智东西（公众号：zhidxcom）编辑|海中天简介：近日，麻省理工学院《技术评论》在旧金山召开会议，重点关注AI技术进展。
众多知名人士齐聚一堂，今天我们来看看，这些AI专家都说了些什么？他们都是来自硅谷科技巨头的核心领导人。
人工智能引发道德问题科技巨头正在解决能力越大责任越大的问题。
在机器学习和人工智能领域，先锋公司开始谈论他们在创造“智能作品”时面临的道德挑战。
微软研究院总经理埃里克·霍维茨认为：“我们已经到了人工智能的拐点。
随着时间的推移，利用人工智能来保护我们是一种道德责任。
” Eric Horvitz 与 IBM 和 Google 的研究人员讨论了这个问题。
一个普遍的担忧是，领先的公司正在将软件置于控制人类的地位。
IBM研究员Francesca Rossi举了一个例子，比如机器成为老年人的助手或伴侣。
她说：“机器人必须遵守文化规范，这些规范以文化和任务为中心。
如果在美国或日本使用机器人，两者的行为会有很大不同。
”这样的机器人可能离现实还很远。
虽然还有点遥远，但人工智能引发的伦理问题已经浮现出来。
如今，公司和政府越来越依赖机器学习系统来做出决策。
技术的“盲点”和“偏见”可能会导致某些群体受到歧视。
埃里克·霍维茨举了一个例子。
微软曾经开发过一款供企业使用的情绪感知系统，但该系统对于儿童来说并不准确，因为该系统是用大量未接触过的照片进行训练的。
谷歌研究员玛雅·古普塔（Maya Gupta）认为，行业应该更加团结，建立一个流程，确保用于训练算法的数据不被误解。
Maya Gupta 还表示：“很多时候，这些数据都是以自动化的方式创建的。
我们在行动之前必须三思而后行，我们必须为弱势群体生产足够的样本，以确保我们做好工作。
”过去一年，在学术和工业领域，AI、机器学习遇到了诸多伦理挑战。
加州大学伯克利分校、哈佛大学、牛津大学、剑桥大学都设立了研究人工智能伦理和安全的项目或机构。
2016年，亚马逊、微软、谷歌、IBM、Facebook合作成立了一个名为“Partnership on AI”的非营利组织，后来苹果也加入了该组织。
谷歌研究员玛雅·古普塔鼓励大家思考一个问题：我们能否将某些决定从人类手中夺走，让世界变得更加道德？她说：“机器学习是可以控制的，是准确的，并且可以用统计数据来衡量。
有很多可能的方法来获得更公平、更道德的结果。
”微软：希望帮助企业提高AI的适应性 如果AI想要从硅谷扩散到其他行业，可能需要比预期更长的时间。
微软研究院副总裁Peter Lee在会上表示，对于科技巨头来说，有价值的高端机器学习系统尚未完善。
如果企业想向客户提供它们，在灵活性和成本方面仍然存在障碍。
Peter Lee表示：“在将机器学习和人工智能概念应用于企业方面，我们仍处于中间阶段。
人工智能技术还不是很实用，我们拥有一批小型且昂贵的团队正在开发定制解决方案。
”谈话中，Peter Lee举了微软利用AI工具帮助销售人员完成交易的例子，他悲伤地说：“我最想做的就是向世界上其他公司出售工具。
”现在，为什么呢？因为每个新企业想要使用它都必须对其进行定制，而这个过程非常麻烦，这可能是开发能够理解并适应特定业务需求和条件的软件的一种方法。
彼得·李指出，根据微软的经验，软件向现实世界学习的技术还不是很成熟，微软曾经开发过一个聊天机器人，并将其放在Twitter上，很快机器人也学会了“种族歧视”语言。
开发了一个可以分析在线文本的翻译系统，结果将“Daesh”翻译成了“沙特阿拉伯”（Saudi UAE），原来只是伊斯兰国的阿拉伯名字“如果一个机器系统制造了一个”。
错误，影响是巨大的，”彼得·李说。
将学习软件应用到现实世界需要人类专家的密切监督。
显然，向企业出售人工智能服务也必须赚钱。
微软提供了一些服务，例如计算图片中的面孔以及将语音转换为文本。
在 EmTech 会议上，初创公司 Clarifai 展示了一套工具，可以帮助公司搜索和管理照片和视频集，因为这些工具可以理解其内容。
Peter Lee认为，这些产品不会带来革命性的影响，也不会带来新的利润。
