关注：决策智能与机器学习，聚焦AI干货

2020，AI的研究会有哪些突破？

2020，AI的应用又会有什么变化？

吴恩达DeepLearning.ai旗下的THE BATCH刊物，分享了包括Yann LeCun、李开复、周志华、还有他们的老板吴恩达在内的10位AI大佬的新年寄语，以及对AI在2020年能有什么突破的“新年愿望”。

一起来看看吧~

LeCun：自监督学习带来AI革命

深度学习三巨头之一、图灵奖得主Yann LeCun的新年寄语主题，是Learning From Observation。

让人忍不住把它翻译成“格物致知”。

“格”的是开车这件小事。LeCun提到，人类学开车只要几十个小时，但是模仿学习算法需要学几十万个小时，强化学习算法甚至需要学几百万个小时，这里面一定有什么问题。

人类可以高效学习，是因为我们人在脑海里建立了世界的模型。婴儿很难和世界互动，但是在刚出生的几个月里，他们通过观察吸收了大量关于这个世界的背景知识。显然，大脑的很大一部分被用在了理解世界的结构，并预测一些无法直接观察到的事物，比如未来才会出现的东西、或者被隐藏的事物。

因此，AI的前进方向，就是自监督学习（self-supervised learning），它和监督学习类似，但是并不会训练系统去把数据分类，而是我们隐藏一些部分，然后让机器预测丢失的部分，比如把视频的一些帧抹掉，然后训练机器根据剩余的帧来填补被抹掉的部分。

最近，这种方法在NLP方面非常成功。诸如BERT、RoBERTa、XLNet、XLM之类的模型以自监督的方式进行训练来预测文本中缺少的单词，它们在所有主要的自然语言基准测试中都有记录。

希望在2020年，自监督学习能够用在视频和图像上。它会在视频这类高维连续数据上创造类似的革命吗？

其中一项严峻的挑战是应对不确定性。像BERT这样的模型无法判断句子中丢失的单词是“猫”还是“狗”，但是它们可以产生概率分布向量。对于图像或视频帧，我们没有一个好的概率分布模型。但是最近的研究非常接近，或许我们很快就会发现这样一个模型。

这样，我们就能用很少的视频训练样本，来实现非常好的性能预测、动作预测，而这在以前是不可能的。

当这个想法实现的时候，2020年就会是AI领域非常激动人心的时刻。

周志华：方法创新，方针明确

南京大学周志华教授对2020年有三个希望：

1、希望能够出现深度神经网络以外的高级机器学习技术。神经网络已经被许多研究人员、工程师和从业人员研究并应用了很长时间，其他机器学习技术为创新提供了相对未开发的空间。

2、希望AI可以涉足更多领域，为人们的日常生活带来更多积极的变化。

3、希望研究人员、工程师和从业者们对于如何采取措施防止AI技术的错误开发和滥用进行更多的思考和讨论。

Anima Anandkumar：模拟的力量

Anima Anandkumar是英伟达机器学习的总监，也是加州理工的计算机教授。

Anandkumar教授提到，在仿真环境学习中训练算法会让网络更为强大，并且能模拟各种复杂的情况，在一些情况下可以解决研究人员数据不够的问题。

她所在的加州理工已经用物理模型来模拟真实数据，用深度学习进行地震预测的研究；英伟达也推出了仿真平台Isaac。

她希望，2020年AI科学家们能认识到在模拟环境中进行训练的价值，并在新的一年产生更为重大的AI进步。

Oren Etzioni：工具创造平等

Oren Etzioni是艾伦人工智能研究所的首席执行官、华盛顿大学计算机教授、Madrona资本合伙人。

他认为，AI界花了很多时间讨论算法的公平和透明性，但在应用上，AI还可以为社会提供更多帮助，比如为行动不便的人提供无障碍技术，解决教育、流浪者、人口贩卖的问题，AI能对人们的生活质量产生巨大的积极影响，但现在AI界对此的研究和探讨只浮于表面。

因此，他希望2020年AI界能用切实的手段让这些处于不利地位的人受益，让世界更公平。

Chelsea Finn：泛化的机器人

Chelsea Finn是斯坦福计算机科学与电气工程助理教授。

她认为，目前的许多AI技术都能在围棋等特定任务上取得非常好的成绩，但在泛化方面做得还不够，无法用一个机器人来完成多个任务。

比如，识别ImageNet上的图片需要一个模型，但如果机器人需要与环境交互，那为每个任务都创造一个ImageNet那么大的数据集是不切实际的。

因此，她也在进行更多赋予机器人泛化能力的研究。如果强化学习的临界质量发展和泛化有所突破，会是非常令人振奋的事情。如果能应对这些挑战，机器人会比现在的更加智能，而不仅仅是停留在实验室里。

