eksklusiivinen haastattelu｜zhang junping: tekoälyn ei tarvitse tavoitella "kaikkivoimia", sen täytyy olla hyvä vain yhdeltä osa-alueelta
2024-09-02
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
"opettaja zhang, jos tekoäly on niin kehittynyt, meidät korvataan, jos opiskellaan. jos emme opi, meidät korvataan. mitä hyötyä on opiskelusta tämän vuoden shanghain kirjamessuilla, nuori lukija?" sanoi "artificial intelligence conference" "korvaa ihmiset? - tekoälyn historia, nykytilanne ja tulevaisuus" kysyi professori zhang junping teemakirjan jakamisen jälkeen.
tunnetun tekoälyn asiantuntijana ja fudanin yliopiston tietojenkäsittelytieteen ja teknologian korkeakoulun professorina zhang junping vastasi, että perustiedon, kuten matriisitoimintojen, hallitseminen on ratkaisevan tärkeää tekoälyn ymmärtämiselle. vain oppimalla nämä perusasiat voimme paremmin hallita ja optimoida algoritmeja ja ymmärtää tekoälyn päätöksentekoa. hän korosti myös, että oppiminen antaa ihmisille mahdollisuuden ymmärtää ja soveltaa tekoälyteknologiaa paremmin.
kirjan kansi "a brief history of artificial intelligence".
auttaakseen yleisöä ymmärtämään tekoälyn kehitystä, zhang junping julkaisi viime vuonna "a brief history of artificial intelligence", joka esitteli tekoälyn historiaa ja teknologista kehitystä suositulla kielellä. kirja kattaa tärkeitä virstanpylväitä varhaisesta teoriasta nykyaikaiseen syväoppimiseen ja katsoo tekoälyn tulevaisuuteen.
tekoälyn historia voidaan jäljittää 1900-luvun puoliväliin, ja se on kokenut monia nousuja ja laskuja. 1950-luvulla pioneerit, kuten alan turing ja john mccarthy, loivat perustan. huolimatta "ai-talvesta", 2000-luvulta lähtien, laskentatehon ja big datan kehittymisen myötä, syväoppiminen on johtanut uuden kierroksen tekoälyn kehittämiseen.
zhang junpingin vuonna 2019 julkaistu kirja "an agent that loves making mistakes" tutkii tekoälyn kohtaamia haasteita ja väärinkäsityksiä sekä rohkaisee avoimia mieltä hyväksymään virheet agenttien oppimisprosessissa. tuolloin chatgpt ei ollut kovin tunnettu, eikä tekoälyn käsite ollut suosittu ihmisten keskuudessa, zhang junping kertoi ylpeänä the paperille (www.thepaper.cn), että vaikka tekniikka kehittyykin nopeasti, suurin osa sisällöstä kirja ei ole muuttunut.
"ai-kuplan" syntyminen johtuu liian korkeista odotuksista
paperi:17. syyskuuta 2018 shanghaissa pidettiin ensimmäinen maailman tekoälykonferenssi. siitä lähtien siihen asti, kun "a brief history of artificial intelligence" julkaistiin viime vuonna, kuinka sinusta tuli populaaritieteellinen asiantuntija tekoälyn alalla?
zhang junping:ensimmäisen kerran tein tieteen popularisointia vuonna 2018, kun "science times" kutsui minut kirjoittamaan johdannon generatiivisiin kilpaileviin verkostoihin. (toimittajan huomautus: gan on syväoppimisarkkitehtuuri, joka kouluttaa kaksi hermoverkkoa kilpailemaan toistensa kanssa uuden, realistisemman datan luomiseksi tietystä harjoitustietojoukosta.)
koska sisältö on suhteellisen monimutkaista, aloin miettiä, kuinka voisin antaa sinulle populaaritieteellisen tulkinnan. on olemassa käsite cross-business, nimittäin sukupolviverkosto ja vastakkainasettelua koskeva verkosto, joka tuo mieleen zhou botongin vasen-oikea-taistelutekniikan "the legend of the condor heroes" -elokuvassa, eli vasen käsi hyökkää ja oikea käsi. puolustaa.
syväoppimisen selityksestä oli tuolloin monia versioita akateemisissa piireissä, mutta halusin selittää tätä asiaa populaaritieteellisestä näkökulmasta, joten kirjoitin "deep learning, you are the 116-vuotias longevity grandma". ja lopullinen vastaus oli erittäin hyvä, joten halusin kirjoittaa sen tähän ajattelutapaan ja julkaisin "the agent who loves making mistakes" vuonna 2019 ja aloin myöhemmin siirtyä lyhyisiin videoihin.
