人工智能真的是什么意思?

创始人主席赛斯Neiman eSilicon锦通信、董事会成员和投资者的创业公司,坐下来与半导体工程讨论人工智能的发展,改变是什么,以及它如何最终可能会改变我们的生活。以下是摘录的谈话。

SE:有人工智能的进展多远?

内曼:我们一直使用人工智能自1960年代中期以来,第一个人工神经元和尝试建模愿景和演讲。现在,第一次,还有人认为成功的事情。成功意味着我们正在重新定义我们所说的“我”在AI。这是看的东西。做一个好的投资者的艺术形式是 在不可避免的。你不需要选择正确的小狗窝。但你必须点是不可避免的,解决时间和资本要求,模型适用于风险资本,并开始参与进来。现在,我们有巨大的成功,真的相当旧的体系结构已经出现了SIMD(单指令多数据)架构,在每个人的电脑是因为gpu。

SE:经过这么多年的工作,什么是人工智能真的好吗?

内曼:对什么有好处有很多相对深度非线性统计关系。这些都不是典型的数学分析,像黑盒的东西,目标函数和诸如此类的东西。但也不是什么新鲜事。这些很深的网络的当前方法是20多岁。我们只是没有电脑在过去。亚历克斯Krizhevsky(然后多伦多大学研究生)说:“等一下,我们有这些gpu,让我们试一试。有许多精密的分析,讨论为什么这是不工作。事实证明,这只是一个问题,没有足够的计算。突然,他们得到了很多的gpu和大量的计算,然后问题是没有足够的正确的计算。但与适度的软件,人们开始取得进展。

SE:他们取得进步?

内曼:如果你能代表二维数组中的数据,你会发现之间的关系数据的元素有很多,许多层的自由度和距离之间的统计关系。事实上,人们现在最大的问题是,分析深度学习的力量是如此强大,你最终建模噪声。

SE:或者你认为它的声音?

内曼:是的,你必须得到更多的数据。架构主要是使用最好的本能,应该有关系,寻找他们。这个特殊的力量,一个是我们的愿景是如何工作的。所以我们可以建立这些很深的网络事情感觉很像人类的视觉感,或在某些情况下比人类的视觉。这是很强大的。的初级视觉皮层,一大块41层深的大脑,有一个非常不同的架构比今天我们所做的。但我们可以发现在视觉领域的东西极其宝贵的使用原型问题现在,像检测癌症,阅读放射学图像,选择对象,分析照片。一张照片可以告诉你很多关于什么样的对象。仅仅几年前,只是不可行。结果检测这些对象是一个相对简单的技术问题,但搞清楚他们的意思是没有。

SE:有什么不同吗?

内曼:这是一个所谓的常识性的问题。“我怎么知道这小皱纹不是干血?我们可以分析这些二维数组的数据,有大量的数据和读的笔迹,扮鬼脸和对象的照片和告诉你的表情是什么。我们甚至可以检测对象和表情,人类有困难。但是我们不能告诉你它意味着什么,以及为什么。这就是为什么我说我们是在AI重新定义什么是“我”。我们意识到所有这些对象提取更sensing-sense数据和相关的问题,比真正的智慧。我工作的公司是壮观的关于阅读你的脸。平均父一半是关于检测孩子的谎言。一个训练有素的人可以到达90%。 It’s pretty easy for a piece of software to get to 97% to 98% accuracy.

SE:为什么软件更好?

内曼:原来有很多线索,但他们不是我们有意识地思考的类型,或者甚至心理学家一定思考。我们有这些强大的工具,可以找到这些非线性统计相关性和在模拟这东西真的有用的东西看起来像我们的情报。他们可以确定,它不仅是一条狗,但它是一个西伯利亚雪橇犬,大概一岁。在人工智能,他们谈论鸡性别问题。在养鸡场,小鸡的传送带,有人挑出母鸡,因为他们需要这些。没有严格的模型。事实证明,看了几周后,一个人能告诉这是母鸡。但是他们不知道他们这样做。人工智能目前是这样的。我们发现关联,我们可能不知道意思是什么。

SE:其他人工智能发展怎么样?

内曼:一个不会过多的关注是一个决策的过程,而不是统计分析过程,称为强化学习。强化学习是一个非常相似的学习算法,是一种捕获时间。它允许一个复杂的系统,看看事情的发展随着时间的推移,和使用类似统计协会做出决策。每个人都知道是DeepMind技术的“Go”玩电脑。技术捕捉,捕捉一个序列,并使用类似的统计方法来做决定,更接近一个人做的事情。“因为这正在发生,我要打这个电话。“还不是很inspectable说,“你是怎么到达?但如果你能给它足够的数据,它可以比人类层次的学习更好。

SE:这是为什么呢?

