上月，由 Michael I.Jordan 、Jeff Dean、李飛飛、LeCun 等多位人工智能領(lǐng)域的大牛發(fā)起的系統(tǒng)機(jī)器學(xué)習(xí)會(huì)議 SysML 在斯坦福開幕。

會(huì)上，機(jī)器學(xué)習(xí)宗師級(jí)大牛 Michael I.Jordan 就《系統(tǒng)與機(jī)器學(xué)習(xí)的前景與挑戰(zhàn)》進(jìn)行了主旨演講。因?yàn)楹?NBA 球星邁克爾·喬丹名字相近，他有著一個(gè)有趣的稱號(hào)：“The Michael Jordan of Machine Learning”，即機(jī)器學(xué)習(xí)界的邁克爾·喬丹。

為什么說他是機(jī)器學(xué)習(xí)宗師級(jí)大牛？要知道，在這一領(lǐng)域的重要學(xué)者如吳恩達(dá)，Zoubin Ghahramani,Tommi Jaakkola,Lawrence Saul和David Blei 都是他的學(xué)生。他現(xiàn)在擔(dān)任加州大學(xué)伯克利分校電機(jī)工程與計(jì)算機(jī)系和統(tǒng)計(jì)學(xué)系教授。

Michael I.Jordan的重要貢獻(xiàn)則包括指出了機(jī)器學(xué)習(xí)與統(tǒng)計(jì)學(xué)之間的聯(lián)系，并推動(dòng)機(jī)器學(xué)習(xí)界廣泛認(rèn)識(shí)到貝葉斯網(wǎng)絡(luò)的重要性。他還以近似推斷變分方法的形式化、最大期望算法在機(jī)器學(xué)習(xí)的普及方面的工作而知名。

此次演講中，從一開始他就現(xiàn)在所謂的“AI”進(jìn)行了抨擊。他認(rèn)為，現(xiàn)在媒體上熱炒的“AI”概念言過其實(shí)，很多人都是為了借此向 VC、媒體以及大眾兜售概念。至于真正的 AI，“我們根本還沒有實(shí)現(xiàn)”。也有相當(dāng)一部分研究者陷入了深度學(xué)習(xí)的泥潭，思維變得更加狹窄。

他回顧了機(jī)器學(xué)習(xí)領(lǐng)域的現(xiàn)狀，以及今后發(fā)展面臨的挑戰(zhàn)。雖然機(jī)器學(xué)習(xí)理論目前的發(fā)展達(dá)到了一定高度，但他很討厭人們現(xiàn)在突然將它稱為 AI，因?yàn)槟侨匀贿€只是機(jī)器學(xué)習(xí)。他認(rèn)為真正 AI 的實(shí)現(xiàn)，需要依靠邏輯、推理、決策等運(yùn)算的突破才能實(shí)現(xiàn)，但現(xiàn)在它們之間還存在明顯脫節(jié)。

一些經(jīng)典 AI 領(lǐng)域，如計(jì)算機(jī)視覺、NLP 等還遠(yuǎn)未達(dá)到智能和實(shí)用的地步，有賴進(jìn)一步研究和努力。與此同時(shí)，傳統(tǒng)的社交平臺(tái)，如 Facebook，還遠(yuǎn)沒有真正地將人們連接起來。醫(yī)療、金融、音樂、餐飲等眾多系統(tǒng)平臺(tái)仍存在巨大的想象空間，要做到這些，需要研究者們跳出傳統(tǒng)視角。

本文為 Michael I.Jordan 在大會(huì)上的演講實(shí)錄（有刪節(jié)），人工智能頭條整理。

▌我們還沒有實(shí)現(xiàn)真正的 AI

你們知道，我之前從 MIT（麻省理工）離職去了 UC 伯克利。這其實(shí)是因?yàn)?MIT 沒有任何跟統(tǒng)計(jì)相關(guān)的專業(yè)，并且直到現(xiàn)在也還不算有，而我認(rèn)為統(tǒng)計(jì)學(xué)對(duì)計(jì)算機(jī)科學(xué)至關(guān)重要。雖然今天計(jì)算機(jī)科學(xué)的發(fā)展已經(jīng)十分激動(dòng)人心，但它依然還沒有解決推理性的問題，在計(jì)算機(jī)和推理之間有一個(gè)脫節(jié)，所以我才要跳槽去研究概率和統(tǒng)計(jì)。

很多人說我這些做法是在從統(tǒng)計(jì)視角在研究 AI，這種看法欠妥，我只是在研究機(jī)器學(xué)習(xí)。AI 是一個(gè)非常寬泛的概念，它幾乎涉及到所有層面的計(jì)算機(jī)科學(xué)。它的每一部分都應(yīng)該涉及到數(shù)據(jù)流，并且應(yīng)該基于這些數(shù)據(jù)自適應(yīng)地進(jìn)化。這里面全是計(jì)算機(jī)科學(xué)，但直到今天，這一看法也還沒有在計(jì)算機(jī)系得到很多認(rèn)同，他們?nèi)匀徽J(rèn)為統(tǒng)計(jì)是 AI 的一部分。

