在AlphaGo等吸引大眾眼球的事件推動(dòng)下，AI仍然是技術(shù)的熱點(diǎn)之一，圖像識別等一些成熟的人工智能應(yīng)用也在不斷得到推廣。但是另一方面，機(jī)器學(xué)習(xí)乃至深度學(xué)習(xí)的瓶頸和局限又不斷被業(yè)界拿出來討論，甚至有人提出了新的AI凜冬將至的說法。那么在接下來的一年里AI會(huì)有哪些進(jìn)展呢？VentureBeat采訪了吳恩達(dá)、Yann LeCun等多位業(yè)界大牛，讓他們對2019年的AI做出預(yù)測。我們一起來看看。

人工智能一下子扮演起了拯救世界和毀滅世界者的角色。

為了排除炒作和噪音，VB訪談了AI領(lǐng)域的一些杰出人物，這些在全世界的最大型技術(shù)和產(chǎn)業(yè)公司已經(jīng)工作多年，對如何正確做AI有著深刻見地。

以下是Google Brain聯(lián)合創(chuàng)始人吳恩達(dá)、Facebook AI Research創(chuàng)始人Yann LeCun。我們想了解一下他們對2018年關(guān)鍵里程碑的看法，也想聽聽他們預(yù)測一下2019年AI的發(fā)展趨勢。

吳恩達(dá)

當(dāng)我聽說吳恩達(dá)拿白板開會(huì)或者講網(wǎng)課時(shí)，我總是忍不住發(fā)笑。也許這是因?yàn)橐晃患扔屑で橛秩菀紫嗵幍娜撕苋菀鬃屓碎_懷發(fā)笑。

吳恩達(dá)是斯坦福大學(xué)的兼職計(jì)算機(jī)科學(xué)教授，他的名字在AI圈很知名，原因有幾點(diǎn)。他是Google Brain的聯(lián)合創(chuàng)始人，這是一項(xiàng)在Google眾多產(chǎn)品中推廣AI的行動(dòng)；同時(shí)也是幫助企業(yè)集成AI到運(yùn)營當(dāng)中的Landing AI的創(chuàng)始人。

他還是一些YouTube和Coursera（這家公司也是他成立的）上門一些最熱門的機(jī)器學(xué)習(xí)課程的講師，并且成立了deeplearning.ai，還寫了《Deep Learning Yearning》。

2014年他加盟百度擔(dān)任首席AI科學(xué)家，并幫助百度變革成一家AI公司，超過3年后他離開了百度。

最后，還是總額1.75億美元的AI Fund的一員，并且是無人車公司Drive.ai的董事會(huì)成員。

吳恩達(dá)本月早期時(shí)候發(fā)布了《AI Transformation Playbook》，這是一本有關(guān)解鎖人工智能對公司積極影響的短讀物。

他期望看到2019年會(huì)取得進(jìn)展或者預(yù)期會(huì)發(fā)生變化的一個(gè)主要領(lǐng)域是AI在技術(shù)或軟件公司以外的地方得到應(yīng)用。AI最大的未被挖掘的機(jī)會(huì)是軟件以外的領(lǐng)域，他引用麥肯錫的報(bào)告來說，到2030年，AI將可產(chǎn)生13萬億美元的收入。

“我認(rèn)為在軟件領(lǐng)域以外的AI應(yīng)用方面2019年將會(huì)有很多故事可講。作為一個(gè)行業(yè)，我們已經(jīng)做了相當(dāng)多的工作來幫助像Google和百度以及Facebook和微軟這樣的地方——當(dāng)然這些跟我已經(jīng)沒有關(guān)系——但即便是像Square和Airbnb、Pinterest這樣的公司也在開始利用一些AI能力。我認(rèn)為下一波大規(guī)模的價(jià)值創(chuàng)造將會(huì)是制造廠或者農(nóng)機(jī)設(shè)備公司、醫(yī)療保健公司開發(fā)十?dāng)?shù)AI解決方案來幫助自身企業(yè)的時(shí)候?！?

就像Chowdhury一樣，吳恩達(dá)對2018年公眾對AI能做什么不能做什么的理解程度也感到吃驚，并且對大家的對話不再僅僅圍繞著殺手機(jī)器人場景或者一般人工智能展開而感到欣慰。

吳恩達(dá)說，他刻意地回應(yīng)了我的一些很多其他人未必會(huì)提出的問題。

他說：“我試圖審慎地舉出若干我認(rèn)為對實(shí)際應(yīng)用非常重要的領(lǐng)域。我認(rèn)為AI的實(shí)際應(yīng)用是有障礙的，并且我認(rèn)為在這些問題方面若干領(lǐng)域有望取得進(jìn)展?！薄?

