營銷AI展為您帶來MAICON 2021的特別節目!在穀歌和Facebook等大公司了解一些人工智能背後的曆史。
你現在可以在你最喜歡的播客應用上收聽，或者繼續閱讀更多本集的摘要和文本。
在本周的節目中，節目主持人保羅·羅策爾與科技記者凱德·梅茨坐下來《紐約時報》，以及著有天才創造者:將人工智能帶入穀歌、Facebook和世界的特立獨行者．
這個特別的插曲發生在2021年MAICON期間，當時保羅和凱德坐在爐邊聊天，討論人工智能的曆史。
在這一集中，保羅和凱德討論了過去幾十年發生的一些關鍵事件，這些事件促成了人工智能的今天。
通過研究和經驗，凱德分享:
- 深入了解人工智能主導地位之爭中發生的事件和關鍵時刻。
- 關鍵球員包括德米斯·哈薩比斯、傑夫·辛頓和其他為他人製定路線的人。
- 想想我們接下來要去哪裏。
時間戳
(00:05:35)關於AlphaGo時刻的細節(甚至更多)[00:31:48])
[00:07:55] 2012年的意義
[00:22:19]了解揚·勒丘恩
[00:25:29] OpenAI和GPT-3如何融入其中
[00:41:09]凱德談他對人工智能的"複雜感情
觀看視頻
閱讀采訪記錄
免責聲明:本文由人工智能編寫，感謝深,．
(就是)保羅Roetzer:今天和我一起的是《紐約時報》的凱德·梅茨他是一本很棒的新書《天才創造者》的作者。凱德，非常感謝你來麥康。所以我要給你們講個故事。我不認為你和我談論過這個問題，但我在2019年聯係過你，讓你在我們最初的會議上做主題演講，當時我們的日程安排不好。
(00:00:28)但那時候你還沒有寫《天才製造者》。但你曾在《連線》雜誌工作，後來又在《紐約時報》工作，我一直在關注你的寫作，我想從AlphaGo開始，我知道我們今天會稍微談談AlphaGo和DeepMind，但我一直在密切關注你的寫作。
(00:00:44)然後你在2021年3月推出了Genius Makers，對吧?它是今年早些時候出版的。我在四月的第一周放春假。我在度假的時候聽著這本書。我從2011年開始研究人工智能。關於這個話題，我幾乎讀過了所有你能讀到的書。
(00:01:07)但我是一名文科作家，我畢業於新聞學院。但這10年來，我一直在試圖理解為什麼我們沒有走得更遠。所以當我在2011年開始關注人工智能時，沒有人在談論人工智能、營銷和銷售。它是在學術界，剛剛開始被IBM和其他一些主要參與者商業化。
(00:01:29)所以我開始研究並一直寫關於它的文章，試圖弄清楚為什麼這不是一個更大的事情?為什麼市場營銷的發展速度不夠快?當我四處走動，聽著你的書，我意識到這是因為大多數的創新都是在過去的9年裏才剛剛開始發生的。
(00:01:49)我以前在不同的書裏讀過，比如欣頓和ImageNet的不同故事，我們會深入一點。但出於某種原因，當我聽到你們的故事，這些第一手的內幕故事，關於這一切是如何在過去9到10年發生的，我的世界改變了。就像它真的改變了我對正在發生的事情的重要性的看法。
(00:02:09)首先，我想感謝您能來這裏講述這個故事，因為我認為您的書是我所見過的最全麵的書，講述了那些真正在建造這些東西的人背後的故事。所以這是一本不可思議的書。首先，我想感謝你們來到這裏講述這個故事。
(00:02:28)凱德梅斯:謝謝你這麼說。最讓我感興趣的是它改變了你的觀點。這就是我寫這本書的目的。關於人工智能的炒作太多了。這個詞經常被拋出，但很少有人理解它的意思，但是，你知道，因為它被應用到所有事情上，你知道，諷刺的是，隨著所有這些極端炒作的建立，已經有了真正的變化。
(00:02:54)但訣竅在於將炒作與實際情況區分開來。這就是我想用這本書做的，但同時，講一個好故事，對吧?這是一個關於一些了不起的人在一些了不起的情況下的故事。如果你能做到這兩點，希望這是一本有效的書。
(00:03:15)保羅Roetzer:讓我們回顧一下你的職業生涯。
(00:03:18)因為我是2000年大學畢業的。這些東西都不是公開的。我的意思是，我知道人工智能在2000年就被研究了。但在我職業生涯的早期，我們並沒有談論這些東西。從1994年到2007年，你在《PC》雜誌工作，報道計算機相關技術，我肯定報道了這個領域的大公司。那時候你是在研究AI還是寫關於AI的文章?
