Google Brain之父:計(jì)算機(jī)終將能夠模擬人腦
當(dāng)前位置:點(diǎn)晴教程→閑情逸致
→『 讀書沙龍 』
吳恩達(dá)(Andrew Ng)是斯坦福大學(xué)人工智能實(shí)驗(yàn)室主任,2013年《時(shí)代》雜志評(píng)選的全球最具影響力百大人物中上榜的十幾名科技人物之一,目前領(lǐng)導(dǎo)著Google Brain項(xiàng)目,在谷歌內(nèi)部推動(dòng)深度學(xué)習(xí)算法。去年6月,“谷歌大腦”(Google Brain)項(xiàng)目運(yùn)用深度學(xué)習(xí)的研究成果,使用 1000 臺(tái)電腦創(chuàng)造出包含 10 億個(gè)連接的“神經(jīng)網(wǎng)絡(luò)”,使機(jī)器系統(tǒng)學(xué)會(huì)自動(dòng)識(shí)別貓,成為國際深度學(xué)習(xí)領(lǐng)域廣為人知的案例。 近日,《連線》雜志發(fā)表文章,對(duì)這位“Google Brain之父”及其研究領(lǐng)域進(jìn)行了詳細(xì)介紹,以下為文章內(nèi)容摘要: “單一算法”假說改變?nèi)斯ぶ悄苎芯糠较?/strong> 有種理論說,人類的智慧來源于一個(gè)單一的算法。這個(gè)理論的實(shí)驗(yàn)依據(jù)是,人類大腦發(fā)育初期,每一部分的職責(zé)分工是不確定的,也就是說,人腦中負(fù)責(zé)處理聲音的部分其實(shí)也可以處理視覺影像。人腦究其本質(zhì)來說,是一臺(tái)可以被調(diào)試以執(zhí)行特定任務(wù)的通用型機(jī)器。 七年前,斯坦福大學(xué)計(jì)算機(jī)科學(xué)教授吳恩達(dá)偶然接觸到了這一理論,這個(gè)理論醍醐灌頂般地改變了他對(duì)于人工智能本質(zhì)的理解,重新點(diǎn)燃了他對(duì)人工智能技術(shù)的熱愛,從而改變了他的職業(yè)軌跡。據(jù)他回憶,“有生以來第一次,我感到自己有可能在人工智能的研究領(lǐng)域取得一點(diǎn)進(jìn)展?!?/p> 吳恩達(dá)說,在人工智能技術(shù)研究的早期,主流的理念是,人類智慧形成于成千上萬個(gè)簡(jiǎn)單代理的協(xié)同工作,也就是麻省理工大學(xué)教授馬爾文·明斯基(Marvin Minsky)所說的“頭腦的社會(huì)”。工程師們因此相信,要實(shí)現(xiàn)人工智能,就必須建立成千上萬個(gè)獨(dú)立的計(jì)算機(jī)模塊。一個(gè)模塊,或者算法,去模擬語言,第二個(gè)模塊處理發(fā)聲說話等等以此類推??傊?,按照這個(gè)早期理念,實(shí)現(xiàn)人工智能所需的工作量巨大,難以實(shí)現(xiàn)。 吳恩達(dá)小時(shí)候的夢(mèng)想就是發(fā)明能像人類一樣思考的機(jī)器,但當(dāng)他進(jìn)入大學(xué)真正開始接觸人工智能時(shí),卻正逢上述理念盛行,他很泄氣,放棄了對(duì)人工智能的研究。后來,他成為大學(xué)教授,還不斷地打擊自己的學(xué)生,勸他們也放棄人工智能這一“不切實(shí)際的夢(mèng)想”。直到有一天,他接觸到了“人類的智慧來源于一個(gè)單一的算法”的假說,意識(shí)到自己以前對(duì)于人工智能的理解可能大錯(cuò)特錯(cuò),他終于重新拾起了兒時(shí)的夢(mèng)想。而“單一算法”這一假說的提出者是杰夫·霍金斯(Jeff Hawkins),一名有著神經(jīng)科學(xué)研究背景的人工智能領(lǐng)域的企業(yè)家。 現(xiàn)在看來,這一假說所改變的,不僅僅是吳恩達(dá)的職業(yè)生涯而已。吳目前的主要研究領(lǐng)域是機(jī)器學(xué)習(xí)技術(shù)中的“深度學(xué)習(xí)”,在計(jì)算機(jī)科學(xué)中屬于比較新的領(lǐng)域,深度學(xué)習(xí)研究的主要目的是打造能像人腦一樣處理數(shù)據(jù)的機(jī)器。目前,深度學(xué)習(xí)的研究已經(jīng)不限于學(xué)術(shù)界,谷歌和蘋果這樣的大公司也意識(shí)到了其中蘊(yùn)藏的巨大機(jī)會(huì)。