人工智能(AI)已经成为当今金融界和投资媒体的热门话题。
从解释人工智能将如何颠覆工业，到与另一个人工智能的冬天进行比较，以及埃隆·马斯克(Elon Musk)担心世界末日的情景，我们花了大量的时间来进行预测，未来的计算机将会如何发展自己的算法和决策。
作为投资者，我们也很有兴趣从这场人工智能运动中找到获胜的公司。英伟达一直是一个开路先锋的角色，它的图形处理单元可以训练神经网络作为人工智能的大脑。Biogen公司可能是一个人工智能技术的受益者，它可以利用人工智能来设计治疗严重复杂病症（如阿尔茨海默症）的药物。
在最近以技术为重点的碰撞会议（Collision Conference）上，我与该领域著名的专家之一巴巴克·霍加特（Babak Hodjat）讨论了这个话题。
巴巴克·霍加特
他开发了原始的自然语言用户界面，并为苹果的Siri语音助手提供技术支持。之后，他与人联合创立了Sentient Technologies公司，利用分布式进化人工智能开发股票市场交易策略，并优化电子商务转换速率。
巴巴克对AI业内的消息有最快的了解。在这次采访中，他分享了自己的想法：未来10年我们应该期待什么，为什么我们应该抑制对通用人工智能（AGI）的热情，以及在人工智能的未来我们应该扮演什么角色。
Q：这都是很有趣的东西，巴巴克。我现在想听听你的看法。你是人工智能领域的专家。到现在为止，我们已经讨论了所有的事情。我现在要请你拿出水晶球预测一下，期待的AI的未来是什么样子的？
我的第一个问题是关于Sentient Technologies的，你现在做了很多很酷的事情。你真正希望完成的是什么? 在未来的十年内，是一直与贵公司合作下去，还是间接去影响整个AI领域?
巴巴克：显然，仅仅数字营销本身就是一项巨大的事业。我们谈到了网站优化和移动体验优化，电子商务，但是在数字营销中有一个完整的渠道。从获取用户、广告本身、经历经验、转换、电子邮件回复、到决定在库存管理中显示什么、产品的设计，这些都聚集在一起。我认为人工智能可以成为其中的核心去协调这些。我们已经制定出了一个路线图，只要在数字营销中加入AI这个核心，最终就能够颠覆传统的数字营销。
这是一条出路。但最终，我相信这项技术在整个行业具有非常普遍的适用性，特别是在工业化到达一定程度的时候。在此之前我们还有很多工作要做，但我认为我们可以实现AI的民主化。我的意思是什么？
今天，如果你想建立一个人工智能模型，必须聚集一大堆博士，才能做出这些精心的设计。不幸的是，我们目前还没有更加通用的办法。我们没有AGI，也就是缺少通用性。你必须让这些博士为深层网络架构提出精心设计，然后使用大量的计算量和数据来训练它，以获得这些相对静态的模型。
我认为，凭借演化计算和多任务学习方面的突破，实际上可以建立这样一个系统：任何有问题，以及有解决方法的人都可以把自己的东西上传到平台上，并根据增强的数据集对其进行优化，从而达到可以接受部署的性能水平要求。
我认为单靠一家公司显然不能达到这些......我们必须保持非常专注的水平......我认为该平台有可能达到这个突破点，甚至开发人员也可以利用它和AI在特定的功能和领域上做事。
Q：你说到AI民主化，还说到AGI，这和离散人工智能非常不同，我们今天在其他领域看到的更多。
你能谈谈你认为我们现在的目标是什么吗?另一个主题是量子计算，现在越来越多的人可以用合适的价格做非常复杂的计算。这是一种完全不同的处理方式。你认为这一切会发生什么?量子在AGI中有什么作用?我们在AGI中处于什么位置?未来50年内，我们会实现吗?
