吴军北京来信:人工智能应该变成通识教育,区块链不是炒概念

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
NLP自然语言处理_高级版,每接口累计50万次
NLP自然语言处理_基础版,每接口每天50万次
简介: 人工智能应该变成通识教育,区块链不是炒概念

吴军北京来信:人工智能应该变成通识教育,区块链不是炒概念


吴军北京来信:人工智能应该变成通识教育,区块链不是炒概念

就像今天在每一所理工院校的图书馆,都能找到几台正在播放吴恩达深度学习课程的电脑,10年前,在每一栋理工院校的宿舍楼里,都能看到几本被放在枕边的《数学之美》。

提到人工智能领域的领路人,这两位都曾就职于谷歌的吴老师,影响了一代中国AI学习者。

2006年,当时的谷歌成立还不足10年。时任智能搜索部科学家的吴军,将其在谷歌黑板报发出的一批技术文章整理成集,并以《数学之美》的名字出版发布。无数正对技术世界懵懵懂懂的青年人因为这本书,走上了计算机、数据挖掘、甚至人工智能的道路。

今年3月初,大数据文摘有幸在北京见到了吴军老师,并就当前几个有趣的话题(人工智能的数学基础、区块链、信息焦虑等)和他聊了一小时。

吴军:博士,知名自然语言处理和搜索专家,硅谷风险投资人。吴军博士曾经担任谷歌资深研究员,设计了谷歌中、日、韩文搜索算法以及谷歌的自然语言分析器。2010-2012年担任腾讯负责搜索和搜索广告等业务的副总裁,后回到谷歌负责计算机自动问答项目。他的著作《数学之美》荣获国家图书馆第八届文津图书奖、第五届中华优秀出版物奖,《文明之光》被评为2014年“中国好书”,《浪潮之巅》荣获“蓝狮子2011年十大极佳商业图书”奖,《智能时代》开启了2016智能时代元年。

以下为大数据文摘整理的采访实录:

关于深度学习与人工智能

大数据文摘:把神经网络当做黑盒使用的深度学习,似乎还没有特别稳固和完善的数学支撑,其发展是否会遇到瓶颈或者不可控性?

吴军:也不能说(深度学习)没有数学基础,从计算机来讲,它是有一整套完整的模型的。与其说它没有数学支撑,倒不如说是因为没法解释。从这个角度来讲,它确实是一个黑盒子,我只知道输入什么信号,然后输出优化结果。但是,这是不是瓶颈也不好说。

当然(深度学习)还有几个不好解释的地方,比如到底多少层好,有人说在可计算的情况下,层数深的就是好,但是到底为什么?也没人能解释。

所以现在整体来讲,在工业界,在学术界比如说MIT,他们都试图做一些解释,但是我到现在没有看到太合理的解释。

大数据文摘:人工智能的未来,是不是有可能和认知科学的研究进行关联获得更大的突破?

吴军:人工神经网络和生物神经网络没有半点关系,并不是简化了模型,因为我们还没有搞清楚人的神经网络是怎么回事。

但是大家还是用了这个词。

因为从拓扑结构上,(人工神经网络)可能有点像人的脑细胞和神经这种关系。但人的脑细胞神经的连接和人工神经网络完全是两回事。

我曾经在斯坦福商学院听到真正研究生物神经元的一个诺贝尔奖获得者的一次讲座。老教授第一句话就说,人工智能跟我的研究半点关系没有?结果这商学院那些学员就马上跳起来说,那我们还来听你的课干什么。(笑)

但其实很多时候并不需要有那么多的关系,飞机的飞行和鸟类的飞行的原理是完全不一样的,火箭和飞机又是不一样的,马跑和汽车跑也是不一样的,只要最后能达到目就好,这是我的看法。

认知科学本身又是一个黑盒子,就是说大家搞不清楚是怎么回事。

吴军北京来信:人工智能应该变成通识教育,区块链不是炒概念

最近认知科学的概念特别的火,包括人的一些语言能力、我们人的语法为什么构建出这样一种表达方式,都属于认知科学的范畴。比如说我在美国那时学自然语言处理,大部分时候你可能会把它放在计算机系,跟人工智能有点关系。而很多大学又把它放在认知科学系,这里头其实是有交叉的。

