新智元报道 来源：wired编辑：肖琴【新智元导读】谷歌AI负责人Jeff Dean近日接受《连线》专访，透露谷歌正在尝试构建具有通用智能、而非高度专业化智能的系统。尽管更大规模的计算系统，尤其是为机器学习量身定做的系统仍然有很大的潜力，但谷歌正在试图用更少的数据和更少的计算力来做机器学习。戳右边链接上 新智元小程序 了解更多！
无论计算机将在未来社会中扮演何种角色，Jeff Dean都将对其结果产生重大影响。作为谷歌庞大的人工智能研究团队的领导者，他的工作涉及方方面面，从自动驾驶汽车到家用机器人，再到谷歌强大的在线广告业务，无所不包。
《连线》(Wired)杂志近日在AI顶会NeurIPS上与Jeff Dean讨论了他的团队的最新探索，以及谷歌如何试图对其设置道德限制。
Jeff Dean
Jeff Dean：谷歌正在用更少的数据、更少的计算做机器学习
《连线》：你做了一个关于构建新型计算机以推动机器学习发展的研究报告。Google正在测试哪些新想法呢?
Jeff Dean：一个是将机器学习用于芯片上电路的布线。设计芯片时，在设计了一堆新电路后，你必须以一种高效的方式将电路放在芯片上，以优化面积、功率使用和其他许多参数。通常，人类专家需要花数周的时间完成这一任务。
我们可以让一个机器学习模型去学习芯片布线这个游戏，而且效果非常好。AI可以得到与人类专家相当甚至更好的结果。我们一直在使用谷歌内部的不同芯片做这件事情，比如TPU(Google研发的自定义机器学习芯片)。
《连线》：更强大的芯片是AI最近取得进展的关键。但Facebook的AI主管最近表示，这种策略很快就会陷入困境。本周，Google的一位顶级研究人员也敦促在该领域探索新的想法。
Jeff Dean：构建更高效、更大规模的计算系统，尤其是为机器学习量身定做的系统，仍然有很大的潜力。我认为在过去的五六年里所做的基础研究仍然有很大的应用空间。我们将与谷歌产品的同事合作，将这些研究投入实际应用。
但我们也在考虑，基于我们今天能做什么和不能做什么，未来可能要面对的主要问题是什么。我们想构建一个可以泛化到新任务的系统。用更少的数据和更少的计算做事情，将会变得十分有趣而且重要。
《连线》：在NeurIPS受到关注的另一个挑战是，一些AI应用程序提出了伦理问题。一年多前，在五角大楼的一项名为Maven的AI项目遭到抗议后，谷歌宣布了AI研究的七大原则。自那以后，谷歌的AI研究工作发生了怎样的变化?
Jeff Dean：我认为Google的所有人对如何将这些原则付诸实施都有了更好的理解。我们有一个流程，通过这个流程，考虑以某种方式使用机器学习的产品团队可以在设计整个系统之前获得早期的意见，比如，你应该如何收集数据，以确保数据没有偏见。
当然了，我们还在继续推动在研究方向中体现这些原则。我们在关于偏见、公平、隐私和机器学习方面做了很多工作。
《连线》：这些原则排除了武器方面的工作，禁止将人工智能技术应用在武器上，但允许与政府和军方开展业务合作，包括国防项目。自Maven项目以来，谷歌有没有启动过新的军事项目?
Jeff Dean：我们很乐意以符合我们的原则的方式与军方或其他政府机构合作。因此，比如说我们想帮助提高海岸警卫队人员的安全，那是我们乐意做的事情。云计算团队更多参与其中，因为这确实是他们的业务范围。
《连线》：穆斯塔法·苏莱曼(Mustafa Suleyman)是DeepMind的联合创始人，DeepMind是谷歌母公司Alphabet的一部分，也是机器学习研究的主要参与者之一。苏莱曼最近跳槽到了谷歌。他说他将与你，以及谷歌的最高法律和政策执行官Kent Walker一起工作。你们将与苏莱曼一起做什么？
Jeff Dean：苏莱曼在AI政策相关问题上有着广阔的视野。他也参与了谷歌AI原则的制定和审查过程，所以我认为他将把大部分时间集中在AI伦理和政策相关的工作上。我真心希望苏莱曼自己评论一下他将具体做什么。
Kent的团队正在研究的一个领域是，应该如何完善人工智能原则，以便为那些正在考虑在谷歌产品中使用诸如面部识别等AI技术的团队提供更多指导。
《连线》：你这周做了一个关于机器学习如何帮助社会应对气候变化的主题演讲。在这方面机器学习有哪些机会？机器学习项目本身有时会耗费大量能量，这又该如何解释呢?
Jeff Dean：有很多机会可以将机器学习应用到这个问题上。我的同事John Platt是最近一篇探讨这一问题的论文的20多位作者之一，这篇论文有100多页长。例如，机器学习可以帮助提高交通运输的效率，或者使气候模型更加精确，因为传统的模型计算量非常大，限制了空间分辨率。
我主要关注的是碳排放与机器学习。我见过的一些关于机器学习能源使用的论文并没有考虑能源的来源。在Google数据中心，我们满足全年所有计算需求的能源使用都是100%可再生的。
《连线》：除了气候变化之外，你们团队明年还会拓展哪些研究领域？
Jeff Dean：一个是多模式学习：这类任务有不同类型的模式，比如视频和文本或视频和音频。我们的AI研究社区在这方面做的还不够多，这个领域未来可能会变得更加重要。
机器学习在医疗领域的研究也是我们做了大量工作的领域。另一项是使设备上的机器学习模型更好，这样我们就可以把更多有趣的功能加入到智能手机和其他设备中。
参考链接：https://www.wired.com/story/googles-ai-chief-do-more-less-data/ 