終極演算法的潘多拉魔盒打開之後……
作為年度薦書，比爾·蓋茨在世界經濟論壇推薦了佩德羅·多明戈斯的《終極演算法 The Master Algorithm》，這位科技領域最大的「書痴」力薦你將這本好書納入今夏必讀，以快速了解正在改變人類的現在和未來的人工智慧。
我們來看看蓋茨推薦的《終極演算法》究竟為何受到力薦，作者是誰，試圖回答哪些問題。
蓋茨力薦的AI必讀 －《終極演算法》，作者佩德羅?多明戈斯Pedro Domingos，美國知名人工智慧專家，華盛頓大學計算機科學教授，在機器學習與數據挖掘領域著有200多部專著和數百篇論文。Domingos教授是國際機器學習學會聯合創始人，《機器學習》雜誌編委會成員，美國人工智慧協會院士（AAAI Fellow，國際人工智慧界的最高榮譽），曾獲SIGKDD創新大獎（數據科學領域的最高獎項）。
人工智慧的演算法已經滲透在我們的生活中，當你打開郵箱時，大部分垃圾郵件你無法看到，因為計算機已經把這些垃圾郵件過濾了。登錄亞馬遜網站購買一本書，或登錄網飛(Netflix)公司網站觀看視頻，機器學習系統會推薦一些你可能喜歡的產品。臉書（Facebook）利用機器學習決定該向你展示哪些更新，推特（Twitter）也同樣會決定顯示哪些文章。
不同於傳統的人工智慧演算法，現在悄然主導我們生活的是「能夠學習的機器」，它們通過學習我們過去行為的海量數據，來預測我們未來的需求和行為的可能性；甚至在我們還沒提出要求的時候，就能完成我們計劃中的任務。
那麼，什麼是終極演算法？
假設有一個演算法能同時知道我們在Google 上搜索什麼，我們在亞馬遜上購買什麼，以及我們正在 Apple Music 上聽的音樂，或在 Netflix 上觀看的視頻。它也知道我們最近的狀態和我們在 Facebook 上的分享。
關於我們的事，這個演算法知道得很多，並且對我們形成了一個更準確、更全面的了解。
這種強大的 「終極演算法」（master algorithm）是Pedro Domingos 提出的假設的核心。
Domingos教授在書中對於機器學習的五大學派都做了精彩的解讀，每個學派都有自己的主演算法，從不同的角度看問題。符號學派源於哲學，邏輯學和心理學，將學習視為逆向演繹。聯結學派源於物理學和神經科學，相信大腦的逆向工程。進化學派，基於遺傳學和進化生物學的研究基礎上得出結論。貝葉斯學派基於統計學和概率推理。而類推學派則基於心理學和數學優化，依據相似性原理作出判斷。
作者設想如果能整合這些源於不同領域的演算法的優點，就有可能找到一種「終極演算法」。他寫道：「如果這種終極演算法存在，那麼它將可以通過數據來獲得世界上過去、現在和未來的所有知識。這個演算法的發明將會是科學史上最偉大的進步之一。」 不論你身處什麼行業，了解終極演算法都將帶給你對未來的全新認知，把握未來科技發展帶來的巨變和其中的機會。
危機與問題
所有上述學派解決不同的問題，提出了不同的解決方案。而真正的挑戰是設計一個演算法，解決這些方法嘗試要解決的所有不同的問題——單一的一個 「終極演算法」。
也許終極演算法就像一個潘多拉盒子，最好不要打開。計算機會奴役甚至消滅我們嗎？機器學習會變成獨裁者或者邪惡公司的侍女嗎？
很多時候，我們得考慮，如果終極演算法落入壞人手中，它會做些什麼。第一道防線就是確保好人第一個拿到它，或者如果它不明白誰是好人，就要保證它是開源的。第二道防線就是要意識到，無論學習演算法有多好用，也只是在獲得數據時好用。控制了數據的人也就控制了學習演算法。
機器學習如何改變世界？
機器學習有時會和人工智慧（AI）混淆。嚴格來講，機器學習是人工智慧的子域，但機器學習發展得如此壯大且成功，現已超越以前它引以為傲的母領域。人工智慧的目標是教會計算機完成現在人類做得更好的事，而機器學習可以說就是其中最重要的事：沒有學習，計算機就永遠無法跟上人類的步伐；有了學習，一切都與時俱進。
機器學習能根據相關信息搜索文獻，將某領域的行話翻譯到另一個領域，並建立聯繫。漸漸地，機器學習成為一個巨大的中心，通過這個中心，某領域裡發明的建模技術將會被引入其他領域。
谷歌收購的 DeepMind 專註於醫療保健，利用機器學習研究癌症的治療；Facebook 的 Chan Zuckerberg Initiative 宣布計劃在未來十年投資 30 億美元，以幫助治療、預防和管控疾病。亞馬遜，Facebook，谷歌，微軟等形成了聯盟 「Partnership on AI」，以共享他們的大型資料庫進行研究，推廣好的實踐。
最後，讓我們借用此書序言里的一句話作為本文的結語：圍繞大數據以及機器學習的討論充滿爭議，如果你對此感到好奇，且懷疑有比論文上看到的更為深層次的東西，那麼這本書就是你進行革命的指南。
TAG:未來圖靈 |