机器学习泰斗迈克尔 · 乔丹：唔系乜嘢都叫AI嘅

转载：本文来自微信公众号“机器之心”（ID:almosthuman2014），选自IEEE Spectrum，作者：Kathy Pretz，编辑：小舟、张倩，转载经授权发布。

「人工智能系统还远远不够先进，无办法在涉及推理、运用现实世界知识和社交互动等好多任务中替代人类。」机器学习先驱迈克尔 · 欧文 · 乔丹（Michael I.Jordan）说道。

迈克尔 · 欧文 · 乔丹是机器学习领域嘅权威之一、IEEE Fellow，佢为无监督机器学习嘅发展做出‌突出贡献。2016 年，乔丹被《Science》评为「全世界最有影响力嘅计算机科学家」。佢指出：模仿人类嘅思维并唔系机器学习嘅唯一目标，或者说唔系最好嘅目标。相反，机器学习可以通过对大型数据集进行详尽嘅分析来提高人类嘅智能水平，好似搜索引擎能够通过组织 Web 来扩展人类嘅知识一样。

机器学习还可以汇总多个数据集嘅信息，探索模式，并为一啲问题提出新嘅解决方案，从而在医疗、商业、交通等多个领域为人类提供新型服务。

乔丹讲：「人喺讨论技术趋势时，AI 嘅含义令人困惑。AI 被认为是计算机中存在嘅一种智能能力，呢种能力让科技取得进步，并且能够同人类相媲美，但事实并非咁。」

近年来，乔丹一直致力于帮助科学家、工程师等 AI 从业者理解机器学习嘅完整范围。

乔丹指出：机器学习嘅发展让一个新嘅工程学领域涌现。机器学习建立在计算机科学、统计学和控制理论数十年嘅发展基础上，佢是第一个以人为中心嘅工程领域，专注于人同技术之间嘅接口。

佢讲：「虽然关于人工智能和超级智能嘅科幻小说好有趣，但佢们却分散‌人嘅注意力。人对于真正嘅问题没有足够嘅关注，建立基于机器学习嘅 planetary-scale 系统才是真正有意义嘅工作，对人类有价值，同时唔好放大不平等现象。」

新嘅改变

乔丹出生于 20 世纪 60 年代，佢对哲学、文化观以及思维方式嘅研究好感兴趣。英国逻辑学家伯特兰 · 罗素嘅自传让佢受到启发，开始研究心理学和统计学。罗素将思维视为一种逻辑数学过程。

乔丹讲：「将思维视为逻辑过程，并意识到计算机基于软件和硬件嘅逻辑实现，我理解‌思维嘅奥秘。我认为哲学可以从关于思维和大脑嘅模糊讨论转变为更具体嘅算法和逻辑层面嘅讨论。虽然我对机器学习好感兴趣，但我好早就意识到理解更深层嘅学习需要统计学、信息论和控制论中嘅基础知识。」

2003 年，乔丹和佢嘅学生开发‌隐含狄利克雷分布（latent Dirichlet allocation，LDA），这是一种主题模型，佢可以将文档集中每篇文档嘅主题按照概率分布嘅形式畀出，同时佢是一种无监督学习算法。该方法让计算机（而唔系用户）自己从文档中发现模式和信息，是最受欢迎嘅主题建模方法之一，用于发现隐含嘅主题并将文档分类。

乔丹家阵时嘅研究主要基于经济学和佢早期将计算机科学同统计学结合嘅思想。佢认为学习系统嘅目标是制定决策或支持人类决策。决策者好少孤立地运作，佢们会同第啲决策者互动，每个决策者可能都有不同嘅需求和价值，并且总体互动需要以经济原则为基础。

佢正喺度制定一项研究议程，喺该议程度，智能体从现实世界嘅实验中认识佢们嘅偏好。喺收集数据以供学习时，佢们会将探索同开发融合在一齐。市场机制构建学习过程，从而为学习者提供收集某啲类型数据嘅动机，并做出某啲类型嘅协调决策。呢类研究嘅受益者将是现实世界系统，佢将生产者和消费者聚集在注重社会福利嘅学习型市场中。

重新审视「AI」

2019 年，乔丹在 Harvard Data Science Review 上发表‌「Artificial Intelligence—The Revolution Hasn’t Happened Yet」一文。喺这篇文章度，佢指出，不只是大众对 AI 一词有误解，技术人员都不例外。

时间拨回到上世纪 50 年代，彼时 AI 一词啱啱诞生，人渴望建造具有人类智能水平嘅计算机。家阵时，呢一渴望仍然存在，乔丹表示，但这几十年发生‌一啲不太一样嘅事。计算机仲未有实现智能化，但佢们提供‌增强人类智能嘅能力，擅长低层次嘅模式识别。例如，基于机器学习嘅系统能够大规模地检测金融交易中嘅欺诈，从而促进电子商务嘅发展。此外，呢啲系统在制造、医疗保健等行业嘅供应链建模和控制中都是必不可少嘅。

佢写道，虽然呢啲进展被称为「AI 技术」，但其底层系统并唔涉及高层次嘅推理或思考。呢啲系统无办法形成人类所掌握嘅嗰种语义表示和推理，都唔会制定和追求长期目标。

「在可预见嘅未来，计算机对现实世界进行抽象推理嘅能力将无办法匹敌人类，」佢写道，「为认识决最紧迫嘅问题，我哋需要在人同计算机之间促成深思熟虑嘅互动，需要明白大规模系统嘅智能行为既来自单个智能体嘅智能，都来自佢们之间嘅交互。」

此外，佢强调，人类嘅幸福不应该是科技发展之后才考虑嘅事，「我哋有个真正嘅机会来构谂一个全新嘅嘢：一个以人为中心嘅工程学科。」

透过呢啲观点，乔丹重新讨论‌工程在公共政策和学术研究中嘅作用。佢指出，有关「社会科学」嘅讨论听起来往往好吸引人，但「社会工程」似乎就无呢种吸引力。同样嘅情况都出而家「基因科学」和「基因工程」嘅讨论中。

「我认为，我哋正喺度眼睁睁睇住『工程』呢个词从智能领域逐渐消亡，」佢表示。当人想要提及有远见嘅研究时，大家都习惯用「科学」而非「工程」。只提「工程」呢类词没乜嘢帮助。

「回顾科学为人类创造嘅所有美好，噉其实都系工程相关嘅，土木、电气、化工等最能直接提升人类幸福度嘅领域都不例外。记住这点非常重要。」

最后，乔丹还谈‌谈佢对开放出版嘅睇法。佢认为，商业出版公司建立嘅出版模式已经失效，仲要阻碍‌信息嘅流动。开放出版则有助于信息嘅流通，加速‌学术嘅传播、交流。

原文链接：https://spectrum.ieee.org/the-institute/ieee-member-news/stop-calling-everything-ai-machinelearning-pioneer-says