人工智能前沿导论

2022-08-03 12:53 来源：读者提供作者：网友发布浏览：1

核心提示7月9日，2020年世界人工智能大会云端峰会于上海召开。本次大会以“智联世界共同家园”为主题，集聚全球智能领域最具影响力的政府领导人、科学家和企业家，围绕智能领域的技术前沿、产业趋势和热点问题发表演讲和进行高端对话。会上，图灵奖获得者、中

7月9日，2020世界人工智能大会云峰会在上海举行。本届大会以“智联世界共同家园”为主题，汇聚全球智能领域最具影响力的政府领导、科学家和企业家，围绕智能领域的技术前沿、产业趋势和热点问题进行演讲和高端对话。会上，图灵奖获得者、中国科学院院士姚期智与我们分享了主题为“人工智能理论的新方向”的演讲。他说，AI已经不是一个新概念，但已经发展了很多年。

姚期智教授对人工智能发表了三点看法:第一，人工智能理论非常重要。如果我们回顾一下AI发展过程中遇到的困难和挑战，至少可以从AI理论的角度知道困难是什么，对如何解决问题会有想法。第二，AI的发展需要共同的智慧，人工智能绝对是一个跨学科的行业。有很多例子可以说明，AI的一些伟大成就往往是因为一些看似不相关的学科之间的合作，而这种合作可能需要几十年的努力，因为如果没有其他学科的科学家所取得的研究成果，我们就不可能在AI上取得如此快速的发展。第三，希望通过一些例子告诉大家一些有趣的值得探索的新方向。

从某种意义上说，深度学习的成功是令人惊讶的，因为它已经沉寂了很多年。我们也在思考，深度学习的力量来自哪里，背后有什么支撑？如果我们能理解神经网络为什么成功，我们就可能知道如何改进它，从哪里寻找突破口。

正如李彦宏教授所说，深度学习和神经网络是许多应用的基础。在这里，姚期智教授将谈论机器学习从业者感兴趣的几个理论问题，并指出人工智能理论在未来的三个方向。其核心观点是，AI发展的巨大成功往往依赖于一些看似不相关的跨学科合作，因为跨学科的科学研究是在研究中进行的。

第一个人工智能理论的新方向是神经拓扑。深度学习多年没有进展，后来在AI应用上意外成功。但是神经网络的力量从何而来？AI机器学习的标准方法是从高维数据中寻找范式，高维数据集是数学家关注多年的一个方向。拓扑学中贝蒂数的概念可以应用于高维子集。把数学的能力和神经网络结合起来，有助于我们知道什么样的数据集更便于神经网络识别。

第二个理论方向是人工智能+MPC的隐私保护学习。当前的技术使得实现密码学的应用成为可能。通过多方密码学的实践，我们可以把多方的数据结合起来交给AI去挖掘价值，但在这个过程中数据的来源不会暴露。这样可以在保护数据隐私的同时实现高质量的学习，对于金融科技和药物研发非常有用。

第三个方向是可控超能。AlphaZero和人脸识别只适用于特定领域。全民超级人工智能何时到来？这个我们无法预测，但是我们可以做好准备。斯图尔特·罗素(Stuart Russel)提出“确保安全”的超级AI应该具备三个原则:利他、谦逊和奉献。也就是说，人的利益应该优先于机器的利益。机器不要自以为是，要学会理解人的喜好。

姚期智教授举了三个例子来说明:

在第一个例子中，他谈到了机器学习和拓扑学之间的联系，这是一个非常有趣的数学分支。第二个例子是关于人工智能和隐私的关系，即密码学，这是AI的一个全新领域。第三个例子是一个很多人非常感兴趣但也充满争议的话题，那就是可控的超级人工——超级AI。人们更担心AI的快速进步可能会给人类社会带来威胁。

