GMIS2017Schmidhuber演講：人工智慧改變一切

全球機器智能峰會（GMIS 2017），是全球人工智慧產業信息服務平台機器之心舉辦的首屆大會，邀請了來自美國、歐洲、加拿大及國內的眾多頂級專家參會演講。本次大會共計 47 位嘉賓、5 個 Session、32 場演講、4 場圓桌論壇、1 場人機大戰，兼顧學界與產業、科技巨頭與創業公司，以專業化、全球化的視角為人工智慧從業者和愛好者奉上一場機器智能盛宴。

5 月 27 日，機器之心主辦的全球機器智能峰會（GMIS 2017）在北京 898 創新空間正式開幕。中國科學院自動化研究所複雜系統管理與控制國家重點實驗室主任王飛躍為本次大會做了開幕式致辭，他說：「再過幾年，90% 的工作將是機器提供的。希望人工智慧可以為我們提供更美好的未來」。本次大會邀請了「LSTM 之父」Jürgen Schmidhuber、《人工智慧：一種現代方法》的作者 Stuart Russell、Citadel 首席人工智慧官鄧力等知名人工智慧專家登台演講。

Jürgen Schmidhuber 第一個上台演講，作為第一名嘉賓，他的演講題目是：《真正的人工智慧會改變一切》。「我來這裡對 20 世紀的人工智慧進行一次簡要的回顧，並對未來做出自己的展望。」這是 Jürgen 的開場白。

Jürgen Schmidhuber 是瑞士人工智慧實驗室 IDSIA 的科學事務主管，同時任教於盧加諾大學和瑞士南部應用科學與藝術學院。他於 1987 年和 1991 年在慕尼黑工業大學先後獲得計算機科學的學士和博士學位。從 1991 年開始，他成為深度學習神經網路領域的開拓者。隨後，他在 IDSIA 和慕尼黑工業大學的研究團隊開發了一種循環神經網路，並率先在正式的國際性比賽中獲勝。他獲得的其他獎項還包括，2013 年國際神經網路協會的亥姆霍茲獎，以及 2016 年電氣與電子工程師協會的神經網路先鋒獎等。

30 年前，Jürgen Schmidhuber 正在慕尼黑工業大學忙於完成計算機科學專業的畢業論文。在這篇論文的封面上，他設計了一個可以進行自我學習、自我進化的機器人，內文詳述了這類系統背後的一種可以自動修改代碼的元程序（meta-program），它可以改善特定領域某些系統的性能，還可以自我改進學習演算法，甚至改進改進學習的演算法……

這就是 Jürgen Schmidhuber 建立自我優化人工智慧的目標，也開啟了他此後一系列關於遞歸式自我改進演算法的研究。Jürgen 表示他早在 1970 年代就已經萌生這一目標，為此他在大學期間選擇學習數學及計算機科學。

「我最大的偶像是阿爾伯特·愛因斯坦。我在某個時候意識到，如果我打造出了比我自己乃至比愛因斯坦更聰明的東西，我會擁有更大的影響力。」Jürgen Schmidhuber 說道，「從 1987 年將這個問題作為學位論文選題以來，我一直在研究這個包羅萬象的內容，但是現在我能看到這個主題正開始變成一個可能實現的現實。」

Jürgen Schmidhuber 開發了 LSTM 等著名深度學習方法。1997 年，他和 Sepp Hochreiter 共同撰寫了一篇論文，其中提出了一種利用記憶功能來增強人工神經網路（模擬人類大腦的計算機系統）的方法，即根據之前獲得的信息，添加解釋文字或圖像模式的循環。他們稱之為「長短期記憶網路」（即 LSTM）。

「長短時記憶是跟人的大腦相關的，」Jürgen 說道。「在我們的大腦皮層中有 100 多億的神經元。它們就像小的處理器，有的是處理輸入的，有的是用於圖像捕捉的，你還有疼痛神經來捕捉疼痛，還有一些肌肉的神經來控制你的肌肉。另外還有一些用于思考的神經元，他們之間會有彼此的交流。在執行任務時，神經元會影響其他與之相連的神經元，這些連接的強度會隨著隨著人們的學習會改變，我們稱之為持續連接，這也是長短期記憶網路獲得啟發的地方。」

