在AlphaGo等吸引大眾眼球的事件推動下，AI仍然是技術(shù)的熱點之一，圖像識別等一些成熟的人工智能應(yīng)用也在不斷得到推廣。但是另一方面，機器學(xué)習(xí)乃至深度學(xué)習(xí)的瓶頸和局限又不斷被業(yè)界拿出來討論，甚至有人提出了新的AI凜冬將至的說法。那么在接下來的一年里AI會有哪些進展呢？VentureBeat采訪了吳恩達(dá)、Yann LeCun等多位業(yè)界大牛，讓他們對2019年的AI做出預(yù)測。我們一起來看看。

人工智能一下子扮演起了拯救世界和毀滅世界者的角色。

為了排除炒作和噪音，VB訪談了AI領(lǐng)域的一些杰出人物，這些在全世界的最大型技術(shù)和產(chǎn)業(yè)公司已經(jīng)工作多年，對如何正確做AI有著深刻見地。

以下是Google Brain聯(lián)合創(chuàng)始人吳恩達(dá)、Cloudera機器學(xué)習(xí)總經(jīng)理及Fast Forward Labs創(chuàng)始人Hilary Mason，F(xiàn)acebook AI Research創(chuàng)始人Yann LeCun以及埃森哲負(fù)責(zé)全球AI 的Rumman Chowdhury博士的洞察。我們想了解一下他們對2018年關(guān)鍵里程碑的看法，也想聽聽他們預(yù)測一下2019年AI的發(fā)展趨勢。

在對去年的回顧和對今年的預(yù)測中，一些人說，隨著更多的人理解了AI能做什么不能做什么，自己受到了少聽到一些終結(jié)者式AI末日啟示錄場景說法的鼓舞。但這些專家也強調(diào)，這個領(lǐng)域的計算機和數(shù)據(jù)科學(xué)家必須不斷采用負(fù)責(zé)任的道德標(biāo)準(zhǔn)去推動人工智能的發(fā)展。

Rumman Chowdhury博士

Rumman Chowdhury博士是埃森哲應(yīng)用智能部的總經(jīng)理兼Responsible AI行動計劃的全球負(fù)責(zé)人，曾被評為2017年BBC百大女性。Chowdhury經(jīng)常就人工智能的信任問題發(fā)表意見。

出于時間上的考慮，她通過電子郵件對2019年的AI預(yù)測問題進行了回應(yīng)。本文所有其他人的回應(yīng)均能通過電話采訪進行。

Chowdhury說，2018年她很高興看到對AI能力和局限的公眾認(rèn)知得到改善，同時也聽到了關(guān)于AI產(chǎn)生威脅更平衡一些的討論——而不僅僅是像電影《終結(jié)者》那樣智能機器掌控世界帶來的恐懼。她說：“隨之而來的是大家對隱私和安全，以及AI在塑造我們與后代可能扮演的角色的意識和問題也越來越多?！?/p>

不過她認(rèn)為公眾對AI的認(rèn)知還不到位，在新的一年里她希望能看到更多的人利用教育資源的優(yōu)勢去理解AI系統(tǒng)，并且能夠明智地對AI決策提出質(zhì)疑。

不過有一件事情給到了她驚喜，那就是技術(shù)公司和AI生態(tài)體系的人開始考慮自身工作的道德倫理影響的速度。但她還希望看到AI社區(qū)在消滅“口惠而實不至”方面能做得更多。

她提出：“在AI與倫理領(lǐng)域——除了電車難題以外——我希望看到大家能深入挖掘AI會產(chǎn)生的其他難題，那些尚無明確答案的問題。AI與物聯(lián)網(wǎng)相關(guān)的監(jiān)控‘合適’的平衡在哪里？怎樣才能保證安全又不導(dǎo)致惡化種族歧視的懲罰性監(jiān)管？如何對先進技術(shù)所帶來的好處進行重新分配才不會加劇已有和還沒有的人之間的分化？孩子接觸的程度應(yīng)該如何才能成為“AI原生”的同時又不會被操縱或者同質(zhì)化？如何才能利用AI對教育進行擴充和自動化但仍能保持創(chuàng)造力和獨立思維生生不息？”

