這是一篇被aoi傷透了心的血淚經驗,雖然我不太認同文中將模型當數據庫用,不用管泛化能力的觀點,但倒是很認可不要唯sota不用,sota只看模型上限而落地要看模型的下限,以及不要唯深度學習不用,解決問題才是最終目的
https://mp.weixin.qq.com/s/h2DCiFXf-3vU1lmc9WidfA
同時也有158部Youtube影片,追蹤數超過12萬的網紅朱學恒的阿宅萬事通事務所,也在其Youtube影片中提到,贊助專區 Paypal傳送門: https://paypal.me/HsuehHeng 綠界傳送門: https://p.ecpay.com.tw/706363D 歐付寶傳送門: https://reurl.cc/eENAEm 翁P國際教室今天要跟大家聊聊美國霸權是否真的不霸了?然後連德國梅...
「泛化能力」的推薦目錄:
泛化能力 在 李開復 Kai-Fu Lee Facebook 的最讚貼文
前陣子與深度學習發明人之一、2019年ACM圖靈獎得主Yoshua Bengio教授一起對話,深深為他身上的科學家底蘊所感動。
Bengio教授長期致力於推動AI的合理使用,尤其對用AI解決環保議題有很多投入,如使用新藥研發的AI演算法概念,延伸應用在發掘全新低污染材料以對抗全球氣候環境變化的艱巨挑戰。
他相信,人工智慧將推送社會的理性和包容,構建AI與人類社會的良性循環。
這是我們討論的視頻和文字記錄。
……………………
李開復對話Yoshua Bengio:構建AI與人類社會的良性循環
7月23日,創新工場董事長兼CEO李開復博士,受邀參加SGInnovate主辦的“深度科技(Deep Tech)造福人類”活動,與Element AI聯合創始人Yoshua Bengio教授對話,討論人工智慧的未來發展。
在對話中,李開復博士與Yoshua Bengio教授探討了AI對人類社會的意義,尤其在COVID-19疫情後時代,AI如何幫助未來的經濟社會更加富有彈性、宜居和可持續。
他們認為,AI是一個千載難逢的機會,人類得以真正從重複性事務中解脫出來。在 AI 的幫助下,我們將有希望希望建立一個明智、理性、包容的社會,構建人類社會與AI的良性循環。
他們討論的話題包括:
1、AI技術的下一個突破,如何加速AI從科研到應用轉化?
2、COVID-19疫情如何加速AI應用,由此帶來了什麼風險?
3、AI的責任和挑戰:如何促進未來社會經濟可持續發展?
4、你心目中理想的AI未來是什麼樣的?
▌深度學習2.0時代,提升機器理解和執行能力
話題1:AI技術的下一個突破,以及如何加速AI科研到應用
“接下來的研究雖然繁重,但新的進展會令人振奮。尤其是在深度學習領域,我稱其為‘深度學習2.0’。” ——Yoshua Bengio
Yoshua Bengio:第一個問題我非常有共鳴,在我看來,目前機器學習的一大限制,是學習系統的泛化能力。
過去幾十年研發的系統,都建立於一個假設,即預設測試數據與訓練數據有相同的數據分佈。
然而在現實世界中,無論在什麼行業應用,都會存在實際情況與AI訓練時不同的問題。
這一問題看起來無解,但目前我們找到了幾個突破點和想法,主要是借鑒人類的意識加工機制,對原本分散的知識積累,快速進行全新重組。
雖然這些知識的組合不一定遵循訓練數據分佈,但我們還是能從中獲得某種重組方向的優勢,從而在訓練分佈中進行更好的歸納。
接下來的研究雖然繁重,但新的進展會令人振奮。尤其是在深度學習領域,我稱其為“深度學習2.0”,它能吸收人類的歸納傾向,對數據分佈演算法進行泛化。
李開復:我借 Bengio 教授的觀點多說幾句。我從大學時期就開始著手會話式 AI 的研究。目前的人機界面,我稱之為委託界面,大多基於直接操作,如鍵盤、滑鼠、多點觸控等。
但語言是人類最基本的交流方式,也是最自然的交流途徑。向AI語音辨識、自然語言理解進軍,一直是我們孜孜以求的目標。
例如,以前我們使用搜尋引擎時,會通過輸入關鍵字來查找網頁。後來,Google帶來了新的突破,基於深度學習的智慧問答功能,可以直接讓機器“說”出答案。
但我們不應止步於此,而是應該繼續向下一步目標努力:通過深度學習的進一步研究,提升機器對人類指令意圖的理解和執行能力。
例如,我們是否可以直接向亞馬遜 Alexa發送指令:“給我媽媽送個生日禮物”。之後,它將自動理出頭緒,流覽禮物,安排配送。它瞭解我的個人喜好,知道我能接受的價格範圍,也知道我媽媽是誰,住在哪裡,想要的禮物是什麼。
Yoshua Bengio:關於AI的行業應用,我做個簡短分享。我認為這是個很有難度的議題。困難來自兩方面:一是社會方面,二是技術方面。
在社會方面,從基礎科學研究,到最後產品研發階段,需要共同營造一種文化,讓研究人員可以擁有研究自由,從而取得真實的突破。在技術方面,我們需要一些軟體工具,讓技術從研發到生產這一轉化過程,盡可能的高效快速。
李開復:AI的行業應用,我將之分為兩大類:顛覆式和漸進式。
顛覆式是指引入 AI 會對行業造成顛覆性的結果,帶來天翻地覆的改變。
例如,自動駕駛將徹底改變運輸行業;Alexa某種程度上正在改變音箱行業;新的互聯網保險應用,比如美國的Lemonade,極可能顛覆保險行業。
這些行業已經具備了一定的條件,讓行業專家通過 AI 帶來顛覆影響,讓人非常期待。當AI與行業的顛覆式創新兩相結合,將有機會擊敗行業巨頭,重整行業格局。
然而顛覆式只是冰山一角。在人工智慧帶來的巨大機會中,漸進式變革佔據絕大部分份額。
普華永道預估,人工智慧將在2030年給全球帶來15萬億美元的財富淨增,主要來自于傳統行業和AI的結合。由於傳統行業規模龐大,僅僅提高幾個百分點,就可以產生海量財富。
但困難在於,當前一些傳統企業對 AI 一無所知,他們以為AI是科幻小說的臆想,看不到即刻就能產生的收益,再加上技術工具太難使用,導致他們的 IT 部門無法駕馭。
因此,我們應該通過培訓,説明傳統行業接受並認識到AI的益處。同時,我們投資的AI企業或像 Element AI 之類的公司,需要幫助傳統企業找到簡單易用的工具,讓他們跨越技術鴻溝,上手即用。
▌AI提前預測傳染性,應權衡公共衛生與隱私保護
話題2:疫情如何加速AI應用,由此帶來了什麼風險?
