谷歌：AI系統需要「自我懷疑」能力，方能作出更好的決定！

本文由人工智慧觀察編譯

譯者：Sandy

在人工智慧領域裡，最具影響力的一個方面是深度學習。目前它正在被賦予一項全新的能力——一種不確定感。

優步和谷歌的研究人員正在對兩種最流行的深度學習框架進行修改，使其可以處理概率問題。這將為最聰明的AI程序提供一種方法，來衡量它們在進行預測或者做出決定時有多大的信心。從本質上來講，是想讓AI程序知道什麼時候應該進行「自我懷疑」。

在深度學習領域，涉及到要向大型的神經網路提供示例數據，在過去的幾年中取得了巨大的成功：不僅可以使機器能夠識別圖像中的物體，還可以幾乎完美地實現語音轉錄。但是，它仍然需要大量的訓練數據以及計算能力，甚至有時候是很脆弱的。

雖然與常規思路有些不同，但是許多人認為，「自我懷疑」的策略為該問題提供了一個解決方案。這一方法在自動駕駛汽車或者其他自主機器的某些情況下，可能會發揮關鍵作用。

谷歌公司致力於研究這個問題的Dustin Tran表示「用戶希望擁有一項可以衡量人工智慧確定性的系統。如果一輛自動駕駛汽車都不知道自己的確定程度，那麼很可能會犯嚴重的錯誤，一旦錯誤產生，那將是致命的。」

這項工作反映出不確定性是人類推理和智力的一個關鍵方面。劍橋大學教授兼Uber首席科學家，著名AI研究員Zoubin Ghahramani說，將不確定性添加到AI程序中可以使它們變得更智能，更不容易出錯。

在某次AI會議上，一群研究人員聚在一起對Uber發布的Pyro進行了討論。Pyro是一種新的編程語言，將深度學習與概率編程結合在了一起。

斯坦福大學教授兼Uber人工智慧實驗室的研究員Noah Goodman曾在長灘組織了一次AI會議。在此次會議中，Tran也在其中，他也為Pyro的發展作出了貢獻。

Goodman稱，賦予深度學習處理概率的能力可以使其在許多方面變得更加智能。比如，它可以幫助一個程序以合理的確定性，從幾個例子而不是幾千個例子中，識別物體。提供一定程度的確定性的度量，並不意味著提供出「是」或「否」的答案，這在一定程度上也對工程複雜的系統有益。

相對來說，傳統的深度學習系統只能從所輸入的數據中展開學習，而Pyro可以用來建立一個有知識的預編程系統。這對目前任何機器學習可能出現的場景都是有用的。

「如果你有相應的知識，想要構建一個模型，概率編程就特別有用，」Goodman說。「屆時，人們可以用Pyro做各種各樣的事情。」

Edward是由哥倫比亞大學研發的另一種包含不確定性的編程語言，DARPA投資研發的。雖然Pyro和Edward都處於早期發展的階段，但是我們不難想像到為什麼谷歌和優步會對它感興趣。

Uber在很多領域都使用了機器學習，從路由驅動到設定一路飆升的價格，當然，還有它的自動駕駛汽車。不得不說，該公司對人工智慧投入了巨額資金，並且聘請了一批AI專家進行研究。而谷歌也重新建立了自己的業務，主要圍繞人工智慧和深度學習進行研究。

哥倫比亞大學統計和計算機科學教授David Blei認為，將深度學習和概率變成結合在一起是一個很好的想法，但是還有很多工作要做。「原則上說，它非常強大。」David表示，「但是，技術上會存在很多挑戰。」

儘管如此，正如Goodman所指出的那樣，Pyro和Edward對於把人工智慧領域的兩個相互競爭的學派聚合在一起也很重要，一個側重於神經網路，另一個側重於概率。

近年來，神經網路學派一直處於主導地位，其他的想法都被拋之腦後。為了推進AI的進步，這個領域可能有必要去接受一些其他的理念。

Goodman說：「其實，不必把這些學派看作是獨立的。他們可以相互結合——事實上，他們現在正要被結合起來，完成我們正在建立的工具。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！