独占インタビュー｜張俊平：人工知能は「万能」を追求する必要はない、一面だけ優れていればよい
2024-09-02
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
「張先生、人工知能がこれほど進歩しているのなら、勉強すれば私たちに取って代わられるでしょう。私たちが勉強しなければ、私たちに取って代わられてしまいます。では、勉強することに何の意味があるのでしょうか？」 今年の上海ブックフェアでは、若い読者が集まりました。 「人工知能カンファレンス」で「人間に取って代わる？―人工知能の歴史、現状、そして未来」と題した書籍共有活動の後、張俊平教授に質問した。
人工知能分野の著名な専門家であり、復旦大学コンピューター科学技術学部の教授でもある張俊平氏は、人工知能を理解するには行列演算などの基礎知識を習得することが重要であると答えた。これらの基本を学ぶことによってのみ、アルゴリズムをより適切に制御および最適化し、人工知能の意思決定を理解することができます。同氏はまた、学習することで人々が人工知能技術をより深く理解し、応用できるようになると強調した。
「人工知能の簡単な歴史」の本の表紙。
人工知能の発展を国民に理解してもらうため、張俊平氏は昨年、aiの歴史と技術進歩を一般的な言葉で紹介する『人工知能概説』を出版した。この本は、初期の理論から現代の深層学習までの重要なマイルストーンをカバーし、ai の将来に目を向けています。
人工知能の歴史は 20 世紀半ばまで遡り、多くの栄枯盛衰を経験してきました。 1950 年代には、アラン チューリングやジョン マッカーシーなどの先駆者が基礎を築きました。 「ai の冬」にもかかわらず、21 世紀以降、コンピューティング能力とビッグデータの進歩により、ディープラーニングは人工知能の開発の新たなラウンドを主導してきました。
2019 年に出版された zhang junping の著書「間違いを愛するエージェント」は、人工知能が直面する課題と誤解を調査し、エージェントの学習プロセスにおける間違いを受け入れる広い心を奨励します。当時、chatgpt はあまり知られておらず、人工知能の概念も人々に普及していませんでした。張俊平は、テクノロジーは急速に発展しているにもかかわらず、コンテンツのほとんどは、この本の指摘は今も変わっていない。
「aiバブル」の到来は期待が高すぎたせい
論文:2018 年 9 月 17 日、上海で第 1 回世界人工知能会議が開催されました。2018 年 6 月からは、大学の教室外で一般の人々に関連知識を広めてきました。それから昨年『人工知能の簡単な歴史』を出版するまで、どのようにして人工知能の分野で人気のある科学の専門家になったのでしょうか?
張俊平：2018 年に私が初めて科学の普及に取り組んだのは、「サイエンス タイムズ」から敵対的生成ネットワークの紹介記事を執筆するよう誘われたときでした。 (編集者注: gan は、2 つのニューラル ネットワークをトレーニングして互いに競合させ、特定のトレーニング データ セットからより現実的な新しいデータを生成するディープ ラーニング アーキテクチャです。)
関係する内容は比較的複雑であるため、一般的な科学の解釈をどのように提供するかを考え始めました。世代ネットワークと対立ネットワークというクロスビジネスの概念があり、これは「コンドル英雄伝説」の周伯通の左右の戦い術、つまり左手で攻撃し、右手で攻撃することを思い出させます。擁護する。
当時、学界ではディープラーニングの説明がいろいろありましたが、私はこの問題を大衆科学の観点から説明したいと思い、『ディープラーニング、あなたは116歳の長寿おばあちゃんです』を書きました。最終的な反応は非常に良かったので、悪くなかったので、この考え方に沿って書き留めたいと思い、2019 年に「間違いを愛するエージェント」を出版し、その後短編ビデオに目を向け始めました。
今回『人工知能概説』を書く目的は、まずその歴史を明らかにすることである。その厳密さは前の本よりもはるかに高い。
