外灘大會|“機器學習泰斗”邁克爾·喬丹:如何解決AI量化不確定性
·“當前談論技術時,總是談到用機器替代人,但我認為不是這樣,我們應該將技術看作是一個工具來賦能人類,而不是所謂的超級電腦智能。”
·“我的 美國科學院院士、美國工程院院士、英國皇家學會外籍院士邁克爾·I·喬丹(Michael I. Jordan)在外灘大會上發表主旨演講。 “ChatGPT,你剛剛寫的內容你確定嗎?”9月7日,在上海舉辦的2023 Inclusion·外灘大會主論壇上,美國科學院院士、美國工程院院士、英國皇家學會外籍院士邁克爾·I·喬丹(Michael I. Jordan)談到大語言模型(Large Language Models)的不確定性,“它完全無法回答這個問題。因為它的技術上是存在問題的,而這個問題其實它還沒有真正有效地解決。而人在講到“不確定”的時候,是非常擅長處理這些類似的問題,怎么去溝通不確定的信息以及應對。” 喬丹教授是機器學習領域的先驅,通過在機器學習、概率學、統計學以及圖模型這四者間建立聯系,為機器學習奠定了數學與計算基礎。他曾獲得IEEE約翰·馮·諾依曼獎章、國際人工智能聯合會議卓越研究獎和2022年第一屆世界頂尖科學家協會獎。 在外灘大會題為《新興人工智能系統的挑戰——量化不確定性》的主旨演講中,喬丹認為,目前的技術缺乏一個根本的點,這個對于金融、對于金融科技是至關重要的,因為金融科技歸根結底講的是不確定性的技術。如果說不確定性應對不好,你不可能有非常好的金融科技技術。“所以,ChatGPT也沒有辦法對不確定性進行量化,我們需要去解決這個問題,我們要找到一個可能的方法去應對這些挑戰。” 另一個問題是,當前談論技術時,總是談到用機器替代人,“會有這樣一種所謂的超級電腦,超級電腦智能”,但喬丹認為不是這樣,“我們應該把技術看作是一個工具來賦能人類。” “所以我的 那么,如果說把這兩個問題結合在一起,我們怎么在一個協作式的、去中心化的系統中來實現集體智能? 喬丹認為,我們可以設計這樣一個集體智能體,也可以去解決這個不確定性,我們在日常生活中經常遇到不確定性,能夠有集體的去中心化的系統幫助我們有效應對日常和世界當中的不確定性,這才是亟待解決的問題。 喬丹以AlphaFold預測蛋白質為例,“它主要用于蛋白質預測,其預測能力強于人,某種程度上來講是有智能的,但是它依賴的是人的數據,依賴的是有標記的蛋白質結構數據,這個可以用于藥品的開發、藥品的監管。”喬丹提到,有一個研究方法叫做預測驅動的推理。就像很多科學家可以用預測的蛋白質數據,而不是真實世界的蛋白質的數據,來作為真實數據使用,這樣可以實現上億級別的蛋白質結構預測,如果用人的X-射線晶體結構技術的話,只能做幾十萬級別的預測。 喬丹在演講的最后表示,“今天大家都聽到AI可能會替代人的說法,但我認為它只不過是一個新的工程系統,它應該是普世的,讓每個人都受益,而且是公平、公正、透明、穩定的。這些特性是整個工程系統的特點,而不是系統當中個體的特點,所以AI是關于一個集體,而不是關于一個個體。” 2023 Inclusion·外灘大會9月7日在上海黃浦世博園正式開幕。這場以“科技·創造可持續未來”為主題的大會為期3天,近20位“兩院”院士、諾貝爾獎和圖靈獎得主,全球超500位有影響力的科技領軍企業和專家學者,將在此帶來一場科技、人文和產業的思想碰撞。大會設有1場主論壇、36場見解論壇、8000平方米科技展覽、3000平方米綠色集市,并首次舉辦科技人才招聘會。
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法,不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險,讀者在采取與本文內容相關的任何行動之前,請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。