对话 MIT 人工智能试验室主任 Daniela Rus:AI 不存在双刃剑,都是人类惹的祸

时间:2019-05-30 11:25:52  来源:龙翔网

【龙翔网修改】

原标题:对话 MIT 人工智能试验室主任 Daniela Rus:AI 不存在双刃剑,都是人类惹的祸

跟着机器学习与人工智能技能的开展,现在,越来越多的公司、个人开端运用 AI 技能,为未来下着重要“赌注”。可是,人一旦动了歪脑筋,AI 也或许会作恶,怎样好好运用技能这把双刃剑,是咱们最为注重的。

5 月 25 日,由乂学教育-松鼠 AI、IEEE 教育工程和自习惯教育规范作业组、我国主动化学会、新东方、好未来等一同举办了第三届 AIAED 人工智能智习惯教育峰会。在会上,来自麻省理工学院(以下称 MIT)计算机科学与人工智能试验室主任 Daniela Rus 宣布了相关主题讲演。

她在讲演中表明,人类需求找到真实发生影响的资源,影响科技改动国际的方法,而这是 21 世纪傍边最为重要的课题。

关于未来人工智能技能与算法的开展,她以为人类需求慎重、细心地看待。

Daniela Rus 是机器人范畴的权威专家,MIT 计算机科学和人工智能试验室(CSAIL)主任,从前一手创办了达特茅斯学院机器人试验室。DeepTech 和麻省理工科技谈论曾报导的“抓取式”软体机器人、折纸机器人等重要论文与技能成果,都是由 Daniela Rus 和她的团队一同研制的。

在 AIAED 大会上,Daniela Rus 对现在 AI 与机器人范畴的技能远景进行了评价,并表明达观,她以为这傍边充溢时机。

“咱们幻想一下,有一天咱们日常日子的一切使命都由机器人来代替了,无人机把食物送到门口,废物能够主动被收回。幻想一下这些智能体系使得日子的方方面面都主动化,确保咱们日子得很好,作业愈加高效。”她十分兴奋地说。

其实,这种场景已经在逐渐完成中。早前外媒曾报导,美国乔治梅森大学(George Mason Uniersity,简称GMU)打造了全球规划最大的学校机器人送餐服务。送餐机器人在路上行走,能够将食物送到指定方位,学生自主取出热腾腾的食物。

图 | 送餐机器人,来历:kuow.org

与此一同,亚马逊、京东、阿里巴巴等电商巨子,也在不断测验经过无人机等多种方法,将物品送到用户手中。所以,年代在不断开展,而人类正在享受着技能带来的快捷与夸姣。

但群众也要意识到,技能是中立的,终究的成果取决于操控技能的人。若数据与算力存在很大的误差,或许会形成难以幻想的惨烈成果。

Daniela Rus 对此感到忧虑,她表明,尽管 AI 有许多优势,可是要警觉人类“抄近道”,该弄的东西没有弄,诈骗技能与体系,形成很大的困扰。一同她又指出,这一切其实跟 AI 技能的联系并不大,而是与人类的操控有关。

人类需求长于运用技能上的优势。人做人最拿手的作业,机器做机器最拿手的作业,“耍小聪明”不是正派之道。

在 AIAED 大会后,Daniela Rus 教授接受了 DeepTech 的采访,聊了聊现在人工智能技能难点以及未来她想研讨的机器人是哪种类型等。以下是采访实录收拾:

中美在AI范畴各有千秋

DeepTech:我国和国外在 AI 技能与人才方面还存在哪些差异?我国的 AI 鼓起还有什么立异的时机?

Daniela Rus:你或许看过李开复的《AI·未来》,讲到我国有必定的优势,比方我国的数据收集量比较大,使得我国有更多的 AI 技能空间能够发挥。但从 AI 人才教育的视点来说,我国相对还比较死板,应试教育的气氛较为稠密,小孩或许更注重考上哪个大学;美国则相对更灵敏一些,更想着我要去处理什么样的问题。

我国从教育体制,包含从学生对 AI 的情绪来说,或许仍是有一些当地需求改进。但总的来说,中美 AI 技能人才与研讨才能都是十分强壮的,各有千秋,我国在这一范畴仍是有许多开展空间的。

技能难点与处理方案

问:AI 技能研讨中有遇到什么困难吗?

Daniela Rus:曾经,咱们幻想中的机器人或许都是金属的、塑料的,或许长得像人,或许像人相同动作。但实践上,当我从事这项作业的时分,从一位制造机器人的研讨者视点看,机器人或许有不同的形状,也能够有不同的功用,或许是木头做的,也或许是布、纸做的,或许能够用食物做机器人。

用那些东西做成机器人,人能够把机器人吃到肚子里,在肚子里边作业,作业完了就消化掉了。所以,在技能研讨中,更多要考虑的是抱负与实践之间的运用联系。

问:在研讨机器人技能的时分,有哪些应战值得和咱们一同共享?

