close
当前位置: SmartTimes > 硬科技 > 新闻 >

AI的真正含义是什么?

eSilicon董事长,Brocade Communications创始人,多家初创公司的董事会成员和投资者Seth Neiman与半导体工程公司坐下来讨论AI的进步,正在发生的变化以及它最终将如何改变我们的生活。以下是该谈话的摘录。

SE:AI发展了多远?
Neiman:从1960年代中期开始,我们就一直在与AI合作,涉及最早的人工神经元,以及尝试对视觉和言语进行建模的尝试。现在,人们第一次认为有些事情是成功的。成功意味着我们正在重新定义人工智能中“ I”的含义。那就是要看的东西。成为优秀投资者的艺术形式是Sethneiman在必然的面前。您不必从垃圾中选择完全正确的小狗。但是,您确实必须找出不可避免的事情,梳理时间表和资本要求,为风险投资建立模型,然后开始介入。目前,由于GPU的出现,每个人的计算机中都出现了SIMD(单指令,多数据)架构,这在相当古老的架构的基础上取得了巨大的成功。
SE:那么,经过这些年的努力,AI实际上有什么好处?
尼曼:对于存在大量相对较深的非线性统计关系的任何事物都非常有用。这些不是典型的数学分析,例如黑匣子和目标函数之类的东西。但这也不新鲜。这些非常深入的网络的当前方法已有20多年的历史了。过去我们只是没有电脑来做。Alex Krizhevsky(当时是多伦多大学的研究生)说:“请稍等,我们已经拥有了这些GPU,因此请尝试一下。” 有许多复杂的分析讨论了为什么这种方法永远行不通。事实证明,这只是计算量不足的问题。突然之间,他们有了许多GPU和大量计算,然后问题是,正确的计算类型还不够。但是用少量的软件,
SE:他们取得了什么进展?
Neiman:如果可以用二维数组表示数据,则可以发现数据元素之间的关系,这些元素之间具有许多自由度和统计关系之间的距离。实际上,人们现在面临的最大问题是深度学习的分析能力是如此强大,以至于最终您要对噪声进行建模。
SE:或者您认为是噪音?
尼曼:是的,您必须获取更多数据才能弄清楚。架构主要是关于在应该存在关系的地方使用最佳本能并寻找它们。这一特定功能的力量在于它是我们愿景的运作方式。因此,我们可以构建这些非常深入的网络来感知与人类视觉非常相似的东西,或者在某些情况下要比人类视觉更好的东西。那真的很强大。主要的视觉皮层位于大脑后脑深41层,具有很大的结构,其结构与我们今天的工作截然不同。但是我们可以在视野中发现对于原型问题现在非常有价值的事物,例如检测癌症,读取放射线图像,挑选物体以及分析照片。一张照片可以告诉您很多有关其中存在的物体的信息。就在几年前,这还不可行。事实证明,使用该技术检测这些对象是一个相对直接的问题,但弄清楚它们的含义不是。
SE:那有什么不同?
尼曼:这是一个常识性问题。“我怎么知道这里的小皱纹不是干血?” 我们可以分析这些二维数据数组,其中您拥有大量数据并读取手写内容,将面孔和对象从照片中拉出来,然后告诉您这些表达式是什么。我们甚至可以检测到人类遇到的物体和表情。但是我们不能告诉您太多有关其含义和原因的信息。这就是为什么我说我们正在重新定义AI中的“我”。我们意识到,提取所有这些对象比真正的智能更多地是感知(感知数据和相关性等)问题。我与一家在阅读您的面孔方面非常出色的公司合作。父母平均要检测孩子的谎言为50-50。受过训练的人可以达到90%。
SE:为什么软件这么好?
尼曼:事实证明确实有很多线索,但是它们不是我们有意识地考虑的事情,甚至不是心理学家也必须考虑的事情。我们拥有这些功能强大的工具,可以发现这些非线性的统计相关性,并且它在模拟看起来像我们的智能的事物中确实起到了非常有用的作用。他们可以确定它不仅是一条狗,而且是西伯利亚雪橇犬,大约一岁。在AI中,他们谈论鸡的性别问题。在养鸡场中,小鸡要经过一条传送带,有人需要挑选母鸡,因为他们需要它们。对此没有严格的模型。事实证明,经过几个星期的观察,一个人将能够分辨出哪些是母鸡。但是他们不知道该怎么做。AI目前就是这样。
SE:其他AI的进步如何?
