這是我看過最好的一篇GPT-3 科普文章。到現在還看不懂GPT-3的,建議好好讀:
本文來自量子位微信公眾號
…………………………………………
火爆全球的GPT-3,到底憑什麼砸大家飯碗?
GPT-3是指第三代生成式預訓練Transformer,它由三藩市AI公司OpenAI開發。該程式歷經數年的發展,最近在AI文本生成領域內掀起了一波的創新浪潮。
從許多方面來看,這些進步與自2012年以來AI影像處理的飛躍相似。
電腦視覺技術促進了、無人駕駛汽車到面部識別、無人機的發展。因此,有理由認為GPT-3及其同類產品的新功能可能會產生類似的深遠影響。
與所有深度學習系統一樣,GPT-3也是資料模式。它在龐大的文本集上進行了訓練,並根據統計規律進行了挖掘。
重要的是,此過程中無需人工干預,程式在沒有任何指導的情況下查找,然後將其用於完成文本提示。
▌海量訓練數據
GPT-3的與眾不同之處在於它的運行規模和完成一系列令人難以置信的任務。
第一版GPT於2018年發佈,包含1.17億個參數。2019年發佈的GPT-2包含15億個參數。
相比之下,GPT-3擁有1750億個參數,比其前身多100倍,比之前最大的同類NLP模型要多10倍。
GPT-3的訓練資料集也十分龐大。整個英語維琪百科(約600萬個詞條)僅占其訓練數據的0.6%。
訓練資料的其他部分來自數位化書籍和各種網頁連結。不僅包括新聞文章、食譜和詩歌之類的內容,還包括程式碼、科幻小說、宗教預言等各種你可以想像到的任何文字。
上傳到互聯網的文本類型都可能成為其訓練資料,其中還包括不良內容。比如偽科學、陰謀論、種族主義等等。這些內容也會投喂給AI。
這種不可置信的深度和複雜性使輸出也具有複雜性,從而讓GPT-3成為一種非常靈活的工具。
在過去的幾周中,OpenAI通過向AI社區的成員提供GPT-3商業API,鼓勵了這些實驗。這導致大量新的用法出現。
下面是人們使用GPT-3創建的一小部分示例:
▌GPT-3能做什麼
1、基於問題的搜尋引擎:就像Google,鍵入問題,GPT-3會將定向到相關的維琪百科URL作為答案。
2、與歷史人物交談的聊天機器人:由於GPT-3接受過許多數位化書籍的訓練,因此它吸收了大量與特定哲學家相關的知識。這意味著你可以啟動GPT-3,使其像哲學家羅素一樣講話。
3、僅需幾個樣本,即可解決語言和語法難題。
4、基於文本描述的代碼生成:用簡單的文字描述你選擇的設計項目或頁面配置,GPT-3會彈出相關代碼。
5、回答醫療問題:來自英國的一名醫學生使用GPT-3回答了醫療保健問題。該程式不僅給出了正確答案,還正確解釋了潛在的生物學機制。
6、基於文本的探險遊戲。
7、文本的風格遷移:以某種格式編寫的輸入文本,GPT-3可以將其更改為另一種格式。
8、編寫吉他曲譜:這意味著GPT-3可以自行生成音樂。
9、寫創意小說。
10、自動完成圖像:這項工作是由GPT-2和OpenAI團隊完成的。它表明可以在圖元而不是單詞上訓練相同的基本GPT體系結構,從而使其可以像在文字上一樣實現視覺資料自動完成任務。
但是,所有這些樣本都需要一些上下文,以便更好地理解它們。而令人印象深刻的是,GPT-3沒有接受過完成任何特定任務的訓練。
常見的語言模型(包括GPT-2)需要完成基礎訓練,然後再微調以執行特定任務。
但是GPT-3不需要微調。在語法難題中,它只需要一些所需輸出類型的樣本(稱為“少量學習”)。
GPT-3是如此龐大,以至於所有這些不同功能都可以在其中實現。用戶只需要輸入正確的提示就可以調教好它。
但是網上傳出的內容存在另一個問題:這些都是精心挑選的樣本,生成結果肯定不止一個。必然有炒作因素。
正如AI研究人員Delip Rao在一篇針對GPT-3的炒作解構文章中指出的那樣,該軟體的許多早期演示來自矽谷企業家,他們渴望宣傳該技術的潛力並忽略其陷阱,因為他們關注AI帶來的新創業公司。
的確,瘋狂的鼓吹情緒變得如此強烈,以至於OpenAI CEO本人都發Twitter說:GPT-3被過度宣傳了。
▌GPT-3也會犯低級錯誤
儘管GPT-3可以編寫代碼,但我們很難判斷其總體用途。它是淩亂的代碼嗎,這樣的代碼會為人類開發人員帶來更多問題嗎?