内曼:它可以归结为,‘我们能及时的原因吗?”事实证明只有少数人可以围棋世界冠军水平。这些看起来非常高层的事情,。但他们不是最困难的事情。如果球员撞了桌子,把碎片,DeepMind AlphaGo不会说‘哦,我们撞了桌子,规则52。这是不会知道的。它没有通用的常识。事实证明,也许那些实际上是困难的问题。

SE:那还剩下什么?

内曼:我们有非常强大的技术,但是找到一个真正对他们潜在的有用的应用程序是一个斗争。有一些伟大的医学应用,喜欢阅读x射线。这些都是很快到来。唯一阻止这成为一个5000美元的软件是保险公司和法律方面。

SE:你认为这种技术的大市场?

内曼:计算机驱动的汽车已经比人类更好的驱动程序。他们有一些问题,但是有很多的信心,事故和相关问题的总体率会低很多。

SE:为什么不是它广泛部署了吗?

内曼:都是关于社会、保险和法律。有问题电脑驱动的汽车,例如,拉到一个角落,光线变化和它想右转,但有行人。他们真的不知道如何工作,最终获得通过。这是另一个非常复杂的、通用的推理问题,该技术不是很好。但是,如果你是一个卡车司机在美国、欧洲和亚洲大部分地区,这些工作中消失,因为他们可以把卡车专用车道。这是一个巨大的产业,将创建自己的巨大的市场。

SE:他们可以去某个仓库外的城市,对吗?

内曼:完全正确。它取代了铁路和司机。我们现在已经在那里了。很多技术在汽车并不像一些AI几乎成熟的我们现在谈论。这个问题解决,在很大程度上,并行执行。他们已经集成技术,因为它是一个很大的行业,我们有足够的计算能力和他们建立传感器和训练有素的汽车。

SE:所以你在哪里看到这个标题?

内曼:如果你有一个专门的传感应用程序,你将取代人类专家在一个相对狭窄的领域,几乎都与观察和思考它进化,在某种程度上,大量的数据是可用的。这些应用程序很容易受到这种技术。所需要的工作量是悲惨地小。汽车是复杂的,因为你有很多硬件技术、激光雷达、相机和集成传感器。但是在当今世界,六个研究人员一年和200万美元可能攻击几乎任何问题如果数据是可用的。

SE:不仅仅是视觉,对吧?

内曼:这是任何可以减少这些序列大致如图片的东西,尽管技术是特别合适,因为gpu的结构方式的二维数组的数据。如果它很容易并入,技术是可行的。你可以用声音、气味和几乎所有的感官输入,只要你有数据。

SE:算法是关键?

内曼:他们是重要的,但是数据是关键。如果你想看谁会赢,看谁的数据。公司聚会,在非凡的方式。有一些设备在市场上收集数据。认为世界的传感器是一个相反的内容分发网络的地方,在那里人们可以获得数据的既得利益。

SE:收集的所有数据吗?

内曼:如果你有数据,技术今天发现任何存在于这些数据。你如何做一个系统,识别面部表情?你收集200万张面孔和人类第一100000分数的表达式。然后建立一个基本的网络,人类开始自动评分,然后判断样本。你需要判断的样本数据训练深网。这就是你如果你有数据。你选择一个问题,如果你的数据,你可以建立一个神经网络为它。举个例子,如果你有数据在7海里finFET你如何解决散热问题没有在6 GHz插入器,您可以使用这项技术如果你有足够的样本发现专家们知道,然后复制它。数据的价值。另一个例子是,你可以建立一个探测器,将使抑郁的顾问。你不想让它诊断抑郁症,但医生问病人一个60秒的测试,然后该工具会显示是否应该让他们为评估抑郁症。现在,这就是抑郁症诊断的大部分时间。你的初级保健医生确定一个男人或女人还不够成熟,有一定的问题。这是一个非常不成熟的诊断。但是你可以有一百万个已经被验证精神病医生得分的图像,将人类的判断与一个图像。你可以在一个商场有一个系统,可以检测和警告人类,战斗可能coming-patterns,面孔、声音与冲突有关。 That sounds good until the camera is owned by someone who doesn’t have our best interests.

SE:硬件呢?