"tekoälyn lyhyen historian" kirjoittamisen tarkoitus on tällä kertaa selventää historiaa. sen ankaruus on paljon korkeampi kuin edellisen kirjan.
olen tehnyt tekoälyn tutkimusta vuodesta 2000. olen selvillä koko tekoälyn kehityslinjasta ja osaan kuvata sen. kuitenkin, jotta voisin kirjoittaa nämä sisällöt erittäin tarkasti, minun on tarkistettava kirjallisuus ja käytettävä alkuperäistä modify-pohjaista sisällön suhteen.
esimerkiksi, miksi tekoäly epäonnistui ensimmäistä kertaa, ajattelin ensin monia asioita tästä sisällöstä, mutta sitten opettajani, akateemikko lu qian huomautti, että asiantuntijajärjestelmien aikakausi (1970-1980-luvut) oli tekoälyjärjestelmä? tietokantoihin perustuen, he käyttävät asiantuntijatietoa ja sääntöjä tiettyjen alojen ongelmien ratkaisemiseen) on keskeinen solmu, joka auttaa selviytymään ensimmäisestä tekoälyn laskusuhdanteesta. joten tarkistin tiedot uudelleen hänen mielipiteidensä perusteella ja tein muutoksia tähän kohtaan.
kirjan kirjoittaminen ei välttämättä ole sama asia kuin tutkimuksen tekeminen (paperin kirjoittaminen). jos se on hyvin kirjoitettu tai jos tulevaisuutta ennustaa riittävästi, tämän kirjan elinvoimaisuus on paljon vahvempi kuin tieteellisen paperin. varsinkin tekoälyn saralla voi monessa tapauksessa olla vasta puoli vuotta lehden ilmestymisestä ja (teknistä) suorituskykyä on parannettu, ja alkuperäinen artikkeli unohtuu vähitellen.
paperi:kuuluu ääniä, että kiinan ja yhdysvaltojen välillä on kilpailua tekoälyn alalla. olette myös aiemmin käyneet yhdysvalloissa vaihdoissa. mikä on (tämän kilpailun) ratkaiseva tekijä?
zhang junping:toisaalta lahjakkuus. tieteellisen kehityksen tutkimus osoittaa, että jos maan tieteelliset saavutukset vastaavat yli 25 % maailman kokonaistuloksesta samana ajanjaksona, maata voidaan kutsua "maailman tiede- ja teknologiakeskukseksi". mutta maailman teknologiakeskukset ovat muuttuneet. aluksi se oli italia ja iso-britannia, sitten ranska, saksa ja myöhemmin yhdysvallat.
se, muuttuuko maailman tiede- ja teknologiakeskus ja tuleeko se kiinaan, ovat kaikki kysymyksiä. jos kiinan ja yhdysvaltojen välisessä kilpailussa on tulossa käänne, mielestäni ilmeisin merkki on se, kun maailman tiede- ja teknologiakeskus voi tulla kiinaan.
paperi:sanoit aiemmin, että on olemassa trendi, että kaikki investoivat tekoälyhulluuteen. mitä mieltä olette?
zhang junping:se, onko kyseessä "kupla", riippuu siitä, miten se määritellään. koska akateemisessa maailmassa ei ole sellaista asiaa kuin "kupla", kunhan kuljemme eteenpäin hitaasti ja tasaisesti, askel askeleelta. mutta jos sitä kutsutaan "kuplaksi", se tarkoittaa, että edessä on oltava liioiteltuja odotuksia.