“必須在公共衛生或個人健康的背景下考慮隱私,在公共衛生危機期間,國家應該在尊重權利和必要防控措施間加以權衡,從而有效控制疾病的傳播。”——李開復
李開復:我說幾個親身經歷的例子。疫情期間的社交隔離,催生了眾多的 AI 應用,例如醫院中的送貨機器人。
對於隔離中的人也一樣。前陣子我回到北京隔離時,在我居住的公寓樓裡,沒有見到一個人。所有的事情都交給了一台機器人代勞,包括網購的包裹和食品運送,真正實現了零接觸,將危險降到最小化。
第二個例子是AI與醫療的結合。我們投資的AI 醫療企業Insilico Medicine,主要使用生成化學對抗神經網路,研發新藥小分子。在疫情期間,他們通過AI平臺,用幾個星期的時間,研發出了能抑制病毒內負責複製的主要蛋白成分的新藥物小分子。
最後一個例子或許有些爭議,就是接觸者追蹤。世界上許多國家已經成功的建立了接觸者追蹤體系,並較為有效地控制了疫情蔓延。但在美國、歐洲等地方,這種做法被視為是對隱私的侵犯。
對此,我的觀點是,對那些重視隱私的國家,我表示完全理解和尊重,但是我認為必須在公共衛生或個人健康的背景下考慮隱私。在公共衛生危機期間,國家應該在尊重權利和必要防控措施間加以權衡,從而有效控制疾病的傳播。等到疫情結束後,再回歸正常。
我們都不希望重蹈疫情的覆轍。我預計在未來,AI將被用來預防流行病的發生和傳播。醫院將廣泛使用感測器、可穿戴設備,匯總疫情資訊,及時報告潛在危害,在早期遏制疫情指數級增長的趨勢,從而更好地應對危機,避免再次失控。
Yoshua Bengio:李開復博士提到的這幾個領域,我都有所涉及。
一個是藥品研發,我本人參與了幾個專案,其中涉及神經網路、即時強化學習和主動學習。
在化學和生物領域,需要進行測試的組合方式太多,逐個進行研究是不可能的。所以我們需要一個合理的搜索策略,這就是我現在參與的專案內容。我們希望能用AI縮短研究時間,通過重組已有藥物,研發新型抗病毒藥物。
在接觸追蹤方面,目前已有的接觸追蹤大都沒有用到AI,只是進行簡單的測試法:如果有人測試結果為陽性,或者確診感染,那麼與其接觸過的所有人,都應該採取隔離措施。但是,在測試為陽性進而被隔離之前,傳染就已經開始了。
我們的一項研究顯示,如果能借助機器學習,提前預測某個體是否具有傳染性以及傳染性強弱,透過一些模糊的數據分析,就能大幅節省等待時間,及早知道曾接觸過病毒攜帶者,從而抑制病毒的傳播。
當然不可避免會出現隱私問題。隱私保護與機器學習需求之間存在有趣的矛盾。隱私保護需要盡可能降低數據交換,而機器學習卻需要盡可能收集大量的數據。
許多國家非常擔憂接觸者追蹤的濫用會侵犯隱私,因此催生了許多隱私保護技術。好消息是,這兩者可以共存。
▌AI是把雙刃劍,應推動全球治理、改變文化
話題3:AI的責任和挑戰:如何促進未來社會經濟可持續發展?
“如果我們能對人工智慧的能力善加利用,就能更快速地找到更好的新材料,以取代現今對地球造成長期污染的碳、電池等毒性材料。”——Yoshua Bengio
李開復:我會從創新工場的角度舉一些例子,創新工場是一家創業投資公司,我們非常希望 AI 能得到合理應用。Bengio 教授可能會在氣候變化上再補充一些。
在 《AI新世界》一書中,我描述了一個人類與 AI 的共存的藍圖:由 AI 承擔優化常規工作,讓人類專注於需要創造力和同情心的工作。
從社會責任感的角度說講,AI與醫療和教育的結合,將帶來極大的社會福祉。
未來,醫生將成為富有同情心的護理者,深切關懷病患,與他們交流。而 AI 可以用於分析放射結果、MRI、CT報告,提出各種可能的診斷及治療結果,針對性推薦藥物,以及輔助科學家研發新藥。
教育行業也是這樣。我們投資了很多線上教育公司,發現 AI 在教師的常規工作上表現非常出色,能夠根據學生的特點,因人而異地佈置作業,幫老師們節省了時間,讓他們專注于為孩子指導能力和引導心靈,進行個性化的教育,幫助他們培養創造力、團隊合作能力、交流能力以及同情心。
所以,醫療和教育既是 AI能夠顯現優勢的領域,也是有價值的投資。目前這兩個領域正在蓬勃發展,我們也投入了大量精力和資金。
Yoshua Bengio:我完全同意李開復博士的觀點。AI 技術的進步,能夠造福大多數人,我們需要將大量精力投入到此類項目中。
我個人對用AI解決環保問題投入很多,目前正在參與的一個項目就和氣候危機相關。
我們使用類似新藥研發的AI演算法,應用在對抗全球氣候環境變化的艱巨挑戰上,生成、合成、評估各種新型材料技術,包括碳回收和電池。
正常情況下,這些新材料研發耗時極長,動輒十幾年,甚至比新藥研發的時間還要久。但是如果我們能對人工智慧的能力善加利用,就能更快速地找到更好的新材料,以取代現今對地球造成長期污染的碳、電池等毒性材料。
但是,我們同時應該保持警惕:如果AI僅被少數市場玩家掌握,也有可能被用做牟利的工具,破壞正常、自由、動態競爭的市場環境。
因此,在向AI 未來發展的路上,我們需要時刻謹記 AI 具有的社會危害性。要將AI治理落實到各個層面,小到公司,大到全球。只有具備放眼全球的管理,才能合理有效地協調所有的力量,一起應對這些挑戰。
如果我們真的想引導 AI 應用富有道德和責任,就必須改變現有的文化。而這依賴於所有人的努力。
政府必須參與其中,要投資好的技術應用,改變教育體系,讓工程師、科學家不只專攻特定的科技領域,還要具備足夠的社會學科知識;科學家必須懂得謙虛,認識到自己對專業以外的領域知之甚少,與其他不同領域的專家合作,保證自己的成果對社會產生正面的影響。
▌構建AI與人類社會的良性循環
話題4:你心目中理想的AI未來是什麼樣的?