(00:03:48)凱德梅斯:時不時地。你知道，這段時間就是我們常說的人工智能冬天。當人們對這個領域失去信心的時候。你會一次又一次地看到這個領域的周期性，在那裏炒作會不斷累積。
(00:04:09)人們變得興奮起來，研究加強了，媒體對研究的報道也加強了，然後它就沒有實現它的承諾。然後你就會陷入這種幻滅的低穀。那就是其中的一次。所以我時不時地會寫一篇文章，但當我在2012年左右進入《連線》雜誌時，情況真的發生了變化。
(00:04:38)當你開始一份這樣的新工作時，你通常會向潛在的編輯推銷你將要報道的內容。比如，大的主題是什麼?人工智能並不是我提出的主要主題之一，但在我到達那裏後不久，它就成為了我和我的團隊負責的主要內容之一。
(00:05:00)因為這種變化是突然發生的，所以當事情開始發展的時候，它就在那裏。我們可以討論為什麼會發生這種情況以及後果是什麼，但就在這裏，2012年。
(00:05:11)保羅Roetzer:是的，2012年發生了很多變化就像你在書中提到的那樣。你是什麼時候決定寫這本書的?
(00:05:21)你知道，你什麼時候開始關注，好吧，這裏有一個關於人工智能的更大的故事，而不僅僅是膚淺的東西和來自學術界的東西?就像有一個真實的故事，真正的變化開始發生。你什麼時候想到的?
(00:05:35)凱德梅斯:嗯，就在所謂的AlphaGo時刻之後。
(00:05:39)所以2016年，倫敦的人工智能實驗室DeepMind建造了這個係統來玩古老的圍棋遊戲。他們把它帶到韓國首爾。我很幸運能親眼目睹這台機器擊敗世界上最好的圍棋手之一，過去十年來最好的圍棋手，一個叫李世石的人。
(00:06:01)這是圍棋領域的大多數人，人工智能領域的大多數人，在幾十年內都認為不會發生的事情。它以一種非凡的方式發生了，我在《連線》雜誌上寫過，當我回來的時候，我看到了技術的發展，也和Demis Hassabis這樣的人呆了一段時間，他領導了DeepMind實驗室，繼續領導DeepMind實驗室和其他實驗室。我決定寫一本關於他們的書。
(00:06:30)通過人們來講述這個故事。任何好的故事都是關於人的，無論你寫的是科技還是其他東西。當我開始製作遊戲時，甚至在我向發行商推銷遊戲後，它還沒有被接受，但隨著技術的進步，我們開始看到它能做什麼，不能做什麼，以及它可能導致的問題，它的故事變得越來越豐富;它變成了一個比我想象的更好的故事，但在朝鮮戰爭之後，我決定寫它。
(00:07:08)保羅Roetzer:所以我肯定想回到AlphaGo。如果你還沒看過紀錄片《阿爾法狗》(AlphaGo)，凱德就在紀錄片裏，但這隻是人類曆史上一個非凡的時刻。這是一個非凡的故事。德米斯就是其中之一。這本書裏有很多玩家。有很多故事被講述，但德米斯肯定是這本書的核心人物之一，還有一個叫傑夫·辛頓的人，他是多倫多大學教授和人工智能研究員。
(00:07:35)你以辛頓的故事和你之前提到的2012年的時刻作為開場白。為了真正吸引讀者，並讓你意識到，這不僅僅是一堆技術和數字轉型——一個在營銷中經常出現的術語。
(00:07:55)讓我們回到2012年。Geoff Hinton和他的團隊發生了什麼，那一刻的意義是什麼，不僅在人工智能領域，而且在人類曆史上?
(00:08:08)凱德梅斯:這個意義是多層次的。從某種意義上說，你取得了技術進步。Geoff Hinton是多倫多大學的教授，他和他的兩個學生建立了一個識別物體和圖像的係統。
(00:08:24)這是計算機科學家和公司多年來一直在努力做的事情。當我們看著你的照片時，僅僅是能夠認出你的臉，認出照片中的貓或狗或其他任何東西，這是一件非常非常困難的事情。隨著時間的流逝，幾十年過去了，機器在這方麵做得越來越好，但它們甚至還不能像人類那樣，能夠瞬間識別事物。
(00:08:57)Geoff和他的兩個學生建立了一個係統，這個係統可以做到這一點，其精度是沒有人認為是可能的。這類似於AlphaGo的時刻。這是發生了的事情，而人們多年來都認為不會發生。更值得注意的是，他們建立了一個運行良好的係統，一些最大的公司立即意識到這個係統的重要性，傑夫意識到他們有多感興趣。在這本書的開頭，他將自己的服務拍賣給出價最高的人。還有穀歌，微軟，中國的百度，中國最大的互聯網公司之一，還有DeepMind，順便提一下，Demis的哈薩比斯的實驗室，最終建造了圍棋機器，他們都在競標Geoff的服務。
(00:09:54)保羅Roetzer:通過一個真正瘋狂的電子郵件競標過程，就像讀一本小說——你在那些頁麵上講述了這一切是如何展開的。