他说：“很多时候，企业领域最有价值的机器学习技术是定制的、预构建的解决方案。
每个企业都是特殊的，你必须满足特定的需求并适合特定的条件。
“他还认为，开发软件并让它尝试不同的动作，看看哪一个有效，或许能够让行业走出盲点。
目前的方法是让软件消化静态数据，比如文本或图像数据。
“人类系统的智慧是无限的，让系统理解企业流程并形成自己的策略的可能性非常高。
“人工智能的发展是否已陷入停滞？虽然近年来有大量资金投入人工智能项目，但不要被外表所迷惑。
Uber人工智能实验室前负责人加里·马库斯警告说，该行业并没有取得进展。
加里·马库斯指出，当今的企业在投资人工智能时痴迷于静态机器学习，并专注于短期企业目标，因此我们在迈向人类水平的人工智能方面受到限制。
不是天网。
”加里·马库斯提到的天网是杀手级AI，就像《终结者》中提到的AI一样。
他还表示，“人工智能发展已进入停滞阶段。
”是的，人工智能近年来确实取得了一些技术突破，但计算机所做的事情非常简单。
人工智能要想拥有真正的“通用智能”，还有许多障碍无法克服。
OpenAI 研究总监 Ilya Sutskever 的观点则完全不同。
他曾提出，我们距离强人工智能（与人类处于同一水平的AI）并不遥远。
“现在看来很遥远，但5年前则更遥远。
我们投入了大量的人力和精力来开发算法。
人工智能的发展非常快速、健康。
”Gary Marcus认为，企业对AI的投资对于行业的长期发展来说可能并不是一件好事。
过去行业进步不大主要是因为AI投资不足，但这一次却是因为投资太多投资导致研究人员忽视了将人工智能应用于商业领域是一件好事吗？加里·马库斯表示：“有些事情只有像 Uber 这样的公司才能做到。
”问题是，现在企业市场专注于短期目标，这才是他们最关心的“AI无人机能跟着你做什么”。
企业家 Adam Bry 认为，如今的无人机缺少了一个关键部件，所以不太实用。
缺少了什么？利用 AI 实现自主飞行。
在 EmTech 大会上，Adam Bry 通过一段视频展示了由Skydio是Adam Bry创立的公司，将于今年上市，Adam Bry表示：“即使在企业领域，用户也会发现使用无人机比预想的更困难。
。
如果你是专业操作者，你可以执行一些令人惊奇的动作，但对于主流用户来说这是不太可能的。
“Skydio 的第一款产品有点像飞行机器人摄像头。
从视频中可以看到，当用户爬树、骑山地车或踢足球时，无人机就会跟随人走。
当用户走到人后面时，无人机就会跟随人走。
”障碍物，比如低垂的树枝后面，无人机会在人周围飞行，或者保持安全距离并暂停。
为什么Skydio能够做到这些事情，因为它可以通过机载摄像头分析图像，然后使用结果。
市场上的无人机主要依靠GPS和人类控制来跟踪目标，精确到厘米，并且知道它如何移动。
Adam Bry 指出，当人们彼此靠近时，无人机会通过人的外表和动作收集线索来解决混乱，但他承认这项技术并不完美，因为人类是有区别的。
两个人都很难，更不用说技术了。
“Adam Bry 没有展示无人机的照片，也没有透露何时推出。
他只知道该产品是针对消费者的。
利用 AI 识别名人 Clarifai 是一家计算机视觉初创公司，开发可以识别图片的 AI Clarifai 首席执行官兼创始人 Matthew Zeiler 表示，他们最近展示了一项新技术，可以从图片中识别人脸，然后进行匹配，这并不奇怪。
系统可以识别0个名人，使用AI识别人脸是很常见的，因为光照环境不同，目标人是否在看镜头，所以有点困难。
无论是受到其他人的阻碍还是障碍，英伟达深度学习芯片都为医疗保健行业提供动力。
英伟达设计了可以为人工智能算法提供动力的强大硬件，因此，随着技术的发展，英伟达是人工智能浪潮的受益者。
下一个大市场。
英伟达医疗保健业务负责人 Kimberly Powell 表示，该公司正在与多个领域的医学研究人员合作，未来几年将会有更多合作。
“与医学成像相关的研究正在增加。
”现在，我们拜访医院供应商的频率越来越高，他们对人工智能的新应用非常看好。