如果我們能努力抓住人類與 AI 共存的機遇,思考人類存在真正的意義,從我們這一代便開始努力,最終將可以實現理想的AI未來。——李開復
Yoshua Bengio:未來,在 AI 的幫助下,我們可以建立一個更明智、更公平、更理性、更包容的社會,每個人都可以說出自己的觀點,進行充分辯論,再做出最佳決定。
社交媒體在誕生之初,本意是做一個最為透明、最為公平、普惠大眾的公眾傳播平臺,但由於演算法基於人類偏好的推薦,及帶有特定企圖的傳播者作祟,造成社交網路的破碎淩亂,煽動的、謬誤的、偏見的資訊被放大傳播,不僅沒法幫助我們理性討論,也欠缺幫助人們做出最佳集體決策的能力。
人工智慧應該在這一方面有所作為,從各種垃圾資訊中篩選出有用結果,讓社交
平臺更加智慧,做到真正的公正透明,推送社會的理性和包容。
反過來說,如果我們都能變得更理智,也就能更好地使用 AI 技術,就能構建一個良性循環。但如果應用不當,就可能陷入惡性循環,因此我們必須謹慎選擇。
李開復:Bengio教授說得太好了!我們是幸運的一代,AI是一個千載難逢的機會,人類能夠與AI共存合作,由AI來承擔常規事務,我們則專注於人類擅長的領域,從重複性事務中解脫出來,放手去做自己喜愛的事情。
我想用我心愛的、約翰·亞當斯的一首詩來結束這場分享。如果我們能努力抓住人類與 AI 共存的機遇,思考人類存在真正的意義,從我們這一代便開始努力,最終將可以實現理想的AI未來:
I must study politics and war
我必須研究政治和戰爭
that my sons may have liberty to study mathematics and philosophy
因此我的兒子們能夠學習數學和哲學
My sons ought to study mathematics and philosophy, geography, natural history, naval architecture, navigation,commerce and agriculture
我的兒子們應該學習數學、哲學、地理、博物、造船、航海、商業和農業
in order to give their children a right to study painting, poetry, music, architecture, statuary, tapestry and porcelain
使得他們的孩子們可以學習繪畫、詩歌、音樂、建築、雕塑、織物和瓷器
約翰·亞當斯,美國第二任總統,《獨立宣言》起草委員會的五個成員之一,被譽為“美國獨立的巨人”。
本文及視頻內容經主辦方 SGInnovate 同意翻譯轉載
泛化能力 在 李開復 Kai-Fu Lee Facebook 的最佳貼文
前陣子與深度學習發明人之一、2019年ACM圖靈獎得主Yoshua Bengio教授一起對話,深深為他身上的科學家底蘊所感動。
Bengio教授長期致力於推動AI的合理使用,尤其對用AI解決環保議題有很多投入,如使用新藥研發的AI演算法概念,延伸應用在發掘全新低污染材料以對抗全球氣候環境變化的艱巨挑戰。
他相信,人工智慧將推送社會的理性和包容,構建AI與人類社會的良性循環。
這是我們討論的視頻和文字記錄。
……………………
李開復對話Yoshua Bengio:構建AI與人類社會的良性循環
7月23日,創新工場董事長兼CEO李開復博士,受邀參加SGInnovate主辦的“深度科技(Deep Tech)造福人類”活動,與Element AI聯合創始人Yoshua Bengio教授對話,討論人工智慧的未來發展。
在對話中,李開復博士與Yoshua Bengio教授探討了AI對人類社會的意義,尤其在COVID-19疫情後時代,AI如何幫助未來的經濟社會更加富有彈性、宜居和可持續。
他們認為,AI是一個千載難逢的機會,人類得以真正從重複性事務中解脫出來。在 AI 的幫助下,我們將有希望希望建立一個明智、理性、包容的社會,構建人類社會與AI的良性循環。
他們討論的話題包括:
1、AI技術的下一個突破,如何加速AI從科研到應用轉化?
2、COVID-19疫情如何加速AI應用,由此帶來了什麼風險?
3、AI的責任和挑戰:如何促進未來社會經濟可持續發展?
4、你心目中理想的AI未來是什麼樣的?
