作者 | 蔣寶尚
編輯 | 叢 末
7月9日，世界人工智慧大會開幕，在大會中，除了眾多領導發表了講話，人工智慧領域的專家也對AI的現狀和未來進行了討論。
其中，在主題演講階段，圖靈獎獲得者姚期智做了關於人工智慧理論的新方向的報告；Yoshua Bengio做了機器學習賦能智慧型手機預測新冠疫情傳染性風險的相關報告。
以下，AI科技評論對姚期智院士的報告《 人工智慧理論的新方向》做了不改變原意的整理。
我今天討論的話題是「人工智慧理論新的方向」。AI在現實世界已經有了廣泛應用，在這場大會中也能看到AI應用的新進展。但是我想說明的是，所有的這些進展都來自於基礎科學。也就是說，AI領域在很多年前就已經打下了理論基礎。這給我們的啟示是：一定要讓理論研究不斷發展。
在這次演講中，我想討論三個要點：
1、AI理論很重要。當前AI面臨的很多問題和挑戰，都可以用理論來進行分析。通過理論分析，我們能更清楚的知道我們面臨的挑戰的本質，以及解決這些挑戰的方法。
2、AI是跨學科的行業。當前在AI中獲得的一些成果，其所處的領域很多是和AI幾乎不搭邊的學科。
3、探討AI領域的新理論方向。
如上PPT所示，我列舉了三個例子來進行討論，分別是：
1、神經拓撲結構：神經網絡研究的新視角；
2、隱私保護學習：人工智慧+多方計算；
3、可控的超級人工智慧：如何設計有益的超級智能。
第一點，神經網絡如此強大的理論原因直到現在還是個迷。如果能找到原因，這對神經網絡的改善、應用無疑是個突破。
我們用一個簡單的例子來說明神經網絡的應用。上圖中的氣象圖的數據是「波動」的，現在需要「算法」分析圖片中展現的氣候形式，也即分析圖片中的天氣是暴風還是正常。人類工程師通常觀察氣象圖的二維或者三維的表現，然後從中找到範式，判斷是否符合風暴的特點。
深度學習、機器學習則採取高維視角，整張圖應該被認為是一個高維的數據。機器學習的標準做法是通過處理高維度的數據，將數據分為不同的數據集類別，這個數據集可能是暴風天氣的圖像、也可能是正常天氣的圖像。
神經網絡中的核心問題就是，如何設計神經網絡的深度和大小，才能夠對數據進行分類。
我們將數學和神經網絡的能力聯繫起來，分析神經網絡能識別哪類數據集，不能識別哪類數據集。
拓撲學有一個非常重要的概念：貝蒂數。在代數拓撲學中，貝蒂數是一族重要的拓撲不變量，用b_0、b_1、b_2、...、b_k表示，取值為非負整數或無窮大。
我們猜測，如果一個數據集在拓撲學意義上是非常複雜的，神經網絡就非常難識別。關於數據越複雜神經網絡越難識別這一結論，已經可以通過經典的拓撲學和計算理論證明。
這也給了我們一個啟發，解決AI問題的方法可以從其它學科的角度考慮。
第二點，AI理論的新方向是隱私保護，這也是人工智慧正在面臨著的問題。隱私保護和密碼學息息相關，例如我曾在1982年提出的安全多方計算就是相關理論方向，多方計算主要研究在私有信息不被泄漏的前提下，多個互不信賴的參與者如何協作進行計算。通過使用多方計算，多個資料庫可以聯合計算一個函數卻不會透露各自的數據。
多方計算通過匯聚多方數據，實現高質量學習，同時又能保護各方數據隱私，對金融科技、藥物研發等應用非常有用。例如在藥物領域，人工智慧能夠大大降低製造新藥物的時間和成本，並提高發現新藥物的成功率，而人工智慧+多方計算可以讓多家製藥公司在不泄露其獨家智慧財產權的情況下，進行合作。
第三個需要討論的AI理論方向是：通用的超級人工智慧何時到來？答案是不可預知，因為現在的AlphaZero、人臉識別雖然很牛，但僅適用於特定領域。
正如1977年，John McCarthy曾經說過：「我們需要概念上的突破，1.7愛因斯坦+0.3曼哈頓項目，可能需要5~500年時間。」
最新的「超級AI理論」提出是在2019年，當時伯克利大學的Stuart Russell在書中提到，雖然超級人工智慧不知道什麼時候到來，但是我們必須做好準備。他在書中設定了三個原則，每一個原則都要用嚴格的數學方法來實現，這三個原則分別是：1、利他的：人的利益凌駕機器利益；2、謙卑的：機器不能自以為是；3、盡心的：機器能學懂人的偏好。此外，他還提出了許多方法論，涉及機率理論和博弈論。
綜上，我想表達的是，現在的AI應用來自過去的理論研究，AI的一些進步也正來自跨學科領域。今日的理論探索，正為未來的偉大應用奠定良基！
OMT：人工智慧出道MV（小福利）
另外，在大會開幕式中，還有一個環節展示了全球首支人工智慧作曲合唱 MV《智聯家園》，現在AI 科技評論把視頻放在這裡，以饗讀者。
點擊"閱讀原文"，直達「ECCV 交流小組」了解更多會議信息。
文章來源: https://twgreatdaily.com/zh-cn/D2uHNXMBiuFnsJQVsr3m.html