(00:10:02)凱德梅斯:這是一個非凡而瘋狂的故事。你知道，我經常告訴人們，如果你在為《紐約時報》寫一篇文章，或者如果你在寫一本書，最困難的往往是決定如何開始。
(00:10:14)有時你花了幾個星期才開始，你進展如何?好吧，一旦我有了這個故事，這本書就必須從那裏開始。沒有其他選擇，因為它列出了未來10年將發生的一切。從科學家德米斯、傑夫和傑夫的兩個學生，到公司，所有的大玩家都已經在那裏了。穀歌在那裏，微軟在那裏，中國，這可能會讓一些人感到驚訝，它從一開始就是一個參與者，以百度的形式，它也是拍賣的一部分。值得注意的是，這個驚人的戲劇性故事是我們在此後10年裏所看到的一切的縮影。
(00:11:02)保羅Roetzer:所以我們遇到了一個拐點，你談論了很多神經網絡的概念，這是一個術語，我們的很多觀眾:營銷經理、總監、副總裁、首席營銷官……你在營銷領域不太經常聽到神經網絡，但我認為這個術語現在在公共領域已經足夠熟悉了，你可能至少熟悉這個概念。
(00:11:23)這就是他所講述的故事:關於神經網絡的想法，可以追溯到20世紀50年代和60年代，當時有一小群科學家和研究人員認為他們可以，從本質上模仿人類大腦。找到一種人類思考的方式，使各種新的、令人驚歎的事情成為可能。
(00:11:44)然後為什麼就沒發生呢?50年。所以在ImageNet的那一刻，Geoff和他的團隊，突然證明了這些50到60年前的理論，這實際上是可能的。所以技術有一個拐點，但正如你所提到的，你談了很多關於它是如何在這個領域的主要參與者中引發人才和技術的軍備競賽的。
(00:12:13)凱德梅斯:這是正確的。這就是為什麼這些公司在2012年的那個時刻對傑夫和他的兩個學生出價如此之高。這不僅僅是因為他們建造了可以識別物體和圖像的東西。光是這一點就很強大了，對吧?最終駕駛自動駕駛汽車。這就是自動駕駛汽車看待周圍世界的方式。
(00:12:32)它們可以通過神經網絡識別行人或街道標誌或其他任何東西。但這個想法比這更有力量。這和現在識別語音的想法是一樣的，當你對著你的iPhone說指令時，這就是今天幫助推動藥物發現的原因。製造圍棋機器的DeepMind實驗室最近有一項重大成果，可以幫助我們開發新的藥物和治療疾病。
(00:13:04)這樣的例子不勝枚舉。你現在有了可以更好地理解自然語言的係統，所以你和我說話的自然方式，最終可能會導致聊天機器人，它可以進行對話。所有這些都是由一個想法驅動的，神經網絡。正如你所說，這是一個可以追溯到五十年代的想法，但從未奏效。這本書就是這樣。
(00:13:28)在2012年的這一刻，這個想法開始奏效，然後你回到50年代，你看到這個想法掙紮了幾十年。你會看到整個科技界一次又一次地對這個想法失去信心，以至於大多數人都認為傑夫·辛頓(Geoff Hinton)這樣的人繼續研究它是瘋了。
(00:13:52)然後它終於起作用了。這通常是一個偉大的故事:人們可能看起來很瘋狂，但最終，最終有了可以改變世界的想法。
(00:14:05)保羅Roetzer:所以從時間的角度來看，讓我們回到我們是如何開始的，以及我自己在2021年4月的一種意識，在對這個領域研究了10年之後，這是2012年底，這正在發生。
(00:14:19)所以我們談論的是不到9年前軍備競賽才剛剛開始。所以當你縱觀整個市場，成千上萬的供應商現在許多都聲稱某種形式的人工智能、機器學習和自然語言生成，所有這些作為營銷人員，我們開始聽到的術語。直到2012年的那一刻，人們才開始相信你可以將這項技術商業化，現在是爭奪人才的比賽。
(00:14:46)所以Geoff Hinton並沒有在穀歌工作，年薪幾百萬，而是和他的兩個研究員成立了一家公司，並以4400萬美元的價格出售。但他在2009年之前就在微軟工作過。
(00:15:08)凱德梅斯:這是正確的。在2012年之前，他就已經讓它用於語音識別了。他當時正在微軟內部構建一個係統，可以準確地識別語音，這在以前是不可能的。所以你可以看到它對語音的作用，但人們還是說，好吧，好吧。
(00:15:30)它隻適用於速度，而不適用於其他任何東西。然後在2012年，它開始處理圖像，那時人們才真正覺醒。我認為有必要簡單地指出為什麼這個觀點，最終，如此強大，並且已經被證明是。那就是它自己學習這些任務，對吧?幾十年來，我們構建人工智能或任何其他技術的方式，在很大程度上，是如果你想建立一個語音識別係統，你把成千上萬的工程師放在一個房間裏，讓他們一行一行的代碼，一條一條的規則，試圖定義我們說的所有單詞。他們必須定義或試圖定義的每一個小片段，試圖告訴計算機在每微秒內要做什麼。
