MIT名譽校長：機器學習會成為Word一樣的工具 || 2018世界人工智慧大會

關注秦朔朋友圈，ID：qspyq2015

未來，機器學習「會變得像使用Word、PowerPoint或者Excel一樣」，任何一個領域的研究人員都可以更容易地使用它。

9月17日，麻省理工學院（MIT）名譽校長埃裏克·格里姆森（Eric Grimson）在接受澎湃新聞記者專訪時做出了以上預測。他此行是為了來上海參加2018世界人工智慧大會。

Eric Grimson接受專訪

AI作為一個顧問：為醫生「出謀劃策」，給病人「量體裁衣」

記者：

您在醫療領域的計算機視覺上做了很多工作，這些年計算機視覺也在癌症識別、健康管理等方面取得了很多突破。在您看來，距離醫療AI大規模普及且進入人們的日常生活，還有哪些困難需要突破？

Eric Grimson:

我想你已經看到了一些例子，說明AI技術可以對醫學產生影響。我會告訴你一些例子，然後討論為使AI產生更大作用，還需要做什麼。

在許多成功的例子中，計算機技術不是在代替醫生，而是在改善醫生。有一個很好的例子叫做圖像引導手術（image guide surgery），在手術中，醫生可以在切開病人身體之前看到病人體內的情況。我們曾經開玩笑地說它讓醫生變成了超人，醫生有了X射線（X-ray vision），可以看到人的體內。有時這被稱為微創手術，意味著你在病人身上開了一個很小的開口，這樣對病人的傷害就更小了。在很多情況下，人們認為AI會取代某人，但在這個例子中，通過讓醫生看到通常看不到的事物，AI讓醫生變得更好。

至於AI醫療的更廣泛影響，我認為，AI醫療會在「個性化醫療」中產生最好的影響，即為某個特定的病人想出一個解決方案。我的一個同事是癌症倖存者。她患有乳腺癌。很不幸，對女性來說，這是很常見的事情。她對許多地方散佈的信息感到非常失望。所以她建立了一個系統，把醫生的手寫報告、化驗結果、醫學圖像、家族病史、科學研究中獲取的信息等等放在一個地方，然後她告訴醫生：這是一個特殊的情況，你需要專門為這個病人設計方案。這是我認為在AI醫療真正產生廣泛的影響之前，我們需要做到的一步。醫生不只是對病人說，你的情況與其他人一樣，我會一樣地來處理。在個性化醫療中，醫生會看所有的信息，計算機將它們結合在一起，這樣醫生就可以為某個病人做出最好的決定，而不僅僅是一般的、通用性的治療方案。

記者

：

AI醫生會不會帶來倫理上的問題，比如出了醫療事故誰負責？

Eric Grimson：

我想，在使用AI系統的過程中，倫理是很重要的。在醫療中當然會出現倫理問題，這也可能會發生在自動駕駛的汽車上。如果發生事故，誰該為此負責？該如何判定他們的責任？這是政府需要做出的決定，是社會需要做出的決定。我認為短期內，最有可能的解決方案是AI系統幫助人們做決定（而不是做出最終的決定）。以醫學為例，計算機查看所有的信息並將其組合在一起，它可以告訴醫生該怎麼做，或者可以告訴醫生這是與病人相關的所有信息的最佳總結，是計算機的建議，但醫生仍然可以做出自己的決定。但如果計算機遺漏了某些信息呢？那還是會產生道德問題。所以我認為，在短期內，人還是應該參與到決策環節中。

記者

：

所以你認為AI應該扮演一個顧問的角色？

Eric Grimson：

是的。特別是在醫學上，我認為這一點非常重要。大部分我所知道的AI醫療領域的項目都持有這個觀點，他們所關注的是「如何讓醫生成為更好的醫生」，但最終還是由醫生做出決定。

記者

：

但在自動駕駛領域，這個決定權似乎是在AI手中？

Eric Grimson：

是的。在一些例子中，人類沒有參與到決策中。自動駕駛汽車就是。所以我認為，研究人員需要盡自己最大的努力來確保這類問題儘可能少發生。但最終人們需要決定自己想在什麼程度上使用自動駕駛汽車，這是社會、政府和個人的選擇。

