订阅云计算RSS CSDN首页> 云计算

专访两届图灵奖得主、七大ACM/IEEE院士:人工智能先驱在想什么、做什么?

发表于2015-12-28 08:18| 次阅读| 来源CSDN| 0 条评论| 作者周建丁 卢鸫翔

摘要:包括近两年的图灵奖得主Leslie Lamport博士和Michael Stonebraker博士在内,七位全球计算机科学领域的大师接受CSDN记者专访,解密人工智能背后的科研故事,畅谈人工智能技术的演进及未来发展。

2015年10月28日,以“人工智能,无限可能”为主题的 第十七届“二十一世纪的计算”大型国际学术研讨会在北京召开,包括近两年的图灵奖得主Leslie Lamport博士和Michael Stonebraker博士在内的七位全球计算机科学领域的大师来到现场,为中国高校的新生代人才讲述他们在各自领域取得的最新成果、解读人工智能背后的科研故事,一起探索直达未来的种种可能。 

大会期间,CSDN记者对七位演讲嘉宾进行了视频专访,揭秘他们与数据科学结缘的深层原因,并针对人工智能技术发展经历过的挫折、当前进展和影响、待解的难题、未来的启示等问题,从系统、架构、算法、编程、应用等不同角度进行探讨。本文为全部的采访视频及采访实录。

七位受访嘉宾包括:

  1. Lorenzo Alvisi   德克萨斯州大学奥斯汀分校计算机科学系教授,美国计算机协会院士
  2. 洪小文   微软全球资深副总裁, 微软亚太研发集团主席,微软亚洲研究院院长,微软杰出首席科学家,电气电子工程师学会院士
  3. Thorsten Joachims   康奈尔大学计算机科学系及信息科学系教授,美国计算机协会、美国人工智能学会院士
  4. Leslie Lamport   微软研究院首席研究员,2013年图灵奖获得者,美国计算机协会院士
  5. Peter Lee   微软全球资深副总裁,美国计算机协会院士
  6. Michael Stonebraker   麻省理工学院客座教授,2014年图灵奖获得者,美国计算机协会院士
  7. Demetri Terzopoulos   加利福尼亚大学洛杉矶分校计算机科学系杰出教授,美国计算机协会、电气电子工程师学会、伦敦及加拿大皇家学会院士


七位大师畅谈了各自的观点。Lorenzo Alvisi表示,他希望构建一个系统,它不但会做人们想要它做的事情,而且只会做人们想要它做的事情——而不是其他什么事情,无论在任何情况下,哪怕发生环境问题、恶意攻击、软件缺陷、配置错误等。在工程技术领域,击败复杂性的唯一方法就是竭力做到优雅。这是不断的鼓舞,也是不断的挑战。

洪小文表示,机器比人聪明,临界点等是对AI的高估。今天的AI很大一个部分就是机器学习、大数据分析,基于假设采集真实世界中的数据以后,可以优化算法和假设,优化下一个实验,这个过程叫做closing feedback loop。每一个反馈都能让我的东西更进步一点。今天移动互联网、大数据,以及未来的物联网,允许我们实时地收集数据,实时地把这个loop给关闭起来,每转一圈就进步一点。这个进步将是不得了的,尤其在未来的十年,二十年之内,在各行各业,科技能够带来的所有创新。

Thorsten Joachims从事的研究都与智能搜索和推荐有关。他表示,机器学习就是理解数据,使用数据,以及将数据转化成可以据以采取行动的知识。对于推荐系统,机器能够理解社会和个人对于电影或产品的偏好。这些都是人工智能领域令人赞叹的进步。我们进步的速度越来越快,但从基本知识到杀手级应用还是需要一些时间的。借助机器学习,我们可以很好地理解语音和图像。这些技术都面临着巨大的机遇,但人们要花费很长时间才能把这些技术融入自己的生活。

Leslie Lamport表示,在并行系统中,如果你在启动项目前没有一个坚实的基础,那它很快就会死掉。根本就没有办法对一个并行编程排查错误。如果最基础的概念就是错误的,那么排查错误的同时就会引入同样多的错误。他现在要做的事情是开发一些开发工具,并且教会工程师们如何从事开发工作,拿出准确、严格的设计。至于对我们生活或计算机科学的影响,那就是让计算机程序变得更加值得依赖。

Peter Lee表示,放眼未来,在人工智能在视听方面将有很大的进步,或许可以超出人类的能力,但在理解其所看到和听到的内容方面,能力还有待提升。我们倾向于把人工智能看作人类智能,尽管许多人非常关注这个,但他认为我们永远不会创造出这种人类智能。他表示,我们会有很多十分先进但功能比较狭隘的人工智能产品,它们就在我们身边,包括身上的可穿戴设备,也存在于我们的汽车里和家里。这些设备协同工作时看起来很智能,但从单个设备来讲,它们可能并不比一只狗聪明。

Michael Stonebraker目前最关注的领域是数据集成。遇到的问题,首先就是处理大规模数据库的标准方法,很多问题都需要同步才能进行,虽然现在的想法不少,但是还没有一种确定的解决方案。另外一个问题就是如何对待即将出现的新硬件,包括新型存储器、图形处理器(GPUs)。如何处理日渐增长的数据库规模,也还未能解决。以及复杂性分析,也就是,很多人预测数据科学将替代商务分析,即进行分析的标准做法。事实上,数据科学包含机器学习、预测性建模、数据集群、神经网络等技术——它们都是基于RAZE的,而非工作台活动,所以如何将复杂性分析和数据管理整合起来,也是一个有趣的议题。

Demetri Terzopoulos表示,我们并不能为人工智能界定一个单一的目标。人工智能本身包含着许多方面的努力,每个子领域都有着不同的目标。我们现在的模型是以人类智能为目标的,因为这是我们所知的最高级的智能。他认为,我们能够实现人类的智能,其本身已经非常了不起,但没有什么能够阻止我们去实现超越人类的智能。飞机就是一个很好的例子,我们的飞机已经超越了自然界的飞行机器——鸟类或昆虫等。

从微观角度来看,七位大师在某一具体问题上的意见或许相左,但从宏观的角度,他们都对大数据、机器学习和人工智能的远景表示看好,认为人工智能带来的变革已经开始显现,但同时人工智能应用也还处在初级阶段,需要更多人更长时间的更多努力。

【编者注】七位大神的所有演讲视频及专访视频都会收录在大会专题中:第十七届“二十一世纪的计算”大型国际学术研讨会。本文后续页面为七位大神的专访视频及文字实录。

0
0
  • CSDN官方微信
  • 扫描二维码,向CSDN吐槽
  • 微信号:CSDNnews
程序员移动端订阅下载

微博关注

相关热门文章