▌深度學習2.0時代,提升機器理解和執行能力
話題1:AI技術的下一個突破,以及如何加速AI科研到應用
“接下來的研究雖然繁重,但新的進展會令人振奮。尤其是在深度學習領域,我稱其為‘深度學習2.0’。” ——Yoshua Bengio
Yoshua Bengio:第一個問題我非常有共鳴,在我看來,目前機器學習的一大限制,是學習系統的泛化能力。
過去幾十年研發的系統,都建立於一個假設,即預設測試數據與訓練數據有相同的數據分佈。
然而在現實世界中,無論在什麼行業應用,都會存在實際情況與AI訓練時不同的問題。
這一問題看起來無解,但目前我們找到了幾個突破點和想法,主要是借鑒人類的意識加工機制,對原本分散的知識積累,快速進行全新重組。
雖然這些知識的組合不一定遵循訓練數據分佈,但我們還是能從中獲得某種重組方向的優勢,從而在訓練分佈中進行更好的歸納。
接下來的研究雖然繁重,但新的進展會令人振奮。尤其是在深度學習領域,我稱其為“深度學習2.0”,它能吸收人類的歸納傾向,對數據分佈演算法進行泛化。
李開復:我借 Bengio 教授的觀點多說幾句。我從大學時期就開始著手會話式 AI 的研究。目前的人機界面,我稱之為委託界面,大多基於直接操作,如鍵盤、滑鼠、多點觸控等。
但語言是人類最基本的交流方式,也是最自然的交流途徑。向AI語音辨識、自然語言理解進軍,一直是我們孜孜以求的目標。
例如,以前我們使用搜尋引擎時,會通過輸入關鍵字來查找網頁。後來,Google帶來了新的突破,基於深度學習的智慧問答功能,可以直接讓機器“說”出答案。
但我們不應止步於此,而是應該繼續向下一步目標努力:通過深度學習的進一步研究,提升機器對人類指令意圖的理解和執行能力。
例如,我們是否可以直接向亞馬遜 Alexa發送指令:“給我媽媽送個生日禮物”。之後,它將自動理出頭緒,流覽禮物,安排配送。它瞭解我的個人喜好,知道我能接受的價格範圍,也知道我媽媽是誰,住在哪裡,想要的禮物是什麼。
Yoshua Bengio:關於AI的行業應用,我做個簡短分享。我認為這是個很有難度的議題。困難來自兩方面:一是社會方面,二是技術方面。
在社會方面,從基礎科學研究,到最後產品研發階段,需要共同營造一種文化,讓研究人員可以擁有研究自由,從而取得真實的突破。在技術方面,我們需要一些軟體工具,讓技術從研發到生產這一轉化過程,盡可能的高效快速。
李開復:AI的行業應用,我將之分為兩大類:顛覆式和漸進式。
顛覆式是指引入 AI 會對行業造成顛覆性的結果,帶來天翻地覆的改變。
例如,自動駕駛將徹底改變運輸行業;Alexa某種程度上正在改變音箱行業;新的互聯網保險應用,比如美國的Lemonade,極可能顛覆保險行業。
這些行業已經具備了一定的條件,讓行業專家通過 AI 帶來顛覆影響,讓人非常期待。當AI與行業的顛覆式創新兩相結合,將有機會擊敗行業巨頭,重整行業格局。
然而顛覆式只是冰山一角。在人工智慧帶來的巨大機會中,漸進式變革佔據絕大部分份額。
普華永道預估,人工智慧將在2030年給全球帶來15萬億美元的財富淨增,主要來自于傳統行業和AI的結合。由於傳統行業規模龐大,僅僅提高幾個百分點,就可以產生海量財富。
但困難在於,當前一些傳統企業對 AI 一無所知,他們以為AI是科幻小說的臆想,看不到即刻就能產生的收益,再加上技術工具太難使用,導致他們的 IT 部門無法駕馭。
因此,我們應該通過培訓,説明傳統行業接受並認識到AI的益處。同時,我們投資的AI企業或像 Element AI 之類的公司,需要幫助傳統企業找到簡單易用的工具,讓他們跨越技術鴻溝,上手即用。
▌AI提前預測傳染性,應權衡公共衛生與隱私保護
話題2:疫情如何加速AI應用,由此帶來了什麼風險?
“必須在公共衛生或個人健康的背景下考慮隱私,在公共衛生危機期間,國家應該在尊重權利和必要防控措施間加以權衡,從而有效控制疾病的傳播。”——李開復
李開復:我說幾個親身經歷的例子。疫情期間的社交隔離,催生了眾多的 AI 應用,例如醫院中的送貨機器人。
對於隔離中的人也一樣。前陣子我回到北京隔離時,在我居住的公寓樓裡,沒有見到一個人。所有的事情都交給了一台機器人代勞,包括網購的包裹和食品運送,真正實現了零接觸,將危險降到最小化。
第二個例子是AI與醫療的結合。我們投資的AI 醫療企業Insilico Medicine,主要使用生成化學對抗神經網路,研發新藥小分子。在疫情期間,他們通過AI平臺,用幾個星期的時間,研發出了能抑制病毒內負責複製的主要蛋白成分的新藥物小分子。
最後一個例子或許有些爭議,就是接觸者追蹤。世界上許多國家已經成功的建立了接觸者追蹤體系,並較為有效地控制了疫情蔓延。但在美國、歐洲等地方,這種做法被視為是對隱私的侵犯。
對此,我的觀點是,對那些重視隱私的國家,我表示完全理解和尊重,但是我認為必須在公共衛生或個人健康的背景下考慮隱私。在公共衛生危機期間,國家應該在尊重權利和必要防控措施間加以權衡,從而有效控制疾病的傳播。等到疫情結束後,再回歸正常。
我們都不希望重蹈疫情的覆轍。我預計在未來,AI將被用來預防流行病的發生和傳播。醫院將廣泛使用感測器、可穿戴設備,匯總疫情資訊,及時報告潛在危害,在早期遏制疫情指數級增長的趨勢,從而更好地應對危機,避免再次失控。
Yoshua Bengio:李開復博士提到的這幾個領域,我都有所涉及。
一個是藥品研發,我本人參與了幾個專案,其中涉及神經網路、即時強化學習和主動學習。
在化學和生物領域,需要進行測試的組合方式太多,逐個進行研究是不可能的。所以我們需要一個合理的搜索策略,這就是我現在參與的專案內容。我們希望能用AI縮短研究時間,通過重組已有藥物,研發新型抗病毒藥物。
在接觸追蹤方面,目前已有的接觸追蹤大都沒有用到AI,只是進行簡單的測試法:如果有人測試結果為陽性,或者確診感染,那麼與其接觸過的所有人,都應該採取隔離措施。但是,在測試為陽性進而被隔離之前,傳染就已經開始了。
我們的一項研究顯示,如果能借助機器學習,提前預測某個體是否具有傳染性以及傳染性強弱,透過一些模糊的數據分析,就能大幅節省等待時間,及早知道曾接觸過病毒攜帶者,從而抑制病毒的傳播。
當然不可避免會出現隱私問題。隱私保護與機器學習需求之間存在有趣的矛盾。隱私保護需要盡可能降低數據交換,而機器學習卻需要盡可能收集大量的數據。
許多國家非常擔憂接觸者追蹤的濫用會侵犯隱私,因此催生了許多隱私保護技術。好消息是,這兩者可以共存。
▌AI是把雙刃劍,應推動全球治理、改變文化
話題3:AI的責任和挑戰:如何促進未來社會經濟可持續發展?