我已經(jīng)疲于應(yīng)對(duì)這些爭(zhēng)論了。

今天，我們到處都可以看到“AI”這一字眼，媒體上鋪天蓋地。這讓我感到非常不安，因?yàn)槟切┱f法太言過其實(shí)了。我們沒有實(shí)現(xiàn)人工智能，沒有實(shí)現(xiàn)智能，甚至連它們是什么都不知道。我們說現(xiàn)在的系統(tǒng)都涉及到數(shù)據(jù)的輸入輸出，它們其實(shí)是在模仿一些很聰明的東西，但也僅僅是模仿，根本稱不上是智能，我們并沒有實(shí)現(xiàn)它。

今天，很多人樂衷于使用“AI”這個(gè)流行詞。但這只不過是他們借此向 VC（風(fēng)險(xiǎn)投資）、企業(yè)、媒體以及大眾兜售一些他們自己的概念。至于真正的 AI，我們根本還沒有實(shí)現(xiàn)。我現(xiàn)在雖然不再跳出來爭(zhēng)論這些話的對(duì)錯(cuò)，但依然會(huì)在內(nèi)心時(shí)時(shí)刻刻提醒自己：我們還并沒有實(shí)現(xiàn)所謂的 AI。

現(xiàn)在，我非常高興我們有了一個(gè)這樣的社區(qū)，我們當(dāng)前真正需要的正是建設(shè)性的努力，那必須保持嚴(yán)肅和清醒。并不是所有的炒作都是在為了在 AI 淘金熱中大賺一筆，他們或許也是為了能夠真正實(shí)現(xiàn) AI，讓這個(gè)世界變得越來越美好，讓 AI 更加穩(wěn)定，更加真實(shí)，足夠支撐建立一個(gè)全新科學(xué)領(lǐng)域所需的概念。

這就像有人喜歡土木工程、喜歡化工工程師一樣，我也非常尊敬他們?cè)谒陬I(lǐng)域做出的實(shí)實(shí)在在的努力。他們研究出的東西切實(shí)改變了每個(gè)人的生活，而這也正是 AI 領(lǐng)域所需要的和依然欠缺的。

▌機(jī)器學(xué)習(xí)領(lǐng)域的現(xiàn)狀

機(jī)器學(xué)習(xí)理論已經(jīng)發(fā)展到了目前我們所看到的高度，我在二十年前我就已經(jīng)預(yù)見到它的發(fā)展會(huì)是這樣：數(shù)據(jù)將無處不在，用機(jī)器學(xué)習(xí)進(jìn)行決策和商業(yè)建模將成為我們的習(xí)慣。但我很討厭人們現(xiàn)在突然將它稱為 AI，雖然最近有一些新的想法出現(xiàn)，但那仍然還只是機(jī)器學(xué)習(xí)。我不和他們爭(zhēng)論，并不代表認(rèn)可他們的說法。相反，我會(huì)更加堅(jiān)持自己的追求。

這世上并沒有魔法，機(jī)器學(xué)習(xí)只是將它的輸入輸出映射到它對(duì)一些處理機(jī)制的模仿之上了，雖然這看起來很神奇，但其實(shí)依然還有很多真正的問題——比如從廣義上來說，很多層面上的系統(tǒng)問題——都還沒有得到解決。

機(jī)器學(xué)習(xí)也還遠(yuǎn)遠(yuǎn)沒有發(fā)展到足以成為一個(gè)可靠的工程原則，可以針對(duì)現(xiàn)代數(shù)據(jù)分析問題得到魯棒的、可擴(kuò)展的解決方案。有很多涉及到不確定性、推理、決策、魯棒性和規(guī)?；膯栴}都還沒有得到解決。更不要說經(jīng)濟(jì)學(xué)系統(tǒng)了，因?yàn)槲覀兩踔翆?duì)建立系統(tǒng)時(shí)的定價(jià)和激勵(lì)行為也還沒有足夠的思考。社會(huì)法律系統(tǒng)也是如此。

我以為每個(gè)人都會(huì)或多或少意識(shí)到這一點(diǎn)，但沒想到等待他們意識(shí)到這一點(diǎn)需要的時(shí)間卻長(zhǎng)得不可思議。

扎克伯格在一年前的演講中曾談到他創(chuàng)建 Facebook 時(shí)的經(jīng)歷，“我什么都不知道，在這一過程中也并沒有扮演任何角色。我們只是搭建了一個(gè)平臺(tái)，而關(guān)于如何使用它甚至都沒有規(guī)定。但后來讓我感到震驚的是，人們并沒有很好地使用它”。

我們不僅要時(shí)刻注意人們有沒有用這個(gè)平臺(tái)來做壞事——比如虛假新聞，還要讓人們可以通過這個(gè)平臺(tái)得到正確結(jié)果，否則每天都會(huì)有數(shù)十萬人因此做出錯(cuò)誤的醫(yī)療決定、糟糕的交通狀況或者財(cái)務(wù)決策。到目前為止，我們甚至都還沒有在解決這些問題上取得一點(diǎn)進(jìn)步。我們的反應(yīng)就好像在說我們本來就是如此。