(00:16:23)神經網絡很強大，因為它可以自己學習這項任務。你給它幾千個小時的口語，比如技術支持電話，它就會分析這些。它能識別你我說話時的模式，並學會自己識別這些聲音。
(00:16:48)當涉及到技術開發時，這總是比讓工程師手工完成更快。這就是為什麼我們在過去10年裏在我所說的所有這些領域都取得了這些成就。
(00:17:00)保羅Roetzer:你講了一個關於微軟的很棒的故事，因為Hinton在所有主要科技公司的第一次真正的工作是去那裏，為他們的技術工作。
(00:17:10)但他們已經研究了20年了。微軟並不是剛剛意識到人工智能的存在，他們有完整的團隊致力於這項工作。我想你講過一個人的故事，他坐在房間裏看著演示，意識到他20年的生命就這樣浪費了，因為這個東西在兩周內就能做到他的團隊用20年完成的事情。
(00:17:31)這是非常了不起的
(00:17:32)凱德梅斯:這是一個非凡的時刻。它抓住他了。克裏斯·布洛克特是個好人。他原本是一位語言學家，這類人被雇來試圖建立一個能夠理解自然語言的係統，而不是一個計算機科學家，一個試圖為機器定義語言的各個方麵的語言學家，一個規則一個規則。
(00:17:50)他年複一年地這樣做。然後他坐在房間的後麵，為這兩位研究人員做演示他們在幾周內就造出了比他花了幾年時間的東西性能更好的東西。
(00:18:08)他真的被送到了醫院。他以為，他以為自己心髒病發作了。結果隻是極度恐慌發作。但這向你展示了，當你得到新的和不同的東西時，在這個領域，事情是如何轉變的。這實際上是一項老技術，甚至在神經網絡開始工作之前。
(00:18:33)他們比他親眼所見的那個簡單的想法更先進。
(00:18:39)保羅Roetzer:我認為有很多這樣的故事——這些人物隻出現了幾個段落，但它隻是把你想要表達的觀點帶回家。我認為貫穿全書，在聯結主義者和象征主義者之間存在著持續不斷的鬥爭。所以符號學家寫了所有的規則，你必須教機器智能。連接主義者認為它可以自己學習。這就是戰爭。然後是希望人工智能變得更好的人與希望利用人工智能獲利的人之間的鬥爭，這是一場持續的鬥爭。
(00:19:16)讓我們來看看其他幾個角色，書中真實的人物，他們確實有助於講述你從哪裏開始的故事，以及人工智能從哪裏開始的故事，它的起源，然後引導我們走到今天的位置。所以你很早就從Frank Rosenblatt開始。弗蘭克·羅森布拉特是誰?
(00:19:38)凱德梅斯:他是20世紀50年代康奈爾大學的教授，他相信我們一直在談論的這個想法:神經網絡的想法。他實際上建立了一個工作係統，並在50年代末向我現在的雇主《紐約時報》展示了它。這在當時是一個非常簡單的係統，可以識別大的印刷字母。
(00:20:06)打印字母a或者打印字母B，都可以。他告訴《紐約時報》和其他媒體，在它成功後，它將與其他所有東西一起工作，這意味著它將識別聲音和圖像，最終以某種方式在裝配線上建造自己，飛到太空，誰知道它會做什麼。所有這些都被《泰晤士報》轉載了。
(00:20:31)他的滑雪板稍微領先了一點，這向你展示了人工智能領域會發生什麼。當事物以簡單的方式運作時，很容易推斷並看到它在其他方麵也起作用。但後來，AI Winter終於出現了，當世界意識到這個想法無法實現他和其他人做出的宏偉承諾時。大部分領域都轉向了其他觀點，又回到了你們討論過的符號主義觀點。
(00:21:12)凱德梅斯:你會看到這種情況一次又一次地發生，這些年來，有了一點點進步，然後人們就會繼續前進。當時的情況是，盡管神經網絡的想法是合理的，但我們現在事後才知道，我們沒有足夠的數據量和計算機處理能力來實現它。
(00:21:34)所以為了分析所有這些聲音，分析所有這些圖像，你需要很多這些。你需要大量的聲音，大量的圖像，你需要大量的計算能力。把它們通讀一遍，然後學習這些模式。
(00:21:47)保羅Roetzer:當我們回到Facebook、穀歌和亞馬遜時，你開始意識到為什麼他們所做的是可能的。
(00:21:56)在Rosenblatt的時代，我們有一個反對者Marvin Minsky，如果我沒記錯的話，他寫了一篇論文，駁斥了Rosenblatt的感知器，如果我沒記錯的話，在1969年到1971年間，所有的研究都停止了，學術論文停止了，論文的引用也停止了。
(00:22:19)然後我們進入了20世紀80年代中期，在一些新的人工智能研究人員接過接力棒之前，這就是我們認識揚·勒丘恩的時候。揚·勒丘恩是誰?
