雖然歷遭抵制，Nature機器智能子刊最終上線

科技 01-10

機器之心報道

機器之心編輯部

2017 年底，Nature 宣布將於 2019 年初推出全新在線期刊《Nature Machine Intelligence》。剛剛，這一子刊的第一期正式上線。

據 Nature 介紹，《Nature Machine Intelligence》是一個專門的線上刊物，以便儘快發布研究文章，使讀者能夠在文章發布在專門期刊前數周看到。該期刊內容類型多樣化，包括原始研究論文和分析、新聞 & 評述、評論、觀點、特徵和信件這些能夠闡明特定領域中重大進展且覆蓋熱門話題的內容。

其實，Nature 增設機器智能子刊並非一帆風順。眾多學者與工業界人士在 2018 年初初曾簽署了一份聲明，聲稱他們將不會向 Nature 的新期刊《Nature Machine Intelligence》提交論文、提供評審或編輯服務，其中包括了很多我們耳熟能詳的名字，如 Yoshua Bengio、Yann LeCun、Gary Marcus、Jeff Dean、Ian Goodfellow、Sergey Levine……

這主要是由於這份刊物的文章發表形式仍然遵從傳統學術期刊的封閉、文章作者付費提交審核的模式。很多人認為在如此重要的期刊上施行不符合機器學習領域內普遍存在的開放原則是一件無法接受的事情。

但如今，《Nature Machine Intelligence》的第一期還是如期到來，《Nature Machine Intelligence》介紹了 7 篇新研究，讀者可在線瀏覽（能夠看到完整論文內容）。

以下為此期刊發刊的編者按：

人工智慧、機器人技術和機器學習在各個領域都佔據著重要位置，《Nature Machine Intelligence》的推出旨在激發不同學科之間的合作。

幾個世紀以來，最聰明的人一直為了理解人類思想而思考，許多關鍵問題仍未得到解決。這並沒有阻止我們試圖打造模仿人類思想和行為的機器。這種智能機器的視角影響了我們思考人性的方式。更普遍的是，從工業革命到數字時代，追求模仿人類部分智能並執行有用任務的機器在塑造支撐社會變革的技術方面發揮了關鍵作用。

智能機器的發展似乎正在加快步伐，因為我們經常聽到關於人工智慧（AI）革命的說法。然而，與報道相反，我們並沒有目睹某種技術奇點：過去幾年引人注目的進步在很大程度上是數十年持續研究的延續。例如，1994 年在巴黎進行的測試中已經證明了自動駕駛汽車可以自主地與其他交通工具共享道路。在 20 世紀 90 年代早期，人們就知道機器學習將具有很大的工業用途。一架遠程操作的自動化飛船降落在火星上並於 1997 年發回了照片。

這並不是說 AI 的影響並沒有隨著時間的變化而發生轉變。這種轉變背後有幾個因素推動，例如計算機處理能力的提高，但也許最重要的是自 20 世紀 90 年代末以來大量數據的可用性。這些發展反過來又是由於能大規模收集數據的移動設備的普及、共享數據的能力提升以及加速增長的存儲容量。因此，當有足夠的數據來訓練系統時，可以識別複雜數據模式的深度學習在 2012 年左右取得了顯著的突破。深度學習被認為是人工智慧的一種形式，因為它與人類的學習方式相似。事實上，在過去的幾年中，深度學習在人們擅長的任務表現卓越：例如戰略遊戲、人類專家級別的醫學診斷、語音識別和語言翻譯。

一方面，這種形式的 AI 被視為「弱人工智慧（narrow AI)」，因為深度學習系統通常是針對特定任務進行訓練的。然而，各個領域的科學家們越來越意識到，深度學習的影響一點也不「弱」：一個 AI 應用可能為一個領域帶來變革，它們能解決基本問題，並實現快速進步。例如自動尋找新材料、識別粒子物理學和天體物理學的重要信號數據、發現遺傳和表現型之間的聯繫、在顯微圖像中對細胞組織進行分類等等。

隨著每一項先進技術的出現，我們需要仔細查驗技術濫用和不良社會影響的風險。由於 AI 是一種去中心化的現象，因此倫理問題對 AI 更為重要。在這些去中心化的 AI 中，大量權力被交給了那些能夠自然地獲取大量數據的公司和機構，因此圍繞 AI 開發和使用的倫理道德問題越來越受到重視。這些擔憂催生了更廣泛的工作，包括制定法律、原則和標準，推動以人為本的 AI 使用，並啟動研究 AI 社會影響的項目。

毫無疑問，人類對理解和模仿智能的願望將繼續激發技術和科學創新。《Nature Machine Intelligence》將致力於融合不同的領域，並在人工智慧、機器人技術、認知科學和機器學習等領域開展新的合作，進一步發展對人類有啟發和使用價值的智能機器。期刊最初將重點放在三個主題上：關於構建智能機器的演算法和硬體方面的工程和研究；將智能機器（如深度學習系統）應用到具體領域和主題的研究，例如物理、生物和醫療等；最後是研究智能機器對社會、工業和科學的影響。

第一期《Nature Machine Intelligence》中的每一類都有各自的特色。在一篇文章中，Etienne Burdet 等人報告了第一類工作，開發了自適應人機協作演算法。Kenneth Stanley 等人概述了將深度學習與進化演算法相結合的方法。對於第二個主題，深度學習目前最流行的應用之一是醫學，而 Edmon Begoli 等人研究了該領域對不確定性量化的需求。在一篇評論中，Stephen Cave 和 Seán óhéigeartaigh 討論了人工智慧中道德問題的不同時間尺度，這屬於第三類。

人工智慧領域中，基準測試競賽的結果非常重要。《Nature Machine Intelligence》創新地開設了「Challenge Accepted」欄目，其中是有關人工智慧、機器人和數據科學數據競賽結果的報道。Nature 認為，這一舉措可以讓年輕的研究人員更有機會展示自己的技能，並為解決科學和工業領域的各種實際問題提供解決方案。

人們對於機器智能的追求將以多種方法激發靈感，提供對人工智慧技術的洞察力，並刺激可能導致未來社會變革的技術和科學創新。現在，是參與對話的時候了。