Adrian Zidaritz，AIbluedot.com 作者 – 采访系列

Adrian Zidaritz 是 AIbluedot.com 的作者，这是一个提供人工智能概述的博客，内容包括数学、伦理、政治和“中间的一切”。虽然文章包含最少的技术材料，但它们并非针对专家，而是针对普通公众。人工智能被非专家误解，在媒体上要么被夸大，要么被低估；然而，它是我们现在最有影响力的技术。

最初是什么吸引你进入人工智能领域？

人工智能的开发需要广泛的专业知识，这与其他任何现代技术都不一样。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。

您在人工智能领域有着丰富的职业生涯。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。几乎所有现在在人工智能领域工作的中年人都来自其他领域。直到2005年左右，还没有人工智能（顺便说一下，人工智能的成功主要归功于神经网络，即深度学习；其他技术相比之下都很苍白；所以，实际上，当我们说人工智能时，我们指的是深度学习）。因此，我们中很多人带来了独特的视角进入这个领域。我来自数学背景，结合实际的人工智能项目领导经验，在这些项目中，大数据工程发挥了非常重要的作用（有时占整个项目时间的80%以上）。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的方面之间。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，人工智能在媒体上要么被夸大，要么被低估。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？

因为人工智能甚至被一些在人工智能领域工作的人误解，更加不用说媒体了。这是一个非常年轻的学科，拥有非常年轻的工作者。这些年轻工作者的各种观点通过媒体传播，导致目标不一致。只要提到Netflix上的《社会困境》纪录片，就足以说明这些冲突的观点，从硅谷的角度来看，人工智能的观点是有冲突的。

目前，我们在人工智能领域看到的大部分进展都是来自深度学习。您对深度学习的“黑盒子”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（=数学）理解。我们不知道深度学习算法实际上是如何学习的。我们只能看到它们确实可以学习。当然，人们尝试过开发理论，但没有一个被广泛接受。所以，在没有这种基本理解的情况下，我们只能说“看，它可以工作”。但提供一个白盒解释是现在不可能的。其他算法（不是深度学习）更好地被理解，对于它们，可以提供结果的解释。对于深度学习则不行。

您对人工智能偏差有什么看法？我们如何防止它？

现在，人工智能一切都与数据有关，而不是算法。算法本身没有偏见，偏见在数据中。数据反映了社会的组成以及社会的分层，因为数据收集也存在偏见。这些偏见是自然发生的，需要发生的是逐渐将不同背景的人纳入数据收集过程，以便数据能够反映人口的正确代表。

您最感兴趣的机器学习类型是什么？

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，即深度学习。神经网络通过其多功能性占据主导地位。

您曾表示，Universal Basic Income（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2016年以来政治动荡的时刻。简单地回到过去已经不可能了。很多工作岗位将简单地消失。现在学习成为放射科医生已经没有意义了。人工智能可以比人类更好地阅读X光片、MRI和其他图像。那么，当没有工作可以做时，人们会发生什么？UBI保证当自动化变得普遍时，人类不会不必要地遭受痛苦。而且没有必要，因为人工智能将为社会继续运作提供必要的工作。

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。我不赞同这种想法，但即使对于我来说，答案也是是的。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，答案似乎是是的。

您是否认为我们生活在模拟世界中的可能性？

一种可能性？是的，这意味着我们生活在模拟世界中的概率不是0。这在智力上也很有吸引力。但是它是可能的吗？不，对我来说它不太可能，即概率虽然不是0，但非常非常小。

感谢这次采访，希望了解更多关于Adrian对人工智能不同方面的看法的读者可以访问AIbluedot.com。