esimerkiksi nykyisessä tekoälybuumissamme akateeminen yhteisö ei ehkä ajattele, että tekoälyn kehitys on niin kuumaa sen sijaan he ajattelevat, että nykyisessä ympäristössä yleiseen tekoälyyn voi olla vielä pitkä matka älykkyyttä. yrityksillä voi kuitenkin olla liian korkeat odotukset tekoälyn kehittämiselle ja kokea, että tiettyjä tuloksia ollaan saavuttamassa tai on jo saavutettu. jos odotukset ovat korkealla, myös pettymys voi olla suuri. koska etupuolella on liikaa investointeja, jos haluttuja tuloksia ei saavuteta, sitä pidetään kuplana.
paperi:itse asiassa mainitsit myös, että koneet voivat tehdä yksinkertaisia asioita, jotka ihmiset pitävät monimutkaisina, ja ihmiset voivat löytää yksinkertaisia asioita, koneet pitävät monimutkaisia alkuperäinen tarkoituksemme on antaa koneiden tehdä joitain yksinkertaisia ja toistuvia tehtäviä puolestamme, mutta itse asiassa annamme myös tekoälyn kirjoittaa runoja tai tehdä jotain vaikeaa. luuletko, että ihmiset ovat tulevaisuudessa liian riippuvaisia tekoälystä?
zhang junping:itse asiassa dreyfus puhui tästä aiheesta kirjassaan "mitä tietokoneet eivät voi tehdä". hän sanoi, että jos ihmiset luottavat tulevaisuudessa voimakkaasti tekoälyyn, seurauksena ei ehkä ole ihmisten tekeminen älykkäämmiksi, vaan ihmisistä älykkäämpiä. ryhdy super imbesilliksi.
paperi:oletko samaa mieltä väitteen kanssa, että tekoäly tuhoaa ihmiskunnan?
zhang junping:en ole samaa mieltä.
innovaatiot, sääntely ja tietosuoja
paperi:olet maininnut monta kertaa aiemmin, että olet liian optimistinen tekoälyn suhteen. jotkut ihmiset ajattelevat, että tekoäly ei ole vielä niin "älykäs". miten käsittelemme ihmisten odotuksia tekoälylle?
zhang junping:tekoälyn tutkijat ovat enimmäkseen optimisteja. mutta minusta tuntuu aina, että ihmisten on vaikea ymmärtää itseään. aivan kuten muurahainen, jos se ryömi kaksiulotteisessa tasossa, se ei koskaan tiedä olevansa kaksiulotteisessa tasossa, ellei joku seiso sitä korkeammassa ulottuvuudessa ja näe, että se on todella kolmiulotteisessa tasossa. ryömiä. itse asiassa ihmiset ovat samoja voi olla vaikea ymmärtää täysin itseäsi, koska ulottuvuutesi on ollut rajallinen, eikä ole mahdollista nähdä itseäsi tämän ulottuvuuden ulkopuolella.
vertailen tekoälyä (sovellusta) ja ihmisiä lentokoneisiin ja lintuihin. itse asiassa meidän ei tarvitse ymmärtää kaikkia lintujen rakenteita lento jos pärjäät hyvin joka suhteessa, kone lentää kauemmaksi ja kuljettaa enemmän matkustajia.
sama pätee tekoälyyn, vaikka on vaikea selvittää, miten ihmisäly toimii lyhyessä ajassa, voit keskittyä vain yhteen päämäärään, kuten onko kasvojen tunnistus tarkkaa vai käytetäänkö edellistä sanaa luonnossa. kielen käsittely ennakoidaksesi, onko seuraava sana oikea, tee vain hyvä työ yhdellä osa-alueella.
paperi:toisin sanoen voimme keskittyä enemmän sovelluksiin kuin niin kutsuttuun yleiseen tekoälyyn. mitä tulee tekoälyn ennustamiseen, kuinka hyödyllinen tekoäly voi mielestäsi olla sään ennustamisessa tai mitkä ovat sen näkymät?
