“三十五年前的計算機博士，可不會像現(xiàn)在一樣受到各大AI巨頭的哄搶。在那個就算利用算法，一天還是只能處理區(qū)區(qū)一張圖片的人工智能最低谷時期，計算機博士可是一度被當成書呆子和nerd的典范。好在時代在一直變化，現(xiàn)在對于AI人才的激烈爭奪簡直殘暴，可比我剛畢業(yè)那會不知高到哪里去了?！?/span>
在1980-1983年間僅花三年便于愛丁堡大學拿下計算機博士學位的Andrew Blake教授說了這么一句話。他目前在FiveAI，一家預計于2019年在倫敦街道上測試無人車的英國自動駕駛軟件初創(chuàng)公司，擔任技術顧問。
Blake教授曾是微軟計算機視覺部的創(chuàng)始人，亦是位于劍橋的微軟研究院的執(zhí)行主任。他現(xiàn)在則在以計算機祖師爺阿蘭圖靈命名的英國阿蘭圖靈研究所(Alan Turing Institute)擔任科研主管，涉獵機器學習、AI乃至人工智能和大數(shù)據(jù)的道德與社會問題等諸多領域，可謂是業(yè)內(nèi)頂尖專家。
深度學習
“過去十年中，AI領域最大的突破當屬深度學習的出現(xiàn)與完善，關于它的論文到現(xiàn)在還是層出不窮，但是我認為這已經(jīng)是過去時了，”
Blake教授提出了一個不無大膽新穎的觀點，“深度學習技術已進入了一個較為成熟的階段，應用其完成項目變得相當普遍，但是若想理解深度學習的機制尤其是背后的數(shù)學原理則是另一碼事了?！?
精密AI處理硬件的設計與開發(fā)
“英特爾的研發(fā)成果不僅只包括核心的處理器，他們還為你搭建整個數(shù)據(jù)中心全面提供了上各式各樣的十八般武器;而這些智能電元件又通過名為‘互連裝置’類似電線的部件在數(shù)據(jù)中心內(nèi)組裝在一起。
這樣，英特爾完全接管了整個系統(tǒng)的設計開發(fā)工作。圖靈研究院與英特爾由良好的對話及合作，我們也在不斷探索如何構建最有利與開展機器學習研究的數(shù)據(jù)中心?！?
Andrew Blake教授
像FiveAI這種初出茅廬的創(chuàng)業(yè)者，有何秘密武器能在充斥著Uber、谷歌等巨頭的市場中分一杯羹？
而像現(xiàn)在幾乎所有大公司都選擇投入全部精力來·力求人工智能方面的突破，對于全社會來說到底是危機還是機遇呢？
我們有著太多太多的疑慮與不解向Blake教授請教，希望能聽一聽先驅(qū)者的獨到看法。而在這篇漫談中，深耕計算機及圖形處理領域三十余年的Blake教授，用他幽默風趣的口吻一一解答了我們的問題。
科技巨頭是否會壟斷整個生態(tài)環(huán)境
這是我們最為關心的問題之一，不過Blake教授的觀點明顯要比我們樂觀不少：
“我認為現(xiàn)在整個人工智能的生態(tài)系統(tǒng)還是充滿活力的，這要歸功于才華橫溢的科學家和大學生不斷涌現(xiàn)的科研成果。現(xiàn)在在人工智能領域，無論你有什么好點子，只需要申請幾項專利，便會有諸多大公司在門口排著隊向你發(fā)出收購邀約?！?