“如果我們能對人工智慧的能力善加利用,就能更快速地找到更好的新材料,以取代現今對地球造成長期污染的碳、電池等毒性材料。”——Yoshua Bengio
李開復:我會從創新工場的角度舉一些例子,創新工場是一家創業投資公司,我們非常希望 AI 能得到合理應用。Bengio 教授可能會在氣候變化上再補充一些。
在 《AI新世界》一書中,我描述了一個人類與 AI 的共存的藍圖:由 AI 承擔優化常規工作,讓人類專注於需要創造力和同情心的工作。
從社會責任感的角度說講,AI與醫療和教育的結合,將帶來極大的社會福祉。
未來,醫生將成為富有同情心的護理者,深切關懷病患,與他們交流。而 AI 可以用於分析放射結果、MRI、CT報告,提出各種可能的診斷及治療結果,針對性推薦藥物,以及輔助科學家研發新藥。
教育行業也是這樣。我們投資了很多線上教育公司,發現 AI 在教師的常規工作上表現非常出色,能夠根據學生的特點,因人而異地佈置作業,幫老師們節省了時間,讓他們專注于為孩子指導能力和引導心靈,進行個性化的教育,幫助他們培養創造力、團隊合作能力、交流能力以及同情心。
所以,醫療和教育既是 AI能夠顯現優勢的領域,也是有價值的投資。目前這兩個領域正在蓬勃發展,我們也投入了大量精力和資金。
Yoshua Bengio:我完全同意李開復博士的觀點。AI 技術的進步,能夠造福大多數人,我們需要將大量精力投入到此類項目中。
我個人對用AI解決環保問題投入很多,目前正在參與的一個項目就和氣候危機相關。
我們使用類似新藥研發的AI演算法,應用在對抗全球氣候環境變化的艱巨挑戰上,生成、合成、評估各種新型材料技術,包括碳回收和電池。
正常情況下,這些新材料研發耗時極長,動輒十幾年,甚至比新藥研發的時間還要久。但是如果我們能對人工智慧的能力善加利用,就能更快速地找到更好的新材料,以取代現今對地球造成長期污染的碳、電池等毒性材料。
但是,我們同時應該保持警惕:如果AI僅被少數市場玩家掌握,也有可能被用做牟利的工具,破壞正常、自由、動態競爭的市場環境。
因此,在向AI 未來發展的路上,我們需要時刻謹記 AI 具有的社會危害性。要將AI治理落實到各個層面,小到公司,大到全球。只有具備放眼全球的管理,才能合理有效地協調所有的力量,一起應對這些挑戰。
如果我們真的想引導 AI 應用富有道德和責任,就必須改變現有的文化。而這依賴於所有人的努力。
政府必須參與其中,要投資好的技術應用,改變教育體系,讓工程師、科學家不只專攻特定的科技領域,還要具備足夠的社會學科知識;科學家必須懂得謙虛,認識到自己對專業以外的領域知之甚少,與其他不同領域的專家合作,保證自己的成果對社會產生正面的影響。
▌構建AI與人類社會的良性循環
話題4:你心目中理想的AI未來是什麼樣的?
