Harri Valpola是名芬兰计算机科学家，同时，他也是ZenRobotics创始人兼CTO，Curious AI Company创始人兼CEO。

 

Harri Valpola的理想是创造AI互联网。“从人类的角度来看，它看起来像个巨大的大脑，像互联网一样，AI将对我们的生活产生巨大影响”，或许这只是某种错觉，但我们仍坚持这一观点。因为只有这样才能让人类大脑理解互联互通的人工智能互联网。

 

然而前路漫漫，艰难而漫长。尽管近年来取得了一些进展，但人工智能的发展速度仍然不尽人意。Valpola 表示，“目前使用的所有AI都是二流的，而不是顶级的，这种AI就像愚蠢的蜥蜴，无法理解这个复杂的世界。我们需要大量数据，因为我们想要建立的是更倾向于哺乳动物的大脑。”

 

从学者到创业者的转变 Valpola遇到了很多难题

 

与许多研究AI前沿领域的计算机科学家和数学家一样，Valpola也拥有无可挑剔的研究能力。他是芬兰神经网络先驱Tuevo Kohonen的学生，他在阿尔托大学工作了二十年（研究人造大脑）。直到2007年他离开学术界，致力于把理论应用到现实世界的脏数据中，他才意识到自己缺失了什么。

 

为了把理论付诸实践，Valpola与其同事共同创立了ZenRobotics公司，主要致力于为智能机器人开发大脑。他说，我们原本的计划是对AI进行革命。技术在实验室中运作良好，但却总难以应付纷繁复杂的现实情况。

 

第一个问题是：数据。模拟实验中，机器人可以“看到”周围的一切，但计算机却总难以读取凌乱复杂的现实世界的数据。第二个问题是：现实情况下，计算机无法通过数百万次测试得到有效的解决方法。像人类一样，机器人是个物体，且总运动缓慢；由于受过多的重复训练，它们很少有机会能够自主进化发展。

 

Valpola表示，现实世界中，互动是种非常稀缺的资源。他使用的许多技术以及他人的研究所获得的许多惊人的发现，实际上是基于模拟环境。以AlphaGo为例，这是个非常好的系统，但为了让AlphaGo学会游戏规则需要花费的时间也是惊人的。该系统达到顶级人类玩家水平之前，从某种程度上来说已经花费了3000年的时间练习此游戏。

 

由于无法实现其初始目标，ZenRobotics公司进行了一些调整：现在，机器人致力于实现较为简单的目标，即从工业废物中挑选有用的原料。该公司筹集了1100万英镑，吸引了全球最大的回收公司成为客户。但对Valpola而言，一切都只是妥协。因此，2015年，Valpola离开了ZenRobotics公司，他打算从头再来，再进行一次尝试。

 

重头再来 创立The Curious AI Company

 

44岁的Harri Valpola创立了一家拥有20名员工的人工智能初创公司The Curious AI Company（以下简称Curious公司）。该公司不久前刚筹集到367万美元，与许多科技融资相比，尽管这笔资金数额还较小，但令人印象深刻的是该公司目前还没有产品问世，只处于前期研究阶段。

 

风险投资公司Balderton Capital的合伙人Daniel Waterhouse表示：“投资于研究型企业并不常见，但有益于本轮融资和之前的种子轮融资。但从长远看，研究型企业有能力创造出产品和商机。这种方式有利于培养人才，且Valpola也致力于建立一个世界级顶尖研究团队。” 

 

Curious公司联合创始人：从左到右分别是Harri Valpola、首席技术官（CTO）Antti Rasmus和首席运营官（COO）TimoHaanpää

 

Curious公司解决了当初ZenRobotics公司所面临的难题，首先是处理数据的难度。Valpola的方法很简单：“清理脏数据的最好办法是让电脑来处理”。2015年他发表了一篇文章，公布了他的第一次尝试：他描述了一个梯形网络：一个能够通过在结果中注入噪音来训练自己处理复杂情况的神经网络，像教师在考试题目中加入易错点来帮助学生保持警觉一样。

 

梯形网络允许计算机学习大量未经预先标记的例子，该领域中称其为半监督学习（semi-supervised learning）。手写数字图片是基准问题测试领域常用的数据集，此次使用该方法取得的实验结果令人惊叹。100个初始标记的示例中，该系统正确识别了近99％的图像。世界顶尖计算机科学家称赞该技术“令人印象深刻，是最先进的技术”。

 

Valpola继续研发新技术以处理其他类型的数据集。今年的神经信息处理系统大会上（AI领域的重要会议，也称NIPS），他将提出一个类似“梯子网络”的新技术，Valpola将其命名为具有双关意义的“Mean Teacher（刻薄的老师）”。发表的实验结果显示：此次实验对象是Google街景视图的房屋编号图片——即使仅经过较少的训练，该项技术仍然取得了较以往更好的表现。

 

Yoshua Bengio是蒙特利尔大学计算机科学系的教授，也是深度学习的领军人物之一，他说：“根据文中描述，我认为其取得的成果相当不错，是半监督学习的又一创纪录发展。”

 

Valpola也在研究其在ZenRobotics公司时所面临的另一个问题，即AI对于试错的依赖。这也是最先进的“无模型”AI所运用的方法——对于这类AI，研究人员并未预先将其可能遇到的所有规则预先录入。可以尝试数十亿种不同的场景，而后再逐渐建立有效模式。但现实世界中事情永远不会如此简单。Valpola表示，为了保证AI顺利运转，AI将需要基于相对较少的信息进行推理，这一能力也被我们称之为“计划”。