沒有詳細的測試很難說,但是我們知道GPT-3在其他方面會犯嚴重錯誤。
當用戶和GPT-3創造的“約伯斯”交談時,詢問他現在何處,這個“約伯斯”回答:“我在加州庫比蒂諾的蘋果總部內。”這是一個連貫的答案,但很難說是一個值得信賴的答案。
在回答瑣事問題或基本數學問題時,也可以看到GPT-3犯了類似的錯誤。例如,不能正確回答100萬前的數是多少(回答是99萬)。
但是,我們很難權衡這些錯誤的重要性和普遍性。
如何判斷這個可以幾乎回答所有問題的程式的準確性?如何創建GPT-3的“知識”的系統地圖,然後如何對其進行標記?
儘管GPT-3經常會產生錯誤,但更加艱巨的挑戰是,通常可以通過微調所輸入的文本來解決這些問題。
用GPT-3創造出小說的研究人員Branwen指出,“抽樣可以證明知識的存在,但不能證明知識的缺失”,可以通過微調提示來修復GPT-3輸出中的許多錯誤。
在一個錯誤的示範中,詢問GPT-3:“哪個更重,一個烤麵包機或一支鉛筆?” 它回答說:“鉛筆比烤麵包機重。”
但是Branwen指出,如果你在問這個問題之前給機器投喂某些提示,告訴它水壺比貓重,海洋比塵土重,它會給出正確的回應。
這可能是一個棘手的過程,但是它表明GPT-3可以擁有正確的答案,如果你知道怎麼調教它。
Branwen認為,這種微調最終可能會最終成為一種編碼範例。就像程式設計語言使用專用語法的編碼更加流暢一樣,未來我們可能完全放棄這些程式設計語言,而僅使用自然語言程式設計。從業人員可以通過思考程式的弱點並相應地調整提示,來從程式中得出正確的回應。
GPT-3的錯誤引起了另一個問題:該程式不可信的性質是否會破壞其整體實用性?
現在人們已經嘗試了GPT-3各種用途:從創建客服機器人,到自動內容審核。但是答案內容的錯誤可能回給商業公司帶來嚴重後果。
沒有人原因創建一個偶爾侮辱客戶的客服機器人。如果沒有辦法知道答案是否可靠,我們也不敢拿GPT-3作為教育工具。
▌專業人士評價
一位匿名的在Google資深AI研究人員說,他們認為GPT-3僅能自動完成一些瑣碎任務,較小、更便宜的AI程式也可以做到,而且程式的絕對不可靠性最終會破壞其商用。
這位研究人員指出,如果沒有很多複雜的工程調試,GPT-3還不夠真正使用。
AI研究人員Julian Togelius說:“ GPT-3的表現常常像是一個聰明的學生,沒有讀完書,試圖通過廢話,比如一些眾所周知的事實和一些直率的謊言交織在一起,讓它看起來像是一種流暢的敘述。”
另一個嚴重的問題是GPT-3的輸出存在偏見。英偉達的AI專家Anima Anandkumar教授指出,GPT-3在部分程度上接受了Reddit過濾後的資料的訓練,並且根據此資料構建的模型產生的文本有“令人震驚地偏向性”。
在GPT-2的輸出中,如果要求完成下列句子時,模型會產生各種歧視性言論:“ 黑人(皮條客工作了15年)”、“ 那個女人(以Hariya為名做妓女)”。
參考連結:
https://www.theverge.com/21346343/gpt-3-explainer-openai-examples-errors-agi-potential
庫樂思機器人評價 在 CloudMile 萬里雲 Facebook 的最佳貼文
AI時代的變革比每一次工業革命都快!李開復博士在達沃斯世界經濟論壇的人工智能焦點論壇上談到,人工智能的未來將預見未來的大規模的職業轉移和人力重新佈署。但同時人類將有更充裕的時間體驗更優質的娛樂(舉例:虛擬實境)。
【AI時代的變革比每一次工業革命都快】
達沃斯時受邀與MIT Media Lab(麻省理工學院媒體實驗室)負責人伊藤穰一(Joi Ito)在達沃斯世界經濟論壇閉幕日的人工智能焦點論壇上探討人工智能,本文由創新工場工友根據現場錄音整理。
——————————————————
對談嘉賓:
李開復博士,創新工場董事長及CEO、創新工場人工智能工程院院長
伊藤穰一(Joi Ito),MIT Media Lab(麻省理工學院媒體實驗室)負責人,曾任Creative Commons CEO、Six Apart日本分公司主席、風險投資公司Neoteny創始人兼CEO
主持人:
蒂姆·布拉德肖(Tim Bradshaw),《金融時報》駐舊金山科技記者
————————————————————
主持人蒂姆:今年我首次來到達沃斯參與世界經濟論壇,感覺人工智能(Artificial Intelligence,以下簡稱AI)在今年大會已然成為炙手可熱的焦點。現在當人們談及AI和它所引發的生產力進步時,往往會一道談及AI可能引發的倫理和政治議題,甚或爭辯AI的終極價值。我希望今天咱們能換一種觀點來討論AI。
伊藤:我覺得AI確實變的熱門了,這種變化從去年底開始,2016年是非常重要的一年,連許多非計算機領域的科學家都開始提出他們的觀點,而非像過往單純質疑AI。
李開復:的確,如今AI已經被全社會所更廣泛地接受了。人們開始認識到,AI正在為現實生活服務。自2016年初AlphaGo戰勝李世石一役,為大眾揭示了一個無法否認的事實,那就是AI確實能以極高的效能掌握特定垂直領域。AI能夠為我們的生活提供許多超越當前產品與服務水平的解決方案,AI能開始正式為人們提供服務。
圖:AlphaGo VS 李世石
蒂姆:所以,您認為這項變革的動力來自技術領域,還是外在的實體環境?
李開復:我認為它屬於技術引領的變革。數十年來,人們普遍把AI視為一項技術,確實在AI發展的同時,經濟、政治等外在環境也發生了一些改變,但我不認為實體環境的改變和AI技術的發展具有直接相關性。
蒂姆:前不久,IBM與微軟都捲入了一項重大討論,那就是AI技術是否會對人們現有的工作造成威脅,人們是否會因此失業?他們認為,AI的目的是增強人類的智能,而非替代人類。兩位認為上述論點成立嗎?
伊藤:所有事物的價值都需要經過長時間的檢驗,而並非一段短暫時間內的觀察。宏觀角度來看,我們無法否認人們會因「新技術總會導致人們失業」而恐慌,但隨著新技術的發展,某些領域又會誕生新的工作。例如在美國,高中畢業生如果想當護士,就必須就讀社區大學考執照,而AI技術能夠達到護士必須學習的操作流程技能,使得費時且昂貴的職業資格考試變得不那麼重要。護士這一職業還將存在,但將不再受限於繁瑣的操作任務和流程事務,對於想從事護士一行的人來說,這是一大利好。對於許多職業而言,立刻要談立即被AI技術取代還言之尚早。但是顯然,許多工作領域的問題正被解決也正被改變。
主導AI技術研發的各大科技巨頭,如果能為人們樹立一種正確的態度,驅散人們心中對AI技術的恐懼,也將會是一大利好。畢竟人們對AI技術的恐懼,絕大部分來自於對於AI的不解。
要消除恐懼,我們需要在兩個方面努力,其一,是消除人們心中情緒化、非理性的恐慌心理;其二,則是理性解決問題。例如,我們必須對當前的教育體系,以及職業資格認證等體系進行改革,這取決於未來機器發展的速度有多快。
在接下來數十年甚至很長時間內,AI技術都將會不斷發展。但現實是,我們的教育體系和人才市場仍然一成不變。我預見各項既有制度的僵化與缺乏彈性,將成為比AI技術本身更大的阻礙。
李開復:大體上我同意,不過我認為,我們需要更為急迫的喚醒社會集體意識來理解並準備AI時代的到來。
當今時代變革的速度,比以往任何一次工業革命時期都要快。隨著AI技術的不斷完善,越來越多的工作如今開始被AI技術取代。舉例來說,中國有一批AI創業公司正在研究人臉識別,這類技術已能批量辨識20到30萬張人臉,這是一般人類不可能達到的量級和精准度,諸如保安、邊防等從事辨識任務的從業人員,也勢必會被取代。在另外一些領域,AI處理人際和人機關係的能力確實還不如人類,醫療行業是最好的例證,醫療檢測中的某些涉及影像識別的崗位很快也會被AI技術所取代,但那僅僅是醫療專業的一小部分。