如果我們能努力抓住人類與 AI 共存的機遇,思考人類存在真正的意義,從我們這一代便開始努力,最終將可以實現理想的AI未來。——李開復
Yoshua Bengio:未來,在 AI 的幫助下,我們可以建立一個更明智、更公平、更理性、更包容的社會,每個人都可以說出自己的觀點,進行充分辯論,再做出最佳決定。
社交媒體在誕生之初,本意是做一個最為透明、最為公平、普惠大眾的公眾傳播平臺,但由於演算法基於人類偏好的推薦,及帶有特定企圖的傳播者作祟,造成社交網路的破碎淩亂,煽動的、謬誤的、偏見的資訊被放大傳播,不僅沒法幫助我們理性討論,也欠缺幫助人們做出最佳集體決策的能力。
人工智慧應該在這一方面有所作為,從各種垃圾資訊中篩選出有用結果,讓社交
平臺更加智慧,做到真正的公正透明,推送社會的理性和包容。
反過來說,如果我們都能變得更理智,也就能更好地使用 AI 技術,就能構建一個良性循環。但如果應用不當,就可能陷入惡性循環,因此我們必須謹慎選擇。
李開復:Bengio教授說得太好了!我們是幸運的一代,AI是一個千載難逢的機會,人類能夠與AI共存合作,由AI來承擔常規事務,我們則專注於人類擅長的領域,從重複性事務中解脫出來,放手去做自己喜愛的事情。
我想用我心愛的、約翰·亞當斯的一首詩來結束這場分享。如果我們能努力抓住人類與 AI 共存的機遇,思考人類存在真正的意義,從我們這一代便開始努力,最終將可以實現理想的AI未來:
I must study politics and war
我必須研究政治和戰爭
that my sons may have liberty to study mathematics and philosophy
因此我的兒子們能夠學習數學和哲學
My sons ought to study mathematics and philosophy, geography, natural history, naval architecture, navigation,commerce and agriculture
我的兒子們應該學習數學、哲學、地理、博物、造船、航海、商業和農業
in order to give their children a right to study painting, poetry, music, architecture, statuary, tapestry and porcelain
使得他們的孩子們可以學習繪畫、詩歌、音樂、建築、雕塑、織物和瓷器
約翰·亞當斯,美國第二任總統,《獨立宣言》起草委員會的五個成員之一,被譽為“美國獨立的巨人”。
本文及視頻內容經主辦方 SGInnovate 同意翻譯轉載
泛化能力 在 朱學恒的阿宅萬事通事務所 Youtube 的最佳解答
贊助專區
Paypal傳送門: https://paypal.me/HsuehHeng
綠界傳送門: https://p.ecpay.com.tw/706363D
歐付寶傳送門: https://reurl.cc/eENAEm
翁P國際教室今天要跟大家聊聊美國霸權是否真的不霸了?然後連德國梅克爾也被阿富汗拖累了?撤軍阿富汗事件的警世錄
美國歷史上最長的戰爭告終,但是從撤軍阿富汗看到拜登的崩盤危機,根據中央社的報導指出,總統拜登在美國完成從 #阿富汗撤軍 ,結束長達20年戰爭後首度公開發表的談話中,宣稱阿富汗撤離行動驚人成功,從阿富汗撤軍符合美國的利益。拜登今天(8/31)在白宮發表的演說中表示:「我們完成史上最大規模之一的空運行動。在歷史上,沒有國家曾經做過這樣的事,只有美國有能力、有意志、有能耐做這樣的事。」他為撤軍的決定辯護說:「我們在阿富汗無限度的任務中,不再有明確目的。這是正確的決定,明智的決定,對美國來說最佳的決定。」
但是事實真是這樣嗎?聯合新聞網是這樣說的,根據上月31日發布的一項摘錄,美國總統拜登(Joe Biden)與阿富汗前總統甘尼(Ashraf Ghani)之間的最後一次通話中,拜登表示「需要改變外界對神學士迅速發展的看法」。
「每日郵報」報導,在喀布爾淪陷的四個星期前,甘尼曾懇求提供更多的空中支援和金錢。路透社獲得的一份記錄顯示,兩位領導人對即將發生的災難「一無所知」。由此看出拜登的阿富汗撤軍工作小組完全失控…
而拜登的民調也因此崩盤,恐怕連任機會也提前關門?根據新頭殼在8/27報導指出,美國民調和數據分析公司 Echelon Insights 的最近的一項民意調查顯示,51% 的美國人不希望看到拜登競選連任,34% 的受訪者持相反意見。大部分民眾不贊成拜登處理阿富汗問題的方式,還有一些批評者對拜登的工作能力表示擔憂。拜登的支持率直線下降,使民主黨人感到焦慮。目前民主黨在眾議院僅領先共和黨 7 個席位,而歷史趨勢顯示,共和黨有望在明年贏得多數席位。因此民主黨一直寄希望於拜登獲得廣泛的公眾支持,讓他們保住微弱多數席位。
不僅如此美國是否在世界的霸權已不再呢?從季辛吉跟弗朗西斯·福山在經濟學人兩篇文章看出端倪。
(法蘭西斯·福山小檔案生於1952年10月27日,日裔美籍學者。哈佛大學政治學博士,現任約翰霍普金斯大學、保羅·尼采高級國際問題研究院、舒華茲講座、國際政治經濟學教授,曾師從撒母耳·亨廷頓。)
季辛吉《美國搞不清自己在阿富汗的目標》是這樣說的,「塔利班接管阿富汗帶給我們的近憂,是如何解救滯留在阿富汗各地的數萬美國人、盟國人和阿富汗人。如何營救他們應是我們的當務之急。然而,更重要的問題是,美國應反思自己的決策過程,自己的盟友和相關人員在過去20年做出了巨大犧牲,而美國卻在未發出足夠警告和與他們進行充分協商的情況下擅自做出撤軍決定。美國還應思考,為什麼阿富汗問題被以一種非此即彼的方式呈現給公眾,使大眾以為美國只能在完全控制阿富汗和全面撤軍間做出選擇。在開打治安戰的過程中,美國撕裂了自己,因為它搞不清自己可以實現什麼目標,也無法在美國政治進程中將這些目標持續結合起來。軍事目標過於絕對和難以實現,政治目標過於抽象和難以捉摸。在一眼望不到頭的戰爭衝突中,無法將這些目標結合在一起一直困擾著美國,並導致我們深陷國內紛爭的泥沼中無法團結一致…」
