Hinton最新专访：别让AI解释自己，AI寒冬不会再来

近日，《连线》发表了一篇专访Geoffrey Hinton的长文。

在这次加拿大G7人工智能会议上的访谈里，Hinton谈到了对谷歌军方合同的“私下”抗议，还提出了对现在AI研究的一些看法，比如：不要让AI解释自己，那简直是个灾难。人类大多数时候都没法解释自己。发展AI需要新型的计算硬件（他指的并不是TPU）。我们在研究中应该追求“新想法”，不能一味看效果。从长远来看，一个全新的想法比一个微小的改进更有影响力。

另外，Hinton还说：不，不会再有AI寒冬了。

以下是采访实录：

Wired：加拿大总理特鲁多在G7大会上说，人工智能带来了一些道德挑战，对此需要做更多工作，你怎么想？

Hinton：我一直很担心致命自主武器的滥用。我认为，应该有一个类似于日内瓦公约的东西，像禁止化学武器一样禁止它们。就算不是每个国家都签署这个公约，实际上它也会起到像道德旗帜一样的作用。谁没签你是能看到的。

Wired：有一封抗议Google为国防部提供无人机图像识别服务的公开信，有4500名你的同事签了名。你签了吗？

Hinton：作为一名Google高管，我认为我不应该公开表达对公司的不满，所以，我私下表达。我没有签公开信，而是找（Google联合创始人）谢尔盖·布林谈了谈。他说他对这个事情也不满，所以，这不是他们的追求。

Wired：Google决定履行完这份合同，但是不会续签，还发布了一份AI指导方针，其中就包含了不能把这项技术用于武器。

Hinton：我认为Google的选择是正确的。各种各样的东西都需要云计算，想弄清底线设在哪确实很难。我对Google设置的底线很满意，那些原则我认为很有道理。

Wired：在日常场景里，比如在社会服务、医疗等领域用软件做决策的时候，人工智能也会带来道德问题。我们应该当心什么？

Hinton：我的专业领域是让这个技术管用，不是社会政策。这里面确实有一点和我的专业技能相关，就是判断监管者该不该坚持要求你能解释AI系统的工作原理。我认为那完全是个灾难。

在大多数事情上，人类都不能解释自己的原理。你招人的时候，是基于那些可以量化的东西来做判断，再加上各种”直觉”。人们根本不知道自己是怎么做到的。如果你让人类对自己的决定做出解释，就相当于逼他们编故事。

神经网络的问题也一样。你训练了一个神经网络，它学习的是几十亿数字，代表着从训练数据中提取的知识，输入一张图片，它给出正确的决定，比如说这是不是一个行人。但如果你要问“它为什么这么想”……如果图片里有没有行人能通过任何简单的规则来判断的话，这个问题早就解决了。

Wired：所以，我们怎么会知道什么时候能信任这些系统？

Hinton：应该根据表现来管理它们。你可以用实验来检验有没有偏见。对于无人车，我认为人们现在已经算接受了，就算不知道一辆无人车怎么做到的，如果它发生的事故比人类司机少，那就是好事。我认为我们要像对人一样来对待这个问题：看他们表现如何。

△https://arxiv.org/abs/1807.04587

Wired：在你上周发表的一篇论文中，提及应该进一步研究大脑中的学习算法。这是为什么？

Hinton：大脑和现在大多数神经网络都不一样。人类大脑有大约100万亿个突触，而人工神经网络的权重通常要小1万倍。大脑使用大量的突触，从很少的样本中尽可能多的学习。而深度学习则是利用更少的神经元连接，从大量的样本中进行学习。

我认为大脑并不关注如何把大量知识压缩成几个突触的连接，而是关注如何使用大量的连接，快速的提取知识。

Wired：那应该如何构建更强大的机器学习系统？

Hinton：我们需要转向另一种计算机。幸运的是，我这里就有一个。

（Hinton说罢把手伸到包里，掏出一块耀眼的大芯片。这个芯片是英国初创公司Graphcore的原型产品，这家公司致力于为机器/深度学习算法开发新型处理器。）

△漂亮得不像实力派

大多数用来运行神经网络的计算机，甚至包括Google的专用硬件，都得使用RAM（来存储正在使用的程序）。从RAM中获取神经网络的权重代价高昂，所以一旦软件获得了权重，就会反复使用很多次。想要改变是一个成本巨大的事情。

而在Graphcore芯片上，权重存储在处理器的缓存而不是RAM中，所以不会被移走。因此某些探索会变得更容易。 比如我们可以搞个一万亿个权重的系统，但是每次训练只涉及数十亿的权重。这种方式更接近大脑。

Wired：AI和机器学习的快速增长，是否也带来了新的挑战？

Hinton：现在一个巨大的挑战是，如果你想发表一篇机器学习论文，有一些条条框框的限制。如果你用的方法，看起来效果没那么好，那就很难发表。我不认为这能鼓励人们去思考全新的方法。

现在如果你发送了一个有着全新想法的论文，被接收的可能性非常低，或者会有一些无法理解你想法的初级同行在评审，或者一些看了太多论文的资深评审者，他们都不理解你的论文，并且认为是无稽之谈。我认为这非常糟糕。

我们应该追求的，特别是在基础科学会议上，是一些全新的想法。从长远来看，一个全新的想法比一个微小的改进更有影响力。出现这个问题的原因，就是资深人士太少，而年轻人太多。

Wired：这会破坏AI领域的进展么？

Hinton：用不了几年，问题就会自行解决。困难都是暂时的。大公司、大学都已经开始培育更多的人才，大学最终也会聘请更多的教授。

Wired：一些学者警告说，目前的AI热潮还会再次进入寒冬。

Hinton：不，不会再有AI寒冬了。现在AI都已经在你的手机里了。当年经历AI寒冬时，人工智能还不是人们日常生活的一部分。而现在AI已经是了。（转自人工智能）

1.12月编程语言排行：Python 终于夺回第三，Go 跌出前十

2.要学好单片机，这21个晶振难题一定要先搞懂！

3.据调查，最流行的编程语言居然不是 Python 和 Java

4.2018年第12期《单片机与嵌入式系统应用》电子刊新鲜出炉！

5.关于“硬件工程师工资不高”的几个真相！

6.这么多嵌入式设计创意，哪个你曾想过？

免责声明：本文系网络转载，版权归原作者所有。如涉及作品版权问题，请与我们联系，我们将根据您提供的版权证明材料确认版权并支付稿酬或者删除内容。