但从另一点来讲,认知科学还是一个交叉科学,涉及到很多领域。

到目前为止,我们今天理解和使用的人工智能和生物学,并没有太紧密的关系。

有人试图来做一些结合,但它并不是仿生借鉴,比如说利用人工智能技术对人脑的一些缺陷进行一些补充。

现在有两个事情被证明大概是完全可行的,而且效果还不错。

第一,我们知道有些帕金森综合症患者大脑中有一部分功能丧失了,使用人工智能的芯片有可能把这部分功能恢复,类似心脏起搏器。

第二,是大脑是没问题的,但是比如说脊椎断了,无法控制肌肉,这时候可以放置一个有发射功能的识别芯片。它能够采集到神经信号的变化,采集到人的意念。布朗大学有个研究,就是用大脑控制机械手臂打字。大概一分钟能打30个字符,没有人快,但是OK。这就是现在是可以做到的。

早期的芯片比较简单,几百个电极在接收人的信号,第二代大概能做到上万个。接下来有一些纳米技术可能做到上百万,就可以比较准确接收到信号了。

有一些机构比如布朗大学,已经在做这些事情,也有一些demo产生。

吴军北京来信:人工智能应该变成通识教育,区块链不是炒概念

ELON MUSK最新创建了一家名为Neuralink的链接人脑和机器的创业公司(点击查看)

大数据文摘:作为投资人,您觉得人工智能在商业变现方面最可能出现的突破点会中哪里?

吴军:我们看到的至少有四个方向。

第一个刷脸,这个肯定是就是人脸图像识别。

第二就是自然语言理解技术,如人机的对话、机器翻译、家庭助手。

因为如果一个设备太大或太小,用键盘都是不方便的。通过自然语言理解技术,能解决不少问题,如亚马逊的Alexa。

吴军北京来信:人工智能应该变成通识教育,区块链不是炒概念

亚马逊智能语音硬件ALEXA

第三就是机器人技术。尤其一些危险的场合,人不适合去的。这种其实不需要是人形机器人,针对特定场合设计不同的形状,能解决问题就好。其实无人驾驶汽车也是一种特定的机器人。

第四个是和IOT相结合的智慧城市。

人工智能不是一个虚的话题,在商业上的收益其实是可以看得见的!

关于区块链技术

大数据文摘:您怎么看待区块链技术/概念?这会是大数据人工智能之后的下一个趋势么?

吴军:区块链不是炒概念。

这个名词起的很好,它反映了这个技术的本质。

区块是一个记录,链是一个过程,所以它很详细也很清楚地表示了这种技术的两个特点。

它会不会是下一个趋势呢?

首先它和大数据人工智能是不矛盾的,我想要强调这一点。但是它和前面这两者又有一个区别,在应用场景或者作用上的区别。

例如,大数据和人工智能是生产力,使得我们的效率能够提高;而区块链是生产关系,它可以衡量我们每一个人的一个贡献。所以它和大数据人工智能应该是互补的,我不觉得是一个取代关系。

第一代区块链就是比特币,但是你很难拿这个协议干别的事。基本上了解了它的设计思想,你得重新写一个。后来到第二代以太坊能够分出去做二次开发了,可以利用它发币了。这是区块链之所以起来很快的一个重要原因。大家发现这个圈钱圈得很快,而人工智能是不太能直接圈钱的。

我个人觉得区块链的应用远比发币多。

物流是一个应用。像阿里巴巴也在尝试,我们投了一家公司,在这方面做的也还蛮好。

第二个就是智能合约,中国过去说的三角债、拖欠农民工工资等,都可以用区块链技术来解决。所以它的应用远比发币要大得多。

有些东西是可以用区块链解决,但它并不是必须的,比如医疗,现在有人在考虑个人隐私信息,比如病例的信息能不能用区块链技术,把所有权和查询权给分开。

大数据文摘:最近很多人会把区块链的兴起跟互联网的兴起相比较,您怎么看?

吴军:不太一样。

互联网是一个很实在的东西,而且93、94年大家认识互联网以前,它已经存在了20多年了,也不会有什么太大的技术障碍,只差一个扩散的问题。但是目前区块链还在一个探索阶段。

大数据文摘:互联网和人工智能催生了一批独角兽?区块链会吗?

