神譯局是36氪旗下編譯團(tuán)隊(duì)，關(guān)注科技、商業(yè)、職場、生活等領(lǐng)域，重點(diǎn)介紹國外的新技術(shù)、新觀點(diǎn)、新風(fēng)向。
編者按：邁克爾·喬丹 “機(jī)器學(xué)習(xí)之父”、美國科學(xué)院、美國工程院、美國藝術(shù)與科學(xué)院三院院士，加州大學(xué)伯克利分校教授。他表示，人們需要跳出傳統(tǒng)視角，戳破外界為人工智能建構(gòu)的泡沫。他表示不僅公眾誤解了人工智能一詞，連技術(shù)專家也誤解了。盡管這種發(fā)展被稱為 “人工智能技術(shù)”，但底層系統(tǒng)并不涉及高級推理或思考。這些系統(tǒng)不會形成人類所能做到的那種語義表達(dá)和推理，不會制定和追求長期目標(biāo)。原文標(biāo)題Stop Calling Everything AI, Machine-Learning Pioneer Says，作者Kathy Pretz。
攝影：Peg Skorpinski
人工智能系統(tǒng)還遠(yuǎn)遠(yuǎn)沒有先進(jìn)到可以在許多涉及推理、現(xiàn)實(shí)世界知識和社會互動(dòng)的任務(wù)中，取代人類。它們在低級模式識別技能上表現(xiàn)出人類水平的能力，但在認(rèn)知層面上，它們只是在模仿人類的智能，而沒有深入和創(chuàng)造性地參與其中，人工智能和機(jī)器學(xué)習(xí)的主要研究者邁克爾·喬丹（Michael I. Jordan）說。喬丹是加州大學(xué)伯克利分校電子工程和計(jì)算機(jī)科學(xué)系以及統(tǒng)計(jì)系的教授。
他指出，在把機(jī)器學(xué)習(xí)作為人工智能最新進(jìn)展的工程領(lǐng)域，模仿人類思維并不是唯一目標(biāo)，甚至不是最好的目標(biāo)。相反，機(jī)器學(xué)習(xí)可以通過分析大型數(shù)據(jù)集來增強(qiáng)人類的智慧，就像搜索引擎通過組織網(wǎng)絡(luò)來增強(qiáng)人類知識一樣。機(jī)器學(xué)習(xí)還可以在醫(yī)療保健、商業(yè)和交通等領(lǐng)域?yàn)槿祟愄峁┬碌姆?wù)，將多個(gè)數(shù)據(jù)集中發(fā)現(xiàn)的信息整合在一起，尋找模式，并提出新的行動(dòng)方案。
“在討論技術(shù)趨勢時(shí)，人們對人工智能的含義越來越感到困惑：認(rèn)為計(jì)算機(jī)中存在某種智能思想，它是負(fù)責(zé)進(jìn)步的，它正在與人類競爭。”他說?！皼]有這種情況，但人們說得好像我們有一樣。”
喬丹應(yīng)該知道其中的區(qū)別，畢竟，這位IEEE院士是全球機(jī)器學(xué)習(xí)領(lǐng)域的權(quán)威之一。據(jù)《科學(xué)》報(bào)道，2016年，他被一個(gè)分析研究出版物的項(xiàng)目評為最有影響力的計(jì)算機(jī)科學(xué)家。工程與技術(shù)史維基百科解釋說，喬丹幫助將無監(jiān)督機(jī)器學(xué)習(xí)（可以在沒有預(yù)先存在的標(biāo)簽的情況下在數(shù)據(jù)中找到結(jié)構(gòu)）從一個(gè)不相關(guān)的算法集合轉(zhuǎn)變?yōu)橐粋€(gè)智力上一致的領(lǐng)域。無監(jiān)督學(xué)習(xí)在科學(xué)應(yīng)用中扮演著重要的角色，在這些應(yīng)用中，沒有既定的理論可以提供有標(biāo)簽的訓(xùn)練數(shù)據(jù)。
喬丹的貢獻(xiàn)為他贏得了許多獎(jiǎng)項(xiàng)，包括今年美國數(shù)學(xué)協(xié)會頒發(fā)的隨機(jī)理論和建模的Ulf Grenander獎(jiǎng)。去年，他獲得了IEEE約翰·馮·諾依曼獎(jiǎng)?wù)拢员碚盟麑C(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)的貢獻(xiàn)。