内曼:这只是妄gpu。GPU公司到目前为止似乎主要是支持这些应用程序的培训。一年多前,我与他们交谈的时候,还不清楚他们是很难思考这些应用程序的部署和什么样的机会。例如,卫生保健,你真正想要的是什么东西可以追踪你的脸告诉当你在痛苦时,读你的脉搏,猜测你的血压,你个人病史和医生的问题。系统将解释的症状。没有一个巨大的努力构建硬件。这就是为什么英特尔收购了涅槃(深度学习启动)。这是一个新的架构就彻底的)使得更少的比特和其他人与gpu的做同样的事。有工作的人更复杂的神经形态芯片的设备。它会误导说我们要复制大脑,但未来十年内的某一时刻,有人将在一些版本,我们要做一些我们从来没有怀孕的。

SE:这软件运行的怎么样?

内曼:这不是很复杂的。10000年GPU集群上运行的软件是非常昂贵的软件,但这只是大系统的编程软件。它是复杂的,因为你必须不能阻止的事情如果1 GPU失败100小时的训练。实际部署的软件大部分的这些东西并不复杂。主要是在Python和大约20000行。这是下一个。

SE:应用程序创建全新的产业吗?

内曼:这还不清楚他们是否会作出新的行业或公司或新特性。我们知道它会把大脑的很多行业。不要让你的孩子是放射科医生或律师。已经发生了非常简单的软件。很多事情可以用简单的麦克风,简单的相机,和相同数量的计算能力,在你的手机或笔记本电脑。在某种程度上,这是很酷的,意味着一些非常有价值的可以部署的部署很容易,因为你不需要新的硬件。这也意味着广泛的应用程序可以部署非常迅速。

SE:一个问题,提出人工智能是裁员。这是真的吗,是最有可能带来问题吗?

内曼:如果我们可以部署系统,模拟人类认知的或替换一些相对较高的元素,它可以在手机或笔记本电脑,一旦我们有相对通用的应用程序中我们可以看到一个巨大的中断就业。你可以每周更新十亿部。完成了所有的时间。我们必须开始思考。问题的分析这部分的人现在都在关注这一事实,在大多数情况下,它是专业的专家放射科医师将挑战300000美元。你可以复制复杂的训练神经网络和强化学习,但你不能取代的人安排你和知道你害怕抽血。有很多人担心对失业率的影响。第一次,我们有一个技术,不仅仅是取代劳动力,这是够糟糕的,一个巨大的问题。我们的经验和信仰,人们的就业将会改变,每个人都将找到新工作从来没有面对这种位移。有很多专家之间的分歧将会发生什么。

SE:与汽车技术失业呢?

内曼:你必须替换所有的汽车和缓慢的。但是如果你谈论取代放射科医生,他们已经看图像数字化。技术并不能消除所有的放射科医生。一些需要审核的结果。但是想想波及影响到许多人的一个人赚300000美元/年真的支持吗?当那个人的系统吗?有一个二次效应。相对高价专业jobs-taxes和dermatologists-will被掏空了我们的经济。提高工作效率吗?是的,但它也出我们的经济。

SE:我们还应该担心什么?

内曼:有一个风险的技术与软件部署错误没有人知道。这将是很难知道如何工作的技术。这将是一个问题在汽车或诊断癌症,例如。如果复杂的软件正在取代人类决策的运营商,我们如何测试?持有公司法律责任?这是一个问题。另一个问题是,部署的速度可能会扰乱工作迅速,因为硬件不需要部署。它可以创造大量失业的速度远高于社会就会知道如何应对。在过去,自动化已经大部分流离失所的肌肉。现在将主要取代大脑,和我们的历史并没有告诉我们什么是给定的速度,这可能会发生。 With the industrial revolution, people that were good with their hands as artisans were redeployed making machines that did the things they used to do. That turned out to be expansive—the market got bigger and costs went down. In talking with an economist, a lot of the data and modeling suggests we’ll have this compression and we’ll see huge numbers of people going into the services industry. On the plus side, we’ll have a lot of need for service people in health care, particularly home health care nurses, elderly care and phlebotomists. But wages will go down as more and more people take those jobs. One of the most frightening things is wage and job polarization, where you see the popular jobs start to lose the amount they earn. I’m an optimist, but there are a lot of ‘shriekers’ that worry about overlords controlling everything. What I worry about is what happens to a country like ours when 30% to 40% are unemployed or radically under-employed.

有关的故事
一个人工智能芯片是什么样子?
作为人工智能的市场升温,那么困惑如何建立这些系统。
神经网络计算爆炸
资金雄厚的公司开始定制这种方法为特定_花大量的钱收购初创公司。
在机器学习填补漏洞
第2部分:短期和长期的解决方案,以确保机器的行为预期。
在神经形态计算
一般视觉首席执行官谈到为什么有兴趣重燃这样的技术和在未来将如何使用它。
卷积神经网络电力
采用机器学习方法的图像识别的生长;其他应用程序需要力量和性能改进。
人工智能风暴酿造(意见)
人工智能的加速度将有大的社会和商业的影响。