Daniela Rus:三个很重要的应战,榜首个,怎样制造大脑,机器人怎样考虑,怎样找到问题处理方案;第二个,怎样制造机器人的言语;第三个,人机交互。

榜首个,大脑。机器人的考虑进程与人类不太相同,运转环境并没有那么多样化。但在机器人实践运用中,杂乱的环境应战,无法在试验室中进行提早预知问题的处理方案,机器人的大脑在推理、考虑、认知上都具有很大的应战。

第二个,制造机器人的言语化。机器人自身榜首言语仍是十分底层的言语,所以彼此做一个东西,需求适当长的开发时刻来做底层的言语。别的,制造自身仍是没有一个十分简略的东西。

第三个,人机交互。怎样能够了解人的反响,这自身仍是很有应战的。

问:人工智能的计算成果常常是随机的,不行解说的,怎样处理这个问题?

Daniela Rus:咱们已经有了许多方法来处理此类问题,比方方才说到的神经网络。现在来说,神经网络仍是有许多黑盒子进程,咱们无法直接解说,也无法从数据视点给出一个处理方案,这实践是人工智能的一个很大的课题。

可是从某种视点来说,这也是一个必定的进程。从人工智能范畴来说,打破黑盒子,解说并给出处理方案,是一个探究进程。别的,方才也谈到,现在数据量很大,假如一个神经网络有特别多的节点,自身的杂乱性就会十分高。现在有些方法能够把节点紧缩,把杂乱的内容紧缩到相对简略,比方说从 200 万紧缩到 20 个节点等方法。

图:左为乂学教育松鼠AI首席架构师Richard Tong,右为全球最大的MIT计算机及人工智能试验室主任、乂学教育松鼠AI参谋委员会委员Daniela Rus,来历:松鼠AI

AI 技能引发的问题

问:AI 是一把双刃剑,在数据和算力之间存在必定误差,在某种场景,AI 也存在必定的危险性。那么,AI 技能在教育范畴下会发作哪些的极点景象?

Daniela Rus:咱们一向听到,AI 的优势是什么,能够带来多少收益等正向的论题。当然,人有无限或许,人类或许会采纳做弊、诈骗等情绪,也便是所谓“抄近道”,该弄的东西没有弄,诈骗体系与技能。

这种景象是必定存在的,但实践上骗的是自己,终究呈现出的后果并不是 AI 的问题,而是人类终究自作自受,搞垮算了。

问:数据、算法的轻视问题,怎样能做到尽或许“数字公正”?

Daniela Rus:现在咱们对算法轻视问题表明关怀,这是很正常的,群众的确有这样那样的顾忌,我以为,这也是研讨人员亟待处理的一个问题。

本年,我的项目组里出了不同的论文,但论题都是共同的,便是怎样处理机器学习里边发生的成见。咱们知道,面部辨认呈现过许多问题,便是所谓成见性的东西。现在来看,处理此问题的方法,仍是深度研讨。

问:AI 需求许多数据,欧洲许多国家都会觉得太侵略隐私了,会有一些阻力。你怎样判别 AI 技能对隐私的维护发生抵触问题?

Daniela Rus:这个或许仍是更简略一些,由于许多作业是双刃剑。

谈未来研讨方向

问:你觉得在分布式机器人范畴会有哪些开展,它的趋势是什么?

Daniela Rus:未来咱们的日子环境里会有许多机器人,这种状况下必定是分布式的,彼此有和谐问题。

比方:主动驾驶轿车,每一辆主动驾驶轿车都适当于一个机器人,它们彼此之间的和谐,在实践路途环境中能不能经过监测的方法,彼此感知,了解彼此方位,并彼此和谐。

问:您的下一步研讨方向是什么?

Daniela Rus:聚集机器人研讨的几大方面,榜首个是不同形状、不同资料的机器人;第二个,把一个人有方针性的主意,直接转化成机器能够履行的指令、句子;第三个,机器人更像人,会穿衣服,这样很美观,将机器人变得愈加时髦。

问:当机器人代替人类的功用时,会发生什么影响?

Daniela Rus:其完成在没有必要忧虑代替的作业,首要人工智能还没有真实到达“人类智能”,还差得特别远。

别的,其完成在咱们看到机器人所代替的作业,更多是能够预见的,辅佐性质大于代替性质的。比方,理疗师按摩要 30 分钟,成果运用机器人方法,花 10 分钟就完毕了。

其实,重复性很强的东西,能够用机器人代替,这些都是可预见的,并没有真实的智能在里边。所以,机器人代替不了人类,还差的十分远。

参阅:

https://www.kuow.org/stories/delivery-robots-are-now-cleared-to-drive-on-washington-sidewalks#

-End-
龙翔网发布!