未來1年，Chowdhury預(yù)計會看到政府對全球技術(shù)界有更多的審查和監(jiān)管。

她說：“AI和那種能力現(xiàn)在被把持在全球科技巨頭那里，這會引起有關(guān)如何監(jiān)管這個行業(yè)和技術(shù)的大量問題。2019年，我們將開始想出這些問題的答案——當(dāng)技術(shù)是個萬能工具在特定背景下會有不同結(jié)果時，如何對技術(shù)進行監(jiān)管？如何建立監(jiān)管體制才不會妨礙創(chuàng)新或者偏向大公司（可消化合規(guī)性成本）而不是小初創(chuàng)企業(yè)？監(jiān)管要到什么程度？國際性，國家性還是本地性？”

她還預(yù)期AI在地緣政治事務(wù)中的角色還將繼續(xù)演進。

她說：“這不僅僅關(guān)乎技術(shù)，它還是經(jīng)濟和社會的塑造者。我們在這種技術(shù)中反思、放大并施行我們的價值觀，對于要建設(shè)什么以及如何建設(shè)，我們的行業(yè)需要少一點幼稚。”為此，她認(rèn)為大家需要超越AI那種共同的看法，即如果我們不做的話，中國就會做，好像唯有創(chuàng)造才有威力。

她說：“我希望監(jiān)管者、技術(shù)學(xué)家以及研究人員意識到，我們的AI之爭不僅僅是計算機力量和技術(shù)洞察力，就像冷戰(zhàn)不僅僅是核威脅能力一樣。我們有責(zé)任以一種更公平、更均衡的方式去重新創(chuàng)造世界，現(xiàn)在我們有了罕見的機會去這樣做。但這種機會正在飛速流逝，希望我們不要錯失”

在消費者層面上，她相信2019年會看到家庭有更多的AI使用。很多人已經(jīng)變得越來越習(xí)慣于像Google Home和Amazon Echo這樣的智能音箱的使用，以及很多的智能設(shè)備。在這方面，她很好奇想知道在今年的CES大展上會不會有特別有趣的東西出現(xiàn)——這也許會進一步將人工智能整合到大家的日常生活當(dāng)中。

她說：“我想我們都在等著一位機器人管家的出現(xiàn)?！?/p>

吳恩達(dá)

當(dāng)我聽說吳恩達(dá)拿白板開會或者講網(wǎng)課時時，我總是忍不住發(fā)笑。也許這是因為一位既有激情又容易相處的人很容易讓人開懷發(fā)笑。

吳恩達(dá)是斯坦福大學(xué)的兼職計算機科學(xué)教授，他的名字在AI圈很知名，原因有幾點。

他是Google Brain的聯(lián)合創(chuàng)始人，這是一項在Google眾多產(chǎn)品中推廣AI的行動；同時也是幫助企業(yè)集成AI到運營當(dāng)中的Landing AI的創(chuàng)始人。

他還是一些YouTube和Coursera（這家公司也是他成立的）上門一些最熱門的機器學(xué)習(xí)課程的講師，并且成立了deeplearning.ai，還寫了《Deep Learning Yearning》。

2014年他加盟百度擔(dān)任首席AI科學(xué)家，并幫助百度變革成一家AI公司，超過3年后他離開了百度。

最后，還是總額1.75億美元的AI Fund的一員，并且是無人車公司Drive.ai的董事會成員。

吳恩達(dá)本月早期時候發(fā)布了《AI Transformation Playbook》，這是一本有關(guān)解鎖人工智能對公司積極影響的短讀物。

他期望看到2019年會取得進展或者預(yù)期會發(fā)生變化的一個主要領(lǐng)域是AI在技術(shù)或軟件公司以外的地方得到應(yīng)用。AI最大的未被挖掘的機會是軟件以外的領(lǐng)域，他引用麥肯錫的報告來說，到2030年，AI將可產(chǎn)生13萬億美元的收入。