對(duì)我來說，系統(tǒng)機(jī)器學(xué)習(xí)瞄準(zhǔn)的目標(biāo)太低了。這個(gè)社區(qū)中的很多人炒作深度學(xué)習(xí)太過頭了，我們已經(jīng)有了反向傳播（Backpropagation）這個(gè)偉大的學(xué)習(xí)機(jī)器；我們要讓它可以更好、更快、更容易實(shí)現(xiàn)，所有這些都會(huì)很快實(shí)現(xiàn)；公司也會(huì)成立，經(jīng)濟(jì)也會(huì)向前發(fā)展。但這樣做的目標(biāo)定得太低了，這僅僅是一個(gè)非參數(shù)回歸問題，甚至都談不上“是”。所以我希望作為一個(gè)社區(qū)，我們可以有更高的目標(biāo)，我們不能僅僅努力讓反向傳播更容易。

▌“AI” = IA + II

下面我來談一下為什么我說在人們的腦海里計(jì)算機(jī)和推理沒有連接起來。

其實(shí)在我一開始接觸這個(gè)領(lǐng)域的時(shí)候，我當(dāng)時(shí)學(xué)習(xí)了一些關(guān)于 AI 的東西，但我沒有真正研究過。那時(shí)候有很多研究 AI 的觀點(diǎn)，比如通過廣度優(yōu)先搜索來尋找一個(gè)明星，這也是約翰·麥卡錫（John McCarthy）真正在 MIT 在做的研究。(注：約翰麥卡錫，人工智能領(lǐng)域的開山鼻祖之一，他曾發(fā)起和參與 AI 歷史上著名的達(dá)特茅斯會(huì)議，后來前往斯坦福并組建了斯坦福人工智能實(shí)驗(yàn)室。)

我要說的這個(gè)故事和你們往常聽的有點(diǎn)不同：人工智能這個(gè)概念并不是 Minsky、McCarthy、Newell 他們那些人坐在一起開了個(gè)會(huì)就討論出來的。

麥卡錫剛到 MIT 的時(shí)候就說過他會(huì)研究智能（Intelligence）和計(jì)算領(lǐng)域。他們說那并不是控制論，控制論已經(jīng)有維納在做了，麥卡錫解釋了這兩個(gè)領(lǐng)域的區(qū)別。真正讓人們意識(shí)到 AI 是一個(gè)新領(lǐng)域的是，這個(gè)領(lǐng)域更多的是基于邏輯而不是控制理論和信號(hào)優(yōu)化，所以他必須給它一個(gè)新的名字，所以他發(fā)明了“Artificial Intelligence”這個(gè)詞。我覺得這個(gè)故事更加真實(shí)。

然而，歷史的奇異轉(zhuǎn)折之處在于現(xiàn)在研究 AI 的所有想法都在維納那一邊，都是關(guān)于優(yōu)化統(tǒng)計(jì)的，并且沒有邏輯，但現(xiàn)在大家用的“AI”這個(gè)詞卻依然還是麥卡錫發(fā)明的那個(gè)詞。

無論如何，AI 依然是一個(gè)偉大的愿景。這是一個(gè)在思考應(yīng)該如何將計(jì)算實(shí)體與軟硬件結(jié)合到一起，并構(gòu)建能夠捕捉智能的東西的哲學(xué)問題，這很有意思。

我認(rèn)為這仍然還只是一個(gè)學(xué)術(shù)領(lǐng)域的愿景，并不認(rèn)為它有必要或者已經(jīng)足夠用于促進(jìn)社會(huì)進(jìn)步或工業(yè)發(fā)展。我并不相信我們能夠建立通用智能，并且它可以解決世界上所有問題的說法。那只是愚蠢的科幻小說里的東西，并且是既不必要也不足夠的。我們需要把思想從一些真實(shí)問題中解放出來。有很多有錢的名人說我們要建立一個(gè)通用人工智能，然后就可以解決世界上的問題，比如癌癥。我并不想談?wù)撨@些東西，但人們總是這樣在說。

不管如何，現(xiàn)在有個(gè)有趣的觀點(diǎn)，我們并不是要讓所有的事情都變好。與此同時(shí)，真正發(fā)生的事實(shí)也并不是 AI 取得了巨大的成功，而是“IA”（Intelligence Augmentation）取得的巨大成就。

搜索引擎就是這其中的一個(gè)代表，它是一個(gè)機(jī)器學(xué)習(xí)系統(tǒng)，不停地獲取數(shù)據(jù)并隨時(shí)間進(jìn)行改善以做出更好的決策。 像其他很多實(shí)際工程系統(tǒng)一樣，那是一個(gè)涉及到很多東西的機(jī)器學(xué)習(xí)算法，但那也意味著很多智能。比如我不必記住白俄羅斯的首都，但是當(dāng)我在網(wǎng)上搜索一下就可以馬上知道。我看起來非常聰明，因?yàn)槲覠o所不知。