尼曼:没有引起太多关注的是决策过程,而不是统计分析过程,即强化学习。强化学习是一种非常相似的学习算法,它是一种获取时间的方式。它允许一个复杂的系统查看某事物随时间的变化,并使用类似的统计关联进行决策。每个人都知道的是DeepMind Technologies的“ Go”播放计算机。该技术可以捕获时间,捕获序列并使用类似的统计方法来做出更接近人的决策。既然发生了这种事情,我将打这个电话。说“你是怎么到达的?”仍然不是很容易检查。但是,如果您可以给它足够的数据,它可以学会比人类更好的演奏。
SE:为什么呢?
内曼:归结为,“我们能及时推理吗?” 事实证明,只有少数人可以在世界冠军级别上玩围棋。这些看起来很高级,而且确实如此。但是事实证明,这并不是最困难的事情。如果围棋选手撞桌子并移动棋子,DeepMind AlphaGo不会说“糟糕,我们撞桌子,规则52”。这不会知道。它没有通用的常识。事实证明,也许这些实际上是更困难的问题。
SE:那我们还剩下什么?
Neiman:我们拥有极其强大的技术,但是要找到一种真正潜在的实用应用程序仍是一项艰巨的任务。有一些很棒的医学应用,例如读取X射线。这些来的很快。避免使它成为价值5,000美元的软件的唯一办法是保险公司和法律方面。
SE:您认为这项技术的大市场是什么?
Neiman:计算机驱动的汽车已经比人类更好。他们有一些问题,但是人们有很大的信心相信事故和相关问题的总体发生率会低得多。
SE:那为什么还没有广泛部署呢?
Neiman:这全都与社会,保险和法律有关。例如,计算机驱动的汽车会出现问题,它会拉到一个拐角处,灯光改变,它想向右转,但是有行人。他们真的不知道该如何去那里工作并最终度过难关。这是另一个非常复杂的通用推理问题,该技术还不是很擅长。但是,如果您是美国,欧洲或亚洲大部分地区的卡车司机,这些工作就会消失,因为他们可以将卡车放在专门的车道上。这是一个巨大的行业,并将创建自己的巨型细分市场。
SE:他们可以去市区外的仓库去,对吧?
内曼:完全正确。它取代了铁路和驾驶员。我们已经在那了。汽车中的许多技术并不像我们现在谈论的某些AI那样复杂。这个问题在很大程度上被并行解决。他们整合了这项技术,因为这是一个巨大的行业,我们拥有足够的计算能力,他们制造了传感器并训练了汽车。
SE:那么您在哪里看到所有这些标题?
Neiman:如果您有一个专门的传感应用程序,那么您将在一个相对狭窄的领域中取代人类的专业知识,该领域主要与查看某些事物并考虑其随时间的变化而变化,从而可以获得大量数据。 。这些应用程序容易受到这种技术的攻击。要做的工作量非常少。汽车非常复杂,因为您拥有大量的硬件技术,激光雷达,摄像头和集成传感器。但是在当今世界,如果有数据,一年内有六名研究人员和200万美元可以解决几乎所有问题。
SE:这不仅是愿景,对吗?
Neiman:可以简化为这些大致类似于图像的事物的序列,尽管技术特别适合(由于GPU的结构方式)适合二维数据数组。如果可以轻松将其折叠起来,该技术将奏效。只要有数据,您就可以用声音,气味和几乎所有的感官输入来实现。
SE:算法有多重要?
Neiman:它们很重要,但是数据是关键。如果要查看谁将赢得胜利,请查看谁拥有数据。公司正在以非凡的方式收集这些信息。市场上有一些设备一直在收集数据。将传感器的世界想象成一个反向内容交付网络,人们对获取数据有着既得的兴趣。
SE:所有收集的数据会如何处理?
Neiman:如果您有数据,那么今天存在的技术可以发现数据中的内容。您如何制作一个识别面部表情的系统?您收集了200万张脸,并且人类在前100,000张中为这些表情评分。然后,您可以从中构建一个基本网络,自动对其进行评分,然后由人工判断样本。您需要经过判断的数据样本才能训练深层网络。如果有数据,那就是您得到的。您选择了一个问题,如果有相应的数据,则可以构建一个神经网络为了它。例如,如果您具有在7nm finFET上如何解决散热问题而无需插入器在6 GHz频率下的数据,则可以使用该技术,前提是您有足够的样本来发现专家知道的知识然后进行复制。那就是数据的价值。另一个例子是,您可以构建一个探测器,该探测器可以为抑郁症提供出色的建议。您不想让它诊断出抑郁症,但医生可以要求他们的患者接受60秒的测试,然后该工具会指出您是否应该推荐他们进行抑郁症评估。现在,多数时候就是这样诊断出抑郁症。您的初级保健医生确定年龄不足以引起某些问题的男人或女人。这是非常简单的诊断。但是您可能会获得一百万张经过验证的精神科医生评分的图像,并将人类的判断力与图像相关联。您可能在购物中心拥有一个系统,该系统可以检测并警告人类可能发生战斗-与冲突相关的样式,面部,声音。这听起来不错,直到相机由不符合我们最大利益的人拥有。
