Yann LeCun、吴恩达等多位专家的2019年AI发展预测

　　人工智能技术既可能拯救世界，也有可能带来一系列挑战。其重点在于，如何正确使用。

关于这个话题，VentureBeat采访了多位人工智能领域的专家学者。以下是谷歌大脑联合创始人、现Landing.AI公司CEO吴恩达、Cloudera机器学习总经理兼Fast Forward实验室创始人Hilary Mason、Facebook AI Research部门创始人Yann LeCun以及埃森哲公司负责任人工智能全球负责人Rumman Chowdhury博士，对于2018年人工智能领域的观察，以及对2019年发展趋势给出的论断与见解。

总结来说，一方面人们开始越来越意识到AI能做什么以及无法做到什么，另一方面，越来越多的人意识到在推进技术发展的同时仍要坚守住负责任的道德规范。

吴恩达：2019年AI的发展重点是场景应用

吴恩达是斯坦福大学的兼职计算机科学教授，他的名字在人工智能圈子中几乎无人不知。首先，他是谷歌大脑的联合创始人，在2017年离开了谷歌团队之后还出任了百度的首席人工智能科学家。随后，他又创立了Landing AI公司，主要业务是帮助企业客户将人工智能整合至自身运营体系当中。

在采访中，他表示自己在2019年比较关注的目标是人工智能能够在技术或者软件企业之外，被引入到更多应用场景中。他强调，人工智能技术最大的潜力绝不仅限于软件行业。

“我认为新的一年（2019年）大部分重要事件都将出现在各种应用场景当中。除了谷歌、百度、Facebook以及微软等科技巨头之外，包括Square、Airbnb以及Pinterest等在内的企业，也纷纷开始利用人工智能技术创新业务。我认为，AI的下一波价值创造点将更集中在制造或农业设备企业，甚至是医疗保健公司。”吴恩达表示，“虽然目前人工智能的实际应用还存在着严重阻碍，但在我看来其中一部分问题在某些特定层面已经取得了重大进展。”

同时，吴恩达还特意指出，自己很高兴人们终于不再纠结于机器人杀手或者AI灭世论，而能够真正谈点有营养、有技术含量的话题。

着眼于新的一年，吴恩达期待看到人工智能和机器学习两大特定研究领域的进展能够给整个人工智能产业带来推动。

一方面，通过利用较少数据就能确保AI得出准确的结论（这称为“少样本学习（few shot learning）”）。吴恩达表示：“第一波深度学习的发展动力主要源自大型企业，他们拥有大量可用于神经网络模型训练的数据。但这已经属于传统方法，如今越来越多人正在尝试利用较少数据达成比较理想的效果。我非常期待看到仅仅1000张图像就能建立起相对准确的图像识别能力。”

另一方面，是计算机视觉领域的进一步发展。以医疗影像为例，虽然目前计算机视觉系统已经具备比人类放射科医师更为强大的图像识别能力，但其缺点就是灵活性较差。吴恩达解释说：“比如对于低端X光机拍摄的较为模糊的图像，或者由于操作人员错误指导致图像角度不正等情况，人类医师要比算法模型更具经验和适应性。因此，我认为还需要进一步研究以提高算法在更多场景中的泛化能力。”

Hilary Mason：容器化部署对多套AI系统管理具有重要意义

在Cloudera于2017年收购Fast Forward Labs之后，Hilary Mason出任了Cloudera的机器学习总经理。如今，Fast Forward Labs保持独立运营，主要负责提供机器学习技术应用报告，并为客户提供未来六个月到两年之间的技术发展建议。

回顾2018年，最令Mason感到惊讶的人工智能技术突破主要是「多任务学习」。如今，研究人员可以训练单一神经网络，使其在观察图像中的物体的同时应用多种标签。

但同时，Mason还指出，有必要为人工智能方案建立某种道德约束框架。Mason表示：“在新的一年当中，那些不关注这个问题的企业以及个人，都将面临滥用人工智能所带来的实际后果或者责任追究。我希望伦理道德问题在数据科学与人工智能的实践发展当中，能够成为一种默认考量条件，技术人员与商业领袖在创建AI产品时也应当充分考虑到道德以及偏见问题的影响。”

此外，随着越来越多AI系统成为企业业务运营体系中的重要组成部分，Mason预计，作为这波浪潮的中坚力量，产品经理与产品负责人将在人工智能领域做出更多贡献。她进一步表示：“我希望这个群体能够像使用电子表格那样简单轻松地实现AI建模，我们也希望他们至少掌握一定程度的能力，从而在自己的产品当中发现可以利用人工智能技术加以改善的部分。”

如今，人工智能民主化的理念已经得到相当一部分企业的重视与认可。包括Kubeflow Pipelines、AI Hub等谷歌云AI产品以及CI&T智能设备在内的众多实际产品，都在努力推动AI系统在企业内部的广泛普及。

Mason同时认为，未来将有越来越多的企业需要建立对应的组织架构，从而实现对多套人工智能系统的管理。

以在DevOps变革当中大家所面临的挑战为例，以往对单一系统的管理往往可以通过手动部署的自定义脚本实现；但要想管理几十套系统，就必须引入cron作业。而如果面对的是成百上千套系统，要实现严格的安全性、治理能力与风险管控，就需要更专业且更为强大的工具。