我也可以在這里說英語，然后通過安裝同傳系統(tǒng)讓你們聽到漢語。看起來似乎我可以說很多門語言，但其實(shí)我并不會(huì)說漢語，這是因?yàn)?a href="http://www.socialnewsupdate.com/v/tag/1247/" target="_blank">電腦增強(qiáng)了我的智能。很多這種用深度學(xué)習(xí)實(shí)現(xiàn)的東西，我認(rèn)為它們很有趣，但是——比如你見得很多的風(fēng)格轉(zhuǎn)換，人們輸進(jìn)去一張圖片，然后它會(huì)被轉(zhuǎn)換成另一張很酷的圖片，看起來像梵高的畫一樣，那作為一個(gè)玩具會(huì)非常有趣。但它真正做的是增強(qiáng)了人們的創(chuàng)造力。

它是一種“增強(qiáng)” ，并不是人們說的智能。但那已經(jīng)很有趣了，你甚至可以用它來創(chuàng)作音樂，但直接用它寫交響樂就很傻了，誰會(huì)在乎一臺(tái)電腦會(huì)不會(huì)寫交響樂呢，無論那意味著什么。但它卻可以為下一個(gè)貝多芬或者杰出藝術(shù)家的誕生提供一個(gè)自由創(chuàng)作的環(huán)境，那才是真正令人激動(dòng)的，那就是 IA。

還有一些更為重要的東西，我將其稱之為“II”，即“Intelligent Infrastructure”。在我們身邊發(fā)生的事正越來越多的體現(xiàn)著這個(gè)世界對(duì)我們的了解。

世界正在被連接起來，比如我只要?jiǎng)觿?dòng)手機(jī)，就可以在幾秒鐘之內(nèi)約到一輛汽車，它可以帶我到達(dá)目的地。這個(gè)世界正在通過網(wǎng)絡(luò)變得越來越智能——只要你在一個(gè)大的復(fù)雜系統(tǒng)上加上數(shù)據(jù)，加上人類，那就是物聯(lián)網(wǎng)。那是一個(gè)萬億美元的經(jīng)濟(jì)市場(chǎng)，并且正在改變?nèi)祟惖纳睿淖兡銓?duì)于醫(yī)療、金融和日常生活的想象。所有這些都是非常巨大的改變，并且在過去的幾十年確確實(shí)實(shí)發(fā)生了。

這讓我想起了亞馬遜——他們是第一家認(rèn)真做這件事的公司，并且是在 90 年代，遠(yuǎn)在我們炒作這個(gè)概念之前?，F(xiàn)在有很多公司正在建設(shè)物流預(yù)測(cè)以及欺詐系統(tǒng)，還有推薦系統(tǒng)，這些都是非常棒的事情，但那都是機(jī)器學(xué)習(xí)，不是我所謂的 AI，真正的 AI 將比我們現(xiàn)在看到的更為激動(dòng)人心。

我認(rèn)為在這里有一個(gè)脫節(jié)。如果你以這種經(jīng)典的方式研究 AI ，你或許會(huì)對(duì)視覺、語音、自然語言處理還有機(jī)器人感興趣，因?yàn)槟闶菍?duì)這種具體的智能體感興趣，它們會(huì)像我們一樣做出智能的行動(dòng)。你想到的所有東西都是和具體智能體有關(guān)，所以你可以根據(jù)場(chǎng)景開發(fā)算法，并且將它們轉(zhuǎn)變成目標(biāo)、標(biāo)簽或者語音。那都是很棒的，但那并不能解決我們?cè)诮⒁粋€(gè)真實(shí)世界系統(tǒng)時(shí)所遇到的真實(shí)問題的十分之一。那只是“IA”或者“II”，而且人們的注意力會(huì)被視覺或語音方面的問題所分散。

▌未曾解決的經(jīng)典 AI 問題

雖然有些經(jīng)典的 AI 問題看起來已經(jīng)快要解決了，但我要說，我認(rèn)為我們實(shí)際上還遠(yuǎn)沒有解決這些經(jīng)典的 AI 問題。

在計(jì)算機(jī)視覺中，我們可以比之前更好的標(biāo)注目標(biāo)和場(chǎng)景，但它們并不是真實(shí)場(chǎng)景，那只不過是從互聯(lián)網(wǎng)上獲取的包含目標(biāo)的圖片。如果你使用相同的訓(xùn)練集進(jìn)行測(cè)試，正確率可以達(dá)到 90%，但是在真實(shí)的世界中那可能只有 20%。因此，我們只不過是對(duì)場(chǎng)景中的對(duì)象進(jìn)行了標(biāo)注，并沒有真正解決這個(gè)問題。而關(guān)于場(chǎng)景的意義是什么？場(chǎng)景中正在發(fā)生什么事？接下來會(huì)發(fā)生什么？我們甚至都還不知道。所以人們說計(jì)算機(jī)視覺技術(shù)得到的一些東西非常荒謬。

