罗纳德·T·克纽塞尔，”人工智能如何工作：从魔法到科学” 作者 – 采访系列

我们最近收到了罗纳德·T·克纽塞尔的书《人工智能如何工作：从魔法到科学》的预发行版。截至目前，我已经读过60多本关于人工智能的书，其中一些书确实很重复，但这本书却提供了一个新鲜的视角，我喜欢这本书足以将其添加到我个人最喜欢的《有史以来最好的机器学习和人工智能书籍》列表中。

《人工智能如何工作：从魔法到科学》是一本简洁明了的书，旨在阐明机器学习的核心基本原理。以下是对作者罗纳德·T·克纽塞尔的一些提问。

这是您第三本关于人工智能的书，前两本书是《实用深度学习：基于Python的介绍》和《深度学习的数学：理解神经网络所需的知识》。您最初写这本书的初衷是什么？

不同的目标受众。我的前两本书是为那些对成为人工智能从业者感兴趣的人写的。这本书是为一般读者写的，针对那些在新闻中听说过人工智能但没有相关背景知识的人。我想向读者展示人工智能的起源，它不是魔术，并且任何人都可以理解它的工作原理。

虽然许多人工智能书籍倾向于泛化，您却采取了相反的方法，非常具体地教导各种术语的含义，并解释了人工智能、机器学习和深度学习之间的关系。您为什么认为社会对这些术语存在如此多的混淆？

要了解人工智能的历史及其当前的普遍存在，我们需要了解这些术语之间的区别，但在流行用法中，使用“人工智能”这个术语是合理的，知道它主要指的是正在以如此迅速的速度改变世界的现代人工智能系统。现代人工智能系统源自深度学习，深度学习源自机器学习和联结主义方法。

第二章深入探讨了人工智能的历史，从塔罗斯的神话故事（一个巨大的机器人，用于保护腓尼基公主）到艾伦·图灵1950年代的论文《计算机和智能》，以及2012年深度学习革命的兴起。为什么理解人工智能和机器学习的历史对于全面理解人工智能的发展至关重要？

我的初衷是表明人工智能并不是凭空出现的。它有一个历史，一个起源和一个演变过程。虽然大型语言模型的出现能力令人惊讶，但这并不是偶然的。这是几十年来思想、研究和实验的结果。

您专门写了一章来解释传统的人工智能系统，例如支持向量机、决策树和随机森林。为什么您认为完全理解这些经典的人工智能模型非常重要？

人工智能作为神经网络，只是对早期机器学习模型中发现的优化基模型的另一种方法。它是对开发某个过程或函数的模型（将输入映射到输出）的一种不同的看法。了解早期模型有助于理解当前模型的来源。

您表示，OpenAI的ChatGPT的LLM模型标志着真正人工智能的开始。您认为这个模型与之前的人工智能方法相比有什么最大的变化？

我最近看了一段来自20世纪80年代的视频，理查德·费曼试图回答关于智能机器的问题。他说他不知道什么样的程序可以表现出智能行为。从某种意义上说，他谈论的是符号人工智能，即智能的奥秘在于找到使逻辑运算等智能行为成为可能的魔术序列。我以前也曾想过这个问题，像很多人一样——如何编程实现智能？

我相信你实际上不能这样做。相反，智能从足够复杂的系统中产生，这些系统能够实现我们所说的智能（即我们）。我们的脑部是基本单位的复杂网络。这也是神经网络的特点。我认为LLM中实现的变压器架构无意中发现了一种类似的基本单位排列，可以共同工作以使智能行为出现。

一方面，这是终极的“快乐事故”，但另一方面，一旦基本单位的排列和允许的交互发生，这并不应该太令人惊讶。现在很明显，变压器模型是这种排列之一。当然，这引发了一个问题：还有什么其他这样的排列？

您的主要信息是，现代人工智能（LLM）在其核心，只是一个通过反向传播和梯度下降训练的神经网络。你是否对LLM的有效性感到惊讶？

是和否。我在使用它们时不断被它们的回应和能力所震惊，但回想起前面的问题，出现智能是真实的，所以为什么不会在一个足够大的模型中出现，具有合适的架构？我认为像弗兰克·罗森布拉特这样的研究人员，甚至更早的研究人员，可能也曾经这样想过。

OpenAI的使命宣言是“确保通用人工智能——比人类更聪明的人工智能系统——造福全人类”。您是否相信AGI是可以实现的？

我不知道AGI的含义，就像我不知道意识的含义一样，所以很难回答。正如我在书中所说，不久之后可能会出现一个时刻，在那里关心这种区别是毫无意义的——如果它看起来像鸭子，走起来像鸭子，叫起来像鸭子，那么它就是鸭子，继续吧。

开玩笑的答案是，完全有可能，人工智能系统可能会满足许多关于意识的理论。我们是否希望完全有意识（无论这真正意味着什么）的人工智能系统？也许不是。如果它是有意识的，那么它就像我们一样，因此是一个具有权利的人——我不认为世界已经准备好迎接人工人了。我们已经很难尊重我们人类同胞的权利，更不用说其他任何生物的权利了。

在写这本书的过程中，您是否有任何惊讶的发现？

除了每个人对LLM的出现能力感到惊讶之外，不然。 我在20世纪80年代作为一名学生学习人工智能，开始在21世纪初使用机器学习，并在21世纪10年代初期参与深度学习的发展。我和其他几千人一起亲眼目睹了过去十年的发展，随着会议的进行，这个领域的发展非常显著。

感谢您接受这次精彩的采访，读者也可以查看我对这本书的评论。这本书在所有主要零售商处都有售，包括亚马逊。