吴军:区块链是一个生产关系,它不完全是一个生产力。互联网是生产力,所以你用了它,效率比别人高,就赢了。区块链更是一个生产关系,是一个分配制度。你只能说新的公司,它的制度比另外一个公司好,但是制度再好,你总得做点实际的事才知道好在哪里。

关于信息焦虑

大数据文摘:如何看待当前对区块链这类科技领域新概念带来的焦虑?如何克服这种焦虑?

吴军:这种焦虑的主要原因是时代的变化快。

我在谷歌方法论里讲过这么一个现象。那一周的内容叫做“反对悲观主义”。什么意思呢?就是任何一个时代里,都有大量的悲观主义的人群,或者说是焦虑人群。

说世界现在是很好,一切都没问题,你就被人骂。如果天天说要塌了,大家都说你对。

过去有人说,人口爆炸,将来地球一定装不下,现在好像这事也没发生;70年代,大家说再过20年,全世界的石油就要用光了。现在都已经过去了40多年了,石油还不知道什么时候用光;80年代说酸雨不得了,所有所有的植物都要完蛋掉,也没发生;2000年前担心千年虫的影响;2000年后担心全球变暖;现在担心人工智能……反正总是在焦虑中。

除了最后两件事,现在还没有被证实是过度焦虑,其他以前的事好像都是有点过度焦虑。

从某种角度上来讲,上帝好像特别照顾人类,到了时间点,问题自动就消失了。其实不是问题自动消失了,问题本来可能就没有你想象的这么大。这是第一点。

第二个点是,历朝历代都怀念“过去的好时光”。

这种看法其实自古有之。最早在雅典的黄金时代,他们会说再往早几百年前,那时代比我们现在好很多。包括柏拉图也是这么写,对未来有担忧,对以前的时代很欣赏;孔子也一样,说当时是礼崩乐坏。英国工业革命的时候,也怀念乡村过去生活有多么好,现在我们的城市多么糟。

这是人类的一个习惯,老怀念过去的好事,其实每个时代都有每个时代的焦虑!有些时候你可以心平气和地来看待,不必要过度担心。

关于“见识”

大数据文摘:在您最新著作《见识》中,您提到,个人的成就首先取决于“见识”,如何真正做到“有见识”?

吴军:找到自己真正擅长的领域。

见识首先是一个判断力,就是你该做什么,不该做什么。比如,面对一张数学考卷,你有些内容会,有些内容不会。考试时间两个小时,应该怎么办?

根据我的观察,包括我在清华当老师的经历,很多考不好的同学,都是把大量的时间花费在分数占比相对较低,却很难的题目上,而没有重点关注分数占比高,却相对容易的题,这本身就是一个见识,捡了芝麻,丢了西瓜。

大部分人是喜欢获得,不喜欢失去。其实一个人最后成功,不在于他开始多少件事情,是在于他结束了多少件事。这些都是见识。写这个书的很重要目的就也就是希望让大家少走点弯路!