“我認(rèn)為在軟件領(lǐng)域以外的AI應(yīng)用方面2019年將會有很多故事可講。作為一個行業(yè)，我們已經(jīng)做了相當(dāng)多的工作來幫助像Google和百度以及Facebook和微軟這樣的地方——當(dāng)然這些跟我已經(jīng)沒有關(guān)系——但即便是像Square和Airbnb、Pinterest這樣的公司也在開始利用一些AI能力。我認(rèn)為下一波大規(guī)模的價值創(chuàng)造將會是制造廠或者農(nóng)機設(shè)備公司、醫(yī)療保健公司開發(fā)十?dāng)?shù)AI解決方案來幫助自身企業(yè)的時候。”

就像Chowdhury一樣，吳恩達(dá)對2018年公眾對AI能做什么不能做什么的理解程度也感到吃驚，并且對大家的對話不再僅僅圍繞著殺手機器人場景或者一般人工智能展開而感到欣慰。

吳恩達(dá)說，他刻意地回應(yīng)了我的一些很多其他人未必會提出的問題。

他說：“我試圖審慎地舉出若干我認(rèn)為對實際應(yīng)用非常重要的領(lǐng)域。我認(rèn)為AI的實際應(yīng)用是有障礙的，并且我認(rèn)為在這些問題方面若干領(lǐng)域有望取得進展?！薄?/p>

吳恩達(dá)興奮地指出，在未來一年預(yù)計會看到AI/ML領(lǐng)域會取得進展來幫助整個領(lǐng)域發(fā)展。其一是AI會用更少的數(shù)據(jù)達(dá)成精確的結(jié)論，也就是所謂的“少樣本學(xué)習(xí)”。

吳恩達(dá)說：“我認(rèn)為深度學(xué)習(xí)的第一波進展主要是有一堆數(shù)據(jù)老訓(xùn)練非常大型神經(jīng)網(wǎng)絡(luò)的大公司，對吧？所以如果你想開發(fā)一個語音識別系統(tǒng)的話，要用數(shù)據(jù)來訓(xùn)練它10萬小時。想要訓(xùn)練一個機器翻譯系統(tǒng)？得用極大量的平行語料庫句對來訓(xùn)練它，這會創(chuàng)造出大量突破性結(jié)果。我越來越發(fā)現(xiàn)即便你只有小規(guī)模數(shù)據(jù)也能獲得結(jié)果，比如只有1000幅圖像?！?/p>

計算機視覺的另一個進展被稱為“一般化能力”。計算機視覺系統(tǒng)用斯坦福大學(xué)的高端X光機器掃描出來的原始圖像來訓(xùn)練時也許能工作得很好，而且本領(lǐng)域的很多先進公司和研究人員已經(jīng)建立起超越人類放射線醫(yī)師的系統(tǒng)，只是靈活性略差。

他說：“不過如果你把訓(xùn)練好的模型應(yīng)用到取自低端X光機器或者另一家醫(yī)院的X射線時，一旦圖像模糊一點或者X射線技術(shù)人員讓病人稍微偏右邊一點點的話，結(jié)果表明人類放射線醫(yī)師在概括這種新背景的表現(xiàn)就要比今天的學(xué)習(xí)算法好得多。所以我認(rèn)為研究如何改進學(xué)習(xí)算法在新領(lǐng)域的泛化能力將會很有趣。”

Yann LeCun

Yann LeCun是紐約大學(xué)教授，F(xiàn)acebook首席AI科學(xué)家，同時是該公司研究部門Facebook AI Research（FAIR）的創(chuàng)始主任——FAIR是PyTorch 1.0與Caffe2以及Facebook每天使用數(shù)十億次的文本翻譯工具及類似下圍棋的先進強化學(xué)習(xí)系統(tǒng)等若干AI系統(tǒng)的開發(fā)者。

LeCun相信，F(xiàn)AIR研究和工具開發(fā)采取的開源策略是正確的，這為督促其他大公司也做相同的事情起到了幫助作用，進而可推動整個AI領(lǐng)域的發(fā)展。

