Adrian Zidaritz，AIbluedot.com 作者 – 访谈系列

阿德里安·齐达里茨是 AIbluedot.com，一个博客，提供人工智能的概述，混合了数学、伦理、政治和介于两者之间的“一切”。 尽管这些文章包含极少的技术材料，但它们并不是针对专家，而是针对普通公众。 人工智能被非专业人士误解，媒体要么大肆宣传，要么贬低它； 尽管如此，它仍然是当今时代最重要的技术。

人工智能最初吸引您的是什么？

与任何其他现代技术不同，人工智能开发需要广泛的专业知识。 它以统计学、神经科学、应用数学、计算机科学、软件开发、心理学等领域的研究为基础……正是这个挑战吸引了我，再加上我在之前的职业生涯中有幸涉足了其中许多领域：数学、计算机科学、软件开发、统计学。

您在人工智能领域拥有丰富的职业生涯。 您能讨论一下其中的一些亮点吗？

这在某种程度上是问题 1 的延续。目前几乎每个从事人工智能工作的中年人都来自其他地方。直到 2005 年左右，还没有人工智能（顺便说一句，人工智能的成功主要归功于神经网络 = 深度学习，相比之下，所有其他技术都黯然失色；因此，出于所有实际目的，当我们说人工智能时，我们指的是深度学习）。因此，我们许多从事人工智能工作的人都为该领域带来了独特的视角。我拥有数学背景，并且领导过实际的 AI 项目，其中大数据工程发挥着非常重要的作用（有时占项目总时间的 80% 以上）。我的背景将人工智能夹在对其数学基础（非常理论化）的质疑和领导数据科学家和机器学习工程师团队的非常实际的方面之间。还有其他研究人员对三明治中间的人工智能技术了解更多。

您曾说过，人工智能要么被媒体炒作，要么被淡化。 您为什么认为准确报道人工智能现状的媒体与该技术的实际情况之间存在如此脱节?

因为人工智能甚至被一些从事人工智能工作的人所误解，更不用说媒体了。 这是一个非常年轻的学科，拥有非常年轻的工作者。 这些年轻工人的各种意见进入媒体，导致目标不一致。 值得一提的是 Netflix 的《社会困境》纪录片，其中从硅谷的角度对人工智能的这些相互冲突的观点进行了详细记录。

目前，我们在人工智能领域看到的大部分进展都来自深度学习。 您对深度学习的黑箱问题有何看法？

这是一个大问题。 基本上我们对学习过程没有理论（=数学）理解。 我们不知道深度学习算法实际上是如何学习的。 我们只是看到他们这样做了。 当然，人们曾尝试发展一种理论，但没有一个得到广泛接受。 因此，在缺乏基本理解的情况下，我们所能做的就是说“看，它有效”。 但目前给出白盒解释是不可能的。 其他算法（非深度学习）可以更好地理解，并且可以对它们的结果进行解释。 不适合深度学习。

您对人工智能偏见有何看法？我们如何防止这种偏见？

现在人工智能的重点是数据，而不是算法。 算法不存在偏差，偏差存在于数据中。 数据反映了社会构成，也反映了社会分层，数据收集也存在偏差。 顺便说一句，这些都是自然发生的，所要做的是逐渐将各种背景的人纳入数据收集过程中，以便数据反映人口的正确代表性。

您对哪种类型的机器学习最感兴趣？

正如我之前所说，机器学习现在正在让位于其最成功的内部分支——深度学习。 神经网络因其多功能性而占据主导地位。

您曾说过，全民基本收入（UBI）对于应对人工智能导致的失业是绝对必要的。 您能否详细阐述一下这些观点？

社会将遭受自动化（应用人工智能）的巨大影响。 即使在2016年以来的政治动荡中，我们也看到了重大转变。根本就没有办法回头。 许多工作将会消失。 如今，接受放射科医生培训已经毫无意义。 人工智能可以比人类更好地读取 X 射线、核磁共振成像以及各种其他打印图像。 当人们无法找到一份简单的工作时，他们会发生什么？ UBI 保证当自动化普及时人类不会遭受不必要的痛苦。 没有必要，因为人工智能将为社会提供必要的工作以维持正常运转。

您相信我们能够实现通用人工智能（AGI）吗？

是的，许多人认为 DeepMind 的软件已经接近 AGI。 我不同意这个想法，但即使对我来说，答案也是肯定的。 AGI并不意味着情感或意识，AGI中的I只是认知智能。 对于这种智力水平，答案似乎是肯定的。

你相信我们有可能生活在模拟中吗？

一个潜在可能？ 是的，这意味着我们生活在模拟中的概率不为0。这在智力上也很有吸引力。 但这有可能吗？ 不，对我来说这不太可能，即概率虽然不是0，但是非常非常小。

感谢您接受采访，希望了解更多 Adrian 对人工智能不同方面的看法的读者应该访问 AIbluedot.com。