記者

：

MIT早在1963年就設立了人工智慧實驗室，非常有前瞻性。當時為什麼會想到設立這個實驗室？

Eric Grimson：

MIT參與了最早的AI研究，1956年在達特茅斯召開的一個會議上，MIT、達特茅斯、卡內基梅隆，還有其他一些學校參加。「人工智慧」這個詞是在那次會議上創造的。

MIT這麼早成立AI實驗室，有兩部分原因。第一是有一些教授對這個問題很感興趣，想探索。第二是MIT認為這是一個對未來非常重要的領域。我們花了60年的時間纔看到AI真正的影響，但MIT就是一個喜歡冒險的學校。有一些冒險成功了，另一些沒有。對於那些沒有起效的項目，就終止它，然後繼續前進。我們認為AI是一個能將神經科學、腦科學以及早期的計算機科學知識結合起來的領域，這裡有真正做一些不同事情的機會。這就是為什麼我們是最早那批建立AI實驗室的學校之一。1959年是第一個項目，1962年或1963年MIT創建了第一個AI實驗室。

AI作為一種工具：讓人們像使用Word、PowerPoint一樣使用AI

記者

：

今年2月，MIT發起了MIT Intelligence Quest項目，目的是什麼？

Eric Grimson：

Quest for Intelligence這個項目有四個部分。

第一部分我們稱之為「核心」（Core），它著眼於智力科學（Science of Intelligence）。這不僅僅是新電腦和新演算法，而是想嘗試理解在人的大腦裏發生了什麼。神經科學告訴我們大腦是什麼樣的，認知科學告訴我們人類是怎樣思考的，這些信息綜合起來會告訴我們下一代的演算法應該是什麼樣的。我們認為這很重要，因為AI經歷了很多週期，發生了很多變化。如今，深度學習很受歡迎，每個人都做神經網路。這些技術打敗了世界上最好的圍棋選手，令人印象十分深刻。

但這裡有個問題，這些深度學習系統需要數以百萬計的例子，需要巨大的雲計算能力。但對人類來說，情況就十分不同。你給一個2歲的小孩展示6個例子，她就能找出其中的規律。所以她的學習方法不同於那些深度學習系統。那我們可以從中學到什麼呢？我們如何利用它來思考未來的技術呢？

第二部分我們稱之為「橋」（Bridge）。這是從AI到MIT其他任何領域的橋。我們認為每一個工程領域、科學領域、社會科學領域、設計領域都將受到機器學習和AI的影響。我們希望讓任何一個領域的研究人員更容易地使用機器學習，就像讓他們使用Word、PowerPoint或者Excel一樣。你不需要成為計算機科學專家就能很快地使用它並且理解它。

第三部分是倫理。我們需要真正理解使用這些系統時會遇到的倫理問題。

第四部分是理解AI系統將會產生的影響。例如，工作將會被改變，一些工作將會消失。我跟你打賭，也許在短短五年內，所謂的長途卡車，將東西帶到美國各地的大型16輪卡車，將會完全自動化。它們將簡單地在舊金山城外完成裝載，然後開車去芝加哥，或者開去紐約，去波士頓。這將改變幾百萬人的就業機會。所以我們真的需要考慮該如何規劃未來的工作？如何幫助那些將要失去工作的人重新培訓？如何幫助人們適應這些？

最後說一下MIT究竟為什麼做這個項目呢？我們認為AI會影響人類研究的每一個領域。而我們希望確保MIT正在盡最大努力儘快建立通往所有其他領域的橋樑。不管人們來自哪個領域，AI都可以作為一個工具來幫助他們更好地完成工作。