他說：“當(dāng)有更多的人就研究進行溝通時，整個領(lǐng)域就能更快地取得進展，這其實會產(chǎn)生相當(dāng)大的影響。今天你看到AI取得進展的速度很大程度上是因為有更多的人更快更高效地進行溝通，并且做出了比過去更多的開放性研究。”

在倫理方面，LeCun也很高興看到取得了進展。不為別的，光是考慮到這方面工作的道德影響以及帶偏見決策的危險就不錯了。

他說：“這個現(xiàn)在已經(jīng)被視為問題，大家已經(jīng)意識到需要多加注意。2、3年前還不是這樣的?！?/p>

LeCun說他并不認(rèn)為AI的倫理和偏見問題會成為亟待采取行動的重大問題，但他認(rèn)為大家應(yīng)該為此做好準(zhǔn)備。

他說：“我認(rèn)為并不存在亟待解決的生死問題，但是這種問題會有，而我們需要理解那些問題，并在發(fā)生前阻止其出現(xiàn)?！?/p>

就像吳恩達(dá)一樣，LeCun希望看到有更多的AI系統(tǒng)能夠具備那種靈活性，即不需要新的輸入數(shù)據(jù)或者確切條件才能得出精確輸出的更健壯的AI系統(tǒng)。

LeCun說研究人員用深度學(xué)習(xí)管理感知已經(jīng)做得相當(dāng)好，但是缺失的一環(huán)是對完整AI系統(tǒng)整體架構(gòu)的了解。

他說教機器通過觀察世界來學(xué)習(xí)需要自監(jiān)督學(xué)習(xí)，或者基于模型的強化學(xué)習(xí)。

他說：“不同的人給它起了不同的名字，但基本上人類嬰兒和動物都市通過觀察和發(fā)現(xiàn)有關(guān)的龐大背景信息來了解世界是如何運作的，我們現(xiàn)在還不知道用機器如何來做到這一點，這是我們面臨的巨大挑戰(zhàn)之一。攻克它的獎勵是AI與機器將取得真正的進展，它們將會具備一點常識，我們的虛擬助手對話起來將不會那么令人沮喪，大家討論的話題也將更加廣泛?！?/p>

至于可以幫助Facebook內(nèi)部的應(yīng)用，LeCun說自監(jiān)督式學(xué)習(xí)方面的重大進展將非常重要，需要少一些數(shù)據(jù)也能返回精確結(jié)果的AI也一樣不可或缺。

他說：“在解決這一問題的道路上，我們希望能找出辦法來減少完成機器翻譯或者圖像識別等任何特定任務(wù)所需的數(shù)據(jù)量，而且在這個方向上我們已經(jīng)取得一些進展；我們已經(jīng)應(yīng)用弱監(jiān)督或者自監(jiān)督學(xué)習(xí)到翻譯和圖像識別，這對Facebook使用的一些服務(wù)產(chǎn)生了影響。也就是說這些不僅有長期的影響，短期也會有影響?！?/p>

在將來，LeCun希望看到AI能在朝著在事件之間建立因果關(guān)系的方向取得進展。這種能力就不僅是通過觀察去學(xué)習(xí)了，而且還要有實際的理解，比方說，如果人打傘的話，能推理出大概是下雨了。

他說：“這一點非常重要，因為如果你希望機器通過觀察來學(xué)習(xí)世界的模式的話，它就得知道自己可以去影響什么來改變世界的狀態(tài)，而有些時候是你做不了的。你知道如果你在房子里面，面前有一張桌子，桌上有一個東西比如一瓶水的話，你知道你推它一下它就會移動的，但你沒法移動桌子因為它又大又重——像這樣的東西就跟因果關(guān)系有關(guān)。”

Hilary Mason

2017年在Cloudera收購了Fast Forward Labs之后，Hilary Mason就成為了Cloudera負(fù)責(zé)機器學(xué)習(xí)的總經(jīng)理。Fast Forward Labs盡管被并入了Cloudera，但仍然繼續(xù)運營，生成實用的機器學(xué)習(xí)報告并為客戶提供建議，讓他們洞察6個月到2年的未來。

