您正在使用IE低版浏览器,为了您的雷峰网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
业界 正文
发私信给肖漫
发送

0

关于 Google AI 的发展方向,掌门人 Jeff Dean 来揭秘

本文作者:肖漫 2019-12-16 17:18
导语:Google AI 的路,会向哪走?

关于 AI,一面天使,一面恶魔。

AI 应用会向着哪一极发展,不在于 AI 本身,而在于创造 AI,应用 AI 的人。自 AI 诞生以来,关于 AI 的发展、利弊等方面的讨论屡见不鲜。从 DeepFake 的 AI 换脸风波,到 DeepNude 的一键脱衣,AI 在带来生活便利性的同时,也招致了 AI 伦理的质疑。

AI 的路,究竟该如何行进下去?

关于这个问题,致力于“AI first”发展的 Google 或许有着不一样的发言权。而近日,Google 首席架构师、AI 团队负责人 Jeff Dean 在媒体采访中就对 Google AI 带来的相关问题进行了回应,雷锋网对相关内容进行了不改变原意的编译。

关于 Google AI 的发展方向,掌门人 Jeff Dean 来揭秘

雷锋网注:【 图片来源:WIRED  所有者:WIRED 】

问:您做了一个关于制造新型计算机来驱动机器学习的研究报告,能否透露一下 Google 正在测试什么新想法呢?

答:在芯片上利用机器学习进行电路的布置和布线。当你设计了一堆新的电路后,你需要把它融进芯片中,以一种有效的方式对面积、使用功率以及其他参数进行优化。

通常情况下,人类学专家在几周内就可以完成。而我们可以获得和人类学专家同等,甚至是更好的效果。在 Google,我们就一直在使用不同的内部芯片,如 TPU 这种(雷锋网按,Google 的自定义机器学习芯片)。

问:如今,具有强大功能的芯片对 AI 的发展越来越重要,但 Facebook 的 AI 负责人最近却表示这种依靠芯片发展 AI 的策略将会陷入瓶颈。在本周,Google 的一位顶级研究人员也附议了这个想法,你怎么看呢?

答:我认为,建立一个更有效、规模更大的计算系统,尤其是为机器学习量身定制的系统依然是很有潜力的。并且,在过去五六年里所做的基础研究也有很大的应用空间,我们将与 Google 产品部的同事进行合作,将这些东西投入实际应用。

不过,我们也在考虑一些即将到来的问题,考虑今天能做什么,不能做什么。另外,我们还想构建一个泛化到新任务的系统,如果能用更少的数据、更少的计算来做事情,这将很有趣。

问:近期,在国际人工智能顶级学术会议 NeurIPS 上,关于人工智能应用程序的伦理问题颇受关注。在 18 个月前,Google 曾因与五角大楼合作的人工智能项目“Maven”遭到抗议而宣布了一套人工智能伦理原则,在那之后,人工智能在 Google 的工作中发生了什么变化?

答:我认为,我们将这些原则付诸实践的方式将能够让 Google 员工更好地理解这些原则。不过,这需要一个过程。通过这个过程,产品可以在设计整个系统之前,以某种方式使用机器学习来获得早期的意见,比如,你应该如何收集数据,以确保它没有偏见或诸如此类的事情。

同时,我们也将继续推动那些体现在原则中的研究方向,我们在偏见、公平、隐私和机器学习等方面做了很多工作。

问:虽然 Google 发布的原则剔除了武器方面的合作,但仍然与政府有国防方面的业务往来。想请问在 Maven 项目之后,Google 是否启动了任何新的军事项目?

答:我们很乐意以符合我们原则的方式与军方或其他政府机构合作。比如说,如果利用云计算能够提升海岸警卫队人员的安全性,那我们将很乐意这么做,同时,这也确实是云计算部门的业务范围。

问:近期,DeepMind 的联合创始人 Mustafa Suleyman 宣布加入 Google,他提到将与您以及 Google 首席法务官 Kent Walker 一同合作,请问你们将会一起做些什么呢?

答:Mustafa 对人工智能相关政策的问题有着广泛的见解,同时,他也参与了 Google AI 原则的审查过程,我认为他应该会聚焦于 AI 伦理和和 AI 政策的相关工作上。关于他的工作内容,我想应该由他个人说明会好一些。

另外, Kent 团队目前正在致力于完善人工智能原则,为那些想要在 Google 产品中应用人脸识别等 AI 功能的团队提供更多的指导。

问:在本周,您曾就“机器学习如何帮助社会应对气候变化”这一主题发表了演讲。那么,您认为(机器学习的)机会在哪儿呢?您又是如何看待机器学习项目本身带来的大量能耗呢?

答:事实上,机器学习在气候问题上能有许多方面的应用。最近,有一篇关于利用机器学习应对气候变化的论文发表,有 100 多页长,我的同事 John Platt 是作者之一。论文里提到,机器学习可以帮助提高交通运输的效率。另外,由于传统模型的计算量非常大,限制了空间分辨率,而机器学习能使气候模型更加精确。

我主要关注的是碳排放和机器学习。在我看来,机器学习项目的碳排放在总排放量中所占的比例还是相对较小的。在 Google 数据中心,我们全年所有计算需求的能源都是 100% 可再生的。

问:除了气候变化,您和您的团队明年还将扩展哪些研究领域呢?

答:下一年可能会多致力于“多模式学习”:具有不同类型的模式的任务,例如视频和文本、视频和音频。作为一个社区,我们在这一方面做的还不够多,未来将会在这一方面多发力。

另外,关于医疗保健的机器学习也将会是我们所聚焦的领域。

还有,设备上的机器学习模型也是我们关注的。如果我们能够把设备上的机器学习模型做得更好,我们就可以将更多有趣的功能加入到 Google 硬件部门所制造的手机和其他设备中。

雷峰网原创文章,未经授权禁止转载。详情见转载须知

分享:
相关文章

资深编辑

关注智能硬件、IoT、机器人 | 微信:Elena_Xiao1025
当月热门文章
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说