SE:硬件呢?
尼曼:这实际上只是重新设计的GPU。到目前为止,GPU公司似乎主要支持这些应用程序的培训。一年多前,当我与他们交谈时,尚不清楚他们是否在认真思考这些应用程序的部署以及这是什么样的机会。例如,在医疗保健中,您真正想要的是可以跟踪您的脸部以告诉您何时处于疼痛状态,阅读脉搏,对血压进行猜测以及具有个人病史和医生关心的事情。系统将解释症状。在构建硬件方面并没有付出很大的努力。因此,英特尔收购了Nirvana(一家深度学习型初创公司)。它是一种新的体系结构,而不是根本性的体系结构,它可以用更少的位数完成工作,并且可以与其他人使用GPU进行相同的操作。有些人正在研究具有神经形态芯片的更复杂的设备。说我们将重现大脑会产生误导,但在下一个十年中的某个时候,有人会遇到某个版本,我们将做我们从未想到的事情。
SE:运行该软件的软件怎么样?
内曼:不是很复杂。在10,000个GPU集群上运行的软件是相当不错的软件,但实际上只是大型系统编程软件。这很复杂,因为如果1个GPU出现故障,您不必停止100小时的培训。部署其中大部分内容的实际软件并不复杂。它主要使用Python和大约20,000行。所以这是接下来的事情。
SE:应用程序会创造全新的产业吗?
Neiman:尚不清楚他们是否会创造新的行业或公司,或者只是创造新的功能。我们知道这将使很多行业陷入瘫痪。不要让您的孩子成为放射科医生或律师。这已经通过非常简单的软件实现了。使用简单的麦克风,简单的摄像头以及与手机或笔记本电脑相同的计算能力,可以完成很多事情。在某种程度上,它真的很酷,这意味着可以轻松地部署非常有价值的东西,因为您不需要新的硬件。这也意味着广泛的应用程序可以非常快速地部署。
SE:不断出现AI的一个问题是工作转移。这有多真实,最有可能在哪里产生问题?
尼曼:如果我们可以部署模仿或替代某些相对较高的人类认知元素的系统,并且可以在手机或笔记本电脑上完成此操作,那么一旦我们拥有相对通用的应用程序,我们就会发现就业出现了巨大中断。您一周可以更新十亿部手机。一直都这样。我们必须开始考虑这一点。现在,正在分析问题的这一部分的人们正在关注这样一个事实,即在很大程度上,将要挑战专门的专家,即30万美元的放射科医生。您可以使用神经网络和强化学习来重现这种复杂的训练,但是您不能代替安排您的计划并知道自己害怕抽血的人。有很多人担心失业的影响。首次,我们拥有的技术不仅可以替代劳动力,而且还很糟糕,这是一个巨大的问题。我们的经验和信念是,人们的工作将发生转变,每个人都会找到新的工作,这种流离失所从未面临过。专家之间对于将会发生的事情有很多分歧。
SE:那汽车技术性失业呢?
Neiman:您必须更换所有这些汽车,而且速度很慢。但是,如果您正在谈论更换放射线医生,那么他们已经在以数字方式查看图像。技术不会消除所有放射科医生。需要一些审查结果。但是考虑一下连锁反应—年收入300,000美元的人真正能支撑多少人?当该人退出系统时会发生什么?有次要的作用。相对高价的专业工作(税收和皮肤科医生)将被淘汰出我们的经济。它会提高生产率吗?是的,但这也使我们的经济空洞化。
SE:我们还要担心什么?
曼:存在该技术与没有错误的软件一起部署的风险。很难知道这项技术的效果如何。例如,当涉及到汽车或诊断癌症时,这将是一个问题。如果先进的软件取代了操作员的决策,我们将如何对其进行测试?法律将如何追究公司责任?这是一个问题。另一个问题是,部署速度可能会迅速中断工作,因为不必部署硬件。它可能比社会所知道的应对方法更快地造成大量的失业。过去,自动化主要使肌肉移位。现在它将主要取代大脑,而且我们的历史并不能告诉我们发生多快的情况。随着工业革命,那些手艺不错的人被重新调配到能完成他们以前做过的事情的机器上。事实证明这是一个广阔的市场,市场越来越大,成本下降了。与经济学家交谈时,许多数据和模型表明我们将受到这种压缩,并且会看到大量人进入服务行业。从好的方面来说,我们将需要大量的医疗保健服务人员,尤其是家庭保健护士,老年护理人员和抽血医生。但是随着越来越多的人从事这些工作,工资将下降。最可怕的事情之一是工资和工作两极分化,在这里您会看到受欢迎的工作开始失去他们赚到的钱。我是一个乐观主义者,但是有很多“尖叫者”担心霸主控制一切。