近年來，他一直致力于幫助科學(xué)家、工程師和其他各方了解機(jī)器學(xué)習(xí)。他認(rèn)為機(jī)器學(xué)習(xí)的發(fā)展反映了一個(gè)新的工程領(lǐng)域的出現(xiàn)。他將其與20世紀(jì)初化學(xué)工程從化學(xué)和流體力學(xué)基礎(chǔ)上的興起相提并論，指出機(jī)器學(xué)習(xí)是建立在計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)和控制理論幾十年的進(jìn)展之上的。此外，他說，機(jī)器學(xué)習(xí)是第一個(gè)以人為中心的工程領(lǐng)域，專注于人與技術(shù)之間的接口。
“雖然關(guān)于人工智能和超級智能的科幻討論很有趣，但它們是一種分散注意力的事?！彼f。“真正的問題還沒有得到足夠的關(guān)注，那就是建立基于行星尺度的機(jī)器學(xué)習(xí)系統(tǒng)，這些系統(tǒng)能夠真正發(fā)揮作用，為人類提供價(jià)值，并且不會放大不公平現(xiàn)象。”
作為一名60后，喬丹一直對哲學(xué)和文化視角下的大腦運(yùn)作方式感興趣。他在閱讀了英國邏輯學(xué)家伯特蘭·羅素的自傳后，受到啟發(fā)，開始學(xué)習(xí)心理學(xué)和統(tǒng)計(jì)學(xué)。羅素將思想作為一個(gè)邏輯數(shù)學(xué)過程進(jìn)行探索。
“思考思維是一個(gè)邏輯過程，計(jì)算機(jī)已經(jīng)從邏輯的軟件和硬件實(shí)現(xiàn)中產(chǎn)生，我看到了與心靈和大腦平行的東西?！眴痰ふf?！拔腋杏X哲學(xué)可以從關(guān)于心靈和大腦的模糊討論過渡到更具體、算法和邏輯的東西，這吸引了我。”
喬丹在路易斯安那州立大學(xué)學(xué)習(xí)心理學(xué)，1978年獲得該專業(yè)學(xué)士學(xué)位。1980年，他在亞利桑那州立大學(xué)獲得數(shù)學(xué)碩士學(xué)位，1985年在加州大學(xué)圣地亞哥分校獲得認(rèn)知科學(xué)博士學(xué)位。
當(dāng)他進(jìn)入大學(xué)時(shí)，機(jī)器學(xué)習(xí)領(lǐng)域并不存在。他畢業(yè)時(shí)，機(jī)器學(xué)習(xí)才剛剛開始出現(xiàn)。
“雖然我對機(jī)器學(xué)習(xí)很感興趣。”他說，“當(dāng)時(shí)我已經(jīng)覺得理解學(xué)習(xí)所需要的更深層次的原理要在統(tǒng)計(jì)學(xué)、信息論和控制論中找到，所以我沒有給自己貼上機(jī)器學(xué)習(xí)研究者的標(biāo)簽。但我最終還是接受了機(jī)器學(xué)習(xí)，因?yàn)槠渲杏杏腥さ娜?，而且正在進(jìn)行創(chuàng)造性的工作?！?/p>
2003年，他和學(xué)生開發(fā)了LDA（Latent Dirichlet Allocation），這是一個(gè)概率框架，用于以無監(jiān)督的方式學(xué)習(xí)文檔和其他數(shù)據(jù)集合的主題結(jié)構(gòu)。該技術(shù)讓計(jì)算機(jī)，而不是用戶，從文檔中發(fā)現(xiàn)模式和信息。該框架是最流行的主題建模方法之一，用于發(fā)現(xiàn)隱藏的主題并將文檔分類。
