浙江大学の呉飛氏とアリババの賈洋青氏が口論。AIの進化と年収100万ドルのどちらが本当なのか？

人工知能が再び人気を集めていることは間違いありません。

第14次5カ年計画では、国家発展の戦略的支えとして科学技術の自立を図り、人工知能、量子情報、バイオメディカルなどの最先端分野をターゲットにし、前向きで戦略的な国家の主要科学技術プロジェクトを数多く実施することを提案している。人工知能は新たな技術革新とデジタル化を先導するだろう。同時に、外の世界では人工知能に対する懸念と疑念が消えることはなかった。

人工知能の現実はどちら側にあるのでしょうか?

中国人工知能学会と杭州市余杭区政府は、AI技術の応用革新を促進し、人工知能分野における学術交流と人材育成を促進するため、第1回グローバル人工知能技術革新コンテストを共同で立ち上げました。アリババクラウド天池プラットフォームは、このコンテストにプラットフォームとコンピューティングパワーのサポートを提供します。

「AI Youth Talk」は、このコンテストに向けたウォーミングアッププログラムとして、浙江大学名誉教授で人工知能研究所所長の呉飛氏と、アリババクラウドコンピューティングプラットフォーム責任者の賈洋青氏を招き、人工知能技術と応用の発展動向について議論し、さらに重要なテーマとして、「AIの退化か年収100万か、どちらが現実的か」について語り合った。

（以下は会話の抜粋です）

人工知能に関わるにはどうすればいいですか?

ウー・フェイ：私が人工知能に興味を持ち始めたのは2009年のことでした。当時、私は自分の研究の方向性について深い不安を感じており、当時自分が書いたものは「醜くて退屈」だと感じていました。この間、私はカリフォルニア大学バークレー校の統計学部の Yu Bin 教授の研究グループの客員研究員になる機会を得て、機械学習モデルの理論とアルゴリズムについて深く学びました。

冷たい機械の背後には、それらを支える非常に多くの奥深いモデル、アルゴリズム、そして斬新な理論があることが判明しました。 1年後、私は浙江大学に戻り、人工知能の研究の道を歩み始めました。

Jia Yangqing: 私は自動化の勉強から始めました。以前、私たちは自動化は主に 2 つのことを行うと冗談を言っていました。1 つはボイラーを燃やすこと、もう 1 つはエレベーターを操作することです。

その後、大学院で勉強するうちに、人工知能や統計的機械学習に興味を持つようになりました。当時、人工知能はそれほど普及していませんでした。「人工知能は80%の問題を80%の時間で80%の精度で解決する」という有名な格言がありました。しかし、その80%の時間でどの80%の問題が解決されたのかはわからず、誰もが比較的低い状態にありました。

2006年にジェフリー・ヒントンがサイエンス誌に制限付きボルツマンマシンに関する論文を発表し、私は人工ニューラルネットワークや大規模トレーニングなどの基礎理論に興味を持つようになりました。私は2009年にカリフォルニア大学バークレー校に留学し、バークレーでウー教授のもとで1年以上を過ごすという栄誉に恵まれました。

博士課程の研究中に、ニューラル ネットワークとディープラーニング手法がますます重要になっていることに気付きました。当初はスパース コーディングなどの側面から始め、一連のソフトウェア スタックとそれに関連する科学的研究を構築して、ディープラーニング ベースのアルゴリズムをどんどん改善していきました。

2012年にAlexNetが登場し、一気にディープラーニングの重要性が世間に認識されるようになりました。それ以前の2010年頃から、RNNなどの手法が音声分野で応用され始めていました。当時、誰もがディープラーニング アルゴリズムに群がっていたものの、対応するソフトウェア ツール プラットフォームが比較的少なかったため、私たちはバークレーで Caffe の開発に着手し、その後、一連のディープラーニング フレームワークの開発に着手しました。

その後数年間で、ディープラーニング アルゴリズムの大規模な応用が見られ、アルゴリズムの革新と方法の実装の両方が非常に大きな市場を持つようになりました。

Alibaba の City Brain アルゴリズムであれ、DAMO Academy の多くの新しいアルゴリズム モデルであれ、私の研究が AI テクノロジーとアプリケーションのさらなる革新と発展を支える基盤として役立つことを光栄に思います。

第14次5カ年計画では、人工知能を最先端科学技術分野における「最優先課題」として挙げている。これは人工知能業界にとって何を意味するのでしょうか?