(责任编辑:ioter)

用户喜欢...

主流芯片架构的重大变化

芯片制造商正在研究新的体系结构,该体系结构将显着增加每瓦特和每个时钟周期可处理的数据量,从而为数十年来芯片体系结构最大的转变之一做好准备。 所有主要的芯片制造商和系统供应...


上海载客的自动驾驶汽车

上海地方当局已经颁发了许可证(这是中国第一个许可证),用于对装有乘客的智能和联网汽车进行操作测试,这将为将来的商用机器人打下基础。 地方政府官员在上周的世界自动驾驶汽车生...


小芯片,更快的互连,更高的效率

大型芯片制造商正在寻求架构上的改进,例如小芯片,更快的片上和片外吞吐量,以及在每个操作或周期内集中更多的工作,以提高处理速度和效率。 总体而言,这代表了主要芯片公司的方向...


谷歌:香港智慧城市的现实胜于感知

尽管Google进行的最新民意调查显示,香港是一个智慧城市的看法实际上在过去的12个月中有所改善,但调查显示,只有三分之一或大约30%的居民(与2018年相同)拥有相同的信念。 在2017年至2...


西雅图最成功的创业公司创始人之一离开Uber创立秘密机器人创业公司

华盛顿大学的计算机科学家保罗迈克塞尔(Paul Mikesell)于2001年与他人共同创立了存储巨头Isilon Systems,他离开了优步,并为一家位于西雅图地区的秘密机器人初创公司筹集了资金。 Mikesell没有...


由Islion创始人领导的秘密机器人农业创业公司从Ignition and Bolt筹集了890万美元

由西雅图大学的计算机科学家保罗迈克塞尔(Paul Mikesell)领导的一家秘密的西雅图创业公司的更多细节正在出现,他于2001年与他人共同创立了存储巨头Isilon Systems。 该公司名为Maka Autonomous Ro...


不知不觉间 Android 陷入了一个关于「后台」的怪圈

不知不觉间 Android 陷入了一个关于「后台」的怪圈:一边各大厂商陆续推出了 12G RAM 的手机,另一边你刚刚放到后台的下载任务没有如预期那样后台挂机下载,打开微信发现还得陪启动画面的孤...


98point6将AI推动的远程医疗带给Sam's Club会员

三个州的Sams Club会员很快就可以在一天中的任何时候通过电话直接就医,每次疗程只需$ 1。 这项津贴归功于在密歇根州,宾夕法尼亚州和北卡罗来纳州的一名飞行员,沃尔玛拥有的Sams Club正在...


埃隆·马斯克(Elon Musk)用微博窥视了他对SpaceX的Starship巨型火箭的看法

SpaceX首席执行官埃隆马斯克(Elon Musk)正在德克萨斯州谈论他的星际飞船Mk1原型超级火箭,不到一个星期,就迫切等待他的星际飞船前往月球,火星及其他地方的计划更新。 今天的抢先预览来...


NASA授予Jeff Bezos的Blue Origin 1000万美元的氢氧存储技术

亚马逊首席执行官杰夫贝索斯(Jeff Bezos)的Blue Origin航天事业在美国航空航天局新近宣布的引爆点融资中名列第一,该技术可用于月球和火星的探索和沉降。 Blue Origin总部位于华盛顿州肯特,将...