机器学习之父说，别将啥都往人工智能上扯

神译局是转载旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外嘅新技术、新观点、新风向。

转载：迈克尔·乔丹 “机器学习之父”、美国科学院、美国工程院、美国艺术同科学院三院院士，加州大学伯克利分校教授。他表示，人需要跳出传统视角，戳破外界为人工智能建构嘅泡沫。他表示唔仅公众误解‌人工智能一词，连技术专家也误解嘎啦。虽然呢种发展被称为 “人工智能技术”，但底层系统并唔涉及高级推理或思考。呢啲系统唔会形成人类所能做到嘅嗰种语义表达和推理，唔会制定和追求长期目标。原文标题Stop Calling Everything AI, Machine-Learning Pioneer Says，作者Kathy Pretz。

摄影：Peg Skorpinski

人工智能系统还远远没有先进到可以喺好多涉及推理、现实世界知识和社会互动嘅任务度，取代人类。佢喺低级模式识别技能上表现出人类水平嘅能力，但喺认知层面上，佢们只系喺模仿人类嘅智能，而没有深入和创造性地参同其度，人工智能和机器学习嘅主要研究者迈克尔·乔丹（Michael I. Jordan）说。乔丹是加州大学伯克利分校电子工程和计算机科学系以及统计系嘅教授。

他指出，喺将机器学习作为人工智能最新进展嘅工程领域，模仿人类思维并唔系唯一目标，甚至唔系最好嘅目标。相反，机器学习可以通过分析大型数据集来增强人类嘅智慧，好似搜索引擎通过组织网络来增强人类知识一样。机器学习还可以喺医疗保健、商业和交通等领域为人类提供新嘅服务，将多个数据集中发现嘅信息整合喺一齐，寻找模式，并提出新嘅行动方案。

“喺讨论技术趋势时，人对人工智能嘅含义越来越感到困惑：认为计算机中存喺某种智能思想，佢是负责进步嘅，佢正喺度同人类竞争。”他说。“没有呢种情况，但人说得好像我哋有一样。”

乔丹应该知道其中嘅区别，毕竟，呢位IEEE院士是全球机器学习领域嘅权威之一。据《科学》报道，2016年，他被一个分析研究出版物嘅项目评为最有影响力嘅计算机科学家。工程同技术史维基百科解释说，乔丹帮助将无监督机器学习（可以喺没有预先存喺嘅标签嘅情况下喺数据中揾到结构）从一个唔相关嘅算法集合转变为一个智力上一致嘅领域。无监督学习喺科学应用中扮演住重要嘅角色，喺呢啲应用度，没有既定嘅理论可以提供有标签嘅训练数据。

乔丹嘅贡献为他赢得‌好多奖项，包括今年美国数学协会颁发嘅随机理论和建模嘅Ulf Grenander奖。上年，他获得‌IEEE约翰·冯·诺依曼奖章，以表彰他对机器学习和数据科学嘅贡献。

近年来，他一直致力于帮助科学家、工程师和第啲各方认识机器学习。佢认为机器学习嘅发展反映‌一个新嘅工程领域嘅出现。他将其同20世纪初化学工程从化学和流体力学基础上嘅兴起相提并论，指出机器学习是建立喺计算机科学、统计学和控制理论几十年嘅进展之上嘅。此外，他说，机器学习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。

“虽然关于人工智能和超级智能嘅科幻讨论好有趣，但佢们系一种分散注意力嘅事。”他说。“真正嘅问题仲未有得到足够嘅关注，噉就是建立基于行星尺度嘅机器学习系统，呢啲系统能够真正发挥作用，为人类提供价值，并且唔会放大唔公平现象。”

加入人工智能运动

作为一个60后，乔丹一直对哲学和文化视角下嘅大脑运作方式感兴趣。佢喺阅读‌英国逻辑学家伯特兰·罗素嘅自传后，受到启发，开始学习心理学和统计学。罗素将思想作为一个逻辑数学过程进行探索。

“思考思维系一个逻辑过程，计算机已经从逻辑嘅软件和硬件实现中产生，我睇到‌同心灵和大脑平行嘅嘢。”乔丹说。“我感觉哲学可以从关于心灵和大脑嘅模糊讨论过渡到更具体、算法和逻辑嘅嘢，呢吸引‌我。”