呉飛：2017年、国務院は中国の次世代人工知能開発計画を発表しました。この計画では、人工知能は未来をリードする戦略的技術であり、人類社会、生活様式、学習方法に必然的に大きな変化をもたらすと明確に指摘されています。

若者にとって、人工知能は未来を意味すると思います。なぜなら、それは社会の急速な進歩を常に推進する実現技術だからです。この計画では、大学が人工知能の学部専攻を設置すべきであるとも指摘している。 2018年、教育省は35の大学に人工知能の学部専攻を設置することを承認した。これまでに、国内の計345の大学が人工知能の学部専攻を設置している。

チューリングは1949年にチューリングマシンについて語ったとき、「（チューリングマシンモデルの提案は）未来への序章であり、未来の影にすぎない」と述べた。

そのため、若者にとって、基礎研究であれ、主要なコア技術のブレークスルーであれ、エンパワーメントシナリオの実現であれ、人工知能は静かに社会に入り込み、水や電気のように社会の発展にエンパワーメントをもたらし続けています。

今後注目すべき AI のトレンドは何でしょうか?

Jia Yangqing: 2012 年以前は、コンピューター ビジョン認識システムを開発したい場合、基本的には博士号を取得する必要があり、結果も必ずしも良好ではありませんでした。現在、0から1への蓄積はほぼ完了し、あるいは比較的成熟した状態になっていることがわかります。アルゴリズムの標準化と応用がトレンドになるでしょう。

今日では、自動運転のデモを作りたい場合、コンピュータービジョンの博士号を取得する必要はありません。現在ではオープンソース モデルが非常に多く存在するため、アルゴリズムの機能を迅速に改善できます。アルゴリズムの標準化とエンジニアリング、および標準アルゴリズムを特定のビジネス シナリオに迅速に組み合わせる方法は、今日のコンピューター ビジョン、音声、自然言語理解などの分野における主要なトレンドです。

もちろん、科学研究はまだ前進しており、私たちは新たなハイテクの方向性を模索しています。しかし同時に、既存の成果を大規模にさまざまなシナリオに適用する方法が非常に大きなトレンドであると考えています。

さらに、コンピューター ビジョン、音声、自然言語処理など、以前は単純だった垂直シナリオが徐々に統合され、一般的になり始めており、大規模なマルチモーダル モデルの使用が必要になることがわかります。ご覧のとおり、Google、OpenAI、DeepMind などの企業がこの点に関して多くの調査を行ってきました。

少し前に、OpenAI は GPT-3 モデルを発表しました。このモデルは、さまざまな形式のデータとさまざまな形式の入力の理解を統一するために、普遍的なマルチモーダル モデルが必要であると考えるきっかけとなりました。

これは別の傾向を表していると思います。一方では、既存の成果のエンジニアリングとスケーリングであり、他方では、サブフィールド間の相互接続と、より深く本質的な理解の達成です。

ウー・フェイ：注目すべき2つの傾向があることを付け加えておきます。

1つ目は0から1です。朱松春教授によると、現在の機械知能は「ビッグデータ、スモールタスク」です。たとえば、GPT-3には1750億のパラメータがあり、数千GBのトレーニングデータを使用してトレーニングされます。しかし、小さなサンプルから学習する人間の脳の能力、動物の直感力、そして一つの例から別の例へと推論を導く能力を人工知能や機械知能に持たせることは、私たちが直面している大きな課題です。

2 番目に私が思うのは、1 から N まで、人工知能は実現技術になったということです。私たちの学者、徐光迪は「人工知能には数学者の参加が必要だ」と言いました。

人工知能がブレークスルーを達成した分野は、脳科学や材料科学などの分野からインスピレーションを得ているはずなので、AI の次のブレークスルーは間違いなくビッグデータと学際的な交差点に基づくものとなるでしょう。

賈 楊青：私も一言付け加えておきたいと思います。今日の AI システム、特にコンピューター ビジョンや音声などの知覚の分野は、「パッケージ ディール」の状態で存在しています。たとえば、人や車としてラベル付けされた入力と出力があります。これはいわゆる「ワンショット」プロセスであり、ターゲット セットは手動で指定されることがあります。