私は 2000 年から人工知能の研究を行っています。人工知能の開発ライン全体については明確であり、その記述方法も知っていますが、これらの内容を正確に記述するには、文献を確認し、オリジナルの modify ベースを使用する必要があります。内容的には。
たとえば、人工知能はなぜ初めて失敗したのか、最初はこの内容についていろいろ考えたのですが、私の先生であるルー・チアン学者が、エキスパートシステムの時代（1970年代から1980年代）が人工知能システムだったということを指摘しました。知識ベースに基づいて、専門知識とルールを使用して特定の分野の問題を解決します）は、最初の人工知能の低迷から抜け出すのに役立つ重要なノードです。これは前に議論すべきではなく、後で調整する必要があります。そこで、彼の意見を踏まえて再度情報を確認し、この部分を修正しました。
本を書くことは、研究（論文を書くこと）をすることと同じではないかもしれません。それがよく書かれている場合、または将来の十分な予測がある場合、この本の生命力は科学論文よりもはるかに強いでしょう。特に人工知能の分野では、論文が出版されてから半年も経たないうちに（技術的な）性能が向上し、元の論文は徐々に忘れられてしまうことが多いです。
論文:人工知能分野では中国と米国の競争があるとの声もあるが、米国へも交流に行ったことがあるが、（競争の）今後の決め手は何だろうか。
張俊平：一方では才能です。科学の発展に関する研究によると、ある国の科学的成果が同時期に世界全体の25％以上を占めていれば、その国は「世界科学技術センター」と呼ぶことができる。しかし、世界のテクノロジーの中心地は、例えば最初はイタリアとイギリスでしたが、次にフランス、ドイツ、そしてその後はアメリカになりました。
世界の科学技術の中心地が変わるかどうか、そしてそれが中国に来るかどうかはすべて問題だ。中国と米国の競争に逆転が起こるとすれば、その最も明白な兆候は、世界の科学技術の中心地が中国に来るときだと思います。
論文:以前、人工知能ブームにみんなが投資する傾向があるとおっしゃっていましたが、最近では「aiバブル」という言葉も出てきていますが、どう思いますか？
張俊平：それが「バブル」であるかどうかは、それがどのように定義されるかによって決まります。実際には、「当座貸越」とも言えます。学問の世界に「バブル」などというものはなく、一歩一歩、ゆっくりと着実に前進していけばいいのですから。しかし、それを「バブル」と呼ぶなら、その先には過大な期待があるはずだ。
たとえば、現在の人工知能ブームにおいて、学界は人工知能の開発がそれほど盛んではないと考えているかもしれません。むしろ、現在の環境下では一般的な人工知能の開発にはまだ長い道のりがあるかもしれないと考えているかもしれません。知能。しかし、企業は人工知能の開発に対する期待が高すぎて、特定の成果がもうすぐ達成されようとしている、またはすでに達成されていると感じている可能性があります。期待が大きければ、失望も大きくなる可能性があります。フロントへの投資が多すぎるため、思うような成果が得られないとバブルとみなされてしまいます。
論文:実際、あなたは、人間が複雑だと思う単純なことを機械が行うことも可能であり、人間が単純なことを機械が複雑だと感じることも可能であると述べました。私たちの本来の目的は、機械に単純で反復的なタスクを実行させることです。実際、私たちは ai に詩を書かせたり、何か難しいことをやらせたりもしています。将来、人類は人工知能に過度に依存するようになると思いますか?
張俊平：実際、ドレフュスは著書「コンピュータにできないこと」の中でこの問題について語り、将来人間が人工知能に大きく依存するとしたら、その結果は人間をより賢くするのではなく、人間をより賢くすることになるかもしれないと述べています。超無能になる。
論文:人工知能が人類を滅ぼすという議論に同意しますか?
張俊平：私は同意しません。
イノベーション、規制、データ保護
論文:あなたはこれまで何度も人工知能について楽観的すぎると述べてきましたが、人工知能はまだそこまで「知能」ではないと考えている人もいます。人工知能に対する人々の期待にどう対処すればよいのでしょうか?