記者

：

你的意思是每個受過教育的人都可以使用AI，就像使用Word或者Excel一樣？

Eric Grimson：

是的，是的。你不需要成為一個MIT學生就能使用AI。這就是我們的目標，AI應該像你今天使用的其他工具一樣容易使用。

記者

：

所以在這個項目中，計算機科學家將與社會心理學家以及政策制定者合作？

Eric Grimson：

當然。我們有計算機科學家與經濟學家合作，去思考與就業變化有關的經濟學問題；我們有計算機科學家與社會學家、人類學家、哲學家合作，去思考使用這種技術的倫理問題。

但我認為最好的例子是，我們有計算機科學家幫助其他工程師和其他科學家更有效地工作。

給個例子，兩個MIT的年輕教授，一個來自計算機科學，一個來自材料科學。材料科學家說，當我想設計一種新材料時，我在想材料的特點是什麼，我想要特定的硬度、特定的柔韌性和其他性能。但知道這些並不能告訴我如何創造出這個材料。所以他們建立了一個計算機系統，讓它來「閱讀」幾百萬篇材料學的文獻。這裡需要給「閱讀」兩個字打上一個引號，但是AI確實已經能很好地理解並建立起一個模型。模型建立好之後，他們需要做的是告訴計算機，這是我想要的8種或10種新材料的特性。計算機不會告訴你該怎麼製作，但是它可以給出8個、10個或者15個的建議配方來幫助材料科學家。然後材料科學家可以看這些建議，從中發現那些他沒有想到的方法。AI能夠使材料科學家更高效地工作，但AI並沒有取代人類，AI是提出建議。AI是系統的顧問。這種狀態最終應該是很容易做到的，例如，任何學生都可以使用這個系統來思考我如何創造一些新的東西。

記者

：

所以你指的是AI可以幫助其他領域的專家做一些文獻閱讀的工作？

Eric Grimson：

是的。這種系統可以讀一至兩百萬篇文章，然後建立了一個可以使用的模型。事實上，MIT已經有人開始做這件事了，AI用來幫助一個人更好地理解文獻中出現的大量信息。

AI教育：每個大學生都應該瞭解一些計算思維

記者

：

中國許多知名高校這兩三年來陸續開始設立人工智慧學院或課程，您覺得AI教學最重要的元素有哪些？

Eric Grimson：

我首先要問一個更廣泛的問題：是不是每個大學生都應該瞭解一些計算思維（computational thinking）？我認為答案是肯定的。不管你是計算機科學家，還是物理學家、經濟學家、政治科學家，不管你的專業是什麼，我們認為你都應該知道並掌握一點所謂的計算思維，比如什麼是演算法。這不同於編程，編程很重要，但是「你怎麼看待這個問題」是我們認為更重要的。

一旦教育做到了這一層（培養學生的計算思維computational thinking），纔可以專門來討論「關於AI學生應該知道什麼」。我認為最重要的事情也許是理解什麼叫做「讓一個系統去學習」。然後再瞭解有很多不同的學習方法可以達到學習的效果，比如神經網路現在非常流行，但是還有其他的技術，也還有其他的思考技術。

我認為即使你不是一個計算機科學家，也應該對機器學習演算法有足夠的瞭解。比如，我該如何使用它？我需要做什麼纔能夠去使用它？什麼情況下我應該相信它的結果？有時我會用這個結果，但有時候我應該質疑，演算法真的給出了我所希望的結果嗎？每個學生都應該知道這些。

記者

：

對於一個剛剛選擇進入這個領域（AI/ML）的學生，你有哪些建議？

Eric Grimson：

首先，要寬廣（Be broad）。現如今有一種特別的關於機器學習的方法，你應該去理解，但也應該加以質疑。這是最好的方法嗎？有不同的做法嗎？人們使用機器學習的早期方法有哪些？因此，我鼓勵學生不僅要把它當作一種工具，而要把機器學習當作一個領域，要更廣闊地去看到機器學習的不同層面。

第二個建議。現在有很多關於機器學習的工作機會，學習機器學習可能會帶來一份工作，這很不錯，但

如果一個學生真的對生物學感興趣，我會鼓勵他研究機器學習和生物學的交叉領域。不要只是為了學習機器學習而放棄你的其他領域。

MIT現在有三個聯合學位，意思是兩個學院一起給出的學位。一個是計算機科學和生物學的聯合學位。如果你真的對發現藥物感興趣，或者如果你真的對理解疾病感興趣，瞭解足夠的生物學和計算機科學是一件好事。第二個是計算機科學與經濟學金融學的聯合學位，學習從大銀行到對沖基金、交易系統。第三個可能會讓你大喫一驚，它是計算機科學和城市學的聯合學位，是關於設計一個城市。中國仍在建設許多新城市，水系統、電氣系統、運輸系統的設計都需要依靠對龐大數據的理解，利用一個學習系統可以幫助找出最好的方法。我相信我們很快會把計算機科學引入到神經科學。所以我的建議是：不要放棄你真正喜歡的事。你可以看看機器學習在我目前所處的領域有什麼樣的作用。