語音領(lǐng)域和語義領(lǐng)域也是一樣?？偟膩碚f，我們生活在一個(gè)依靠聽覺的聲音世界中，但在閉上眼睛之后，我們還遠(yuǎn)不能單純靠聽聲音來了解周圍世界。因?yàn)闆]有語義信息，甚至都沒法開始自然語言處理。

翻譯并不是輸進(jìn)去一種語言的字符串，然后得到另一種你之前已經(jīng)見過很多次的語言的字符串就可以了。我說法語很流暢，你用英語和我交流，我也能理解你說話的意思，我會(huì)將你話里的概念轉(zhuǎn)換成法語詞匯，而不是將英語字符串映射為正確的法語字符串。你甚至還可以再通過努力讓它的正確率達(dá)到 90%，但那依然是無效的。

視覺技術(shù)可以通過有監(jiān)督標(biāo)記和一些無監(jiān)督標(biāo)記技術(shù)來應(yīng)用，而自然語言就不行。如果不相信，你可以試著讀一下道格拉斯·霍夫施塔特（Douglas Hofstadter）前幾天在美國(guó)《大西洋月刊》上的一篇文章。他通過英語、法語、德語和中文四種語言翻譯的比對(duì)論證得出一個(gè)結(jié)果：谷歌翻譯即使應(yīng)用了人工智能技術(shù)也沒有真正理解語言。

語言真的是人類的智慧，包含了對(duì)這個(gè)世界各種事物的諷刺、隱喻、引用和參考。只有我們真的了解這個(gè)世界才能搞明白語義，它需要理解人類的社會(huì)行為、概念行為，而這些并不能通過標(biāo)簽數(shù)據(jù)和很多字符串來實(shí)現(xiàn)。

讓我們繼續(xù)回到主題上。剛剛我們討論的是翻譯，現(xiàn)在說一下對(duì)話。

對(duì)話并不只是一個(gè)可以和你不停對(duì)話的聊天機(jī)器人，雖然那聽起來比較有趣。它實(shí)際上是試圖實(shí)現(xiàn)一個(gè)目標(biāo)，比如我想訂一個(gè)飛往巴黎的航班，這中間涉及到我自己的各種復(fù)雜偏好，然后最終可以把我?guī)У侥抢铩Ｋ晕覀儽仨氂幸粋€(gè)對(duì)話逐漸地將我這個(gè)意愿通過機(jī)器人落實(shí)到真實(shí)世界的實(shí)際行動(dòng)上，但我們離這一步還很遠(yuǎn)。

談到機(jī)器人技術(shù)，你知道它有很多進(jìn)步。但我仍然十分懷疑，目前工業(yè)界的機(jī)器人只能在非常有限的環(huán)境中工作。我們雖然已經(jīng)可以讓機(jī)器人和人類進(jìn)行互動(dòng)，但我并不認(rèn)為它在我們的生活環(huán)境中工作會(huì)沒有問題。

▌機(jī)器學(xué)習(xí)近期的挑戰(zhàn)

現(xiàn)在讓我們接著談?wù)摷夹g(shù)。如果你是一個(gè)系統(tǒng)機(jī)器學(xué)習(xí)研究人員，并且認(rèn)為自己的生活將支持深度學(xué)習(xí)方式——我也認(rèn)為這非常有用——但這里還有一大堆其它的甚至稱不上是 AI 的東西。

多重決策（Multiple Decisions），統(tǒng)計(jì)學(xué)家一直在討論這個(gè)話題，但機(jī)器學(xué)習(xí)領(lǐng)域的人卻幾乎不談?wù)撨@個(gè)。你可以構(gòu)造一個(gè)神經(jīng)網(wǎng)絡(luò)，它需要輸入一些圖片或者搜索引擎營(yíng)銷信息（SEM），甚至一些數(shù)據(jù)的歷史信息來進(jìn)行決策。它會(huì)對(duì)不同環(huán)境中的不同人員使用相同的神經(jīng)網(wǎng)絡(luò)做出成百上千次決策，那完全是個(gè)災(zāi)難。

這些決策有可能是完全錯(cuò)誤的。比如碰巧在下雨天你要乘坐某個(gè)交通工具，每個(gè)人可能最后都會(huì)乘坐同樣的交通工具，到達(dá)相同的街道，這勢(shì)必會(huì)造成擁擠。相關(guān)決策波動(dòng)會(huì)導(dǎo)致最終結(jié)果的變化，即使那不滿足獨(dú)立同分布假設(shè)。

我們現(xiàn)在的系統(tǒng)仍然是假設(shè)我們處在一種理想世界中，所以總會(huì)有錯(cuò)誤發(fā)現(xiàn)率存在（注：錯(cuò)誤發(fā)現(xiàn)率 FDR( False Discovery Rate)是指錯(cuò)誤拒絕（拒絕真的（原）假設(shè)）的個(gè)數(shù)占所有被拒絕原假設(shè)個(gè)數(shù)比例的期望值）。系統(tǒng)應(yīng)該支持可以有錯(cuò)誤發(fā)現(xiàn)率，而不僅僅是支持神經(jīng)網(wǎng)絡(luò)中的邏輯回歸、決策樹。 如果你的系統(tǒng)不支持，我就不會(huì)在我的公司用它。