(00:22:33)凱德梅斯:他是法國的一名工程專業的學生，在八十年代中期，Geoff Hinton和Yann LeCun同時，開始研究神經網絡中這個缺失的部分。
(00:22:51)正如我們所說，在Rosenblatt的時代，它在打印信件方麵工作得很好，但它不能做更多的事情。它缺少了這個數學部分。Geoff Hinton，我們講過的書中的主角，他在2012年真正改變了一些事情，他同時發現了這個作品，Yann LeCun，這個法國的學生也在做類似的事情，他們相遇了。
(00:23:19)Yann LeCun去了多倫多大學，和Geoff一起做博士後他們是80年代複興這一思想的一群人的一部分，你確實看到了複興，它開始在新的領域發揮作用。在卡內基梅隆大學，甚至有研究生用這個想法製造了早期版本的自動駕駛汽車。它可以看到周圍的路，學會看周圍的路，使用神經網絡的想法。因此，在我們進入90年代和21世紀初的另一個低穀之前，你會看到一些真正的進步
(00:24:01)保羅Roetzer:LeCun，如果你一直在關注並認識這個名字，他現在領導並與紮克伯格在2013年建立了Facebook人工智能研究實驗室FAIR。
(00:24:16)所以，在ImageNet上，Hinton的團隊證明了他所創造的深度學習的可行性，將神經網絡重新命名為深度學習，Facebook也加入進來，招募LeCun來建立一個研究實驗室。現在所有的大公司都意識到，你必須有研究實驗室，研究有趣的東西，吸引頂尖人才來推進正在發生的事情。
所以紮克伯格開始在人工智能上下注。與此同時，你也有了bbb的大腦。所以穀歌大腦誕生於穀歌大腦的創始人吳恩達。你可能也知道這個名字，因為他是Coursera的創始人，也知道他在百度的時間。
(00:25:06)所以你開始看到這些名字都是出現的，但他們也來自同一棵樹，不僅是學術樹，而且你開始看到像埃隆·馬斯克和彼得·蒂爾這樣的人從投資的角度產生的影響。所以馬斯克繼續幫助創建了OpenAI。
(00:25:29)現在讓我們稍微談談OpenAI和Sam Altman和他的團隊，因為我們開始真正進入對營銷人員有直接影響的領域，因為OpenAI的主要創新之一是GPT-3的概念，如果你參加過MAICON期間的其他會議，你就聽說過機器生成語言的能力。
(00:25:53)請告訴我們一些關於Sam Altman和OpenAI的事情，以及他們在那裏嚐試做些什麼。
(00:26:01)凱德梅斯:正如你所描述的，穀歌、微軟和百度競購Geoff Hinton的服務，而他最終以4400萬美元的價格加盟穀歌，這為人才設定了很高的價格。
(00:26:15)現實是，地球上很少有人在頂層研究神經網絡。然後它開始工作。這就是基本的供求關係，對吧?你有一個小社區，裏麵的人知道發生了什麼，你對他們的人才有巨大的需求。所以一個接一個，你會看到這些人去大公司尋求巨額資金。與此同時，埃隆·馬斯克和山姆·奧特曼，矽穀的兩位大咖，也想參與進來。他們在矽穀的Rosewood酒店開了一個重要的會議，這是風投們的一個著名聚集地，傳說中有很多交易在這裏達成，就在沙丘路上，風投和矽穀的主要路線。他們開會討論是否還有機會創建自己的實驗室，而大公司的所有人才。在很多方麵確實如此，但他們從其他公司挖走了一些關鍵人才，並建立了這個新實驗室，來追求與DeepMind相同的目標，順便說一下，倫敦的那個實驗室在2014年被穀歌收購了。
(00:27:38)凱德梅斯:因此，作為人才爭奪戰的一部分，以埃隆·馬斯克和山姆·奧特曼為首的新玩家出現了，你是對的。
(00:27:49)他們一直在努力構建能夠真正理解自然語言的係統，如你所說的GPT-3，是主要的例子。這是一個了不起的係統，它可以產生自己的推文，寫自己的詩，你知道，模仿唐納德·特朗普或喬·拜登。
(00:28:11)你知道，這並不完美。我想說清楚的是，它做了所有這些事情，但不是每次都做，但它是一個了不起的係統，可以為許多其他技術提供支持，而且它已經在這樣做了。
(00:28:27)保羅Roetzer:讓我們往回看。我想花幾分鍾談談其他主要人物。
(00:28:32)我們談到了辛頓，也談到了哈薩比斯，但我已經有幾年了，實際上，在AlphaGo紀錄片之後，我讀了你的故事，我開始相信他可能會成為我們這一代最重要的人。
(00:28:51)一旦你明白他要做什麼，一旦他們背後有Alphabet/穀歌的資源，你就很難不認為他會對社會產生巨大影響。伟德bv885所以在2010年，哈薩比斯和另外兩個人成立了DeepMind，他們的目標是創造人工智能。花點時間給我們解釋一下這是什麼意思?
(00:29:18)比如什麼是通用人工智能，它與我們今天擁有的人工智能有什麼不同?
(00:29:27)凱德梅斯:基本上，這是一種努力，建立一個機器，可以做任何人類大腦可以做的事情。你知道，人工智能這個詞已經被拋出了幾十年，就像我們說的，適用於所有事情。
(00:29:39)他們想要表明他們的野心遠大於此。他們想要建造一台真正智能的機器。順便說一下，這就是OpenAI的目標。Altman的實驗室也想做同樣的事情。這是一個難以置信的雄心勃勃的目標。我想再次強調這一點，這些人，哈薩比斯，奧特曼，為他們工作的人，他們不一定知道如何到達那裏。
(00:30:15)我們不知道如何建立這樣一個係統。這就是他們的野心。這才是他們真正的目標。我們會看看他們是否會很快到達那裏。這可能不會很快發生。這是一項艱巨的任務。很多時候，這種想法被誇大了。我們並不像某些人讓你相信的那麼親密。
(00:30:39)但這是過去十年發生的事情的重要組成部分，也是為什麼穀歌，例如，花費6.5億美元收購DeepMind實驗室，為什麼那些人離開一些大公司，去OpenAI做同樣的事情。這種觀念驅使著很多人。
(00:31:03)保羅Roetzer:在2004年的水平。於是他們在2010年創立了DeepMind。他們在2014年賣給穀歌，這本書裏有很多事實。比如，我不知道他們以前是否公開過，但我肯定沒有見過，比如Facebook為DeepMind支付的價格是穀歌的兩倍，但哈薩比斯基本上不信任紮克伯格，也不信任他們打算創建的東西的道德使用。
(00:31:24)所以他們甚至沒有考慮Facebook的提議。還有佩奇是如何在一次私人飛機上聽到其他億萬富翁談論DeepMind的，這真是太瘋狂了。所以，他們在2014年被收購。然後我知道2016年你在韓國觀看了與李石石的圍棋比賽。
(00:31:48)讓我們花點時間來解釋一下這段經曆。再一次，它的意義。這幾乎就像我們在2012年經曆了ImageNet時刻，然後我們在2016年經曆了AlphaGo時刻，可以說有更大的潛在影響。在那裏發生了什麼?作為這個事件的參與者，你有什麼經曆?
