务(如分类、检测和分割)的强大通用模型。

Yifan Jiang ·  4天前
无监督训练用堆叠自编码器是否落伍?ML博士对比了8个自编码器

柏林工业大学深度学习方向博士生 Tilman Krokotsch 在多项任务中对比了 8 种自编码器的性能。

Tilman Krokotsch ·  4天前
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载