張俊平：人工知能の研究者はほとんどが楽観主義者です。しかし、人間が自分自身を理解することは、実は難しい問題だと常々感じています。アリと同じように、二次元の平面上を這っている場合、誰かがそれより高い次元に立って、実際に三次元の中にいることを確認できない限り、自分が二次元の平面上にいることを決して知りません。スペース。実際、人々も同じです。自分自身の次元が限られており、この次元の外で自分を見る方法がないため、自分自身を完全に理解するのは難しいかもしれません。
私は人工知能 (アプリケーション) と人間を飛行機と鳥に例えます。実際、私たちは鳥の飛行をすべてシミュレートする必要はありません。それぞれの面でうまくやれば、飛行機はより遠くまで飛び、より多くの乗客を乗せることができます。
人工知能も同様で、人間の知能がどのように機能するかを短期間で理解することは困難ですが、顔認識が正確かどうか、前の単語が自然に使用されているかどうかなど、1 つの目標に集中することができます。次の単語が正確かどうかを予測するには、ある側面で適切な処理を行うだけで済みます。
論文:つまり、いわゆる一般的な人工知能ではなく、アプリケーションに重点を置くことができるのです。人工知能の予測について、人工知能は天気予報にどの程度役立つと思いますか、またはその展望は何ですか?
張俊平：天気予報は依然として非常に難しい問題です。気象学は現在私たちが見ている画像やビデオとは異なり、実際にはレーダーで空をスキャンして得られる、地上から一定の距離（10キロメートルなど）にある雲の画像である場合もあります。そして、雲の画像の変化に基づいて予測します。しかし、雲図は地上での水蒸気の蒸発を示しており、この状態がどのように生成され、どのように消滅するかを知ることは困難です。地上から10キロメートルの宇宙範囲内にコレクターやオブザーバーを配置することは不可能です。地上の情報が少なくても、上海の観測所は数百か所しかなく、収集される情報量も十分ではないため、天気予報はそれほど簡単ではありません。台風の予測に関しては、（観測）範囲が広いだけでなく、海上では予測する方法がほとんどありません。近年、deepmind、huawei、alibaba、復旦大学のfu xiなどのチームが気象学に特別な注意を払っていますが、短期予報や局所予報などの進歩はありませんが、それらは十分に行われなければなりません。 、特に突然のまれな現象の場合、気象現象を予測することは依然として非常に困難です。
論文:ガバナンスの面では、ビジュアル アーティスト、報道機関、レコード レーベルなどの著作権者が、生成 ai システムのトレーニングに自社の著作物を使用しているテクノロジー企業に対して起こした訴訟を多くのニュースで目にしてきました。人工知能分野のクリエイターであり専門家として、技術革新とデータ保護の問題をどのように考えていますか?
張俊平：この問題はこれまでのところ十分に解決されておらず、現在、多くの人が人工知能の創造に対して一定の反対を抱いています。小説の執筆を例に挙げると、最初の数十章を書いた後、作者は自分のクリエイティブなアウトラインをクラウドのプラットフォームにアップロードし、プラットフォームはそのアウトライン データを人工知能のトレーニングに使用して小説の内容を埋めることができます。人工知能によって補完された内容は、ある意味、作者が当初書こうとしていた内容に非常に近いものになる可能性があり、作者の創作意図の一部に影響を与える可能性があります。
したがって、クリエイターは、製品やクリエイティブの成果物を慎重に扱う必要があり、コンテンツをやみくもにクラウドにアップロードしないでください。ユーザーがアップロードした素材がプラットフォームでトレーニングに使用されるリスクがあるためです。
論文:イノベーションと規制のバランスをどのようにとるべきだと思いますか?
張俊平：現段階ではまだ厳しい監督が必要という段階には至っておりません。おそらく国家レベルで見て、最も監視が必要なのはデータです。数年前に導入された「中華人民共和国データ保護法」にも、データ漏洩に対する注意の必要性が反映されています。
しかし、イノベーションに関して言えば、私たちは奨励に重点を置くべきだと思います。実際のところ、私たちは何をすべきかわかりません。科学研究はこのようなものなので、何をすればよいかわからないことも多いですが、やってみると解決策が見つかるかもしれません。これが科学研究の本当の状況です。
the paperの記者、張無偉さんとインターンのzhan huijuanさん
（この記事はthe paperからのものです。よりオリジナルの情報については、「the paper」アプリをダウンロードしてください）