David Patterson：快速训练与推理

David Patterso是加州大学伯克利分校的计算机科学教授，RISC-V国际开源实验室负责人，也是ACM和IEEE的Fellow。

他说，过去一年，阿里巴巴、 Graphcore和英特尔等公司都在研发专门的人工智能处理器，而这些芯片将慢慢进入研究实验室和数据中心。

他认为，投资数十亿美元打造新颖的人工智能硬件将在2020年初见成效。

并希望人工智能社区能接受其中最好的芯片，来推动这个领域朝着更好的模型和更有价值的应用方向发展。

Dawn Song：要对数据负责

Dawn Song是安全领域的顶尖学者之一，1996年本科毕业于清华大学，现在是加州大学伯克利分校(UC Berkeley)计算机科学和电子工程教授，也是Oasis Labs 首席执行官和联合创始人。

她认为，人们对敏感数据的收集正在迅速增加，几乎涵盖了人们生活的方方面面。但用户几乎无法控制他们生成的数据如何被使用。与此同时，企业和研究人员在利用数据方面面临着诸多挑战。

在她看来，这种数据收集方式将个人和企业置于危险之中，她希望2020年应该是为负责任的数据经济打下基础的一年。

这需要创造新的技术、法规和商业模式。Dawn Song认为，2020年在在机器学习方面仍然存在更大的挑战，要打造可扩展的系统来为实际部署大型、异构数据集服务，联邦学习的进一步研究和部署对于某些用例也很重要等等。

Richard Socher：信息海洋已经沸腾

Richard Socher博士毕业于斯坦福大学计算机系。2016年，自己创办的公司被Salesforce收购后，加入Salesforce，现在是Salesforce的首席科学家。

他认为，如何处理铺天盖地的事实、意见和观点仍然是一个挑战。

比如，在你没有读过一个冗长的文档之前，你很难知道你会在里面找到什么信息。而且，想要知道某个特定的陈述是否正确也非常困难。

在他看来，自动提取摘要可以解决这些问题，2020年，这一技术将会迎来重大发展，改变我们消费信息的方式。

不仅能帮助人们应对不断涌现的新信息，而且还能让人们进一步拥抱人工智能的巨大潜力，创造一个更美好的世界。

李开复：AI将在更多行业落地

李开复的新年寄语主题，是AI无处不在。他说：

人工智能已经从发现的时代到了落地的时代。在我们主要在中国的投资组合中，我们看到了在银行、金融、运输、物流、超市、饭店、仓库、工厂、学校和药物研发中使用人工智能和自动化技术的应用。

但是，从整体经济的角度来看，只有一小部分企业开始使用AI，这表明还AI有巨大的增长空间。

我相信，在人类技术进步的历史上，AI将与电力同等重要。在未来的一二十年中，人工智能将渗透到我们的生活和工作中，从而提供更高的效率和更智能的体验。现在正是企业、机构和政府充分拥抱AI并推动社会前进的时机。

我对AI在医疗和教育上的影响非常兴奋。这两个行业已经为AI的部署做好了准备。

我们投资了一家使用AI和大数据优化供应链的公司，从而缓解了超过1.5亿中国农村人口的药品短缺情况。我们也在投资用深度学习来生成化合物的药物研发公司，以将药物发现时间缩短三到四倍。

在教育方面，我们看到一些公司正在用AI改善学生的英语发音，帮助学生提升成绩，用个性化和游戏化的方式帮助学生学习数学。这将使教师从日常工作中解放出来，并使他们能够花时间为新兴一代的学生做更多鼓励性的工作。

我希望看到更多明智的企业家和公司在2020年及以后的几年中开始使用AI来帮助他们获得更大的好处。

吴恩达：保持学习和好奇心

在这份「新年寄语篇」的开头，吴恩达作为发起人开场，总体是一些关于学习新知识的碎碎念。

吴恩达说，他每年冬天的假期都会围绕一个新的主题进行学习。

比如10年前的那个冬天，他的学习主题是教育学，虽然当时他拖着十分沉重的书箱在机场赶路，但对教育学的研究的确为后来在线学习平台Coursera的成立起到了帮助。

而去年，当时他的宝贝女儿Nova还在母亲腹中，吴恩达就在冬天读了很多育儿书籍。

而这个冬天，吴恩达说他在研究续命——包括遗传学、还有夸克什么的在内的新兴科学，还实地探访去拜见了自己101岁的爷爷，爷爷用亲身经历告诉他：

长寿的秘方，就是保持好奇心。

照这个规律，吴恩达觉得自己的关注者里会有不少人能在101岁之后依然活蹦乱跳的。

最后，吴恩达祝大家过一个充满好奇心、学到新东西、有爱的2020年。

原文传送门：
https://blog.deeplearning.ai/blog/the-batch-happy-new-year-hopes-for-ai-in-2020-yann-lecun-kai-fu-lee-anima-anandkumar-richard-socher

作者系网易新闻·网易号“各有态度”签约作者

郭一璞 乾明 发自 凹非寺
量子位 报道 | 公众号 QbitAI

交流合作

商务合作以及加入微信群，请添加微信号：yan_kylin_phenix

注意：请务必说明您的意向，注明姓名+单位+从业方向+地点，否则不予通过，请多谅解。