“最强大脑”的智能世界

 新闻资讯     |      2019-12-30 12:56

当下的人工智能,依然是“最强大脑”们的门徒。站在罗汉堂讲坛上的77岁老人托马斯·萨金特,对这一“前沿领域”就有着清晰的思辨。

时间回到22年前,一篇题为《大脑背水一战》的封面文章登上了大名鼎鼎的美国《新闻周刊》。

这篇封面文章的标题足够富有冲击力,因为它将人类最引以为傲的东西与机器对立了起来,也因为这篇文章所报道的新闻不是别的,正是当年国际象棋冠军卡斯帕罗夫败给IBM的机器“深蓝”的那场世纪大战。

作为人工智能发展史上里程碑式的事件,深蓝为这个领域赢得了敬畏,以至于若干年后,谷歌也乐于如法炮制一波围棋界的人机大战。

尽管谷歌的“狗”战胜了世界围棋冠军,但其作为新闻的冲击力,与“世纪大战”其实不可同日而语,尽管技术相比当年也在进化,但已经没有人想去为谷歌的新闻取一个《大脑再次背水一战》的标题。

这些年,人们津津乐道的是移动互联网彻底改变了人类生活,让世界变得更好。另一方面,正如诺奖得主托马斯·萨金特曾经指出的,目前的机器学习,仍然“是人去告诉它要学习什么”。换言之,如今最优秀、最聪明的机器,本质上是那些人类“最强大脑”们的门徒。

从经济学到机器学习:大数据与大算力驱动的想象空间像托马斯·萨金特,就是那个教机器学习、认识世界的人。77岁的萨金特对AI、大数据、机器学习的一次专业演讲,是最近在杭州,在2019罗汉堂数字经济年会上,同堂演讲的还有2013年诺贝尔经济学获得常熟货架者拉尔斯·彼得·汉森等人。

作为2011年诺贝尔经济学奖获得者、理性预期学派的领袖人物,萨金特不仅在经济学领域颇有建树,其跨学科研究的旨趣,认为语言、理论和数据之间有很亲密的关系,也让其在人工智能领域走得更远——交叉学科研究推动的科技(包括AI)进步,是萨金特格外看重和亲身投入的。

从经济学到机器学习,不变的是对数据奥秘的发现力。本质上,现在的经济学就是用数据、模型认识世界、解释世界,进而提供各类决策建议的。而萨金特在题为《信息、几何、计算》的演讲开篇即指出,“我们现在有大量的数据组,以及我们有快速的计算能力”,同为经济学家的汉森也强调这一领域需要的是非常丰富的数据来源、很好的运算法则,由此其实不难看出,他们对数据分析的倾心、以及数据在当前时代的空前富集、算力的增长,是这些“最强大脑”们乐于活跃在机器学习这类前沿领域的重要因素。

萨金特和汉森的开门见山背后,隐含了一个事实——近几年的人工智能热潮,很大的驱动力来自GPU的广泛应用,以及计算因此变得更快、更有效,而且成本低廉。伴随者广泛的应用,各种形式的海量数据的涌现,相应的存储能力,也使得数据应用的前景变得空前明朗。

显然,大数据与大算力所带来的想象空间是无界的,正如任何一次重大的技术革命,其影响之广泛总是超乎想象。对于像萨金特这种“最强大脑”们来说,如今尽享数据与算力之便的机器学习,就是突破想象空间的原点。

“如果说我们能够把一些非常复杂的抽象的信息理论应用进去的话,我们可以得到更好的回报。”如果说数据和算力是大数据、AI的时代红利,那么,对信息理论的应用,则是萨金特给机器学习、数据开发提供的方向指引。 事实上,信息理论与IT、乃至于与人工智能之间的关系从来紧密,而今天尤甚。60多年前,人工智能的提法出现在达特茅斯的一次研讨会上,从这场会议的参会者中,后来诞生了四位图灵奖获得者、10位IT领域最为杰出的科学家,而当时会议中名气最大的一位,就是信息论的创造者香浓博士;而当下,在萨金特看来,大数据和大算力提升了抽象信息理论的价值,它们的高速发展对处理信息的方法论提出更高要求——更优的信息估计技术、算法博弈论、多元时间序列算法和数据模拟技术等都可以在大数据时代散发光彩。

从更多的数据、更强的算力,到更好地在机器学习领域处理数据,在萨金特这里,基于信息理论的各种模型,一直在其中发挥关键作用,从而体现出机器学习的优势。利用模型来认识世界,不是新事物,但正如萨金特所指出的,如果模型包含了“不可数的参数空间”,机器是没有办法学习的。不过,在大数据、大算力的加持之下,如今信息理论在这方面可以发挥的作用更大了,即基于信息理论的核心概念“信息熵”,用“最大熵”原则去指导机器学习的发展方向,而这样的计算在机器学习领域对应着非常漂亮的公式,正是机器学习的优势所在。

现实世界并不是理想的、理性的,这个问题对合理模型的构建提出了挑战。然而萨金特指出,模型可能不是尽善尽美的,有一些问题的,但是依靠大数据、通过(界限值的)对比(或参照),我们还可以进行相应的选择。

在萨金特的演讲中,漂亮的函数和模型永远不会缺席,作为处理数据的方法和工具,萨金特对他们的喜爱和信心溢于言表。人工智能时代的机会,可能就藏在萨金特对它们的赞美之中。

在经济学领域,萨金特作为理性预期学派的领袖人物而知名,这个影响广泛的学派,有一个与人工智能一样“乐观”的基础——基于这个学派的假说来构建模型时,经济学家认为人是可以预测未来的。

不仅如此,萨金特从经济学向人工智能领域的跨界,实际上也带去了其在经济学领域的开创性发现、为人工智能提供了新的思维方式。

不同学科与人工智能领域的互动其实是双向的。萨金特之前受访时曾透露,旧金山联储主席威廉姆斯,已经将一些复杂的人工智能模型引入到政策制定中。这一成果,源于萨金特将其经济理论与人工智能的结合,在萨金特看来,人工智能代理模型越接近理性预期模型,人工智能代理就越智能化。人工智能细化和促进了理性预期模型。

对人工智能领域来说,正如在萨金特的研究中所体现出来的,在当前阶段从各个领域广泛汲取营养可能是必要的。“有好多应用科学像工程学、物理学、经济学,我们会建立一些模型模拟世界运营……我们的目的是希望解释我们所观察到的世界上的现象,而我们关键的工具是使用模型,然后放到电脑里模拟。”萨金特从来不缺少对跨学科的研究和论断,而事实上,现代科学或科技最重要的成果,几乎无不是建立在大量的交叉研究基础之上,而人工智能作为软、硬结合且尚待重大突破的一门科学,显然也应如此。

如历届诺贝尔奖中所体现的那样,萨金特在2011年获得诺贝尔经济学奖,一方面在于开创性的研究,另一方面,其实也在于乐观地回应了外界对于现实经济问题的关切。当前外界对于人工智能同样不乏关切,而像萨金特这样的领袖型学者,拥有前瞻、多药店货架>维的视角和方法,并且从不缺少对这一领域的信心,无疑是回应世界关切的最好人选。

相比22年前深蓝击败了人类象棋冠军所引起的轰动,今天的“理性预期”告诉我们,人工智能之路可能依然还有很长,但却已经很宽。