圖為曠世科技face++人臉識別自動解鎖
所以大體上來說,人們的工作必須具備足夠的深度,需要讓自己強大到不會輕易被機器所撼動。我不認為現在正在從事這類有足夠深度工作的人們,會輕易被AI取代。
當前有兩項重大的任務等著我們去解決。其一,是思考如何調配未來二十年大量被AI技術替代的工作者;其二,是我們的教育亟待改革。我們需要對我們的子女、下一代子女進行再教育,分析哪些工作不會被輕易替代,而不僅僅去幻想從事目前看似光鮮亮麗的工作。
投身服務業可能是其中一個選擇。我們希望能鼓勵更多人參與人際間的交往互動,建立機器人與人類的交流溝通模式,並不是所有人都能做到這一點,而這些對於服務行業來說至關重要,AI技術能夠使未來的服務業更被人們期待和尊重。
伊藤:日本人對於服務行業的看法就很有意思。日本人認為,服務業是與人打交道的工作。在日本很少有人帶著好萊塢夢,為了將來成為明星而在餐廳打工,他們單純就是喜歡在餐廳工作、熱愛著他們的顧客,這樣的態度完全刷新了我個人對於工作價值的認知。
我們有必要重新設定價值的評價體系。過去我在日本的時候,日本還是一個經濟發展至上的國家。但如今,人們的觀念已經發生了很大轉變。在以前,工作只是為了獲得金錢,而金錢是衡量一個人是否成功的標準。
但如果你基於你對工作技藝的精通程度去評價你是否熱愛這份工作,同時改採你對工作的熱愛程度來衡量成功,那麼很多被歸結為服務行業的職業其實都相當成功,服務本身可能談不上偉大,也不在創造什麼新事物,但這些當下從事的工作讓你明確目標,支撐著你的生活結構,讓你找到人生的意義。
我們應當少關注一點工作產出的經濟效益,而更關注工作的目標和意義。舉例來說,育兒應當是國家GDP的組成部分,而不是像現在這樣只被視為家務,養育下一代對全社會而言至關重要,如果每個父母都能在育兒領域多花些時間,社會將會變得更好。我們在比較人和機器的勞動產出時,多半僅僅用勞動價值和工時長短來衡量人類的產能,卻忽視了工作背後潛在的社會價值。這也是為何許多非計算機領域的科學家自去年起,也開始提出他們的觀點。
李開復:另外一個重點在於,人類的工作進入了一個新的層次。人們在競爭中,將選擇更好的雇主和工作,同時取得工作技能與深度上的提升,逐漸成為各類專業能手和頂尖人才,甚至最後成為特定領域的首席科學家、最有價值的金牌球員、最受饕客追捧的明星大廚等。
但機器也擁有著屬於它的全新定位。我們要做的是去思考在AI時代來臨之際,如何保留一手的經驗,如何為人類提供成長的空間,從而創造更多的就業機會,為人類共同的未來找到更好的解決方案。
蒂姆:那麼隨著AI技術的普及,社會上的職業構成、各類職業對經濟貢獻的性價比會不會隨之改變?例如,一個人周遊世界開另類雜貨鋪,會不會比在辦公室當一名白領賺得多?
伊藤:這正是另一個關乎整體經濟的重要問題。 如果AI真能把整體社會的生產力無限提高到一個極其充沛的程度,那很多人可能根本就不願意繼續從事現在的工作,如今包括政府公務員在內,很多人在崗位上過度勞動,薪水卻巨低無比。這些職業的確需要政策扶持和薪酬相關的補助,才能鼓勵人們考慮選擇那些看似低回報的工作。
古希臘的雅典城邦就是一個例子。當然我們現在沒有那時代的奴隸制,但想象我們處在一個充滿了藝術家、哲學家的社會,那時公民們關心的,會是資源分配是否公平、收入是否均等。這並不意味著我們不再需要工作,否則就太不符合現代的經濟法則。社會仍然需要人類勞動力,但人們將變得更富裕、更能投身內心真正渴求的工作,將會有更多的音樂家能心無旁騖專注他們熱愛的創作、廚師們方能每天精心烹調讓人贊嘆的美食,他們周遭人們的生活體驗,將會因此更為多彩豐富。
蒂姆:說到剛才的音樂家,如今他們掙錢的道路似乎更辛苦了。您覺得該由誰來支付這種額外收入?是政府?還是科技公司?