(00:32:11)凱德梅斯:它如此強大的原因之一是它是一種任何人都能感同身受的東西。對吧?在某種程度上，我們都是遊戲玩家，你知道，無論是我們小時候玩的桌遊，還是其他任何遊戲。這是一個時刻，就像我說的，大多數人工智能世界和圍棋世界都認為不會發生的事情，你可以建立一個係統，可以擊敗世界上最好的棋手。對於那些不知道的人來說，圍棋比國際象棋複雜得多。圍棋棋盤上可能的走法比宇宙中的原子還要多。它不像國際象棋，你可以建立一個基於規則的係統，然後預測遊戲的結局，然後以這種方式擊敗人類。下圍棋要憑直覺。
(00:32:59)頂級球員談到了這種現象。有時候他們隻是憑感覺。所以為了打敗最好的選手，你必須製造一台至少能模仿那個的機器，而人們認為這是不可能的。好吧，DeepMind建立了這樣一個係統，他們把它帶到韓國與世界上最好的棋手之一李世石比賽。
(00:33:19)他們常說他是過去十年來最好的球員。你還必須明白的是，圍棋在韓國是一種民族遊戲，就像在日本和中國一樣。整個國家和非洲大陸的大部分地區都在關注這場比賽。
(00:33:43)保羅Roetzer:我想你說的2億人比超級碗還要多。
(00:33:46)凱德梅斯:完全正確。隨著比賽的起伏，你可以感受到整個國家的起伏。當機器在前兩局比賽中獲勝，然後是第三局比賽，你可以感受到悲傷籠罩著整個國家，然後當李世石回來贏得第四局比賽時，在某種程度上與機器相匹配，從機器那裏學習，那是一個同樣不同尋常的時刻。你可以感受到舉國上下的歡欣鼓舞。這是門外漢了解正在發生的事情的一種方式。
(00:34:28)這是一個由神經網絡驅動的係統，它可以學會自己玩遊戲，並學會自己玩得那麼好。所以基本上他們建立了一個從人類圍棋走法中學習的係統。一旦建立起來，他們讓機器與自己對抗，它與自己進行了數百萬場比賽，學習各種技能，使它能夠擊敗世界上最好的人類之一。
(00:34:57)保羅Roetzer:本質上，它所做的就是計算概率。它是在預測人類會做什麼。它根據自己認為最大的獲勝概率來采取行動。我知道這是著名的還是臭名昭著的，看你怎麼看，第二局第37步。
(00:35:16)再一次，如果你看了這部紀錄片，我哭了，就像，我的意思是，隻有這一刻，當你看到它做了什麼，以及它對人類的影響。這部紀錄片我大概看了五遍，但那一刻仍然讓我感動。所以請花一點時間來解釋第37步發生了什麼，以及這一特定步驟的意義是什麼?
(00:35:36)凱德梅斯:就像我說的，係統一開始會從人類的動作中學習?所以它知道人類在特定情況下會做什麼。好的。當它到達第二局的時候，它知道如果它走那一步，我們現在稱之為第37步，如果它走那一步，那不是人類棋手會走的一步。
(00:35:59)計算出人類做出這一舉動的幾率隻有萬分之一，但它還是做出了這一舉動，因為它接受的訓練超出了人類的能力。它自己玩了所有這些遊戲。然後它認為這是一個很好的一步，盡管人類永遠不會下這一步。那是一個非凡的時刻。
(00:36:20)這一點即使對建造它的人來說也很了不起。他們都很驚訝。他們很驚訝，你知道，第二天當他們看著這些數字，發現人類做出這種舉動的機會是如此渺茫，但它還是做了。這是圍棋世界裏沒有人預料到的，當然係統的設計者也沒有預料到。
(00:36:48)他們不是圍棋選手，對吧?這些是計算機科學家。他們建造的東西遠遠超出了他們的能力。這是一件了不起的事情。
(00:36:58)保羅Roetzer:所以當你開始寫這本書的時候，隻看這本書的封麵，你就會意識到這不是一個關於技術本身的故事。
(00:37:08)這是一個更大的故事，關於人，他們的目標，這些目標對社會的影響，那些在人工智能研究方麵是善意的人，那些可能是惡意的人，公司，政府，或者那些基於如果我們不做這件事，別人會做的決定。
(00:37:26)他們所做的研究並不總是提出正確的問題。但在你書中的介紹中有幾行說“聰明，為人意味著什麼?”我們真正想從我們擁有的生命和智慧中得到什麼，或者可能創造出來的?”我很好奇，你在研究中找到這些問題的答案了嗎?