2018年令Mason感到驚訝的一項進展與多任務(wù)學(xué)習(xí)有關(guān)，也就是推理比方說圖像中的物體的時候訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)來應(yīng)用多種標(biāo)簽。

Fast Forward Labs也一直在建議客戶考慮AI系統(tǒng)的倫理影響。Mason看到，大家對有必要適當(dāng)植入某種倫理框架的意識正在增強。

Mason說：“我們自5年前成立Fast Forward以來就一直在每份報告中在寫倫理方面的東西，但今年（2018年）大家真正開始留意并重視起來了，我認(rèn)為接下來的一年我們會看到那些還不注意這些的公司和人出現(xiàn)一些后果或者要負(fù)擔(dān)責(zé)任。其實我的意思是說，我希望數(shù)據(jù)科學(xué)和AI的實踐要有所演變，用AI做產(chǎn)品的技術(shù)人和商業(yè)領(lǐng)袖都要考慮倫理和偏見問題，要對那些產(chǎn)品的開發(fā)負(fù)責(zé)，這應(yīng)該成為大家默認(rèn)的期望，但目前還不是每個人都會考慮這些?！?/p>

接下來的一年隨著越來越多的AI系統(tǒng)成為商業(yè)運營的一部分，Mason預(yù)計產(chǎn)品經(jīng)理和產(chǎn)品領(lǐng)導(dǎo)會開始在AI方面做出更多的貢獻，因為他們所處的位置是最適合做這個的。

她說：“我想顯然是清楚整個產(chǎn)品思路并且理解業(yè)務(wù)的人也理解哪些東西有價值哪些沒有價值，這些是最適合對應(yīng)該在哪里進行投資做出決策。所以如果要我預(yù)測的話，我認(rèn)為就像我們預(yù)期所有這些人最起碼要懂得利用像電子表格這樣的東西進行簡單的建模一樣，我們很快也會預(yù)期這些人起碼能夠意識到自己的產(chǎn)品什么地方存在AI機會?！?/p>

AI的大眾化，或者擴張到公司除數(shù)據(jù)科學(xué)團隊以外的地方，這些若干公司所強調(diào)的，其中就包括了Google Cloud AI產(chǎn)品如Kubeflow Pipelines和AI Hub等，以及咨詢公司CI&T的建議等，這些都確保了AI系統(tǒng)能夠的企業(yè)內(nèi)部實用化。

Mason還認(rèn)為會有越來越多的企業(yè)需要建立機構(gòu)來管理多個AI系統(tǒng)。

Mason說，就像一個有時候被用來描述從事DevOps的人所面臨挑戰(zhàn)的類比一樣，管理一個系統(tǒng)可以用手工部署定制化腳本來完成，而cron jobs可以管理小幾十個。但是如果你要在一個有安全、治理和風(fēng)險要求的企業(yè)管理數(shù)十個或者上百個系統(tǒng)時，你就得有專業(yè)的、健壯的工具。

她說，企業(yè)追求機器學(xué)習(xí)和AI機會的態(tài)度也正在轉(zhuǎn)變，從追求能力甚至人才轉(zhuǎn)變到系統(tǒng)性的方式。

強調(diào)部署AI的容器對Mason來說是有意義的，因為Cloudera最近推出了自己的容器型機器學(xué)習(xí)平臺。她相信這一趨勢在未來幾年會繼續(xù)，所以企業(yè)將可以在本地或者云端部署AI之間做出選擇。

最后，Mason認(rèn)為AI的業(yè)務(wù)會繼續(xù)演變，會在業(yè)界形成普遍實踐，而不僅僅是在公司內(nèi)部。

她說：“我認(rèn)為我們將看到AI職業(yè)實踐的不斷演變。當(dāng)下，如果你是一家公司的數(shù)據(jù)科學(xué)家或者ML工程師，如果你換了一家公司的話你的工作就會徹底不一樣：工具不一樣，預(yù)期不一樣，匯報結(jié)構(gòu)不一樣。我認(rèn)為今后我們會看到這些實踐的一致性。”