要有一個(gè)這樣能夠創(chuàng)造市場(chǎng)的系統(tǒng)，我認(rèn)為需要考慮大量的因素。所以我們會(huì)將經(jīng)濟(jì)學(xué)引入我們的系統(tǒng)，我們需要擁有消費(fèi)者和生產(chǎn)者雙向的連接，而不是僅僅建立一個(gè)可以讓人們上傳數(shù)據(jù)并從中獲取答案的平臺(tái)，而不建立一個(gè)實(shí)際系統(tǒng)。

在今天，不確定性依然存在。我們?cè)诮y(tǒng)計(jì)學(xué)中談?wù)摰?Bootstrap、貝葉斯理論、Jackknife(刀切法)以及其他原則都還沒有在計(jì)算機(jī)科學(xué)系統(tǒng)內(nèi)部建立。

它們只是輸入輸出，給出一條 ROC 曲線就好像已經(jīng)完成了其實(shí)本沒有完成的工作。所以要如何將智力結(jié)合到其中呢？要怎樣解決他們兩者之間不連貫的事實(shí)？這是非常關(guān)鍵的問題，我們必須解決這一點(diǎn)，并且必須假設(shè)這些問題可以通過計(jì)算機(jī)科學(xué)進(jìn)行處理。

談到抽象，人類其實(shí)非常善于發(fā)現(xiàn)抽象。舉個(gè)例子，比如我可以發(fā)明一個(gè)新詞匯“Blecch”，然后說一些關(guān)于“Blecch”的事情，你就可以知道和它有關(guān)的各種各樣的事。你可以通過抽象進(jìn)行推理，事實(shí)上也正是因?yàn)槲覀兛梢詣?chuàng)建抽象概念，計(jì)算機(jī)科學(xué)才可以發(fā)展的這么好。

我的兒子非常擅長(zhǎng)發(fā)現(xiàn)類比、隱喻以及那些有趣的東西，這些都會(huì)在他的大腦中形成一個(gè)新的抽象。但神經(jīng)網(wǎng)絡(luò)和那個(gè)差的太遠(yuǎn)了，神經(jīng)網(wǎng)絡(luò)必須要先看到大量的數(shù)據(jù)，最終才能發(fā)現(xiàn)一個(gè)新特征，或者如果有人非要稱其為抽象也可以。

數(shù)據(jù)溯源（Provenance），這非常重要。實(shí)際上我對(duì)數(shù)據(jù)科學(xué)非常感興趣。在醫(yī)療系統(tǒng)中，有很多誤報(bào)（假陽性）導(dǎo)致很多死亡的案例。在我兒子出生的時(shí)候，有一些錯(cuò)誤的成像結(jié)果，那是一個(gè)誤報(bào)。如果我們相信了那條決策路線，就可能會(huì)走一個(gè)非常危險(xiǎn)的程序，甚至殺死胎兒。我認(rèn)為那也可能發(fā)生在你身上，我計(jì)算的結(jié)果是在過去的幾年中，由于誤報(bào)，每天大概有 20 個(gè)胎兒會(huì)被殺死。

誤報(bào)和不好的統(tǒng)計(jì)數(shù)據(jù)無關(guān)，而是與錯(cuò)誤的報(bào)告結(jié)果有關(guān)。在某種情況下進(jìn)行計(jì)算的數(shù)據(jù)，實(shí)際上在相同情形下用于新的成像機(jī)器時(shí)是不準(zhǔn)確的。那聽起來是一個(gè)討厭的數(shù)據(jù)庫問題。但就是那個(gè)東西讓模型有時(shí)難以發(fā)揮作用。

關(guān)于長(zhǎng)期目標(biāo)，人類非常善于追求長(zhǎng)期目標(biāo)，比如選擇職業(yè)、買房。而我們的機(jī)器卻并不具備實(shí)現(xiàn)長(zhǎng)期目標(biāo)的能力。不要跟我說強(qiáng)化學(xué)習(xí)，那也沒有長(zhǎng)期目標(biāo)。

實(shí)時(shí)性能這一目標(biāo)，我想那些設(shè)計(jì)自動(dòng)駕駛汽車的人應(yīng)該認(rèn)識(shí)到了它的重要性，而其他人還沒有意識(shí)到這正是我們要考慮的關(guān)鍵部分。這也不是傳統(tǒng) AI 的一部分。

如果你是一個(gè)真正有雄心的系統(tǒng)人員，這些都會(huì)是亟待解決的重大問題，并且大多還是很少受到關(guān)注或者正在受關(guān)注但還需要一段時(shí)間才能解決的問題。