吳恩達(dá)興奮地指出，在未來一年預(yù)計(jì)會(huì)看到AI/ML領(lǐng)域會(huì)取得進(jìn)展來幫助整個(gè)領(lǐng)域發(fā)展。其一是AI會(huì)用更少的數(shù)據(jù)達(dá)成精確的結(jié)論，也就是所謂的“少樣本學(xué)習(xí)”。

吳恩達(dá)說：“我認(rèn)為深度學(xué)習(xí)的第一波進(jìn)展主要是有一堆數(shù)據(jù)老訓(xùn)練非常大型神經(jīng)網(wǎng)絡(luò)的大公司，對吧？所以如果你想開發(fā)一個(gè)語音識別系統(tǒng)的話，要用數(shù)據(jù)來訓(xùn)練它10萬小時(shí)。想要訓(xùn)練一個(gè)機(jī)器翻譯系統(tǒng)？得用極大量的平行語料庫句對來訓(xùn)練它，這會(huì)創(chuàng)造出大量突破性結(jié)果。我越來越發(fā)現(xiàn)即便你只有小規(guī)模數(shù)據(jù)也能獲得結(jié)果，比如只有1000幅圖像?！?

計(jì)算機(jī)視覺的另一個(gè)進(jìn)展被稱為“一般化能力”。計(jì)算機(jī)視覺系統(tǒng)用斯坦福大學(xué)的高端X光機(jī)器掃描出來的原始圖像來訓(xùn)練時(shí)也許能工作得很好，而且本領(lǐng)域的很多先進(jìn)公司和研究人員已經(jīng)建立起超越人類放射線醫(yī)師的系統(tǒng)，只是靈活性略差。

他說：“不過如果你把訓(xùn)練好的模型應(yīng)用到取自低端X光機(jī)器或者另一家醫(yī)院的X射線時(shí)，一旦圖像模糊一點(diǎn)或者X射線技術(shù)人員讓病人稍微偏右邊一點(diǎn)點(diǎn)的話，結(jié)果表明人類放射線醫(yī)師在概括這種新背景的表現(xiàn)就要比今天的學(xué)習(xí)算法好得多。所以我認(rèn)為研究如何改進(jìn)學(xué)習(xí)算法在新領(lǐng)域的泛化能力將會(huì)很有趣。”

Yann LeCun

Yann LeCun是紐約大學(xué)教授，F(xiàn)acebook首席AI科學(xué)家，同時(shí)是該公司研究部門Facebook AI Research（FAIR）的創(chuàng)始主任——FAIR是PyTorch 1.0與Caffe2以及Facebook每天使用數(shù)十億次的文本翻譯工具及類似下圍棋的先進(jìn)強(qiáng)化學(xué)習(xí)系統(tǒng)等若干AI系統(tǒng)的開發(fā)者。

LeCun相信，F(xiàn)AIR研究和工具開發(fā)采取的開源策略是正確的，這為督促其他大公司也做相同的事情起到了幫助作用，進(jìn)而可推動(dòng)整個(gè)AI領(lǐng)域的發(fā)展。

他說：“當(dāng)有更多的人就研究進(jìn)行溝通時(shí)，整個(gè)領(lǐng)域就能更快地取得進(jìn)展，這其實(shí)會(huì)產(chǎn)生相當(dāng)大的影響。今天你看到AI取得進(jìn)展的速度很大程度上是因?yàn)橛懈嗟娜烁旄咝У剡M(jìn)行溝通，并且做出了比過去更多的開放性研究?！?

在倫理方面，LeCun也很高興看到取得了進(jìn)展。不為別的，光是考慮到這方面工作的道德影響以及帶偏見決策的危險(xiǎn)就不錯(cuò)了。

他說：“這個(gè)現(xiàn)在已經(jīng)被視為問題，大家已經(jīng)意識到需要多加注意。2、3年前還不是這樣的?！?

LeCun說他并不認(rèn)為AI的倫理和偏見問題會(huì)成為亟待采取行動(dòng)的重大問題，但他認(rèn)為大家應(yīng)該為此做好準(zhǔn)備。

他說：“我認(rèn)為并不存在亟待解決的生死問題，但是這種問題會(huì)有，而我們需要理解那些問題，并在發(fā)生前阻止其出現(xiàn)?！?

就像吳恩達(dá)一樣，LeCun希望看到有更多的AI系統(tǒng)能夠具備那種靈活性，即不需要新的輸入數(shù)據(jù)或者確切條件才能得出精確輸出的更健壯的AI系統(tǒng)。

在將來，LeCun希望看到AI能在朝著在事件之間建立因果關(guān)系的方向取得進(jìn)展。這種能力就不僅是通過觀察去學(xué)習(xí)了，而且還要有實(shí)際的理解，比方說，如果人打傘的話，能推理出大概是下雨了。

希望我們都能認(rèn)清這個(gè)時(shí)代，擁抱這個(gè)時(shí)代，然后活好余生。