专访谷歌人工智能高级研究科学家，关于 AI 和未来我问了这 8 个问题

正文

请到「今天看啥」查看全文

一个不算太恰当但易懂的例子是——TensorFlow 就像 AI 世界里的 Android。

全世界的开发者都可以通过它来开发和验证自己的机器学习设想，并且 Google 在 TensorFlow 中还提供了很多现成的机器学习软件供人使用，未来还将以 API 的形式为开发者提供打包系统。

这样一来全世界的 AI 就共享同一套研发体系，可以更快更无障碍地加速整个 AI 领域的发展。统一标准的制定会让人工智能在全世界的技术突破到来更快，在各领域的运用更加普及，而谷歌一定程度上是这一标准的制定者。

让 AI 更像人，无监督学习代表未来

Q2：对人工智能来说，有监督学习和无监督学习哪个更适合未来？

在机器学习和人工智能领域，机器学习可以分为有监督学习、无监督学习，或再加一个半监督学习。

通俗解释有监督学习可以拿图像识别作为例子：给人工智能展示 100 万张猫的照片，然后不停告诉它「这是猫」，通过数据积累和算法，人工智能慢慢就能识别猫的图像。

而无监督学习是在人类和动物中占据主导地位的学习方式，我们通过观察能够发现世界的内在结构，而不是被告知每一个客观事物的名称。简单来说：展示整个世界，然后通过自己总结得出「这是猫那是狗」的结论的学习方式。

而目前，绝大多数甚至几乎所有的已投入实际应用的机器学习系统都是有监督学习。

可以实现通过无具体样本自动学习的无人工监督的机器学习在 AI 研究领域非常吸引人，每年都有相关的很多学术研究和论文出现，不过目前还没有发现任何已投入到实际应用的成果出现。

但所有人都期待未来能有创新的研究人员找到办法实现它，无监督学习对于重新点燃深度学习的热潮也起到了促进的作用，谷歌希望无监督学习在长期内越来越重要，因为这让人工智能可以更像人的去学习和认知这个世界。

量子计算？也许有用，但很遥远

Q3：量子计算机对人工智能的未来会有多大影响?

对人工智能的发展来说，「计算能力」的提升是一个非常重要的基础，而量子计算的出现或许能够使人类在计算能力有质的飞跃，前提是它能够实现的话。

量子计算目前只是一个非常活跃的学术研究领域，在非常遥远的未来，可能会有一些实际的使用。但是到目前为止，它仍然是一个让人惊艳的物理学方面的学术性的实验，即便是应用到工程设备上都还需要很长时间。

如果在我们的有生之年，真的造出了一台量子计算机，它确实能够极大的提高运算能力，那么它的确能使人工智能实现更多可能。但是到目前为止，关于量子计算到底能不能实现学术界也仍在争论不止。

「我只能说，祝这一领域的物理学家们好运。」

就像人脑，人工智能的未来也是各司其职

Q4：未来会不会出现一种通用的全能型神经网络，什么都能做？

在人工智能领域有着几种不同的神经网络，CNN、RNN、RNN-LSTM 等，每种神经网络都有所擅长的领域，例如 CNN（卷积神经网络）更多用于图像识别、RNN 则在语意识别领域表现出色。

请到「今天看啥」查看全文