85岁的图灵奖获得者RajReddy参加了近日举行的第九届海德堡奖得主论坛。“我从事人工智能工作将近60年，没想到这一技术能在我有生之年实现实用化。”他由衷感叹道。10年前的2012年，深度学习取得了突破。当时，一种基于多层神经网络的创新图像分类算法突然被证明远远优于之前的所有算法。这一突破使深度学习在语音和图像识别、自动翻译和转录以及机器人技术中得到应用。随着深度学习嵌入到越来越多的日常应用程序中，也出现了越来越多可能出错的例子：人工智能系统会进行歧视、形成刻板印象、做出难以捉摸的决策，并且需要大量数据，有时还需要大量能量。在此背景下，第九届海德堡桂冠论坛为来自50多个国家的约200名年轻研究人员组织了一场关于深度学习的应用和影响的小组讨论。讨论包括图灵奖获得者YoshuaBengio、YannLeCun和RajReddy，2011年ACM计算奖获得者SanjeevArora，以及研究人员ShannonVallor、BeenKim、DinaMachuve和ShakirMohamed。Meta的首席AI科学家YannLeCun是小组成员中最乐观的：“有很多人声称深度学习不能做这个或那个，经过几年的工作，这些说法大多被证明是错误的.在过去的五年里，深度学习已经能够做到我们任何人都无法想象的事情，而且进展还在加速。例如，LeCun说，Meta的Facebook现在可以自动检测到96%的仇恨言论，而大约四年前只有96%的仇恨言论。40%。他将这种改进归功于深度学习。“我们受到了很多的轰炸每天都有大量的信息，而且这种情况只会越来越糟。我们将需要更多的自动化系统来筛选这些信息。”英国爱丁堡大学教授ShannonVallor不同意LeCun的观点。即技术只是向前发展，它似乎有一个意志“这就是我们遇到一些问题的原因。技术可以选择许多分叉路径，而人们决定哪条分叉路径是最好的。深度学习系统是人类构建的，部署是一个完整的神器，因此我们对它们负全部责任。对深度学习的批评之一是，虽然它擅长模式识别，但目前并不适合逻辑推理，而老式的符号AI就是这样。然而，Bengio和LeCun都认为没有理由不能让深度学习系统进行推理。正如Bengio观察到的那样，“人类也在他们的大脑中使用某种神经网络，我相信有办法通过深度学习架构实现类似人类的推理。”互联网就足够了。“我相信我们可以从生物学和人类智能中获得更多灵感，弥合目前人工智能与人类智能之间的差距。”普林斯顿大学理论计算机科学家SanjeevArora补充说，不仅深度学习还不能推理，实际上我们不能对深度神经网络进行推理。“我们需要更多地了解深度学习系统黑匣子内部发生的事情，这就是我正在努力做的事情，”阿罗拉说。RajReddy，迄今为止在人工智能界任职时间最长的小组成员，从1960年代开始参与人工智能先驱约翰麦卡锡的博士工作。雷迪认为杯子是半满的，而不是半空的。“深度学习的一个重要应用是帮助处于社会金字塔底层的人。世界上大约有20亿人不会读写。现在各种语言技术已经足够好了，比如语音识别和翻译。我在这工作领域将近60年后，我从未想过这项技术会在我有生之年实用。十年后，即使是一个文盲，也可以读任何书，看任何电影，用母语与任何人交谈，在世界上任何地方。”然而，处理鲜为人知的语言对于深度学习技术来说仍然是一个悬而未决的问题，因为可用的数据要少得多。数据科学顾问DinaMachuve说，仅在非洲就有2,000种语言，但没有可用的人工智能技术。进入一个社区并了解什么对那个社区有用很重要，因此在为非洲寻找深度学习应用程序时，Machuve专注于图像应用程序——“我们开发了基于图像的家禽疾病识别和早期检测系统。”不幸的是，在许多方面，非洲仍然是深度学习研究和部署中“缺失的大陆”，DeepMind研究员ShakirMohamed补充道。信息处理，2006年到2016年，答案是：0。拉美也一样，可能是1。我希望你们所有人，无论身在何处，都认真对待代表性问题，谁在做这项工作，在哪里以及如何与他人分享您的经验。GoogleBrain的研究科学家BeenKim表示，她希望大家认识到，深度学习并不是可以解决所有社会问题的神奇工具。事实上，她观察到，“对于你遇到的问题，可能有比机器学习更好的非人工智能解决方案。你必须停下来问问：这是正确的工具吗？”当被问及公众应该知道什么是在讨论人工智能及其前景时，穆罕默德说：“未来尚未决定。我们仍然可以创造和塑造未来，这是我们应该永远记住的。”