 

但问题在于神经网络仅能单向发挥作用。例如向其展示大熊猫和长臂猿的图像，他们将迅速而准确的识别出这两个对象。但如果问AI：“你会把长臂猿归为何种形象？”正如一个典型案例表明的那样，AI处于混乱状态，无法理解这个问题，即使长臂猿看起来与熊猫完全不同。Valpola说，“这项技术背后有坚实的理论作支撑，但引人注目的是其在实践中的表现。网络在一方面可信，另一方面竟然表现得如此愚蠢，简直让人难以相信。”

 

人类非常擅长逆向思考（很多动物也十分擅长于此）。当你思考某事物时，你也在这样做，这时你需要问自己：“我是如何做到这一点的？”你可能只考虑是否向老板发一封关于假期的电子邮件或者亲自打电话给他。神经网络可以利用目前情况和计划行动，且利用它们预测未来。但是，神经网络无法进行反向操作，不能说：“如果想要实现某个目标，你最好这样做”，神经网络的线性进程无法逆转。

 

对于任何智能决策过程而言，这都至关重要。Valpola表示，“我们已经解决了这个问题，能够调用可以发出语音的神经网络，能够以预期结果为导向做出行动。”尽管该研究尚未公布，但Valpola认为不久的将来这一切都将实现。

 

一切只是开始 Valpola想创造出“AI互联网”

 

对于Valpola而言，这一切还只是开始。他不会感到满足，除非创造出AI互联网。对此，他的解决方案是模仿人类思维过程，特别是人类思维方式中的“关系推理”。

 

想要理解关系推理的运作方式，只需要低头看下手。手与其他部分的关系十分密切，其他部分包括另一只手、身体的其余部分、房间的其他物体等。大脑通过将其放置在具体语境中使其变得有意义。

 

神经网络看待世界的方式非常不同。预将手展示出来，必须拍摄图片，之后图片被分解成像素；然后，神经网络开始处理像素，为每个局部区域分配一组数字：实质上其评分方法是通过对比不同对象的相似程度。

 

该系统模拟的是大脑中细胞的运动，但忽略了一个关键因素：即可以识别出对象的特征，但不能理解哪些特征属于哪个对象以及对象之间相互关联的方式。因此，它需要大量数据。因为它不能进行推断，注定要重新学习每一种情况。

 

“你无法恰当地表达某些事物，就好像某些东西属于一类，但又与其他事物分开，” Valpola说，“从内部看，该网络并未真正地代表某类事物。如无这一能力，人工智能在任何情况下都不会是革命性的”。

 

对于Valpola的观点，许多人表示同意。伦敦大学帝国理工学院认知机器人教授Murray Shanahan说：“我曾与Valpola见过几次面，我们对AI和深度学习有类似的观点，” Bengio补充道：“我认为他是对的。我自己就发起了一个有类似目标的研究项目。在我看来，从对知识的突破到更高层次的认知，这些才是未来进步的关键方面。”

 

问题在于：怎么做？Alphabet的人工智能研究部门DeepMind最近发表了一篇论文，对调整神经网络以应对挑战提出了建议。这篇文章没有给Valpola留下什么深刻印象。他说：“我在这一领域已经研究了很长时间了，现在出版的东西与八年前我们刚开始进行的工作非常相似。光是发现问题、描述问题不管用。”

 

Valpola说：这样做不行的原因在于它仍然是基于离散信息的数字模型。他认为：想要克服对象关系问题，人工智能必须能处理连续的数据信号——这意味着需要增强其模拟能力。

 

“这是人类学习的基础，” Valpola说。这一点也是他想要模拟哺乳动物大脑的关键：“我们需要的是与目前的深入学习具有相同知觉能力的东西，除此之外，还需要符号操纵能力和模拟推理的先天能力。”关于如何实现这一点，他表示“那是个秘密”，值得一提的是，这是自他进入学术界以来一直研究的问题。

 

“第一个原型是十年前建成的。而我们也正在继续这方面的研究。所以我们正在构建这些具有更好互动能力的神经网络。我认为人们目前还未意识到实现这一点的意义。接下来的一年中，我们将在该领域展开非常有趣的研究。”

 

试想AI如能理解关系，也有助于理解他们未来的发展方向。Valpola对于AI的常见难题置之一笑，例如回形针最多化（paperclip maximiser，这是牛津大学哲学家 Nick Bostrom 提出的一个思维实验）。“必须有一个智能系统来接管世界，另一方面，需要一个非常愚蠢的系统按照人类的要求办事。但到目前为止，这些还都未能实现。”他说道。

 

相反，人工智能将自己看作与其他智慧生物一样的复杂网络的一部分：不仅是人工智能（作为AI互联网的一部分），而且作为人类。他们会更加社会化，产生或好或更坏的影响。

 

Valpola表示，“如何带领人们走向美好生活，我认为AI能够理解这个问题。”

 

在AI的第一波发展浪潮中，你需要的是成为一名程序员。第二波浪潮中，你需要成为一名数据科学家。而在第三波浪潮中——你需要拥有更高的道德，而且越高，越好。

免责声明：本文来自科技行者客户端，不代表超天才网的观点和立场。文章及图片来源网络，版权归作者所有，如有投诉请联系删除。