吳恩達(dá)和谷歌的其他研究人員一起成立了有史以來人工智能領(lǐng)域目標(biāo)最遠(yuǎn)大的項(xiàng)目——Google Brain。 Google Brain項(xiàng)目的指導(dǎo)思想,是將計(jì)算機(jī)科學(xué)與神經(jīng)科學(xué)相結(jié)合,在人工智能領(lǐng)域,這是從來沒有真正實(shí)現(xiàn)過的。吳恩達(dá)說,“我發(fā)現(xiàn)工程師(擅長(zhǎng)計(jì)算機(jī)科學(xué))和科學(xué)家(擅長(zhǎng)神經(jīng)科學(xué))之間存在著巨大的代溝?!惫こ處焸兿胍獦?gòu)建成功的人工智能系統(tǒng),而科學(xué)家們卻仍未能完全理解人腦錯(cuò)綜復(fù)雜的工作機(jī)制。很長(zhǎng)一段時(shí)間內(nèi),神經(jīng)科學(xué)并不能夠?yàn)橄胍ㄔ熘悄軝C(jī)器的工程師們提供答案。 此外,據(jù)加州大學(xué)伯克利分校瑞德伍德理論神經(jīng)科學(xué)研究中心(Redwood Center for Theoretical Neuroscience)主任布魯諾·奧爾斯豪森(Bruno Olshausen)透露,科學(xué)家們還總是覺得“大腦研究”是他們的領(lǐng)域,不大愿意與其他領(lǐng)域的研究人員進(jìn)行合作。 最終的結(jié)果就是工程師們開始建造不完全模仿人類大腦運(yùn)行的人工智能系統(tǒng),他們鼓搗出來的只能說是“偽智能”系統(tǒng),產(chǎn)品類似于“Roomba”這樣只能用來吸塵的機(jī)器人,而不像動(dòng)畫片《杰森一家》(The Jetsons)里的機(jī)器人女仆“羅西”T(Rosie)。 吳恩達(dá)用電腦解釋深度學(xué)習(xí)(騰訊科技配圖) 在吳恩達(dá)和其他一些人的努力下,這樣的局面終于開始發(fā)生改變,美國國家心理衛(wèi)生研究所(National Institute of Mental Health)主任托馬斯·因瑟爾博士(Dr. Thomas Insel)介紹,“業(yè)內(nèi)已經(jīng)形成共識(shí),誰能搞明白人腦如何計(jì)算,誰就能設(shè)計(jì)出下一代計(jì)算機(jī)?!?/p> 究竟什么是“深度學(xué)習(xí)”? 深度學(xué)習(xí)是人工智能技術(shù)朝新的研究方向邁出的第一步。簡(jiǎn)單地說,深度學(xué)習(xí)包含了構(gòu)建能夠模仿人類大腦行為的神經(jīng)網(wǎng)絡(luò)。這些多層次的電腦網(wǎng)絡(luò)像人類大腦一樣,可以收集信息,并基于收集到的信息產(chǎn)生相應(yīng)的行為。這些電腦網(wǎng)絡(luò)可以逐漸對(duì)事物的外形和聲音進(jìn)行感知和理解,也就是“認(rèn)識(shí)”事物。 比如,為了賦予機(jī)器“視覺”,研究人員需要建立最基本的一層人工神經(jīng)元,用來探知如物體的邊緣形狀等基本信息,第二層神經(jīng)元可以將第一層感知到了物體邊緣性狀拼湊起來,鑒定較大塊的物體形狀,然后再加一層將第二層檢測(cè)到的信息再拼湊從而使機(jī)器明白物體整體的形態(tài)。這里面關(guān)鍵的一點(diǎn)是,軟件可以自行做到這一切——舊的“偽人工智能”往往需要工程師人工輸入物體視覺或者聲音的信息,然后由機(jī)器學(xué)習(xí)算法來處理這些信息數(shù)據(jù)。 吳恩達(dá)介紹,在深度學(xué)習(xí)算法之下,我們可以給這個(gè)系統(tǒng)很多數(shù)據(jù),使其“自己學(xué)會(huì)世界上的一些概念”。去年,吳的一個(gè)深度學(xué)習(xí)算法機(jī)器通過掃描互聯(lián)網(wǎng)上無數(shù)的貓的圖片“認(rèn)識(shí)”了貓,機(jī)器不認(rèn)識(shí)單詞cat,吳需要為機(jī)器輸入這個(gè)單詞,然后經(jīng)過一段時(shí)間,機(jī)器將這種毛茸茸的小動(dòng)物與單詞cat聯(lián)系到了一起,可以自行鑒別什么樣的事物是 cat。 