弗朗西斯·福山:阿富汗事件標誌著美國霸權的終結。 弗朗西斯·福山指出,「美國支持的阿富汗政權垮台,絕望的阿富汗人竭力想要逃離喀布爾。隨著美國與世界漸行漸遠,阿富汗的這一恐怖畫面顯示出在世界歷史上出現了一個重大的轉捩點。這一事件所反映出的真相是,美國時代的終結提早到來了…」
而撤軍阿富汗不僅重創拜登,連 #梅克爾 路線也被阿富汗拖累,基民盟恐失主導權?根據聯合新聞網報導,德國政府也認定,拜登倉促從阿富汗撤軍是西方政治和道德信譽的問題。梅克爾雖然沒有公開批評拜登,但她的可能繼任者、德國基民盟黨(CDU)主席拉謝特(Armin Laschet)直言,此次阿富汗撤軍是北約創立以來遭遇的最大潰敗。而且,在川普右翼主政美國時就已呼籲「靠自己爭取未來」的梅克爾還訪問了俄羅斯,向俄總統普亭求助,希望普亭與塔利班溝通,讓塔利班允許西方盟友在阿人員安全撤離。這對美國來說是莫大的諷刺。
除了美國撤軍阿富汗後續政治動盪之外,翁P還想跟大家聊聊非洲地區會不會成為下一個阿富汗?因為從美國在阿富汗的表現,恐怕讓非洲的恐怖組織蠢蠢欲動…
根據新頭殼報導,在奈及利亞北部地區,綁架已成「日常」。2014 年 4 月 14 日至 15 日,奈及利亞伊斯蘭恐怖組織「博科聖地」挾持了位於該國東北部博爾諾州奇布克鎮中學中,267 名預備參與考試的女學生,且被綁架者多為 16 至 18 歲的基督徒。至今,僅有 50 多人脫逃與 100 餘人獲釋放,另 100 多人至今仍下落不明。此外,該恐怖組織光在 2016 年與 2017 年兩年間,就累積收到約 370 萬美元的贖金。
據統計,自去年 12 月起,光奈及利亞西北部地區已發生 10 多起大規模綁架學生案件,遭綁架的學生數高達上千人。雖然多數學生在當地政府與武裝分子談判且交付大量贖金後,即遭釋放。然而,綁架事件的頻繁也導致該地區多所公立學校被迫關閉。
再來要來看一份讓台派非常振奮的調查,根據美國芝加哥商會針對全美民眾進行的調查報告顯示,有69%的美國民眾認為美國應該承認台灣是一個獨立的國家,65%認同美國應該協助台灣加入國際組織,還有57%的過半比例,支持台美簽訂自由貿易協定。這一份年度報告,其實從80年代就開始進行,只不過在2016年之前,美國民眾被問到如果中共侵犯台灣,美國應不應該協防,支持美國用行動挺台灣的比例一直無法突破3成。
但是呢,翁P直接突破盲腸的指出「台灣要思考的,是美國民眾到底是因為真心在乎台灣的利益,所以打算支持台灣,還是因為討厭中國,所以支持對手的對手?兩種心態的差別,在於前者會得到更全面的支持,而後者則會因為對於中國討厭程度的下降有所變化。」
翁P說了「藍綠政治人物或是支持者總是爭執美國來不來救援,但是雙方最該做的,其實是面對事實,讓民眾知道不管美國來不來支援,台灣都應該開始做準備!美國民調傳遞出來的訊息,是美國已經準備好面對台海最壞的情況,問題是,台灣自己準備好了嗎?」
阿宅萬事通語錄貼圖上架囉 https://reurl.cc/dV7bmD
【Facebook傳送門】 https://www.facebook.com/Geekfirm
【Twitch傳送門】 https://www.twitch.tv/otakuarmy2
【加入YT會員按鈕】 https://reurl.cc/raleRb
【訂閱YT頻道按鈕】 https://reurl.cc/Q3k0g9
購買朱大衣服傳送門: https://shop.lucifer.tw/
📍直播大綱:
00:00 開播
12:00 阿富汗撤軍事件 衝擊拜登
56:00 拜登民調因為阿富汗事件崩盤
01:01:00 討論季辛吉投書
01:08:00 民進黨政府疫苗施打順序邏輯與選票相關
01:19:00 弗朗西斯·福山文章--美國霸權不再?+拜登撤軍阿富汗拖累梅克爾
01:35:00 美國芝加哥商會民調:69%的美國民眾認為美國應該承認台灣是一個獨立的國家
泛化能力 在 親子天下 Youtube 的最佳解答
#12個關鍵心法 X #19項課綱議題文本
閱讀素養先鋒推手 #黃國珍,帶領 #品學堂團隊
推出最有系統的閱讀理解策略工具書
真實的生活情境,真實的素養學習
以漫畫引導概念,短文閱讀加強學習
輔以連續文本X非連續文本X混合文本,打造超強閱讀素養實戰力
閱讀素養題總是看不懂?
一看到多元文本就先打退堂鼓?
品學堂第一本為孩子打造的閱讀素養工具書,
以情境化與生活化的多元主題文本訓練閱讀素養,
從解析文本、找出訊息及關係、整理歸納文本,進而梳理思路,
打通閱讀任督二脈,幫助孩子從知道、學到、得到閱讀素養力,輕鬆跨越素養之壁!
【本書特色】
◆厚植素養基礎:從解構訊息、文本整理、閱讀方法到建立獨立思考,有效提升孩子從容應對多元學習與跨領域文本的能力。
◆系統性的學習:帶領孩子運用「擷取訊息」、「廣泛理解」、「發展解釋」、「省思評鑑」等閱讀理解能力,學會分析解決問題。
◆十九項議題選文:含括海洋、性別平等、人權、安全、防災等真實生活情境文本、中外經典文學作品,補充學校沒教的各種生活知識!
【各大通路販售中】
親子Shopping:https://shopping.parenting.com.tw/products/3538
博客來:https://www.books.com.tw/products/0010900677
MOMO:https://www.momoshop.com.tw/goods/GoodsDetail.jsp?i_code=9222363
金石堂:https://www.kingstone.com.tw/basic/2015233168531/
誠品:https://www.eslite.com/product/1001276712682060306001
讀冊:https://www.taaze.tw/products/11100955101.html
📍立刻訂閱親子天下YouTube頻道:https://cplink.co/aokHX5fY
...................................................................