▌機(jī)器學(xué)習(xí)與市場(chǎng)的創(chuàng)造性

我的一些觀點(diǎn)是基于我的研究和在公司的經(jīng)歷形成的。今天我將向大家分享兩個(gè)觀點(diǎn)。

就我實(shí)際所做的工作而言，我只是一個(gè)理論研究者，所以關(guān)于這些神經(jīng)網(wǎng)絡(luò)發(fā)展的良好勢(shì)頭，我都樂于看著它們發(fā)生，但當(dāng)我看到所有人都在扎堆朝著一個(gè)方向前進(jìn)時(shí)，我就會(huì)尋找其它方向。我現(xiàn)在做的所有工作都是在證明收斂率和隨機(jī)性的定理，你要是看過我的主頁就會(huì)知道我這些天有多興奮，但我形成這些觀點(diǎn)卻是基于在公司的（實(shí)踐）經(jīng)歷而不是通過證明它們。

United Masters 公司是一個(gè)美國(guó)音樂人服務(wù)平臺(tái)，它在 2017 年 11 月宣布成立?，F(xiàn)在音樂人非常多，創(chuàng)作的音樂也非常多，但除了少數(shù)幾個(gè)掌握權(quán)力的人之外，大多數(shù)音樂人的第一筆訂單并不會(huì)賺錢，音樂創(chuàng)作實(shí)際上沒有得到報(bào)酬。

發(fā)生這種狀況的原因有很多，比如我們處在一個(gè)并不景氣的市場(chǎng)，而如果連接生產(chǎn)者和消費(fèi)者的經(jīng)濟(jì)的話，就會(huì)產(chǎn)生很多價(jià)值。它不像之前的唱片公司一樣，在生產(chǎn)者和消費(fèi)者之間有中介存在，那在這種模式下不會(huì)有效。所以你必須做些別的什么，就像 Uber 那樣，或者其他你看到的真實(shí)的機(jī)會(huì)。

United Masters 已經(jīng)和 Spotify 跟 Youtube 等公司建立了合作關(guān)系，并且獲得了所有數(shù)據(jù)。他們會(huì)了解任何藝術(shù)家，不僅僅有碧昂絲那樣的世界級(jí)歌手，還有成百上千個(gè)不太出名的藝術(shù)家，然后了解有哪些用戶在聽他們的音樂。他們提供給藝術(shù)家展示的機(jī)會(huì)：我知道我不是非常出名，但我知道佛羅里達(dá)州有一萬人喜歡定期收聽我。

這種口碑就意味著如果我去那里舉辦一場(chǎng)音樂會(huì)，我就可以賺兩萬五千美元。一年我可以做三到四次，那就是十萬美元的薪水。我不必再做一個(gè)出租車司機(jī)，然后每周只有周末才有時(shí)間創(chuàng)作音樂。我實(shí)際上可以成為一個(gè)真正活躍的全職音樂家，很多人都可以這樣。這就可以創(chuàng)造一個(gè)市場(chǎng)，你知道誰在聽你的音樂，然后你就可以做得更多。

這實(shí)際上就是在生產(chǎn)者和消費(fèi)者之間建立了連接。有了這種連接，一旦數(shù)據(jù)流通過，商品買賣就可以更流暢。所以藝術(shù)家可以說你只要付兩萬美元我就可以在你婚禮上表演，或者你是我的一個(gè)超級(jí)粉絲，你想來后臺(tái)...所有這些商品的形式都可能出現(xiàn)，而公司實(shí)際上就提供了這種可以賺錢的方式。他們提供這些平臺(tái)當(dāng)然也應(yīng)該得到一些錢，當(dāng)然那到不了像一個(gè)標(biāo)準(zhǔn)代理人一樣可以獲取百分之五十的費(fèi)用，不過百分之十也差不多，所以你知道你的音樂大師夢(mèng)真的有希望了。

這家公司的 CEO 是 Steve Stoute，他是個(gè)了不起的人，也是我曾見過的最聰明的人之一。他曾在索尼旗下的唱片公司工作，后來創(chuàng)建了 Translation 廣告公司，并且完成了很多實(shí)際的東西。他了解很多音樂人，Steve 的經(jīng)歷以及他的音樂背景，讓他剛好處于一個(gè)可以將音樂、技術(shù)和人聯(lián)系在一起的位置。我認(rèn)為我們的社區(qū)可以參與這種活動(dòng)是非常令人激動(dòng)的，而 Steve 就剛好給出了這把鑰匙。

去年我曾請(qǐng)他做一個(gè)開場(chǎng)演講。那場(chǎng)演講的主題是關(guān)于 Hip-hop ，自我賦權(quán)和解放，創(chuàng)造力以及這些該如何和數(shù)據(jù)科學(xué)聯(lián)系起來。