記者

：

所以它更像是一種工具？你仍然可以學習你的專業，但機器學習可以幫助你形成一種新的思維方式？

Eric Grimson：

是的，它可以改變你的想法。

數據隱私：自主決定我想要分享哪些數據

記者

：

機器學習需要大量的數據，但目前數據質量和規模以及對數據公開的監管似乎都不太令人滿意，這是人工智慧/機器學習的瓶頸嗎？您對此有何建議？

Eric Grimson：

擁有海量數據是很有價值的，但人們在使用這些數據時需要考慮一些問題：一個就是你的數據中是否包含偶然性偏差。比如人臉識別演算法在你我這樣的人身上運行效果很好，但在一些膚色或臉型與我們差別巨大的人身上就不起作用了。如果你僅僅對恰好位於所有可能性空間中的一部分數據運行演算法，就會在無意間引入偏差了。所以在考慮數據集合時，一個問題就是你如何確保不會發生偶然性偏差，而這些偏差會影響最終的結果。

還有一個關於數據隱私的問題。比如在醫療方面，掌握大量病人的數據是非常有價值的。因為運行演算法能更好地檢測疾病。但數據的主人希望對自己的私人數據保密，不想讓鄰居或監護人突然知道他們患有某種疾病。所以保護個人隱私非常重要。

第三個是許多美國人關心的問題：歸屬於大公司的海量數據。比如亞馬遜、Facebook、谷歌這三家公司，尤其是一些擁有大量在線業務的公司，他們掌握著大量數據，這是他們的權利，當你使用他們的網站時你就同意了讓他們獲取這些數據。但這並不意味著研究人員就可以使用這些數據，除非他們是公司的合作夥伴。這樣一來就產生了一個很有趣的問題：學校能不能建立一個所有大學都能共享的資料庫？這樣一來研究人員就可以在不和公司簽協議的情況下，使用這些數據來探索新思路？

記者：

阿里巴巴這樣的中國公司也擁有海量的數據，人們也會擔心數據隱私問題。

Eric Grimson：

當然。我並不是說這只是美國公司的問題，我說的是美國版的故事。阿里掌握著海量數據，京東也是。我認為社會學家應該與政府和企業合作，探討如何有效使用數據，但同時要保護人們的數據隱私。

記者

：

所以應該制定一些政策進行引導？

Eric Grimson：

這也是大多數人的願望。我不是要告訴政府該怎麼做，但我認為很多人也和我一樣有著強烈的願望：我希望自己能夠決定我想要分享多少自己的數據。

歐洲已經有這樣的先例，在這方面走在最前沿。歐盟已經就這些隱私問題達成一致，主要是提供了一種選擇——在參與之前必須要知情同意（「You have to agree that before participate」）。隨著這套體制越來越普遍，每一個社會、每一個政府都要考慮如何掌控這種情況，要制定什麼樣的政策。

何為世界一流大學？「真正一流的大學應該敢於冒險」

記者

：

許多中國大學都提出了建設世界一流大學的口號。你認為世界一流大學應該具備什麼樣的素質?

Eric Grimson：

評價一所大學有很多方法，我們都說我們不看世界排名，但我們都會悄悄地看。直言不諱地講，大多數人會說當今世界上最好的大學仍然在美國，哈佛大學、麻省理工學院、耶魯大學、普林斯頓大學、斯坦福大學、芝加哥大學等，我還遺漏了一些。亞洲、歐洲也有一些非常好的大學，但其中大部分目前仍在美國。隨著時間的推移，這種情況可能會改變。

我想說的是，一所真正偉大的大學的特點是願意冒險，以及有鼓勵學生和教授承擔風險的氛圍。如果你願意冒險，你就必須不怕失敗。我看到很多大學都不願意這麼做。他們過於擔心下一步而不願做出大的改變。