下图是一个波动的数据。假设有一个算法来分析气候，是风暴还是正常现象。一个标准的方法是看一张图片，把它看成二维的或者三维的，希望从中找到一个范式，看这张图片是否符合一场风暴的特征。在深度学习或者最近的机器学习中，人们可能会从更高的层面和角度去看，整个图应该被看作是一个高维的点，一个高维的数据。例如，看一张猫的图片，它可能包含数百万个像素，可以表示为一个具有一百万个维度的点。这就是AI标准机器学习的方式。我们如何分析一个内容？比如给定一个数据，它是一个点，但是是一个非常高维的点。我们来分析一下这个点是否属于一个数据集，这个数据集叫做猫的形象。

抽象来说，你可以看看所有猫的图片。它是一百万个维度的子集。没有人知道高维数据集是什么样的。它可能对低维数据有感觉。高维空里有很多有趣的见解。因此，在神经网络这样的计算网络中，核心问题是神经网络应该达到什么样的规模和深度，才能将一张猫图片与其他非猫图片区分开来。

在高维的情况下，数学家关注高维数据集已经很多年了。一个很自然的问题是，如果人们理解了神经网络能做什么，我们就想知道什么样的数据集更容易被神经网络识别，什么样的数据集我们不能用神经网络解决这类问题。在过去的10年里，神经网络的专家们开始这样思考。其实我们也看到这方面的一些成果，就是把一些数学和神经网络的能力联系起来，然后做计算。

在拓扑学中，一个非常重要的概念被应用于高维子集或者任意维的子集，这个概念被称为贝蒂数。最低的一个是b0，等于一个子集中不相关元素的个数，而b1代表这个子集中有多少个洞。平面上有一个圆，b0等于1，即有一个元素，b1也等于1，中间有一个洞。看一个更复杂的例子，一个圆环，像一个甜甜圈。b1中的孔数等于2，有两种不同类型的圆，每种圆代表一个孔。如果把这些数字放在一起，这个数列就叫做总贝蒂数。从数学的角度来看，我们可以说一个数据集在高维领域有多复杂，这会让我们猜测过去10年一直在考虑的问题。

如果数据集非常复杂，神经网络就更难识别它。这也给了我们一个启发。解决AI问题，我们不妨从另一个学科来考虑这个问题。这个案例是关于拓扑的。拓扑学中复杂性的一些概念、技术和理论，可以帮助我们得到一个新的AI理论，但不可能只看AI。

第二个例子是关于保护隐私的。姚期智教授说，他本人对密码学非常感兴趣，尤其是MPC。假设有很多不同的当事人，每个当事人都有一些数据。你需要把所有的数据结合起来，通过AI找到一些重要的结果，但是各方拥有的数据都是秘密的，非常有价值，他们不想把自己的秘密交给第三方。

那我们能不能这样做，让计算结果不需要泄露这个数据属于谁，甚至不泄露这个数据？多方密码能达到这个结果吗？姚期智教授认为，这个目标实际上可以通过密码学来实现。

密码学技术发展了很久，当时也很少使用，但是这么多年过去了，成本已经大大降低，现在的技术让我们有可能实现。

最后，很多人担心会不会出现超级人工智能。超级人工智能会不会出现我们不知道，但是伯克利大学的一个教授去年出了一本书，里面讲了一个很有意思的概念。他说，“虽然我们不知道超级人工智能是否会来，但我们最好做好准备。他提出了一些很好的方法论，让大家用一些非常具体的方法去准备。”

最后，姚期智教授向你传达了一个基本概念——现在的应用来自于过去的理论研究，所做的理论研究将使我们在未来的某一天取得巨大的进步。

资料来源:InfoQ

蚂蚁金服更名为蚂蚁集团！拥抱科技，告别“金融”！

30家中关村金融科技企业震撼登陆中关村“均价以上”

超大信息量！刘合义、满易刚和郭树清在陆家嘴谈论这些金融核心问题！

看“央行数字货币”|或者摇一摇支付模式。

最新的！北京市市长陈吉宁:努力建设面向世界的国家金融科技和专业服务创新示范区。