原文发布时间为:2018-04-01

本文作者:大数据文摘

本文来源:36Kr,如需转载请联系原作者。


目录
相关文章
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与未来教育:探索智能教学的新纪元
【10月更文挑战第16天】 在21世纪这个信息爆炸的时代,技术革新正以惊人的速度改变着我们的生活和工作方式。其中,人工智能(AI)作为引领变革的先锋力量,不仅重塑了工业、医疗、金融等多个行业的面貌,也正悄然渗透进教育领域,预示着一场关于学习与教学方式的革命。本文旨在探讨人工智能如何为未来教育带来前所未有的机遇与挑战,从个性化学习路径的定制到教育资源的优化分配,再到教师角色的转变,我们一同展望一个更加智能、高效且包容的教育新纪元。
|
22天前
|
机器学习/深度学习 人工智能 自然语言处理
探索人工智能在教育领域的应用与挑战
随着科技的不断进步,人工智能(AI)技术已经深入到社会的各个领域,其中教育领域尤为突出。本文旨在探讨人工智能在教育领域的应用现状、面临的挑战以及未来的发展趋势。通过分析AI技术如何改变传统教学模式,提高教育质量和效率,同时指出其在实际应用中可能遇到的问题和挑战,为未来教育的发展提供参考。
145 2
|
1月前
|
机器学习/深度学习 数据采集 人工智能
AI赋能教育:深度学习在个性化学习系统中的应用
【10月更文挑战第26天】随着人工智能的发展,深度学习技术正逐步应用于教育领域,特别是个性化学习系统中。通过分析学生的学习数据,深度学习模型能够精准预测学生的学习表现,并为其推荐合适的学习资源和规划学习路径,从而提供更加高效、有趣和个性化的学习体验。
99 9
|
27天前
|
机器学习/深度学习 人工智能 自动驾驶
探索人工智能的无限可能:从基础概念到实际应用
【10月更文挑战第35天】在这篇文章中,我们将一起走进人工智能的世界,探索它的无限可能。从基础概念出发,我们将深入理解人工智能的定义、发展历程以及主要技术。然后,我们将通过具体的代码示例,展示如何利用Python和TensorFlow实现一个简单的人工智能模型。最后,我们将探讨人工智能在现实世界中的应用,包括自动驾驶、医疗健康、金融等领域,并思考其未来发展的可能性。让我们一起开启这场人工智能的奇妙之旅吧!
28 1
|
1月前
|
人工智能 自然语言处理 搜索推荐
AI辅助教育:个性化学习的新纪元
【10月更文挑战第31天】随着人工智能(AI)技术的发展,教育领域迎来了一场前所未有的变革。AI辅助教育通过智能推荐、语音助手、评估系统和虚拟助教等应用,实现了个性化学习,提升了教学效率。本文探讨了AI如何重塑教育模式,以及个性化学习在新时代教育中的重要性。
|
1月前
|
机器学习/深度学习 人工智能 算法
AI与未来教育:一场革命性融合
在这个信息爆炸的时代,人工智能(AI)正逐步渗透到我们生活的每一个角落,教育领域也不例外。本文旨在探讨AI技术如何革新传统教育模式,以及这一变革可能带来的深远影响。通过分析AI在个性化学习、智能辅导系统、教育资源优化分配等方面的应用案例,揭示其对未来教育生态的重塑潜力。同时,文章也将讨论伴随技术进步而来的挑战,如数据隐私保护、教师角色转变等问题,并提出相应的解决思路和建议,为构建更加公平、高效、人性化的教育体系提供参考。
|
1月前
|
人工智能 自然语言处理 搜索推荐
人工智能与教育:个性化学习的未来
【10月更文挑战第31天】在科技飞速发展的今天,人工智能(AI)正深刻改变教育领域,尤其是个性化学习的兴起。本文探讨了AI如何通过智能分析、个性化推荐、智能辅导和虚拟现实技术推动个性化学习,分析了其带来的机遇与挑战,并展望了未来的发展前景。
|
2月前
|
机器学习/深度学习 人工智能 算法
人工智能浪潮中的编程教育革新
【10月更文挑战第21天】在人工智能飞速发展的今天,编程教育正面临着前所未有的变革。本文通过探讨AI技术对编程教育的深远影响,以及如何利用这些技术优化教学过程,旨在启发读者思考教育的未来方向。我们将一起探索从基础语法学习到复杂算法应用的转变,并讨论如何培养适应未来社会的创新人才。
|
2月前
|
人工智能 搜索推荐 安全
人工智能与未来社会:探索AI在教育领域的革命性影响
本文深入探讨了人工智能(AI)技术在教育领域的潜在影响和变革。通过分析AI如何个性化学习路径、提高教学效率以及促进教育资源的公平分配,我们揭示了AI技术对教育模式的重塑力量。文章还讨论了实施AI教育所面临的挑战,包括数据隐私、伦理问题及技术普及障碍,并提出了相应的解决策略。通过具体案例分析,本文旨在启发读者思考AI如何助力构建更加智能、高效和包容的教育生态系统。
|
2月前
|
人工智能 搜索推荐 语音技术
人工智能与未来教育:重塑学习方式的双刃剑
在21世纪,人工智能(AI)技术正以前所未有的速度发展,深刻影响着社会的各个方面,其中包括教育领域。本文探讨了AI如何改变传统教育模式,提出其既带来积极影响也伴随着挑战的观点。通过分析具体案例和数据,文章旨在启发读者思考如何在保留人类教师不可替代价值的同时,有效利用AI技术优化教育体验。

热门文章

最新文章