[[250218]]

Yoshua Bengio無疑是現代人工智能技術領域的大師級人物。

Bengio曾與Geoff Hinton以及Yan LeCun一道，共同支持所謂深度學習技術——這項技術近年來已經成功由原本的學術性探索成果，轉化為世界上***大的技術之一。 深度學習的基本思路，在于將數據交付至能夠粗略模擬人類大腦的大型神經網絡。而事實證明，深度學習技術強大且相當有效，適用于各類實際任務，具體包括語音識別、圖像分類、自動駕駛汽車控制以及業務決策自動化等等。

尤其令人稱道的是，Bengio一直拒絕加入任何科技巨頭從事人工智能研究。不同于分別加入谷歌與Facebook的Hinton與LeCun，Bengio目前仍然在蒙特利爾大學擔任全職教授。(不過他曾經于2016年參與Element AI項目的創建，該項目隨后支撐起非常成功的業務體系，用于幫助大型企業探索AI研究的商業應用方向。)

Bengio日前接受了麻省理工學院《技術評論》雜志的AI高級編輯Will Knight的采訪。

Q：在您看來，不同國家之間的人工智能技術發展競賽意味著什么?

我很不喜歡這種趨勢，我認為這不是正確的發展之道。

我們當然可以共同參與到競賽當中，但作為一名科學家以及希望實現全人類共同利益的從業者，我認為我們***能將著眼點放在如何構建更為智能的機器以及確保將人工智能用于為盡可能多的人實現福祉身上。

Q：那么，有沒有辦法促進各國之間開展更多合作?

我們本應降低發展中國家參與人工智能技術的入門門檻，這也是目前***的問題所在。在歐洲、美國或者加拿大，非洲研究人員很難獲得入境簽證，這無疑造成了***的壁壘——這些發達國家通常會找各種理由拒絕非洲學者的訪問。這毫無公平性可言。發展中國家本身就很難在研究層面投入大量資源，如果他們無法與相關技術社區接觸，那么未來的不公平性還將進一步加大。作為一種可行的解決方式，我們將在2020年于非洲召開ICLR大會(一項重要的人工智能技術會議)。

所謂包容性，絕不能僅僅體現在說官話套話上面。人工智能在發展中國家擁有更為強大的發展潛力，這些國家擁有遠高于我們的技術發行訴求，這一切與他們的實際情況密切相關。

Q：無論是立足西方還是著眼中國，您是否擔心人工智能的統治權最終會落入少數企業手中?

是的，也正是考慮到這一點，我們才有必要在人工智能研究領域推動民主化進程。人工智能研究本身往往正是權力、金錢與研究人員等資源的集中體現。***的學生當然希望入職***的企業，這類企業掌握著更多資金以及更多數據，但這種循環并不健康。即使是在民主制度之下，將太多權力集中在少數人手中同樣非常危險。

Q：關于人工智能的軍事性用途已經引發諸多爭議。面對這個問題，您選擇怎樣的立場?

我對此表示堅決反對。

Q：即使是非致命性用途，您也同樣反對嗎?

這個嘛，我也不是特別反對。我認為我們需要明確一點，即機器人殺手是有違道德的產物。我們需要改變文化層面的認知，包括調整法律與法規，這將是一條漫長的道路。

當然，我們很難徹底阻止這方面嘗試。畢竟人們會反駁稱，“那些流氓國家會開發自己的人工智能武器。”但我的答案是，我們希望對方為此感到內疚，畢竟我們也可以利用人工智能開發出防御性技術。用于摧毀無人機的防御性武器，與針對人類目標的進攻性武器之間存在著巨大的差異。二者都可以利用人工智能技術。

Q：在您看來，AI專家難道不該與軍方合作以確保這類技術得到合理使用嗎?

如果專家們擁有正確的道德觀念，那當然是件好事。但我并不會完全信任軍事機構，因為他們更傾向于職責放在高于道德的位置上。我希望他們能夠做出轉變。

Q：在新的人工智能前沿研究方面，最令您感到興奮的方向有哪些?

我認為我們需要考慮人工智能研究中存在的艱難挑戰，而非對短期內出現的漸進式進展感到滿足。當然，我不是說我們要否定深度學習的意義，但我希望整個行業能夠以此為基礎，對其加以擴展以實現推理，從而真正讓人工智能掌握因果關系、乃至探索世界以學習并獲取信息。

如果我們真的希望建立起與人類相近的AI方案，那將展開新的發展篇章。我們需要長期投入，在這方面學術界將成為激發火種的***環境。

Q：您提到了因果關系——換句話說，您希望人工智能不僅掌握數據中的模式，同時也應理解為什么會出現這樣的模式。為什么這一點那么重要?實現起來又為什么如此困難?

如果我們能夠根據自身面對的世界建立起良好的因果模型，那么我們甚至可以在不熟悉的情況下對該模型加以推廣。這一點至關重要。我們人類能夠將自身映射至與日常體驗截然不同的情境當中，而機器卻不行——其中的區別，就在于機器不具備此類因果模型。

我們可以手動設計這種模型，但這顯然遠遠不夠。我們需要能夠發現因果模型的機器。在某種程度上，因果模型永遠達不到***，事實上我們從來也沒有得到過***的現實因果模型; 也正因為如此，我們才會犯下種種錯誤。但是與其它動物相比，我們人類確實做得更好。

就目前來講，我們還沒有找到真正良好的算法。但在我看來，只要有充足的人手參與到這項工作當中并真正對其給予重視，那么我們必將取得可喜的進展。