zhang junping:sään ennustaminen on edelleen erittäin vaikea ongelma. koska meteorologia eroaa nyt näkemistämme kuvista ja videoista. se voi olla myös tietyllä etäisyydellä (kuten 10 kilometrin päässä) oleva pilvikuva, joka on saatu skannaamalla taivasta tutkalla. sitten ennustaa pilvikuvan muutosten perusteella. mutta pilvikartta näyttää vesihöyryn haihtumisen maassa. on vaikea tietää, miten tämä tila syntyy ja miten se katoaa. meidän on mahdotonta levittää kerääjiä ja tarkkailijoita 10 kilometrin etäisyydelle maasta. vaikka emme tietäisikään paikan päällä paljoakaan tietoa, shanghaissa voi olla vain muutama sata havaintoasemia, eikä kerätyn tiedon määrä ole riittävä, joten sääennusteet eivät ole niin helppoa. mitä tulee taifuunien ennustamiseen, ei vain (havainto)alue ole suurempi, vaan meillä on vain vähän tai ei ollenkaan tapaa tehdä ennusteita merellä. viime vuosina tiimit, kuten deepmind, huawei, alibaba ja fu xi fudanin yliopistosta, ovat kiinnittäneet erityistä huomiota meteorologiaan. ei ole tapahtunut edistystä, kuten lyhyen aikavälin ennusteet, paikalliset ennusteet jne., mutta ne on tehtävä hyvin , varsinkin äkillisten ja harvinaisten tapahtumien varalta. säätapahtumien ennustaminen on edelleen erittäin vaikeaa.
paperi:hallintorintamalla olemme nähneet paljon uutisia tekijänoikeuksien haltijoiden, kuten kuvataiteilijoiden, uutistoimistojen ja levy-yhtiöiden, nostamista kanteista teknologiayrityksiä vastaan, jotka käyttävät työtään luovien tekoälyjärjestelmien kouluttamiseen. miten luojana ja tekoälyn asiantuntijana suhtaudut teknologiseen innovaatioon ja tietosuojaan?
zhang junping:tätä ongelmaa ei ole toistaiseksi ratkaistu tyydyttävästi, ja monet ihmiset vastustavat tällä hetkellä tekoälyn luomista. esimerkkinä romaanin kirjoittaminen kun kirjoittaja on kirjoittanut muutaman kymmenen ensimmäisen luvun, hän lataa luovan suunnitelmansa pilveen, ja alusta voi käyttää hänen ääriviivatietojaan tekoälykoulutukseen romaanin sisällön täyttämiseen. on mahdollista, että tekoälyllä täydennetty sisältö on hyvin samankaltainen kuin se, mitä kirjoittaja alun perin aikoi kirjoittaa.
siksi luojana sinun tulee käsitellä tuotteitasi ja luovia tuloksiasi huolellisesti, äläkä lataa sisältöä sokeasti pilveen, koska on olemassa riski, että alusta käyttää käyttäjien lataamia materiaaleja koulutukseen.
paperi:miten meidän mielestäsi pitäisi löytää tasapaino innovaation ja sääntelyn välillä?
zhang junping:tässä vaiheessa emme ole vielä saavuttaneet tiukkaa valvontaa vaativaa vaihetta. kansallisella tasolla ehkä eniten valvontaa tarvitsee data. muutama vuosi sitten käyttöön otettu "kiinan kansantasavallan tietoturvalaki" kuvastaa myös tarvetta olla varovainen tietovuotojen suhteen.
mutta mitä tulee innovaatioon, meidän pitäisi mielestäni keskittyä kannustamiseen. itse asiassa emme tiedä, mitä tehdä oikein. koska tieteellinen tutkimus on tällaista, ei usein tiedä mitä tehdä, mutta tekemällä sitä voi löytää ulospääsyn. tämä on tieteellisen tutkimuksen todellinen tilanne.
paperin toimittaja zhang wuwei ja harjoittelija zhan huijuan
(tämä artikkeli on the paperista. jos haluat lisätietoja, lataa "the paper" -sovellus)