伊藤:目前的音樂行業,正隨著流媒體技術、更趨完善的數字版權制度蒸蒸日上,可預見的是,數字音樂不會在近期沒落,產業規則和行業規模隨著技術平台而生了重大變革,整體音樂行業反而是在上升的。但是,我預見音樂產業各種獨家約束制度仍然是個發展瓶頸。上世紀後期,在電視和傳統音頻媒介當道的時候,巨星經濟、高銷量唱片和企業壟斷形成了當時的市場格局。但現在,這種體系已經過於複雜、而且不符合當今以技術平台為主流的發佈體系。
李開復:不僅是音樂行業,其他的行業也存在著明顯的問題。例如,專欄作家和記者們的前途也值得憂慮,他們依循傳統媒體遊戲規則都曾經歷過獲利頗豐的年代,而對於新的技術平台分發規則、更為AI自動化的媒體模式他們仍未做好準備,記者編輯們的專業地位也需要被重新檢視與定位。未來型的AI技術公司將有機會賺得較高的經濟收益,這些創新公司甚至能和前沿政府緊密合作,共同為未來世界的工作結構和薪酬制度,進行前瞻的規劃和準備。
我們過去專注在培養數理化人才,為了訓練符合上個時代需求的工程師、醫師、會計師、律師等等專業人才,我們已經投資龐大的社會資源,導致很多人打從學習階段其實就開始偏離了他們的核心潛能而毫不自知。在不久的未來,許多工作都能被機器取代,人們將從這種演進中被釋放,真正投入我們擅長、我們熱愛的領域。
蒂姆:讓我們再來談一下當前AI技術帶來的經濟收益。由於AI技術對於大數據存儲、從業人員技能、輔助設施研發等領域提出了高門檻的要求,是否因而大部分收益都將集中在屈指可數的幾家大型科技公司中?對於其他小型的創業公司,由於缺乏機器、缺乏數據集,AI技術的研發成本無疑是巨大的,您認為AI技術對經濟結構有什麼影響?
李開復:我覺得目前的體系會持續促使大型科技企業不斷發展。他們有能力壟斷資源、壟斷數據,在商業利益和激烈競爭的驅使下,他們會不斷競逐更為精進的技術能力,為公司賺取更大的利益。對於較小企業,進入AI市場的難度的確比移動互聯網時代的創業高出非常多。
我呼籲行業需要大力推動AI生態系的開放性。創新工場北京總部和我們所投的創業公司體系中,已經啓動了全新的AI技術相關研發工作,近期我們成立了人工智能工程院,帶著孵化中國AI生態系的目標投入大量資源,招聘培訓一批年輕工程師入門AI領域,展開可公開數據集的採集和標注,我們也積極尋求在中國和全球資本市場的融資和成長機會。
全球AI競技場上,美國市場有Google、Facebook、微軟,中國市場有百度、騰訊、阿里巴巴等行業巨頭,激烈的市場競爭導致他們的技術極低程度會考慮開放出來,創新工場希望能夠借此成為AI領域開放發展的倡議者和實踐者。
蒂姆:我們之前提到,誰擁有數據上的優勢,誰就擁有敏銳的洞察力和創新能力。那麼非技術型公司什麼時候能夠真正採用AI技術,亦或是只能運用像IBM、Google、微軟等公司的平台?