其實早在遙遠的1999年，在開發(fā)出搭載交互式可視系統(tǒng)的機器人等頗具新意的發(fā)明后，他也曾認真考慮過創(chuàng)辦一家屬于自己的公司。不過他最后還是選擇投靠微軟，這樣就可以一門心思搞科研，無需再分神費心商業(yè)開發(fā)和運作了。
“其實AI從業(yè)者的選擇十分豐富，為大公司效力，創(chuàng)建自己的初創(chuàng)公司，亦或是留在大學里進行充滿創(chuàng)造力的科研工作。對于很多人來說，其實后者最為激動人心也有著最強的吸引力。”
但這并不意味著科學家們?nèi)忌硖幐吒咴谏系南笱浪?，切斷了與社會和業(yè)界的聯(lián)系。實際他們很多人都會選擇為一到多家公司提供技術支持，科研應用兩手抓。
像由幾位科學家創(chuàng)辦的Geometric Intelligence就是一個鮮活的例子，成立尚不足一年便被Uber以優(yōu)渥的報價并購，成為Uber的AI部門。
“現(xiàn)在人工智能的發(fā)展是如此迅速，就連一向較為保守的政府都迅速意識到了其對于創(chuàng)新和提升生產(chǎn)力的巨大價值。在該領域，培養(yǎng)訓練大量的AI人才是奠定基礎的關鍵一步。那我們有沒有什么好辦法來使人才井噴呢？ ”
而在2015年由五所英國大學聯(lián)合組成的圖靈研究院，正好扮演了人工智能西點軍校的角色。
Blake教授還認為Google、Amazon、微軟等大量開源自家工具（如谷歌的TensorFlow機器學習框架）為創(chuàng)造更廣闊更有活力的環(huán)境做出了值得肯定的貢獻，但也不應被過分夸大。
“值得注意的是，很多時候無需復雜的團隊結構，甚至無需科技巨頭提供的海量資源，幾位天才聚集在一起，找對方向，同樣可以做出名垂青史的成就?！?span>Blake教授對于AI領域的合作模式也提出了自己的看法，“運營龐大的團隊相當復雜，有時當你要進行單點技術突破時，你真的會很希望化簡為繁，帶領一支小隊完成任務?！?/span>
“總的來說，我認為這一良好的生態(tài)環(huán)境還將保持下去，煥發(fā)新的生機?！?
自動駕駛汽車面臨的挑戰(zhàn)
人才爭奪,倫理道德,行業(yè)生態(tài),關于AI想知道的一切, 都在這篇大牛的訪談里
FiveAI團隊
“目前最大的難題之一在于自動駕駛賴以生存的機器學習技術可靠度尚有欠缺。如果你細心瀏覽機器學習方面論文的話，你會發(fā)現(xiàn)在許多項目中，機器學習的可靠性已經(jīng)達到了99%，即只有1%的時間會出現(xiàn)問題。
對于絕大部分人來說，這已經(jīng)是十分喜人的成果并可進行廣泛的應用。但是99%的可靠性對于無人汽車這種安全至上的領域來說，還差得太遠；
1%的事故率？聽上去太駭人了。安全問題絕不應該成為一個可有可無的細節(jié)，而是從最開始就貫穿整個科研流程的根本所在。我想一個十分有趣的可能突破口或許是將目前游兵散勇的各種算法集成起來，使它們團結協(xié)作來提升我們所追求的可靠性。”
Blake教授所供職的FiveAI的一大目標正是在不啟用精準3D地圖及定位的情境下，解決自動駕駛汽車在復雜城市環(huán)境中的安全問題。要知道，這一難題可是達到了五級無人駕駛的頂尖水平。
AI數(shù)據(jù)爭奪戰(zhàn)
Blake教授十分認同與研究問題相關的海量數(shù)據(jù)在搭建AI算法中所扮演的核心作用。
“過去十年內(nèi)技術的飛躍，很大程度上源于數(shù)據(jù)與日俱增的開放性，特別是在互聯(lián)網(wǎng)上可以很輕松地找到自己所需要的數(shù)據(jù)。由此，正因有了大數(shù)據(jù)的輔助，我們才能更好地學習理解算法的構造過程”
而各大科技巨頭覆蓋面極廣的龐大業(yè)務，猶如一塊塊自留地，為他們源源不斷地提供海量數(shù)據(jù)。
比如Facebook，一天便可將數(shù)以億計由用戶生產(chǎn)的數(shù)據(jù)收入囊中進行科研。這正是大公司相較于新興創(chuàng)業(yè)公司最大的優(yōu)勢所在，這一幾乎堅不可摧的壁壘一直處于爭議漩渦的中心。
對于數(shù)據(jù)的“貪婪”追求是無止境的，就連坐擁全球最大搜索引擎的谷歌都還在通過DeeoMind與諸多第三方機構達成合作，獲取大量特定的高價值數(shù)據(jù)。一個例子是聯(lián)手英國國家健康服務系統(tǒng)（National Health Service，NHS），獲取數(shù)百萬人的就醫(yī)數(shù)據(jù)來構建優(yōu)化醫(yī)療準斷的AI項目。
人工智能中的倫理道德問題
在AI創(chuàng)新是否一定要以個人隱私的犧牲為代價這個問題上，Blake教授并沒有立刻給出答案。
目前盛傳的觀點是，不同于無孔不入，榨干所有用戶數(shù)據(jù)最后一滴價值的Facebook和谷歌，在這方面較為人性化和收斂的蘋果在AI軍備競賽中將自己擺在了十分不利的天然劣勢位置之上。
對此，他直接給出了否定的回答：
“只要我們持續(xù)認真工作與思考，就算現(xiàn)在尚無頭緒，更好的解決方案終有一日會浮現(xiàn)出來；技術的創(chuàng)新與隱私的保護絕非水火不相容。”
關于AI的黑箱特質(zhì)使其難以監(jiān)管的看法，Blake教授亦給予了較為否定的回復。他提到，算法可問責性(Algorithmic Accountability)的存在，對于確保人工智能的社會影響能被合理認知及監(jiān)管，是至關重要的。
人才爭奪,倫理道德,行業(yè)生態(tài),關于AI想知道的一切, 都在這篇大牛的訪談里
Algorithmic Accountability
他還認為對AI領域倫理問題的研究，尚處于起步階段。
“近兩年來，這一領域如透明性和公正性的實驗與論文開始大量涌現(xiàn)，而該問題由于人們均已意識到其至關重要性，充滿了緊迫感?！?