“机器学习技术可以用来处理医学图像，过滤大量的医学数据。
Nvidia 开发的图形芯片在执行并行运算时效果非常好，而机器学习需要完成并行运算。
Nvidia 已经向学术机构和研究机构提供了硬件。
”供行业客户深入学习研究人员使用。
不仅如此，Nvidia 正在开发越来越多的深度学习专用产品，包括 DGX-1 计算机和自动驾驶汽车系统 Drive PX。
鲍威尔相信，医学研究中心未来将引进更多Nvidia设备。
她相信这些设备可以提高诊断的可靠性，并大大提高发展中国家的护理水平。
深度学习在药物发现过程中也能派上用场。
不仅如此，深度学习还可以帮助医生发现那些极其隐蔽的疾病。
例如，英伟达正在与梅奥诊所的神经放射学家 Bradley Erickson 合作，利用深度学习技术来识别大脑图像。
鲍威尔说，布拉德利·埃里克森成功地找到了一些与脑部疾病相关的基因。
纽约大学教授加里·马库斯认为，人工智能可能对医疗行业产生巨大影响，比如治疗癌症。
有时，人类很难识别某些风险因素，但算法可以。
加里·马库斯表示：“在AI的帮助下，我们或许能够在治疗方面取得重大进展，这可能是AI的杀手级应用。
”将深度学习技术应用到医疗中存在着巨大的挑战。
新方法复杂且不透明，那么为什么该算法有如此具体的诊断呢？医生可能不太明白。
鲍威尔承认，技术确实存在挑战，但新的解决方案越来越多。
例如，研究人员使用视觉方法来展示深度学习网络行为。
鲍威尔说：“这是当前研究领域的一个重大课题。
”利用AI和量子计算机寻找新材料 IBM研究院科学与解决方案副总裁Dario Gil认为，AI技术可以协助研究人员寻找新材料。
达里奥·吉尔指出，通过在笔记本电脑中安装机器学习软件，可以在几秒钟内从研究报告中提取关键信息，并可以在几周而不是几十年内通过大量研究机构创建一个巨大的知识图谱。
到目前为止，达里奥·吉尔还没有指出任何具体的突破。
但他表示，IBM 已经使用 Watson 系统来寻找新型聚合物。
达里奥·吉尔表示，尽管人工智能和计算取得了突破，世界上最强大的超级计算机仍然难以处理预测粒子电子结构等任务。
该怎么办？ IBM 看到了量子计算的巨大潜力，它可以显着提高计算速度。
去年，IBM推出了一款新的量子芯片。
本月早些时候，IBM 宣布了一项构建云计算和商业量子计算系统的新计划。
达里奥·吉尔表示：“今年和明年，预计量子计算将会有巨大进展，这意味着量子计算机的性能将得到大幅提升。
“Otto联合创始人：人工智能将在10年内在卡车中普遍使用” AI至少在50到20年内不会影响美国的就业，但Lior Ron认为影响会发生，不是更晚，而是更早，在会议上，Lior Ron表示未来10年不会有影响。
人类驾驶的卡车将在道路上流行。
与这些公司一样，Lior Ron 也认为，开发出真正无需人工干预的自动驾驶汽车至少还需要一段时间。
时代》杂志的 Lior Ron 表示：“事情不会在一夜之间发生，它们会慢慢发生。
例如，Lior Ron 预测，完全无人驾驶的汽车最初会在清晨行人不多的时候上路，然后才会出现。
白天在不同的驾驶环境中。
有些人担心无人驾驶汽车。
奥托的技术有可能让司机失业，在不久的将来更有可能充当副驾驶，而不是取代人类操作员。
虽然卡车可以在高速公路上自动驾驶，但在某些情况下仍然需要人类。
操作，例如在城市街道环境中驾驶。
利奥尔·罗恩 (Lior Ron) 认为，驾驶卡车是一项很累人的工作，有时必须工作几个小时才能休息。
如果卡车可以自动驾驶，人类司机就可以休息一下，长途驾驶。
它将更安全、更高效。
卡车自动驾驶还有很多问题需要解决。
例如，当前方出现障碍物时，卡车的机动空间较小。
它也比汽车慢并且停车时需要更多空间。
卡车装载货物，货物的重量可能不均匀，并且在旅途中可能会发生变化。
Lior Ron 认为，OpenAI 引入了一种让机器注意的新方法。
学习变得更容易 OpenAI 是一家非盈利研究组织，马斯克是该组织的联合创始人，该组织最近表示，它已经找到了一套更易于使用的替代方案，可以增强机器学习。
