世界顶尖科学家：我们身处信息时代的起始
计算机科学问世不到一百年，就对人类生活产生了巨大影响。它未来的发展方向是什么？11月7日，在全球顶级科学家科学圆桌会议上，计算机科学、人工智能和信息技术领域的全球顶级科学家“围坐π圆桌”，共同探讨“数字智能未来的新突破”。圆桌会议主持人、1986年图灵奖获得者约翰·霍普克罗夫特说:“我们正处于信息时代的开端，而不是终结。”
人工智能不应该满足于行为模仿。
通过训练，人工智能已经能够模仿人类的很多行为，用“棋书画全面发展”来形容一点也不为过。2004年美国总统科学、数学和工程指导优秀奖获得者诺伊·布鲁姆(Noe Bloom)在会上指出:“人工智能就像一个‘集成器’，可以与许多领域结合，这一点值得深思。”
相对于模仿，人工智能未来应该更注重“决策”。首届顶级科学家协会奖“智能科学或数学奖”获得者迈克尔一世·乔丹表示，虽然“模仿人类行为”是人工智能的经典定义，但深入分析是关键。比如人工智能可以用博弈论分析海量数据；还能预测蛋白质的折叠结构，这是人类做不到的。11月6日，乔丹在首届最高科学技术协会奖获得者的媒体见面会上也表示:“人工智能的意义不在于让机器人跳舞。”
Jordan的理论框架是机器学习应用的基础。先后在心理学、数学、认知科学等领域进行研究，成功连接计算机科学和统计学。他认为个人和群体都是智能主体，都可以产生决策行为。“上海的所有餐厅也可以是智能集合。如果天气变化，城市格局更新，这种智能体验会做出相关反应。重要的是，它还是一个非常强大的智能聚合。”乔丹说，“如果我们通过个人收集海量数据，我们可以在经济学中开辟一个新世界。”
鲁棒性是机器学习模型的一个重要评价指标，主要测试模型在面对一定变化时的性能是否稳定。
未来数据将“连成一条线”。
人类社会是由极其复杂的文化联系构成的，不是一个单一的数据可以描述的。“未来的计算机科学将‘点连成线’，通过学科之间的相互作用，进行结构性的预测和分析，让人类拥有更好、更高效的生活。”乔丹说。
那么，在一个充满活力的社会中，机器如何“自我提升”呢？这是清华大学软件学院长期副教授龙长期关注的问题。“‘错误发现率’可能是人工智能研究中缺失的一环。10多年前，机器学习技术总是被现实问题打败，这促使我思考机器学习的缺点。”
但龙明升坦言，在自己的研究过程中，人工智能的训练往往会因为环境部署的变化而失败，人工智能急需一些原理和方法论来形成体系。“鲁棒性是指人工智能需要不同的范式，科学研究需要这些各具优势的范式来实现‘合作’。”清华大学计算机系教授朱军说。
在此背景下，我们将见证“一门新的工程学科”的出现。依托全球网络和数据，这一基于智能科学、统计学和经济学原理的学科，将为新型商业、医疗、交通和娱乐提供强有力的支持。人类的偏好、价值观和决策是这门学科的关键。“由计算机科学、经济学、统计学、数学等产生的集合。将会产生一门新兴的学科，对现实世界做出预测。一旦我们能很好地推理，我们就能做出好的决定。”乔丹说。这是他在机器学习和人工智能领域扎根数十年的过程中的发现。
人工智能还在发展，很多问题仍然没有明确的答案。但在通往科学巅峰的路上，世界顶尖科学家都在寻找新的模型，建立新的基础，这个新的学科终将是“忠实的妻子”。
免责声明：该文章系本站转载，旨在为读者提供更多信息资讯。所涉内容不构成投资、消费建议，仅供读者参考。