乔丹喺路易斯安那州立大学学习心理学，1978年获得该专业学士学位。1980年，佢喺亚利桑那州立大学获得数学硕士学位，1985年喺加州大学圣地亚哥分校获得认知科学博士学位。

当他进入大学时，机器学习领域并唔存喺。他毕业时，机器学习才刚啱开始出现。

“虽然我对机器学习好感兴趣。”他说，“当时我已经觉得理解学习所需要嘅更深层次嘅原理要喺统计学、信息论和控制论中揾到，所以我没有畀自己贴上机器学习研究者嘅标签。但我最终还是接受‌机器学习，因为其中有有趣嘅人，而且正喺度进行创造性嘅工作。”

2003年，他和学生开发‌LDA（Latent Dirichlet Allocation），呢系一个概率框架，用于以无监督嘅方式学习文档和第啲数据集合嘅主题结构。该技术让计算机，而唔系用户，从文档中发现模式和信息。该框架是最流行嘅主题建模方法之一，用于发现隐藏嘅主题并将文档分类。

乔丹目前嘅项目喺他早期融合计算机科学和统计学嘅基础上，融入‌经济学嘅思想。佢认为，学习系统嘅目标是做出决策，或者说是支持人类嘅决策，而决策者好少是孤立运作嘅。佢哋同第啲决策者互动，每个人都可能有唔同嘅需求和价值，整体互动需要以经济原则为依据。乔丹正喺度制定 “一个研究议程，喺呢个议程度，代理人从真实世界嘅实验中认识自己嘅偏好，他喺收集数据进行学习时，将探索和利用融合喺一齐，市场机制可以构建学习过程，为学习者提供激励，让佢哋收集某啲种类嘅数据并做出某啲种类嘅协调决策。呢种研究嘅受益者将是现实世界嘅系统，佢将生产者和消费者聚集喺以学习为基础嘅市场度，关注社会福利。”

澄清人工智能

2019年，乔丹撰写‌《人工智能：变革尚未发生》，发表喺《哈佛数据科学评论》上。佢喺文章中解释说，唔仅公众误解‌人工智能一词，技术专家也误解嘎啦。他写道，早喺20世纪50年代，当呢个AI呢个术语被创造出来嘅时候，人就渴望制造出拥有人类水平智能嘅计算机器。他说，呢种愿望仍然存喺，但喺这几十年间发生嘅事却有所唔同。他写道，计算机本身并没有变得“智能”，但佢们提供‌增强人类智能嘅能力。此外，佢喺低级模式识别能力方面表现出色，呢啲能力原则上可以由人类执行，但代价巨大。例如，基于机器学习嘅系统能够大规模检测金融交易中嘅欺诈行为，从而催化电子商务。佢喺制造业和医疗保健领域嘅供应链建模和控制中至关重要。佢们仲可以帮助保险代理人、医生、教育工作者和电影制片人。

他写道，虽然呢种发展被称为 “人工智能技术”，但底层系统并唔涉及高级推理或思考。呢啲系统唔会形成人类所能做到嘅嗰种语义表达和推理。佢们唔会制定和追求长期目标。

喺可预见嘅未来，计算机喺对现实世界情况进行抽象推理嘅能力上将无办法同人类相提并论。”他写道。“我哋将需要人类和计算机经过深思熟虑嘅互动来解决我哋最紧迫嘅问题。我哋需要明白，大规模系统嘅智能行为既来自于代理人之间嘅相互作用，也来自于单个代理人嘅智能。”

此外，他强调，喺开发技术时，人类嘅幸福唔应该是事后嘅想法。他写道：“我哋有一个真正嘅机会来构思一啲历史性嘅新事物：以人为本嘅工程学科”。

乔丹嘅观点包括重新讨论工程喺公共政策和学术研究中嘅作用。他指出，当人谈论社会科学时，听起来好吸引人，但社会工程呢个词听起来唔讨喜。基因组科学同基因组工程嘅关系都系咁。

“我认为，我哋已经让工程呢个术语喺知识领域变得越来越少。”他说。当人希望提及有远见嘅研究时，就会用科学一词代替工程。诸如剩只是工程之类嘅短语也无济于事。

“重要嘅系要记住，对于科学为人类所做嘅所有美好嘅事，其实都系工程：土木、电气、化学和第啲工程领域。佢们都最直接、最深刻地提高‌人类嘅幸福感。”

译者：蒂克伟