能力、学习结果在玩游戏和执行其他任务时是相似的。
会议上，OpenAI研究总监Ilya Sutskever表示，新方法可以让研究人员在机器学习方面以更快的速度前进。
“它可以匹配今天的增强功能。
技术竞争，即与标准学习算法的竞争。
新方法如此简单，令人惊讶的是如此简单的方法竟然如此实用。
“OpenAI 开发了可以玩经典“雅达利”游戏的机器学习软件。
Sutskever认为，要让机器学习软件完成更复杂的任务，而不仅仅是识别图片和翻译语音，找到机器学习软件玩电脑游戏和控制机器人的新方法非常重要。
他说：“如果我们能让计算机系统自行学习并完成复杂的动作，我们就可以称它为‘智能机器’。
”苏茨克维尔和他的同事测试了这种被称为“进化策略”的新方法，他们开发了一种一套软件，可以玩 50 多种 Atari 游戏，包括 Pong 和 Centipede。
研究人员将新方法应用于多个处理器，只需一小时即可训练出强大的人工智能玩家。
如果使用谷歌DeepMind去年提出的方法开发强化学习系统，然后用于训练，则需要AI玩家达到同样的水平。
一天。
在测试机器人时，补货策略也有优势，因为该软件允许机器人像人类一样在模拟环境中行走。
尖端强化学习系统需要 10 个小时才能获得的结果，采用新方法只需 10 分钟。
事实上，新技术背后的想法已经存在了几十年。
简单来说，就是让学习软件尝试不同的动作，找到最有效的。
在自然选择的过程中，生物组织主动适应环境，新技术的原理与此类似。
Sutskever 说：“大家早就知道的算法，其实比大家想象的更实用。
”有了进化策略技术，AI将有哪些具体用途？他拒绝透露，但表示会花更多时间进行研究，找出该技术的优点和局限性。
不过，Sutskever指出，与增强系统技术相比，进化策略更擅长完成需要多个步骤才能取得结果的复杂任务。
正是出于这个原因，Sutskever 认为进化策略可以帮助 OpenAI 实现其创建所谓“强人工智能”的目标，即软件可以自动适应复杂的场景。
在机器学习领域，大多数研究人员并不太关注强人工智能，而是利用技术来解决更具体、更狭窄的问题。
OpenAI在声明中表示，公司的使命之一是开发强大的人工智能。
Sutskever指出，现在机器学习正在快速发展，是时候考虑强人工智能了。
Uber告诉我们，人工智能商业化很难。
为了保持领先地位，Uber 投资了机器人和人工智能，但该公司遇到了一些困难。
近几个月来，优步失去了其先进技术集团的多名人才，该集团总部位于匹兹堡，负责开发自动驾驶汽车。
新任人工智能实验室主任加里·马库斯(Gary Marcus)上任几个月后就离开了公司。
由此可见，由于该技术过于复杂和先进，将该技术商业化是非常具有挑战性的。
去年12月，Uber收购了纽约大学感知科学家Marcus创立的初创公司Geometric Intelligence，随后Uber建立了AI实验室。
马库斯现在也是 Uber 的人工智能顾问。
优步的自动驾驶汽车上周在亚利桑那州发生撞车事故，遭遇挫折。
当然，无人驾驶汽车不对事故负责。
Uber之所以积极研发自动驾驶汽车，主要是担心出租车行业未来会被摧毁。
现在，优步加大了力度，在几个城市的公共道路上部署了自动驾驶汽车。
不幸的是，即使在普通条件下，汽车的性能也并不完美。
还有巨大的工程挑战，例如如何处理自动驾驶汽车中的传感器退化问题。
如果路上无人驾驶汽车太多，激光雷达和其他系统就会互相干扰。
如何解决这个问题呢。
马库斯批评该行业过度依赖基于神经网络的机器学习技术。
2008年，他成立了Geometric Intelligence，主要目标是寻找替代方法。
几何智能希望为机器找到更有效的学习方式。
当新的交通信号出现时，人类可以快速识别它们，但计算机不同。
即使采用当今最先进的机器学习方法，计算机也需要数千个样本才能学习。
也有公司在开发自动驾驶汽车，但他们可能发现进展比预期慢。
谷歌剥离了自动驾驶部门并成立了Waymo，但该公司的技术尚未商业化。