阿德里安·齐达里茨，AIbluedot.com 作者 – 采访系列

阿德里安·齐达里茨是 AIbluedot.com 的作者，这是一个提供人工智能概述的博客，涵盖了数学、伦理、政治和其他方面的内容。虽然文章包含少量技术材料，但它们并非针对专家，而是针对普通公众。人工智能在非专家中常被误解，并在媒体中被过度宣传或低估；然而，它是我们当前时代最有影响力的技术。

是什么最初吸引你对人工智能感兴趣？

人工智能的开发需要广泛的专业知识，这与其他现代技术不同。它依赖于统计学、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。这种挑战加上我之前的职业生涯中有幸涉足这些领域：数学、计算机科学、软件开发、统计学，这些都吸引了我。

您有着丰富的从事人工智能工作的经历。您能讨论一些亮点吗？

这在某种程度上是对第一个问题的继续。几乎所有目前从事人工智能工作的中年人都来自其他领域。直到2005年左右，人工智能（按照我们说的，深度学习）还没有成功。因此，我们许多从事人工智能工作的人都带来了独特的视角。我来自数学背景，结合实际的人工智能项目经验，在这些项目中，大数据工程占了很大比例（有时超过80%）。我的背景将人工智能夹在其数学基础的质疑（非常理论）和实际领导数据科学家和机器学习工程师团队之间。还有其他研究人员更了解人工智能技术的中间部分。

您曾表示，人工智能在媒体中被过度宣传或低估。您为什么认为媒体在准确报道人工智能现状和实际技术现实之间存在脱节？

因为即使一些从事人工智能工作的人也对人工智能存在误解，更加不用说媒体了。人工智能是一个非常年轻的学科，拥有非常年轻的从业人员。这些年轻从业人员的各种观点通过媒体传播，导致了目标的不一致。足以提到Netflix上的《社会困境》纪录片，该片从硅谷的角度记录了这些对人工智能的冲突观点。

目前，人工智能领域的大部分进展都归功于深度学习。您对深度学习的黑盒问题有什么看法？

这是一个大问题。基本上，我们没有对学习过程的理论理解（=数学理解）。我们不知道深度学习算法实际上如何学习。我们只能看到它们确实可以学习。当然，人们尝试开发理论，但没有一个被广泛接受。因此，在没有这种基本理解的情况下，我们只能说“看，它有效”。但是，给出白盒解释是目前不可能的。其他算法（非深度学习）更好地被理解，对于它们，可以给出结果的解释。深度学习则不行。

您对人工智能偏见有什么看法？我们如何防止它？

目前，人工智能全是关于数据，而不是算法。算法本身不懂偏见，偏见存在于数据中。数据反映了社会的构成和社会的分层，因为数据收集也存在偏见。这些偏见自然发生，需要逐渐让来自各个背景的人参与数据收集过程，以确保数据能够反映人口的正确代表性。

您对什么类型的机器学习最感兴趣？

如我之前所说，机器学习现在正在让位给其最成功的内部分支——深度学习。神经网络通过其多样性占据了主导地位。

您曾表示，通用基本收入（UBI）将绝对必要，以应对人工智能带来的工作岗位流失。您能详细阐述您的观点吗？

社会将因自动化（应用人工智能）而遭受巨大的影响。我们已经看到自2016年以来政治上的重大转变。没有办法回头。许多工作岗位将简单地消失。现在学习成为了放射科医生的意义不大。人工智能可以比人类更好地阅读X光片、MRI和其他图像。人们在没有工作可以做的时候会发生什么？通用基本收入保证了当自动化变得普遍时，人类不会不必要地遭受痛苦。并且没有必要，因为人工智能将提供社会继续运作所需的工作。

您是否相信我们可以实现人工通用智能（AGI）？

是的，很多人认为DeepMind的软件已经接近AGI。我并不认同这种观点，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。对于这种智能水平，答案似乎是肯定的。

您是否认为我们生活在模拟世界中的可能性是存在的？

可能性？是的，这意味着我们生活在模拟世界中的概率不是0。这也是在智力上有吸引力的。但是，它是否可能？不，对我来说，它不太可能，即使概率不是0，也是非常非常小的。

感谢这次采访，希望了解更多关于阿德里安对人工智能不同方面的观点的读者，请访问 AIbluedot.com。