如果你看看今天那些優秀的大學，幾乎所有的大學都非常願意冒險。更重要的是，他們鼓勵學生冒險。比如在麻省理工學院，幾乎所有本科生都和教授一起做研究。我曾經管理過一個大型的研究小組，我們每週開一次會。在團隊中我作為高級導師，還有一些初級導師，一些博士後，部分研究生以及少數本科生。我們會在會議中討論一個特定的問題。一個大二的本科生會說，為什麼我們不這樣做呢？如果他們能為自己的想法辯護，如果他們能表達清楚，他們能說明為什麼這是個好主意。這樣的話，在會議結束時，我很有可能會說：為什麼我們不那樣做呢？

如果你有一個好主意並且願意冒險，這對我來說是一所好大學的標誌。我這麼說是因為，我在其他大學不能經常看到這樣的現象，包括其他的美國大學。他們的教授告訴青年教授做什麼，青年教授告訴研究生該做什麼，研究生告訴本科生該做什麼。似乎好像教授經驗更豐富，其他人就應該聽他的話。

但是我認為一所好的大學要能夠自由交流思想。它需要願意聽取新想法。敢於冒險的意願，是我在一所真正的好大學中看到的最重要的事情之一。在MIT這樣的地方，我們會勇敢嘗試用一種非常不同的方式思考問題，只是為了看看它是否可行。如果行不通，我們不會說，不好意思，再見，不用再來了。我們會說，這樣行不通，接下來要嘗試什麼？

記者

：

所以在您看來，對學生來說，「敢於冒險」是指挑戰權威？那麼對於教授和大學來說，「敢於冒險」有什麼含義呢？

Eric Grimson：

我說的挑戰權威，你應該有禮貌地去做，而不是對教授大喊大叫。也許應該換一個詞，「質疑」或者「提問」。

關於教授，我也會這麼說。教授很容易採取一系列可預測的步驟，做已經發表的研究，連續不斷做下一件事。但在我看來，最好的教授只會在一段時間內這麼做，然後他們會有一次質的飛躍。他們會落在不同的地方。所以即使是一個優秀的教授，也會不斷地問：我們為什麼要這樣做？在MIT工作期間，我很榮幸能和很多諾貝爾獎獲得者交流，幾乎每個人都會告訴我他們經常這樣做，他們經常挑戰自己：我為什麼要這樣做？這是最好的方法嗎？有更好的方法嗎?

國際競爭：「我不認為任何一個國家能夠完全成為人工智慧的中心」

記者

：

現如今，很多國家像美國、英國、日本、中國等都在大力進行AI研究，誰在哪個方面做得更好？

Eric Grimson：

人工智慧最初主要起源於美國，但英國像愛丁堡等地很早就跟進了。在法國、德國這些地方都有實驗室，日本也投入了大量的精力。當然，中國也發展迅猛。我覺得很難區分。但當涉及到基礎理論的時候，也許美國在某些方面仍然微微領先。

但在一些應用程序上，中國的大學和公司已經在飛速進步。在語音識別上，中國有一些公司做得非常好。美國的研究做的不錯，但中國在商業化方面比我在美國看到的更有效。那些中國公司是在中國大學多年的研究基礎上建立起來的，他們與美國有著非常密切的合作。而在計算機視覺這樣一個非常受歡迎的領域，也會有一場非常有益的競爭。

有時美國領先一點，然後中國試圖領先一點，然後美國再稍微領先一點，這是一個友好的競爭。在我看來，他們中做得最好的都是基於多年的研究。我認為花時間仔細思考如何創造是很有價值的。實際上，加拿大是另一個在人工智慧領域非常強的國家。選擇任何特定的領域來看，現在可能是這個國家領先，六個月後其他國家會超越上來。因為每個國家都在努力做得更好。

記者

：

英國因為圖靈的原因想要成為一個中心，他們曾說過類似的話。

Eric Grimson：

我希望在AI領域能夠形成國際合作。每個國家都有自己的需求，每個國家都想為自己的國家做最好的事情。但是，我不認為任何一個國家能夠完全成為中心。美國不會。即使美國有斯坦福、伯克利、麻省理工和哈佛，這些學校都在做不同的事情。但我認為合作將真正推動這一領域的發展，目標應該是讓人工智慧系統更好地造福每個人的生活。如果我們合作會怎樣呢？只會越來越好。