▌機(jī)器學(xué)習(xí)與數(shù)據(jù)共享

現(xiàn)在還有一個(gè)數(shù)據(jù)共享的問題。

所有這些都還只是想法，如果我有時(shí)間的話就會(huì)進(jìn)行實(shí)驗(yàn)，所有這些都是想法的實(shí)驗(yàn)。這些都只是我的一些研究建議，我的團(tuán)隊(duì)可能會(huì)做的。我們這些時(shí)間主要是證明定理，但這里還有一個(gè)數(shù)據(jù)共享的想法實(shí)驗(yàn)。

數(shù)據(jù)共享不是“AI”的問題，但卻是現(xiàn)實(shí)世界的“II”問題。很多公司都有數(shù)據(jù)，如果可以將它們放到一起，那將對(duì)他們有用，但這通常不被允許。法律上不允許出于很多原因，比如，在某天一個(gè)公司可能會(huì)遭受入侵或欺詐攻擊，但這可能同時(shí)發(fā)生在所有公司，也可能只針對(duì)特定的公司。

如果將每個(gè)人的數(shù)據(jù)都匯總起來，你就可以構(gòu)建世界上最好的分類器，并且可以讓系統(tǒng)受欺詐的程度保持的相當(dāng)?shù)?，但人們不?huì)那樣做。為什么呢？很多原因。你要怎樣激勵(lì)他們開始分享數(shù)據(jù)？你把你的數(shù)據(jù)發(fā)送給我，是因?yàn)槲沂莻€(gè)值得信賴的中心人員，我會(huì)通過密碼機(jī)制或其他方式保護(hù)你的數(shù)據(jù)。

我會(huì)獲取你的數(shù)據(jù)，然后構(gòu)建一個(gè)完美的分類器，然后再把它們送回去。我不會(huì)和任何人分享你的數(shù)據(jù)。但那并不是很有趣，因?yàn)榭赡芪沂盏降臄?shù)據(jù)中有欺詐數(shù)據(jù)。對(duì)公司來說，如果他們把真實(shí)的數(shù)據(jù)放到系統(tǒng)中，別人會(huì)得到比他們更多的優(yōu)勢(shì)，所以他們不會(huì)發(fā)送高質(zhì)量的數(shù)據(jù)，他們不傻。

那他們應(yīng)該發(fā)送的數(shù)據(jù)質(zhì)量要多高？系統(tǒng)應(yīng)該有什么激勵(lì)機(jī)制來讓他們衡量要發(fā)送數(shù)據(jù)的質(zhì)量？這還涉及到隱私問題，他們的律師就會(huì)一直強(qiáng)調(diào)不要發(fā)送數(shù)據(jù)。所以這里從機(jī)器學(xué)習(xí)的視角來說，有一種方式就是你讓每個(gè)公司自己決定要發(fā)送的數(shù)據(jù)質(zhì)量或者隱私，或者其它想要對(duì)數(shù)據(jù)進(jìn)行的操作。比如，他們要把噪聲加到數(shù)據(jù)中，然后才會(huì)放心地把數(shù)據(jù)交出來。他們對(duì)這樣有些差異化的私人系統(tǒng)會(huì)感到滿意。

現(xiàn)在數(shù)據(jù)到了我這里，我會(huì)用所有這些數(shù)據(jù)構(gòu)建一個(gè)分類器，然后看這個(gè)分類器在測(cè)試集中的表現(xiàn)如何。之后我要做的是留出一個(gè)公司的數(shù)據(jù)，然后用其他公司的數(shù)據(jù)做訓(xùn)練集得到一個(gè)分類器，然后看分類器效果多好。然后對(duì)比留出不同公司數(shù)據(jù)后得到的分類器。如果在某個(gè)公司數(shù)據(jù)是訓(xùn)練集時(shí)，得到的分類器效果最好，就說明這個(gè)公司提供的數(shù)據(jù)是好的。

我可以僅僅通過在經(jīng)典 Handout 方法中的一個(gè)損失函數(shù)量化數(shù)據(jù)的好壞。我現(xiàn)在要為每個(gè)公司做的是每次留出它們一個(gè)，然后就知道他們發(fā)給我的數(shù)據(jù)有多好，他們覺得要給我發(fā)多好的數(shù)據(jù)，以及數(shù)據(jù)差異有多大。并且一旦我知道了這些，我就可以進(jìn)行評(píng)估，現(xiàn)在我做的是世界上最好的分類器。但我會(huì)把模型或者預(yù)測(cè)結(jié)果，根據(jù)它們發(fā)給我的數(shù)據(jù)質(zhì)量返還給他們。

這也可以說是經(jīng)濟(jì)學(xué)，我設(shè)定了一個(gè)博弈，有一些激勵(lì)的概念，并且可能存在納什均衡，而不是說誰都不發(fā)高質(zhì)量的數(shù)據(jù)。但這個(gè)提議或許會(huì)是一個(gè)研究，可能不會(huì)有結(jié)果。

總之，如果很多事情你能擺脫傳統(tǒng)的思考角度，那么這個(gè)社區(qū)將有很多路可以走。我不認(rèn)為只靠深度學(xué)習(xí)的那群人可以實(shí)現(xiàn)那個(gè)目標(biāo)。