巴巴克：是的，我很怀疑。AGI的定义是不明确的。这只是一个开始。我认为这是一个非常主观的问题。在以后的某一时刻，我们可能会决定我们获取的智能水平，例如，在对话系统中，后端到互联网上的数据等，是AGI。这是我们的一个定义。
但在我的理解中，AGI是一个系统，它体现了人类智慧的所有方面，并且在智力上超越了人类的水平。我认为这如果不是不可能，就是非常困难的。这是因为我们的技术非常善于模仿甚至超越我们在人类或自然界中观察到的智能的各个方面，但是要把它们放在一个系统中是非常困难的。
所以这个集成部分是难以捉摸的，非常难以构建。今天研究的轨迹是从一个极端或另一个极端取得的，一个极端是建立一个学习非常好的系统，然后开始教它，它会到达我们设定的目标。我认为这是错误的。人类不是这样学习的。那么，我们为什么要期望我们的机器以这种方式学习呢?然后，还有另一个极端，就是在这个系统中加入越来越多的常识和知识，最终，它会变成AGI。这也是错误的。人类不这样做。这缺少灵活性和稳定性。
所以我们必须建立介于两者之间的东西，它可以兼顾两者的优点。这是一种特定的、特有的构型，我们必须这样做。否则，我们建造的任何东西都会让我们失望，而且看起来也不像人。我认为我们无法实现这一目标的原因是，我们人类智力的具体结构是经过千百万年的进化才完全形成今天的样子。
在人工智能系统中捕捉特定的配置和架构几乎是不可能的。它的复杂性远超出我们的能力——非常难以填补。
这是我对AGI的拙见。当然，每个人都有自己的观点，我很尊重。
量子计算非常有趣。我从理论的角度来研究它，作为它的应用之一，它真的会扰乱机器学习原有的工作方式。突然，以我们实际搜索数据和检索数据的方式，按顺序加快机器学习的速度。这将对我们的人工智能系统的质量、速度和性能产生巨大的影响。这是理论上的。我们知道如果有一台超过一定规模的量子计算机，那么我们就可以实现这个功能。
问题是我们还没有。
在实验室里，我们可以用几个量子位构建系统。我们已经看到了叠加，我们已经能够在非常小的范围内验证这些算法。然而即使是小规模的运行，它也需要很大的能量。目前，我们还没有达到能够构建足够大的量子位的水平，使其能够在一定程度上适用于这些类型的机器学习系统。
它还处在实验室阶段，但我很乐观，我们会成功的。它还在研发中，至少在我所见过的地方是这样，我可以在量子机器上做分时操作，然后从中获益。我们会在未来几年或20年达到目的么?我不知道。我想我们还需要一些突破才行。
Q：我们看到了进步，但我们的期望现实吗？
巴巴克：我认为是。
Q：我还有最后一个问题，巴巴克。马斯克一直在关注的话题是监管。你觉得监管对我们今天的进步有什么作用？
巴巴克：监管很重要。通常，当我们谈论与AI相关的规则时，我们实际上是在谈论技术的整体规则，而不是专门的 AI。在我看来，企业的主要精力并不在人工智能上。如果让他们来制定AI规则，那无异于纸上谈兵。
第二个是，我认为我们必须真正考虑技术和风险的现状，并为此做出相关规定来应对人工智能或技术可能会发生的风险。在我看来，这远远不是今天所能做到的。现在，制定一些法规，这些法规只会在这类事情上错位。
可解释性就是一个例子。我的意思是，欧洲已经有了关于解释能力的规定。例如，保险公司对可解释性的监管已经存在了很长时间。本质上说，如果技术和/或人工智能被用于人类生活的领域，那么这个系统的决定必须被解释。
可解释性是什么意思?如果我向你展示一套非常复杂的规则，这些规则是可读的，但不是全面的——这是可解释的吗?它应该是可解释的吗?如果我能在数据上验证它，如果我能真正地显示出法律和导致系统做出决定的原因，并且能够模拟，复制它，这还不够吗?我认为，在某种程度上，我们必须决定是否信任技术来做出决定。
我想我们已经过了那个阶段了。我们的信用评分是由技术决定的，而不是AI。我们不明白这是怎么回事。它可能是一个可解释的基于规则的系统。但很明显，我不了解，我不明白这是怎么回事。
我认为我们必须非常明智地制定这些规定。
Q：基于科学和技术。
巴巴克：是的。
Q：感谢Sentient Technologies的CEO和联合创始人巴巴克先生，作为一个人工智能专家，你让我们了解了一些让人着迷的东西。再次感谢你能来这里与我们分享。
巴巴克：这是我的荣幸。非常感谢。
原文链接：
https://www.fool.com/investing/2018/05/14/the-man-behind-natural-language-technology-siri.aspx
来源：The Motley Fool
作者：Simon Erickson
智能观 编译
—完—
作者：智能观
链接：https://www.jianshu.com/p/c4923704a0eb
随时随地看视频