教機(jī)器學(xué)習(xí)的方法本身就是在模仿人類的學(xué)習(xí)機(jī)制,當(dāng)我們還是嬰兒的時(shí)候,我們通過觀察周圍,開始認(rèn)識(shí)我們接觸到的事物,但是如果父母不告訴我們一樣?xùn)|西的名字是什么的話,我們自己無法知道。 當(dāng)然,吳恩達(dá)的深度學(xué)習(xí)算法目前還比不上人腦的精確性和靈活性,但他說,那一天會(huì)到來的。 從谷歌、中國到奧巴馬政府,誰在研究深度學(xué)習(xí)? 吳恩達(dá)不是一個(gè)人在戰(zhàn)斗,深度學(xué)習(xí)已經(jīng)是計(jì)算機(jī)科學(xué)發(fā)展的大勢(shì)所趨。2011年,吳在谷歌內(nèi)部領(lǐng)導(dǎo)建立了Google Brain項(xiàng)目,最近幾個(gè)月,谷歌在深度學(xué)習(xí)領(lǐng)域的投入明顯加大,收購了加拿大多倫多大學(xué)教授杰弗里·辛頓(Geoffrey Hinton,人稱“神經(jīng)網(wǎng)絡(luò)研究教父”)創(chuàng)建的人工智能機(jī)構(gòu)。中國搜索巨頭百度也建立了深度學(xué)習(xí)實(shí)驗(yàn)室,誓要在深度學(xué)習(xí)領(lǐng)域投入大量資源。吳恩達(dá)稱,其他科技巨頭公司如微軟和高通也都開始招聘于聘請(qǐng)更多研究“基于神經(jīng)科學(xué)的計(jì)算機(jī)算法”的科學(xué)家。 與此同時(shí),日本的工程師開始構(gòu)建控制機(jī)器人的人工神經(jīng)網(wǎng)絡(luò),南非神經(jīng)科學(xué)家亨利·馬克曼(Henry Markman)正與來自歐盟和以色列的科學(xué)家們合作,希望能利用數(shù)千次實(shí)驗(yàn)得到的數(shù)據(jù)在一臺(tái)超級(jí)計(jì)算機(jī)中模擬出人腦。 研究的困難仍在于我們無法完全掌握人類大腦的工作原理,但科學(xué)家目前在這方面進(jìn)展飛速。中國的科學(xué)家正在研究一個(gè)新的大腦圖譜,他們將之命名為“腦網(wǎng)絡(luò)穹頂”(Brainnetdome)項(xiàng)目。在美國,隨著奧巴馬政府宣布將支持籌建一項(xiàng)跨學(xué)科的科研項(xiàng)目“基于神經(jīng)科學(xué)技術(shù)創(chuàng)新的人腦研究”(Brain Research Through Advancing Innovative Neurotechnologies Initiative,簡(jiǎn)寫為BRAIN項(xiàng)目,該項(xiàng)目也在美國社會(huì)引發(fā)了許多爭(zhēng)議),許多類似的項(xiàng)目正雨后春筍般得涌現(xiàn),“大神經(jīng)網(wǎng)絡(luò)時(shí)代”(Era of Big Neuroscience)已經(jīng)到來。 BRAIN項(xiàng)目籌備委員會(huì)上周末召開了第一次會(huì)議,本周還將展開更多的項(xiàng)目籌備工作。 BRAIN項(xiàng)目的目標(biāo)之一,是為繪制大腦復(fù)雜回路圖開出所需的新技術(shù),種種跡象表明,BRAIN的工作重心就是人工智能。美國政府對(duì)BRAIN項(xiàng)目撥款的 1億美元中,一半來自美國國防部高級(jí)研究項(xiàng)目局(Defense Advanced Research Projects Agency,簡(jiǎn)稱Darpa),超過了美國國立衛(wèi)生研究院(National Institutes of Health , NIH)的撥款數(shù),美國國防部研究部門稱,希望 BRAIN項(xiàng)目能夠“催生新的信息處理架構(gòu)或者計(jì)算方法”。 如果我們能夠搞清楚人類大腦成千上萬的神經(jīng)元如何互相連結(jié)以及中樞神經(jīng)系統(tǒng)存儲(chǔ)和處理信息的原理,那么像吳恩達(dá)這樣的工程師對(duì)于“人工大腦”的設(shè)想就能夠更加清晰,對(duì)于人腦的研究成果和數(shù)據(jù)將能購幫助深度學(xué)習(xí)算法的研究,也能加速諸如計(jì)算機(jī)“視覺”、語言分析,以及蘋果和谷歌等公司為智能手機(jī)提供的語音識(shí)別等技術(shù)的發(fā)展。 “所以我們要學(xué)習(xí)生物生存使用的技巧,問題的關(guān)鍵在于生物將秘密隱藏得太深了。”加州大學(xué)伯克利分校計(jì)算神經(jīng)科學(xué)家布魯諾·奧爾斯豪森(Bruno Olshausen)感慨道,“我們還沒有掌握這些秘密所需要的工具。” 未來:得人工智能者得天下 隨著移動(dòng)設(shè)備的崛起,“破解人類神經(jīng)密碼”愈發(fā)迫在眉睫。由于設(shè)備越來越小,我們需要它們運(yùn)算更快、更準(zhǔn)確。然而,隨著電子設(shè)備的基礎(chǔ)元件晶體管的尺寸不斷縮小,將它們變得更精確更高效的難度也越來越大。比如,想要加快設(shè)備的運(yùn)算速度,需要給設(shè)備提供更多電能,但更多電能會(huì)讓設(shè)備的運(yùn)算系統(tǒng)更“嘈雜”,也就是說,它得運(yùn)算精確度會(huì)下降。 奧爾斯豪森介紹,目前工程師們智能通過避開問題核心的方式來應(yīng)對(duì)上述問題,力求在設(shè)備大小、運(yùn)算速度、能耗之間取得平衡,而人工智能技術(shù)對(duì)此則能提供更好的解決方案?!吧锟茖W(xué)能讓我們直面問題的根本所在,生物內(nèi)部的轉(zhuǎn)換機(jī)制也是天生‘嘈雜’的,但其找到了一個(gè)辦法來適應(yīng)和忍受這些干擾噪聲甚至對(duì)之加以利用。如果我們可以搞明白生物內(nèi)部應(yīng)對(duì)這些雜音的方法,我們就能開創(chuàng)一套截然不同的計(jì)算模型”。 科學(xué)家的目標(biāo)并不是將計(jì)算設(shè)備變得更小,他們的目標(biāo)是讓計(jì)算機(jī)能夠做到的事情更多。不管背后的算法多么復(fù)雜,目前的計(jì)算機(jī)無法幫助人類去雜貨店購買物品,或者幫助人類挑選適合的衣服、錢包,處理這樣的事情,計(jì)算機(jī)需要添加更高級(jí)的圖像智能識(shí)別技術(shù)以及像人類一樣的注意力和記憶力,如果能夠?qū)崿F(xiàn)這一點(diǎn),那么計(jì)算機(jī)能夠處理的事情的想象空間將變得無窮大。 “全世界都意識(shí)到,如果你可以解決這些問題,人工智能領(lǐng)域存在的無限商機(jī)就會(huì)被打開?!?奧爾斯豪森預(yù)測(cè)。 而驅(qū)使谷歌、IBM、微軟、蘋果、百度這些公司競(jìng)相開發(fā)高級(jí)機(jī)器學(xué)習(xí)技術(shù)的原因,正是其背后蘊(yùn)藏的巨大商業(yè)潛力。紐約大學(xué)教授、深度學(xué)習(xí)領(lǐng)域的專家燕樂存(Yann LeCun)教授預(yù)測(cè),兩年內(nèi),將出現(xiàn)大量的機(jī)器學(xué)習(xí)領(lǐng)域的初創(chuàng)公司,其中很多可能會(huì)被大公司收購。 雖然最優(yōu)秀的工程師一般不會(huì)同時(shí)是人類大腦研究的專家,但如今對(duì)于計(jì)算機(jī)科學(xué)領(lǐng)域的工程師來說,掌握一些神經(jīng)科學(xué)的知識(shí)可能成為巨大的優(yōu)勢(shì)。“我們需要與神經(jīng)科學(xué)領(lǐng)域的科學(xué)家更加緊密的合作,”百度的于凱(音譯)表示,于凱正在考慮招聘一名神經(jīng)科學(xué)領(lǐng)域的科學(xué)家,“我們已經(jīng)在與他們合作,但是我們做得還不夠?!?/p> 吳恩達(dá)的夢(mèng)想正在照進(jìn)現(xiàn)實(shí)?!拔矣辛讼M恢皇窍M?,我們可能能夠?qū)崿F(xiàn)真正的人工智能,”他說,“我們當(dāng)然還沒有找到正確的算法——這可能需要長(zhǎng)達(dá)幾十年的時(shí)間,要實(shí)現(xiàn)它很不容易,但我看到了希望?!?/p> 該文章在 2023/12/22 15:44:30 編輯過 |
關(guān)鍵字查詢
相關(guān)文章
正在查詢... |