AI面臨的挑戰：無人車闖禍，我們該找誰？如何保證不再發生？
當人們問我是做什么工作的時候，我總是非常困惑如何回答才好。人工智能這個答復吧，我覺得太寬泛了，而圖像識別似乎又太專業了。不過呢，還是下面這個問題令我真正抓狂：
人工智能會掌控整個地球嗎？
對于一名從事于機器智能研究的專業人士來說，這個問題太讓我惱火了。我也不想去抱怨懷疑論者，事實上大部分人都覺得人工智能是一種神秘，而且有著無窮無盡陰謀詭計的玩意兒，最終它們會把人類滅絕，因為，它能夠在我們狂看一晚EvanGoldberg編導的電影之后，就預測到下一部我們將觀看的影片將會是《SausageParty》（《香腸派對》）。
然而，大多數人并沒有意識到，無論我們認為自己多么有個性，多么特殊，從普遍意義上來看，人們還是遵循一些普遍行為模式的。只要經過足夠多訓練，計算機就可以輕松識別出人們的行為模式。
因此，機器能推測你喜歡的音樂，或者給你一些手機APP應用的建議，這對機器來說很容易實現。不過，這并不代表所有的預測工作的難度和性質類似，我只是希望大家能理解，這相對于人類的能力來說是一種延伸和拓展。
要想了解時下人工智能領域中哪些技術很厲害，重點在于懂得機器學習做得不錯的兩個主要場景：
1.受控環境
2.監督
我們看到了Google的人工圍棋選手AlphaGo打敗了人類最厲害的圍棋選手，計算機象棋的問題很早以前就已經解決了，而最近又有很多論文在探討Doom游戲比賽中擊敗人類的話題。事實上，在游戲里面，你能夠完全掌控操作環境、能夠實施的行為以及可能產生的結果，這使得建模變得相當容易。而一旦我們能夠將游戲環境進行建模，下一步任務就是模擬和學習。實際上，這些理論早就已經成熟了，正是近年來計算機硬件的發展使大規模機器學習得以實現，才能夠令AlphaGo這類技術在實現層面上獲得重大突破。
監督式受控環境表示對于每一個行為，你能夠估計出可能受到的懲罰，從而能夠有效地從錯誤中積累經驗，而游戲正是這種監督式受控環境的完美表達。還有一個例子就是我們剛才提到的電影預測，可以理解為有一個很大的樣本，里面存在用戶和影片兩類數據，還有一個給定的用戶選擇模型。通過這些，我們就能進行下一次看什么電影的預測。
在監督式受控環境中，我們知道會得到何種信息，并能夠對類似的信息加以處理。我們可以對這類目標創建表達法（representation），在我們需要進行預測的時候，這些表達法能夠幫助我們最終確定準確的計算模型。這是通用學習類型中的一個非常狹窄的子類，也是和我們人類差不多的一類智能方式。
圖注：分類器概觀
然而，大部分的人類行為并非監督式的，而是在與環境交互的基礎上建立的邏輯和直覺。人類的基本活動，比如說識別物體，理解物理過程都是時常發生的事情。通常，我們通過與事物的互動能習得很多的新知。
在當前階段，庫卡機器人，這對于計算機來說還是很難達到的水平�，F在如果你要一臺機器能認識所有你給的圖片里面的汽車，你必須告訴機器先去看那些圖片，還得告訴它你的汽車是什么樣子的。當你給機器看了大量汽車圖片時，它就能認出汽車了。這就是監督式學習，在它尚未理解看什么東西的時候，你得教它汽車是什么樣子的。
現在，計算機科學家在努力使這種學習變成幾乎無需監督的，即非監督式學習。最終，我們希望機器能夠理解物體和景象的概念本身，而不需要特地去調教它。
當前大多數研究的重心在于非監督式學習，解決這個問題更加困難。誠然，我們的機器看上去更聰明了，不過大多數都是在監督式受控環境中的情況。首先我們必須能令機器人在非監督的環境下正常工作，然后再考慮系統在非受控的情形下運行，這樣才更為接近人類的智能。
盡管，現在探討機器滅絕人類，或者是機器人的‘不良企圖’仍為時尚早。然而，人工智能更嚴峻的威脅正悄然逼近，這可能造成極其嚴重的后果。
早先通過觀察特定的特性的算法稱為決策樹分割數據
在這個會議的最初討論時，我導師曾提到了一個問題，令我第一次真正質疑人工智能的可用性。早期傳統的人工智能技術的算法很容易理解，比如說，我們要造一個機器來測量人的身高和體重，并告訴他們是不是超重了。這個很簡單，我們只需要計算出這個人的體重指數（BodyMassIndex,BMI），如果超過了特定閾限，那就是超重。這是人工智能的原型算法。如果我說某人肥胖，這是必須要有合理的判斷的（而不是熊孩子罵人），這個人的BMI確實是落在超重人群的平均BMI范圍里。
現在大多數的機器已經不是這么簡單了，它們采用大量復雜的數據作為輸入（比如高清晰度的圖片），經過非常精細粒度的算法來完成輸出。這樣的話，簡單的閾限或決策樹的方法就不夠用了。漸漸地，系統采用了一套廣為人知的深度學習算法，去識別和學習大量數據，用類似于人類的方式去細化模板。
圖注：典型的深度學習模型。它包含了若干個互相連通傳播信息的神經元（圓圈），這與已發現的人腦運作模式十分相似
這些系統性能非常好，但是學習過程很慢，因為需要很多數據來學習。
但是，有個問題：一旦它們給了我們結果，不管正確與否，我們并不知道機器是怎么得到這個結果的。
這個聽起來并不是那么要緊在開始的時候，在機器學習系統里面，我們有兩種類型的數據特征和標簽。特征是觀察到的變量，標簽是我們需要預測的。舉個例子，在之前的肥胖癥檢測器中，我們的特征是人的身高和體重，標簽是每個人的超重或者健康指標。為了從圖片中檢測癌癥細胞，特征是若干張器官的圖像，標簽是圖片有沒有癌癥細胞。
癌癥檢測算法會先掃描這組圖片
機器學習算法一般會這樣解決問題，先給每個特征配置權重，相加，最后基于所得的和來做決定。比如，如果你要預測一個蘋果是不是壞了，你會先看蘋果的氣味、顏色，如果觸摸一下那么就還有它的質感，最后大腦會配置給這些特征不同的權重。
假如蘋果爛了，光憑顏色一個特征就可以解決問題了
計算機遵循類似的想法，只不過權重是通過不同的優化算法算出來的。但是，在深度學習中，我們并不確定我們想用哪些具體的特征，更不用說配置權重。所以我們怎么辦？我們讓計算機自己學習選出最好的特征群，把它們用最佳方式組合來做決定，從某種意義上模擬人類大腦的做法。
這個主意給我們帶來驚人的結果在計算機視覺領域（這個領域研究如何讓計算機理解圖像數據），尤其是隨著高效GPU和新框架的出現，使學習基本的圖像級別的概念變得小菜一碟。但是，要注意的是我們討論的這些機器通過學習選出的特征，物理意義并不像傳統方法那么直觀。
這些例子展示了計算機從圖片中尋找的東西看上去它們在檢測形狀，但是對于非圖像數據，并不是這么直觀。