(00:37:43)我的意思是，你為了這本書采訪了數百人，然後在過去的9年裏，你覺得你更接近這些答案了嗎或者做研究的人更接近這些答案了嗎?
(00:37:57)凱德梅斯:嗯，是也不是。我當然更接近了，但這並不意味著我就接近了，如果你懂我的意思的話。對吧?這本書的非凡之處在於，人們的觀點差異如此之大。他們都是獨立的人，有自己的目的和目標，對世界有自己的看法和看法。你會得到這個不可思議的光譜。有些人認為AGI即將到來，它會摧毀我們。
(00:38:36)保羅Roetzer:埃隆·馬斯克是這一想法的重要支持者。
(00:38:40)凱德梅斯:完全正確。他並不孤單。但另一方麵的人，他們的看法非常非常不同。
(00:38:48)保羅Roetzer:紮克伯格?再說一遍，你能認出來的名字有一些非常傑出的人，他們不同意這些東西，甚至有一點接近。
(00:38:58)凱德梅斯:你可以在書中看到，紮克伯格和馬斯克在紮克伯格家共進晚餐。
(00:39:03)這件事是實時討論出來的。我所知道的是，我們確實取得了進展，每個月你都能看到進展。就在這個月，我們一直在談論的OpenAI實驗室發布了一個專門用於編寫自己的計算機程序的新係統，名為Codex。
(00:39:33)這是一件了不起的事情，它可以做到這一點，你可以用簡單的英語說，“給我寫一個程序，讓它在黑色背景上下雪。”它是這樣的。你可以在瞬間看到它的出現。這是一件了不起的事情。但另一方麵，你知道，你可以讓它做別的事情，一會兒之後。
(00:39:58)代碼不會完全正確，它不會運行。正確的。你不得不擲骰子。也許十有八九，這樣的係統會完全正確，讓你驚歎不已。其他五個，還是有缺陷的。它真正缺乏的是推理能力。你我都有。機器不具備這一點，我們如何才能做到這一點還不清楚。
(00:40:26)或者即使我們應該這樣做。這些關於我們是否應該開發這項技術的問題是有效的。即使是這種簡單的技術開始工作，也會產生各種各樣的問題，就像你在書中看到的那樣。一個接一個的擔憂被提出，因為這個想法開始起作用了。
(00:40:50)保羅Roetzer:我看到你在推特上回應福布斯網站對這本書的評論:“當人們看到我書中的幽默時，我很興奮，但當他們看到幽默和悲傷以及其中的複雜情感時，包括我自己的情感時，我更高興。”你這話是什麼意思?
(00:41:09)凱德梅斯:好吧，我，就像書中的許多人一樣，看到了這項技術在哪裏出了問題，在不久的將來可能會出問題。無論是自主武器，虛假信息，這些係統不僅能識別話語或圖像，還能創造自己的東西。他們可以創造一個看起來像真人的人的形象。
(00:41:42)他們可以創造出你的聲音。聽起來像你。他們能把話塞到你嘴裏。這是一個潛在的非常非常危險的事情。在過去的幾年裏，我們都看到了網上虛假信息的影響。這是人類製造的虛假信息。如果你能讓機器在無限的範圍內產生這些，會發生什麼?
(00:42:07)那就真的成了問題。我們該如何處理這些事情呢?這些都是那些比我更接近這些理念的人所糾結的事情。你知道，他們花了自己的職業生涯來開發這項技術，最終他們會質疑，它將如何被使用，他們如何能阻止它以他們不應該的方式被使用，尤其是當它掌握在這些非常非常大的上市公司手中，有這麼多錢可以支配。
(00:42:41)保羅Roetzer:不幸的是，關於這個話題有很多很棒的書，但整個基本前提是，如果我們不做，別人會做。因此，如果德米斯和他的團隊真的相信，通過構建AGI，他們將學會控製它。但如果別人先得到AGI，沒有這些限製，那麼它可能會出錯，然後他們會覺得實現這一點真的是他們的人生使命。
(00:43:03)那麼，它會導致大量的負麵影響嗎?絕對的。但他們的信念是，如果他們不這樣做，其他人可能會先做到;也許是一個有壞人的外國政府。所以肯定有一些人是為了盈利才這麼做的。
(00:43:23)但似乎我們今天談到的許多主要研究人員都在證明這是可能的。我的意思是，學術人士一生都在研究理論，就像物理學家一生都在研究他們可能永遠無法證明是正確的理論一樣，但這激勵他們看到這一點。其他人則是出於商業原因。
(00:43:43)但似乎這些關鍵人物真的這麼做了，因為他們認為這將會發生。這種人工智能可能會在他們有生之年出現。如果他們能先到達那裏，他們就能找到控製它的方法。
(00:43:58)凱德梅斯:這是真的。這是一個真實的現象。這是一種真正的信念。你知道，我在書裏把它當做一種信仰。這未必是科學家的故作姿態。這是他們真正相信的事情，他們認為這將會發生，這可能是一個危險，他們需要以一種安全的方式來建造它，以防止這種情況發生。
(00:44:26)保羅Roetzer:我的意思是，我真的可以坐下來問你20個問題關於這本書的每一章，但我想注意這裏的時間。我認為結束這次談話的一個好方法就是把這個話題放回去。我們從一些非常實際的對話開始，圍繞深度學習、語音輔助和語言生成的使用，以及微軟。
(00:44:45)我們沒有提到這一點，但是微軟在OpenAI上投資了10億美元來獲得語言生成技術的授權。這些都是真實存在的。AGI可能在一年內發生。這可能永遠不會發生在我們的有生之年。我們不知道，他們也不知道。我認為這是關鍵。你提到了圍棋。2015年，大多數人工智能研究人員都認為這是不可能的。你說Facebook的故事就像登月計劃一樣。這是德米斯的團隊大概三周後的樣子，“是的，我們已經做到了。” They don't know when these major breakthroughs are going to happen, but what we do know is deep learning has, for the last nine years, proven it can be applied to vision, to computer vision, image recognition,
(00:45:29)它可以應用於語音識別、自然語言、生成、翻譯、文本到語音、語音到文本……都有這些實際應用。對於那些營銷人員和商業領袖來說，你的建議是什麼呢?他們可能就像2009年的微軟一樣，一直認為這不是真的，這些東西不適用於我……”
(00:45:50)你已經做過調查了。所有的文章都是你寫的。你麵試過所有的人。這項技術現在有多真實?你認為它會對現實世界產生什麼影響?真實的商業世界在未來幾年不會有重大飛躍嗎?再說一次，我們已經看到的真正的技術?