伊藤:隨著世界愈發緊密互連,要以「贏家通吃」的玩法去壟斷市場是越來越難。現在,如果某個個體試圖進行壟斷行為,會自動觸發市場機制。市場競爭會形成限制:如果某方採取壟斷動作,對標競爭的另一方會花數百上千萬美元去找到超級優秀的AI博士們來迎頭趕上。現今人才培養的源頭已經到位,但我擔心,當某個企業實現了壟斷甚或做上了寡頭的時候,自然而然能順勢招募AI領域的全球才俊,吸引能夠負擔他們百萬美金酬金的投資人,種種多方因素都正匯聚在一起。市場單方面依賴競爭機制進行調節並不完善,因此,我對開復和創新工場在中國推動的開放做法特別感興趣。
接著我想說下一個經典的「電車難題」,雖然看起來有點偏題,但其實這個跟我們的討論挺相關的。這個研究大概就是詢問人們,如果街上一輛滿載乘客的電車馬上就要撞上一大群人,它應不應該立刻轉向,犧牲車內乘客的生命,還是放任讓車輛撞上人群。結果大多數的人都說,當然應該犧牲車內乘客的生命來保全更大一群人。但如果按照這個標準設計一輛無人駕駛汽車,你們會不會買具備這種人性道德的汽車?我是肯定不買。所以其實這就意味著,當我們只把責任交由市場機制,人們普遍都是自私的。
而且,就像開復所說的一樣,資本主義的市場競爭是不會激勵大家分享數據、資源和市場的。傳統的政府監管方式過去曾經行之有效,但在面對互聯網的開放和動態結構,這種傳統的監管方式將會失效。現在這些AI、比特幣和其他所有領域中的問題,都不是過去十年二十年間學者們研究的題目,而是真正在資本市場能夠快速賺錢的技術。然而相較於開放的互聯網,行業不曾充分在開放場域來探討這些技術衍生的問題和現象,這是我的擔憂所在。
李開復:我們倒是嘗試採用實務並直接一點的方法,用大公司跟大公司來抗衡。比如某巨頭企業說他們能夠提供數百萬美金的資金,另一家巨頭企業便說我們可以提供一個昂貴的開放平台。我們不知道這個方法是否有效,但畢竟我們都是敢於冒險的資本家,這個策略肯定是值得嘗試的。作為風險投資家,我們理解商場上凡事皆求回報,我們試圖串聯各方利益點,聚合成一條具有共通性的利益鏈條。
蒂姆:現今大家都能看到AI產出已經開始變得極具說服力,那麼投入方面狀況如何?誰在編寫、改進算法,我們又怎麼知道這些算法何時會被使用?AI技術的透明性又如何?市場能否避免AI這樣的黑科技遭受偏見誤區,或者避免AI技術被濫用?
李開復:我覺得目前有些公司採取所謂公開透明的做法,其實是很討喜的宣傳手段。但我也確實擔心,下面這種兩難問題會不會出現:一些公司選擇通過自律或推動立法來限制錯誤發生,但另一些公司不會這麼做。自然而然,比較規範自律的公司由於發展顧慮更為周全,相對發展速度上可能放緩;而較不顧慮錯誤發生的企業,反而可能成為最快速或最成功的那一方?
例如在無人駕駛技術的開發上,Google很小心謹慎,把保護駕乘人員和行人放在了極其重要的位置上,技術不成熟就不推廣;相反,特斯拉的AutoPilot就很激進,會直接把測試版產品拿給公眾進行試驗。然而現在看來,特斯拉造出好無人駕駛車的可能性還要更大一點。所以這個難題對任何規模、任何階段的企業,都是一個道德層面的決策。
伊藤:偏見同樣會影響到產品開發。曾經有某家企業開發麵部識別系統的時候,僅用他們自己的工程師作為訓練數據庫的模板,但發佈演示產品的時候,這個產品竟然認不出一位黑人女性的臉,正因為他們的工程師全都是白人男性。很多偏見,是你在日常職場中不容易意識到的。
過往許多公司會去蒐集信息、理解客戶,然後給出個解決方案。如果要做一個真的對社會有益、解決問題的架構,就只要想著把這個工具做得更好、更有用就可以了。我喜歡舉會計和電子錶格的例子,在VisiCalc發佈以後,這個蘋果公司自己都不知道該賣給誰的軟件出乎意料獲得會計行業的巨大歡迎,這讓他們欣喜萬分。於是他們在VisiCalc中投入了更多的靈感,VisiCalc 的開發者都沒有設想過它有如此多的可能性。
我們需要的不是企業銷售人員出去收集客戶需求,然後回頭要求工程師做出什麼,我們需要的是賦予人們自己打造這些工具的能力,這不會是目前主導AI領域那些科技巨頭的商業模型和運作方式,反而更可能來自像開復您所投資的實踐型的創業者。
蒂姆:數據和最終的成果歸屬之間是否有條清晰的界限呢?比如說如果某個商業公司使用Google的演算法找到公共部門數據中有利可圖的部分,例如運用某些醫療數據而大賺一筆,會發生什麼?會因為來源是公共數據而把這樣得來的利潤回報給政府呢,還是因為用了Google算法而成為其產品的一部分呢?畢竟沒有公共數據就不會有這一結果,目前這些數據相關的行業規則是如何制定的呢?