“在圖靈研究院，我們也開發(fā)了一個龐大的項目來探索AI中的倫理道德問題。我們一方面請來了哲學、法律方面的專家來聽取他們對此的看法。
另一方面我們聚集科學來討論如何將這些倫理道德準則編入算法之中。實際無論是從社會的還是從工程研發(fā)的角度，透明性都是一個十分關鍵的要素。當AI系統(tǒng)具備此特質(zhì)后，以后無論哪里出了差錯，我們都能及時找出問題，調(diào)整策略?！?/span>
“不過由于這一領域剛剛起步，我想科學家們對此的認知可能還不夠深思熟慮，我們會保持密切關注，靜觀其變?！?span>Blake教授相對保守地說道。
“此外，我們毫無疑問希望公眾能盡可能地對這類新興技術感到親近，不產(chǎn)生抗拒之心。從過去由于沒有迅速取得公眾認可與支持導致失敗的例子中吸取到足夠的教訓后，我們將盡快取得公眾的信任。”
不同的數(shù)據(jù)與新的挑戰(zhàn)
其實對于AI來說，并非所有的輸入數(shù)據(jù)都享有平等的價值。Blake教授相當感興趣的一個課題直接與此相關：如何使機器做到在學習過程中，不依靠海量數(shù)據(jù)支撐，即可在無人監(jiān)督情況下，提取總結對于數(shù)據(jù)有意義的認知。
“我時常沉醉于人類不依賴大數(shù)據(jù)便可完成學習過程這一神奇事實，”
“人類的學習模式實際還遙遙領先于目前機器學習的方式：對于蹣跚學步的孩童，盡管并不知道身邊世界中所有事物的具體名字，但依然能較好地理解周遭發(fā)生的一舉一動。如果冰冷的機器也能像這樣從原始數(shù)據(jù)中提取最為重要的信息，加速學習過程，無疑會對人工智能的發(fā)展大有裨益。
為了更好地進行這一研究，我們有必要對數(shù)據(jù)的類型進行區(qū)分——未標注數(shù)據(jù)（即原始數(shù)據(jù)）和標注數(shù)據(jù)。相較于充斥在你人生經(jīng)歷中的種種未標注數(shù)據(jù)，標注數(shù)據(jù)的量要稀有得多，且獲取代價更加高昂。
“如何將孩童的學習方式嫁接到AI中，使其僅應用十分有限的標注數(shù)據(jù)進行自我學習，“”Blake教授認為這將會成為等待科學家們的下一重大難題，“而如何以最有效強大的方式處理未標注數(shù)據(jù)？如何開發(fā)算法？對于現(xiàn)在的我們來說，這些還都是未知數(shù)?！?/span>
“也許重新回顧早期一些失敗的嘗試能給我們帶來靈感與啟發(fā)。人工智能領域最早的開拓者們選擇應用邏輯與概率作為切入點，不過由于種種原因失敗后，之后這一概念便被塵封許久。但是以邏輯為根本的最大的三個優(yōu)勢就是快、快、還是快。這一效率非常的方式或許會在未來成為一個重大突破口?！?
不過Blake教授還指出，正如深度學習的成功幾乎讓整個業(yè)界全部大跌眼鏡，預測AI的發(fā)展走向是十分困難，且反直覺的一個過程。
在訪談的最后，記者向Blake教授拋出了一個頗為發(fā)人深省的問題作為收官：
“在探索人工智能三十余年的生涯中，您有沒有徹底洞悉人類自身的智力與認知模式呢？
“哦，這個問題簡直太復雜啦！”Blake教授最后給出的答案就是一段“哈哈大笑”。