Mason强调了以容器形式部署AI的重要意义。她相信这种趋势将在未来几年内持续升温，进而帮助更多企业立足云端或者本地环境部署更多AI解决方案。

最后，Mason还总结称，人工智能业务将继续保持发展，并且相关实践将在整个行业内得到普及——而非由个别公司严格把控。“目前，当一位数据科学家或者机器学习工程师跳槽到另一家公司，其工作内容有可能完全不同，比如会使用不同的工具、满足不同的需求、适应不同的报告结构等等。但我认为在新的一年中，这种差异将逐步转化为一致性标准。”她解释说。

Yann LeCun：AI系统要逐渐学会建立起因果关系认知

Yann LeCun现任纽约大学教授、Facebook公司AI科学家，以及Facebook AI Research（简称FAIR）部门的创始董事。该部门曾先后创建了PyTorch 1.0与Caffe2，以及其它一系列AI系统——包括Facebook用户每天使用数十亿次的文本翻译AI工具，以及懂得如何下围棋的先进强化学习系统等。

其中，LeCun认为，FAIR之所以能够取得这样的成绩，应当归功于对机器学习及其底层技术与数学奥秘的深入应用，同时还有赖于其中的开源策略。他解释称，“当有更多人愿意将自己的研究内容和技术向外输出时，整个领域才能得到更快的发展。大家如今在人工智能领域看到的进步速度，在很大程度上正是源于有更多的人以远超以往的速度与效率进行更为开放的研究工作。”

在道德问题方面，LeCun表示很高兴地看到人工智能社区在考量自身工作的道德伦理影响，以及对偏见决策危险性的认知方面取得的进展。他指出：“事实上，目前业界已经就此达成共识，认为这些问题确实值得高度关注。”“虽然目前这类问题还不属于需要紧急解决的核心挑战，但这是迟早的事，我们需要在其实际发生之前做好预防工作。”

与吴恩达一样，LeCun希望更多AI系统能够在灵活性层面更上一层楼，即在无需大量原始输入数据或者准确输出条件的前提下建立起强大的AI系统。他指出，要构建出能够通过观察真实环境进行学习的教学机器，行业需要采用自我监督学习或者基于模型的强化学习技术。

“目前，我们已经在这一领域取得了进展，比如开始通过弱监督或者自我监督学习实现语言翻译与图像识别，这些也开始在Facebook的服务当中发挥作用。”

着眼于未来，LeCun希望人工智能系统能够逐渐学会在不同事件之间建立起因果关系认知。这不仅仅需要通过观察进行学习，同时也要建立真正的理解能力——例如如果人们使用雨伞，则可能代表着外面正在下雨。

他表示：“这一点将非常重要，因为如果大家希望一台机器能够通过观察世界来学习并改进自身模型，那么它必须有能力了解其能够以及无法改变环境中的哪些条件。举个例子，如果您在一个房间之内，面前摆着一张桌子，上面放着一个像是水瓶的物体，那么大家肯定会意识到自己可以推动水瓶，因为它相对较轻；而我们很难移动桌子，因为其又大又重——这样的判断就与因果关系有着紧密的关联。”

Rumman Chowdhury：更多行业与技术监管标准将出台

Rumman Chowdhury博士目前担任埃森哲公司应用智能部门的常务董事，主要负责任人工智能项目。

Chowdhury表示，在过去的一年中，与人工智能威胁相关的问题得到更为科学的讨论——而不仅仅局限于《终结者》电影中由智能机器接管全球的极端场景。她指出：“认知水平的提高使得隐私与安全意识成为新的关注重点，另外人们也开始思考人工智能在塑造我们自身以及后代方面可能发挥的作用。”但同时，她还强调自己希望看到整个AI社区更进一步，从道德口号转向实际行动。

在这方面，她提出了一系列值得关注的问题，比如：如何在AI与物联网支持型监控体系当中找到「正确的」平衡点，从而在获得安全收益的同时抵制一切惩罚性监控，或者可能加重现有种族歧视问题的执行方式；如何设计先进技术收益的再分配机制，从而确保不会进一步增加本来就已经非常严重的富贫差距；如何设计儿童对人工智能的接触水平，从而引导他们「熟悉AI」但又不致被AI洗脑或者同化；如何利用人工智能实现教育的扩展与自动化，同时继续确保人类的创造力与独立思考能力等等。

在新的一年当中，Chowdhury预计全球范围内将围绕人工智能技术出台更多政府审查与技术监管要求。

她指出：“在2019年，我们必须努力为已经存在的问题找到答案——当技术成为一种具有特定背景的多功能工具时，我们该如何规范这些技术？我们要如何制定合理的监管措施，从而在制约大型企业（即有能力承担合规成本的组织）的同时不致扼杀初创企业的创新空间？我们应该立足怎样的层级进行监管？是国际、国内还是特定区域？”

而为了实现这一目标，她认为人们需要摆脱人工智能行业中常规的思路——即军备竞赛般的粗暴争先。人工智能并不是简单的力量来源，不应采取“如果我们不抢先实现，那么敌人就会占据主动”这样的思维方式。

她指出：“我希望监管机构、技术专家以及研究人员们能够意识到，我们的人工智能竞赛不仅仅关注计算能力与技术敏感性。我们同时也有责任以更公正、更公平、更平等的方式重建世界，这是摆在我们面前的绝佳机遇。”

在消费级层面，她认为2019年人工智能方案将出现在更多家庭环境当中。比如，很多人已经习惯了使用Google Home以及Amazon Echo等智能扬声器，外加其它各类智能设备。在这方面，她总结称：“我猜大家跟我一样，都很期待机器人管家的实现。”