今天，LSTM 已經在科技領域有了多種應用。基於 LSTM 的系統可以學習翻譯語言、控制機器人、圖像分析、文檔摘要、語音識別圖像識別、手寫識別、控制聊天機器人、預測疾病、點擊率和股票、合成音樂等等任務。Jürgen 介紹，在 2015 年，谷歌通過基於 CTC 訓練的 LSTM 程序大幅提升了安卓手機和其他設備中語音識別的能力，其中就使用了他的實驗室在 2006 年發表的方法。百度也使用了 CTC；蘋果的 iPhone 在 QucikType 和 Siri 中使用了 LSTM；微軟不僅將 LSTM 用於語音識別，還將這一技術用於虛擬對話形象生成和編寫程序代碼等等。亞馬遜 Alexa 通過雙向 LSTM 在家中與你交流，而谷歌使用 LSTM 的範圍更加廣泛，它可以生成圖像字幕，自動回複電子郵件，它包含在新的智能助手 Allo 中，也顯著地提高了谷歌翻譯的質量（從 2016 年開始）。目前，谷歌數據中心的很大一部分計算資源現在都在執行 LSTM 任務。「我們都希望人工智慧最後會變得易於接觸，」Jürgen 說道。「讓它進入人們的手機里，現在我們已經部分做到了。」

Jürgen 的團隊在多個不同機器學習競賽中獲得了很好的成績。其中包括醫療圖像識別競賽。目前，機器學習方法在很多任務中的成績已經超過了人類專家水平，這對機器學習的應用指明了方向。

「這個圖片是一個女性乳腺的圖像，在癌症之前，我們會看到有似分裂的現象，」Jürgen 介紹道。「我們可以讓自己的 神經 網路也能夠識別這些問題，雖然目前計算機做這種事成本很高，但隨著技術的發展，它們的速度和成本都可以讓我們做更多的事情。」

在 LSTM 的研究之後，Jürgen 的團隊繼續朝著自己的通用人工智慧目標前進。他們在 2015 年研發出了具有好奇心的自我學習人形機器人。這種機器人可以通過自己的機械臂與世界接觸感受並學習重力等概念。這距離自我學習人工智慧的目標又更近了一步。

Jürgen 預測，在未來幾年人類將創造出具有靈長類動物智能的人工智慧系統。人工智慧僅僅經歷了 70 余年的發展，這個速度相比數億年的生物進化有了很多倍的提高。

Jürgen 介紹了他領導的人工智慧公司 Nnaisense，這是 Jürgen 等人在慕尼黑和瑞士實驗室的成果之一。Nnaisense 讀起來有點像「Nascence」，它有關基於神經網路的通用人工智慧（NNAI）。它有五位創始人（CEO Faustino Gomez，此外還有 Jan Koutnik、Jonathan Masci、Bas Steunebrink 和 Jürgen 自己），擁有強大的顧問陣容（Sepp Hochreiter、Marcus Hutter、Jaan Tallinn 等），還有優秀的員工。它已在工業和金融領域有了自己的盈利項目。這家公司的願景，演算法目前的商業成功只是一個開始，我們可以遠遠超出今天的可能性，通過新的元學習和機器好奇心創造更多可能性，優化程序搜索和大規模強化學習神經網路的效率，帶來新的突破，改變一切。我曾在 20 世紀 70 年代說過：「構建一種人工智慧，超越我自己，然後讓我退休。」

最後，Jürgen Schmidhuber 對奇點過後的世界進行了預測。2014 年，他發現了一個令人難以置信的指數加速模式：宇宙歷史中重大事件之間的間隔時間似乎正在以指數級的速度縮短——每個大事件到來的時間是前一個大事件的四分之一。如果仔細研究了這個模式，看起來下一個事件將要出現於 2030 年。

在這之後會發生什麼？我們無從得知，Jürgen 認為，人工智慧將代替人類，展開殖民宇宙的旅途。或許這個預測距離我們還有很遠，但由人工智慧引發的技術爆炸必然將會逐漸改變人們的生活方式

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！