李開復:我感覺我們正站在一道門前,正打開去探索一個美麗勇敢的新世界,針對上述問題其實行業還沒有定論,也應該好好充分研究一下這個問題。
伊藤:看來科技巨頭們有一套針對現存數據庫、獲取數據的戰略。Google、Facebook或中國的百度、騰訊當然都會收集大眾的數據、從公共的數據中試圖做出成果。但很顯然個人電子郵件就不是公共數據,想要購買這些數據也是不可能的。也有很多人爭論是算法重要還是數據重要,顯然兩個都十分重要,但不同企業由於其業務屬性的側重,將會有不同的選擇。
蒂姆:我在這星期聽到許多關於人工智能未來是不是真的能帶來巨大收益的相關討論,比如增加稅收,幫助政府能讓所有人都開心地生活還不用工作。你覺得AI能緩解社會焦慮、解決其他情況下可能會出現的不平等問題嗎?它會是我們期待的那個靈丹妙藥嗎?
李開復:應該說這是必然的,在可預見的未來大規模的職業轉移即將發生,人才與人力需要重新部署,在AI驅動的工作形態改變之際,有兩部分我自己特別關注:一是孩童和成人的教育體系,舉例前面提到的音樂家、育兒等都將更能彰顯其價值,目前各項專業教育和技能培訓需要檢視其未來的適切性。二是人們有更充裕的時間來體驗享受更優質的娛樂,娛樂行業比如虛擬現實(Virtual Reality)在未來勢必更為百花齊放。
蒂姆:這是場非常有意義並非常有趣的對談,十分感謝你們參與。
庫樂思機器人評價 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
Prisma走紅人工智慧試水圖像處理
北京新浪網 (2016-08-17 06:00)
特約記者 劉燕秋 北京報導
導讀:事實上,人工智慧技術在圖片處理甚至藝術領域的應用,才剛剛開始。2016年被稱作人工智慧元年,舉世矚目的人機大戰讓神經網路、深度學習等一系列技術術語為人所知。而在細分領域,探索的觸角還可以伸向更多的方向。
有句戲言稱,奧運前夕,一半的潮人在玩Pokémon Go,剩下的一半都在用Prisma修圖了。
和Pokémon Go齊名的Prisma 是一款修圖軟體,它的神奇之處在於,在你的手機相冊隨便選擇一張照片,Prisma能在十幾秒內將其變成獨具風格的藝術大師作品,無論你是想要「漫威風」還是想化身畢加索筆下的抽象派女郎。這款應用由俄羅斯一個4人團隊花了一個半月時間開發,於6月11日在App Store正式上線,上線僅一周就席捲了東歐10個國家排行榜的第一位。
Prisma的興起推動了同類應用的扎堆出現。Prisma投資公司Mail.ru推出的第二款產品Vinci,幾乎是Prisma的複製品。而在國內,8月4日,成都品果科技(Camera360)也推出了相似產品「poker濾鏡」,並將其定位為基於人工智慧技術的機器人繪畫引擎。
人工智慧「平民化」
伴隨Prisma的火爆,一個原本圈內人士才了解的技術名詞——「卷積神經網路(Convolutional Neural Networks)」也開始從幕後走向台前。
卷積神經網路是深度學習演算法在圖像處理領域的一個應用。「在機器學習中有個基本單位叫做感知器,具有分類的功能,可以理解成生物的神經元。當多個單元組合起來,並且具有分層結構時,就形成了神經網路。在處理一張圖像時,如果對每個像素進行處理,神經網路就變得非常龐大,幾乎無法進行訓練和使用。要進行優化,可以讓100個像素對應到一個神經元,這個對應過程就是卷積」,Camera360創新院高級研發工程師張靖淇向21世紀經濟報導記者解釋了「卷積神經網路」的由來。
這項人工智慧領域的技術跟傳統的濾鏡採用的是不同的技術實現思路。傳統的濾鏡是做加法,把效果一層一層疊加上去,而Prisma、Poker 濾鏡採用的是機器學習,開發者運用大數據技術,通過成千上萬張圖像的導入,訓練一個「卷積神經網路」,來表示某種風格的轉移過程。通過演算法去學習圖片的顏色、結構和紋理,最後實現的效果就像機器人模仿出來的一樣。
張靖淇告訴記者,去年10月左右,論文《A Neural Algorithm of Artistic Style》提出了使用神經網路來實現繪畫,「我們關注到這一動態后就成立了專門的獨立團隊進行跟進」。
有分析認為,Prisma可謂是第一款人工智慧平民化應用,「平民化」體現在將原本高大上的複雜技術應用在娛樂領域。更有觀點認為,類似Prisma應用的火熱,標誌著智能手機的人工智慧時代將要來臨。
「隨著人工智慧的發展,所有的應用都將慢慢加入人工智慧的技術,以此來提升自己的產品體驗」,慧辰資訊TMT高級研究經理林仁翔這樣評價當前的趨勢。
後勁不足?