✔ 親子天下官網:https://cplink.co/103epuyo
✔ 親子天下粉專:http://on.fb.me/1Kkng6j
✔ 親子天下Shopping:https://cplink.co/2z71hMR2
✔ 親子天下Shopping 粉專:http://on.fb.me/2dpFvHK
泛化能力 在 志祺七七 X 圖文不符 Youtube 的最佳解答
本集廣告與「Lenovo」合作播出
Lenovo「ThinkPad P15 第二代」上市啦!
它是一台創作者筆電✨
✓高效快速的多工處理能力,支援多款 NVIDIA®RTX™ 獨顯,包括高效 RTX A5000 連 16GB 內置 vRAM,幫助你快速存取圖像資料!
✓官網客製化方案,最高可搭載第 11 代 Intel®Core™ i9 或 Intel®Xeon®處理器(兩者均採用 vPro®技術),繁重工作瞬間變成「小菜一碟」👌🏻
✓全套 ISV 認證,專業功能一次擁有!
👉🏻現在到官網輸入志祺七七專屬優惠碼「77P15G2」,享獨家優惠價和額外8%折扣!
https://bit.ly/3iDw9gg
👉🏻更多P系列
https://bit.ly/3ADOIaC
#ThinkPadP15第二代
#LenovoTW
本集節目內容由志祺七七頻道製作,不代表「Lenovo」立場。
--
✔︎ 成為七七會員(幫助我們繼續日更,並享有會員專屬福利):http://bit.ly/shasha77_member
✔︎ 體驗志祺七七文章版:https://blog.simpleinfo.cc/shasha77
✔︎ 購買黃臭泥周邊商品: https://reurl.cc/Ezkbma 💛
✔︎ 訂閱志祺七七頻道: http://bit.ly/shasha77_subscribe
✔︎ 追蹤志祺IG :https://www.instagram.com/shasha77.daily
✔︎ 來看志祺七七粉專 :http://bit.ly/shasha77_fb
✔︎ 如果不便加入會員,也可從這裡贊助我們:https://bit.ly/support-shasha77
(請記得在贊助頁面留下您的email,以便我們寄送發票。若遇到金流問題,麻煩請聯繫:service@simpleinfo.cc)
#人類基因組計劃 #基因專利大戰
各節重點:
00:00 開頭
01:28【Lenovo筆電 】廣告段落
02:33 那些年,我們還搞不懂的基因
03:44 人類基因組計劃:啟動!
05:39 利益驅使民間企業搶進
06:28 賽雷拉公司怎麼做到的?
07:41 基因專利大戰
08:41 人類基因解碼競賽的結局
10:21 我們的觀點
11:13 問題
11:39 結尾
【 製作團隊 】
|企劃:宇軒
|腳本:宇軒
|編輯:土龍
|剪輯後製:鎮宇
|剪輯助理:歆雅/珊珊
|演出:志祺
——
【 本集參考資料 】
→A complete human genome sequence is close: how scientists filled in the gaps:https://go.nature.com/385ngpL
→人类基因组计划wiki:https://bit.ly/3AYYWSS
→基因研究的怪才,克雷格·凡特生日|科學史上的今天:10/14 - 泛科學:https://bit.ly/2WgJqDe
→人類基因圖譜初稿完成 │ 科學史上的今天:06/26 - 泛科學:https://bit.ly/3j6kRRY
→人類基因組#專利問題:https://bit.ly/2UEyIFM
→克萊格·凡特:https://bit.ly/3Dd5Tl4
→Can genes be patented?:https://bit.ly/3zc24dM
→人類基因組測序的競賽 - Tien Nguyen:https://bit.ly/2UKX0y4
→科普 | 上个世纪的辉煌——人类基因组计划竞赛的故事 - 知乎:https://bit.ly/2WbQ3qy
→《人類基因體解碼後的商機》- 科學發展,2002年6月354期:https://bit.ly/2UEyRci
→《焦點報導:人類基因計畫競賽始末》- 科學月刊,2000 年第 31 卷第 8 期:https://bit.ly/3yeMzAd
→《焦點報導:基因密碼的歸屬權》-科學月刊,2000 年第 31 卷第 8 期
→基因檢測的倫理與道德議題:https://bit.ly/3sIJMhU
→人類基因體 10 年之後? 4 大研究願景和 10 大預測 - 基因線上:https://bit.ly/2WglAYh
→多元觀點:基因專利權歸誰所屬? - 基因線上:https://bit.ly/2UEdBmX
→美國最高法院:人類基因將不能取得專利權:https://bit.ly/2W9Pc9R
【 延伸閱讀 】
→腦部健檢/基因檢測有必要嗎?其實多數人看不出明顯風險:https://bit.ly/3zb59L7
→基因教父陳奕雄:https://bit.ly/3zbhnDs
\每週7天,每天7點,每次7分鐘,和我們一起了解更多有趣的生活議題吧!/
🥁七七仔們如果想寄東西關懷七七團隊與志祺,傳送門如下:
106台北市大安區羅斯福路二段111號8樓
🟢如有引用本頻道影片與相關品牌識別素材,請遵循此規範:http://bit.ly/shasha77_authorization
🟡如有業務需求,請洽:hi77@simpleinfo.cc
🔴如果影片內容有誤,歡迎來信勘誤:hey77@simpleinfo.cc
泛化能力 在 【機械学習】汎化能力・誤り率(初めてのパターン認識解説 ... 的推薦與評價
今回は汎 化能力 =識別規則の正解率について説明していきます。学習だけじゃなくて制度の確認も大事だよね。機械学習やディープラーニングを学ぶ上で ... ... <看更多>
泛化能力 在 SGD 泛化能力的筆記 - 棒棒生 的推薦與評價
Sharp V.S. Flat Local Minimum 的泛化能力先簡單介紹這篇文章:On large-batch training for deep learning: Generalization gap and sharp minima ... ... <看更多>