喬丹目前的項(xiàng)目在他早期融合計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)學(xué)的基礎(chǔ)上，融入了經(jīng)濟(jì)學(xué)的思想。他認(rèn)為，學(xué)習(xí)系統(tǒng)的目標(biāo)是做出決策，或者說是支持人類的決策，而決策者很少是孤立運(yùn)作的。他們與其他決策者互動(dòng)，每個(gè)人都可能有不同的需求和價(jià)值，整體互動(dòng)需要以經(jīng)濟(jì)原則為依據(jù)。喬丹正在制定 “一個(gè)研究議程，在這個(gè)議程中，代理人從真實(shí)世界的實(shí)驗(yàn)中了解自己的偏好，他們在收集數(shù)據(jù)進(jìn)行學(xué)習(xí)時(shí)，將探索和利用融合在一起，市場機(jī)制可以構(gòu)建學(xué)習(xí)過程，為學(xué)習(xí)者提供激勵(lì)，讓他們收集某些種類的數(shù)據(jù)并做出某些種類的協(xié)調(diào)決策。這種研究的受益者將是現(xiàn)實(shí)世界的系統(tǒng)，它將生產(chǎn)者和消費(fèi)者聚集在以學(xué)習(xí)為基礎(chǔ)的市場中，關(guān)注社會福利?！?/p>
2019年，喬丹撰寫了《人工智能：變革尚未發(fā)生》，發(fā)表在《哈佛數(shù)據(jù)科學(xué)評論》上。他在文章中解釋說，不僅公眾誤解了人工智能一詞，技術(shù)專家也誤解了。他寫道，早在20世紀(jì)50年代，當(dāng)這個(gè)AI這個(gè)術(shù)語被創(chuàng)造出來的時(shí)候，人們就渴望制造出擁有人類水平智能的計(jì)算機(jī)器。他說，這種愿望仍然存在，但在這幾十年間發(fā)生的事情卻有所不同。他寫道，計(jì)算機(jī)本身并沒有變得“智能”，但它們提供了增強(qiáng)人類智能的能力。此外，它們在低級模式識別能力方面表現(xiàn)出色，這些能力原則上可以由人類執(zhí)行，但代價(jià)巨大。例如，基于機(jī)器學(xué)習(xí)的系統(tǒng)能夠大規(guī)模檢測金融交易中的欺詐行為，從而催化電子商務(wù)。它們在制造業(yè)和醫(yī)療保健領(lǐng)域的供應(yīng)鏈建模和控制中至關(guān)重要。它們還能幫助保險(xiǎn)代理人、醫(yī)生、教育工作者和電影制片人。
他寫道，盡管這種發(fā)展被稱為 “人工智能技術(shù)”，但底層系統(tǒng)并不涉及高級推理或思考。這些系統(tǒng)不會形成人類所能做到的那種語義表達(dá)和推理。它們不會制定和追求長期目標(biāo)。
在可預(yù)見的未來，計(jì)算機(jī)在對現(xiàn)實(shí)世界情況進(jìn)行抽象推理的能力上將無法與人類相提并論?！彼麑懙??！拔覀儗⑿枰祟惡陀?jì)算機(jī)經(jīng)過深思熟慮的互動(dòng)來解決我們最緊迫的問題。我們需要明白，大規(guī)模系統(tǒng)的智能行為既來自于代理人之間的相互作用，也來自于單個(gè)代理人的智能?！?/p>
此外，他強(qiáng)調(diào)，在開發(fā)技術(shù)時(shí)，人類的幸福不應(yīng)該是事后的想法。他寫道：“我們有一個(gè)真正的機(jī)會來構(gòu)思一些歷史性的新事物：以人為本的工程學(xué)科”。
喬丹的觀點(diǎn)包括重新討論工程在公共政策和學(xué)術(shù)研究中的作用。他指出，當(dāng)人們談?wù)撋鐣茖W(xué)時(shí)，聽起來很吸引人，但社會工程這個(gè)詞聽起來不討喜?；蚪M科學(xué)與基因組工程的關(guān)系也是如此。
“我認(rèn)為，我們已經(jīng)讓工程這個(gè)術(shù)語在知識領(lǐng)域變得越來越少?！彼f。當(dāng)人們希望提及有遠(yuǎn)見的研究時(shí)，就會用科學(xué)一詞代替工程。諸如僅僅是工程之類的短語也無濟(jì)于事。
“重要的是要記住，對于科學(xué)為人類所做的所有美好的事情，其實(shí)都是工程：土木、電氣、化學(xué)和其他工程領(lǐng)域。它們都最直接、最深刻地提高了人類的幸福感?！?/p>
譯者：蒂克偉
本文來自翻譯, 如若轉(zhuǎn)載請注明出處。