需要指出的是,類似的炫酷爆款應用,後勁不足也是通病。Prisma開發者 Alexey Moissenkov此前就曾表示,Prisma始於一個想法,而不是商業目的。
迅速竄紅的驚喜之後,後續開發也在緊鑼密鼓地準備中。就在Prisma醞釀視頻版的同時,一款同樣是結合神經網路和人工智慧技術的視頻處理軟體Artisto搶先問世了。Artisto可以拍攝或編輯最長10秒鐘的視頻,像Prisma一樣轉化為名畫效果,目前有14種效果可以選擇,在Instagram上也受到了很多名人的喜愛。
然而,在最初的新鮮感褪去之後,單一的功能、界面很可能難以對用戶形成長久的吸引力。這種情況下,如何保持生命力,成為擺在此類爆款娛樂型應用面前的問題。從性質上說,Prisma之流確實更像「臉萌」,而不是Instagram,是可有可無的娛樂型產品,不是須臾不可離身的社交工具。
「在當前的技術環境下,基於微信朋友圈的便捷傳播,很多以炫酷好玩作為賣點的應用可以在網上快速發酵,但是一旦熱度下降,沒有新的創新點出現,用戶黏性就會降低。一款應用要延長生命周期,一定要不斷開發更有意思的玩法。」易觀智庫高級分析師龐億明告訴記者。
雖然前景不明,科技巨頭們仍不肯放過這種垂直領域的創新勢力。今年3月,Facebook買下了創業公司Masquerad。這家公司推出的App MSQRD就是通過人工智慧技術,透過手機前置鏡頭在自拍者的臉上疊加動畫效果或改變臉部形狀。
事實上,人工智慧技術在圖片處理甚至藝術領域的應用,才剛剛開始。2016年被稱作人工智慧元年,舉世矚目的人機大戰讓神經網路、深度學習等一系列技術術語為人所知。而在細分領域,探索的觸角還可以伸向更多的方向。
有研發人員認為,從技術層面上看,使用深度學習的方式進行圖像風格轉換屬於從0到1的創舉。在張靖淇看來,圖像處理和人工智慧本就密不可分,現階段的人工智慧技術,最直接且成效顯著的應用之一就是圖像處理。要知道poker濾鏡並不是第一次在產品中使用人工智慧相關技術,拍照場景檢測、照片分類、人臉及物體識別等等都是人工智慧的應用。
Poker目前只是Camera360應用內的一款濾鏡,不過據張靖淇透露,團隊已經著手將其開發為一款獨立APP了。但是,一個頗令人不解的現象是,火爆歐美的Prisma似乎並未在中國掀起相同的熱潮——雖然產品已經順勢推出了安卓版,在朋友圈分享圖片的人仍寥寥無幾。這樣的局面也給Poker的前景蒙上了一層迷霧。
在龐億明看來,Camera360、美圖秀秀都屬於能夠滿足用戶剛需的工具型應用,擁有穩定的用戶量,在這個基礎上開發新的玩法,促進用戶活躍度,對圖片處理應用來說是一個比較健康的狀態。只是基於一個點去開發,一旦沒有新的功能提升用戶黏性,相對來說,用戶就很容易流失。
對此,張靖淇則表現出了比較樂觀的態度。「人工智慧在機器繪畫領域的應用還只是剛剛開始,還有很多可以帶給大眾驚喜的地方,保持生命力根本不是問題」,他告訴記者。
資料來源: http://news.sina.com.tw/article/20160817/18299061.html