(00:46:11)凱德梅斯:哦，這是，這是真的。但你知道，描述一下它是如何使用的以及將如何使用是值得的。我今天剛和一個經營著一家公司的人聊過，這家公司幫助圖書館和報紙處理他們龐大的照片檔案。這是一項技術，可以通過數百年的照片，識別人物，標記照片，幫助組織它們，並幫助你把這些照片賣給網站或其他報紙或其他任何東西。
(00:46:49)這是一個真正的應用。這項技術有無數種用途。就像我說的，我們正在看到無人駕駛汽車的興起。這將是一個緩慢的過程。再說一次，機器不能像人一樣推理。所以這就是為什麼我們沒有到處看到它們，但在過去的10年裏，識別道路上發生的事情所需的技術已經有了飛躍式的進步。
(00:47:16)你會看到技術不斷進步。你會越來越多地在道路上看到它，其他類型的機器人也一樣。你可以在倉庫中看到這種情況，那裏的係統由可以學習的神經網絡驅動。
(00:47:37)識別物體，把它們撿起來，放在一個新的箱子裏。這就是亞馬遜倉庫每天都在發生的事情，在那裏他們很難雇人來做這件事。機器越來越有能力做到這一點。有很多領域需要勞動力，而機器開始提供這些勞動力。
(00:48:01)你會在網上看到這個。你會在現實世界中看到它。我們已經在兩個地方都看到了。
(00:48:09)保羅Roetzer:我知道你在書中提到過，但整個想法——我們在整個會議中都在討論——你在Netflix、Spotify、穀歌地圖、GMail和亞馬遜購物等所有這些東西上體驗到的個性化和便利性，如果沒有過去9年或10年的進步，這些都不會發生;這些深度學習類型的神經網絡，它們嵌入到你使用的所有東西中，在任何地方發生個性化，語音識別，機器能夠說話，這都是可能的。在商業和營銷領域，我們還沒有達到那種無縫整合到一切事物中的拐點。對我來說，當我讀這本書的時候，它就像，它來了。
(00:48:47)我一直在想，為什麼在2014年和2015年，所有主要的營銷軟件公司都沒有將人工智能注入到所有東西中。當我讀到你的書時，我想，“哦，因為穀歌還沒有做過。”AWS當年並不像今天這樣強大。我們無法從Facebook、微軟和穀歌獲得現成的機器學習算法，但這種情況已經改變了。
(00:49:11)你提到數據就在那裏。Nvidia GPU和穀歌TPU的計算能力:我們現在有能力實現人工智能在20世紀50年代的承諾，那些研究人員當時的理論，我們可能不會建造人類的大腦或重新創造人類的大腦，給我們，你知道，理性、邏輯和意識。
(00:49:33)就像，我們並不是說機器會存在，但現在的技術已經對人們的業務，對他們的職業生涯產生了真正的影響。所以，你知道，作為結束，如果你還沒有讀過凱德的書，我這裏有。我已經讀了兩遍了。讀一讀——我保證它會改變你對可能性的看法。
(00:49:55)你會以不同的方式看待當前的商業和社會狀況，也會以不同的方式看待自己職業生涯中的可能性。凱德，我隻是想，再次感謝你抽出時間，感謝你的見解，感謝你的文章以及你最近幾年所做的所有研究和運作，這對我很有幫助。
(00:50:13)我相信它幫助了像我一樣的人，但我非常感謝你的時間和見解，你能作為今年會議的一部分加入我們。
(00:50:22)凱德梅斯:我很樂意做這件事。我很喜歡這次談話。謝謝你！
(00:50:24)保羅Roetzer:我期待著未來的事情，我想問下一個問題，但我打算把它留到我們的下次談話。
(00:50:30)謝謝,凱德。再次感謝。感謝大家參加2021年人工智能營銷大會。