単一点の目標または単一点の予測から、より完全な知識体系、いわゆるビッグナレッジに移行する方法。ウー教授が述べたように、「ビッグデータの小さなタスク」と「ビッグデータの大きな知識」は、今日私たちが結び付ける必要があるものであり、論理的な関係であろうと他の関係であろうと、単純なラベルに基づいて知識システムを構築することです。

従来のエキスパート システムは、ほとんどが手作業で開発されており、拡張が困難です。従来の機械学習手法は、依然として小さなタスクの単一ポイント予測の状態にあります。機械学習システムが構造化された知識と構造化されたシステムをより自動的かつ大規模に生成できるようにする方法は、今後数年間で最大のブレークスルーになるか、少なくとも最も需要のある分野になると思います。

同時に、ウー教授が先ほど述べたように、人工知能が産業にどのような力を与えるかという別の点も浮かび上がります。たとえば、製薬業界にはデータが非常に少なく、論理的推論と知識の抽象化に対する要件が非常に高くなっています。画像認識のように何百万枚もの写真をデータとして利用することができないからです。

つまり、将来的には 2 つのトレンドがあります。1 つはビッグデータからビッグナレッジへ、もう 1 つは抽象的な知識システムを通じて他の分野に力を与え、AI 技術をより有効に活用する方法です。

人工知能の現在の障害と問題

呉飛：人工知能の発展には肥沃な土壌、つまり人工知能の発展のためのエコシステムがなければなりません。現在、中国における人工知能の発展を支えるには、基盤となるコンピューティング能力、基盤となるソフトウェアとハ​​ードウェア、さらに中間アルゴリズムと上位レベルのアプリケーション ソフトウェアに頼る必要があります。中国の人工知能の発展を根本から支えているのは、その技術エコシステムです。

おそらく、以前はモデル、アルゴリズム、アプリケーションの開発に忙しかったからでしょう。今、私たちはアリババのような企業、浙江大学、清華大学、北京大学などの大学、政府の関心、そして各界の才能からの投資を必要とする重要な局面を迎えています。私たちは互いに共鳴し、同じ方向に進み、良いエコシステムを構築しなければなりません。

Yangqing Jia：今日十分に議論されていない点の一つは、人工知能技術をどのようにして誰もが利用できるようにするかということです。

以前は、ハイエンドかつ最先端の技術をいかに開発するかということに重点を置いていました。歴史を通じて、私たちは人工知能が一般的な技術であると言ってきました。あるいは、人工知能を誰もがよりアクセスしやすいものにすることが将来の技術開発の中核となると信じています。

数十年前は、英語専攻の学生のための翻訳という特別な職業がありましたが、国際化の影響を受けて、今では多くの人が中国語と英語の両方を習得しています。かつては「コンピュータは幼いころから子供に教えるべきだ」と言われていました。しかし今日では、PC であれ携帯電話であれ、ほとんどすべての人がコンピュータを使用したり操作したりする能力を持っています。このレベルの普遍性に達したときにのみ、その技術は普遍的かつ包括的な技術と呼ぶことができます。

今日でも、人々が AI テクノロジーにアクセスするのは比較的困難です。ハードウェア（GPU を搭載したマシンの構築）の面でも、ソフトウェア（人工知能フレームワークと基礎となるデータ ソフトウェアのインストールなど）の面でも、依然として比較的困難です。

コンピューターに詳しい人なら誰でも、5 秒以内に AI アルゴリズムのコードを書き始めて、画像の内容をすぐに識別できるようになるとしたらどうでしょうか。彼は基礎となるテクノロジーがどのように実現されているかを理解していないかもしれませんが、創造的なひらめきを生み出すのは簡単です。

ハイテクや最先端の​​技術は、目を引くことが多く、誰からも受け入れられやすくなります。長期的な視点から見ると、この微妙で静かな普遍化のプロセスは、より良い結果をもたらすでしょう。

博士号取得のための勉強は人工知能にとって何を意味するのでしょうか?

賈 楊青: 人工知能の研究は、博士号を取得するかどうかとはほとんど関係がありません。博士号には業界ごとに特定の定義があります。 AI分野には優秀な学部生や修士課程の学生が多数おり、その能力は博士課程の学生に劣りません。

私の個人的な経験から言うと、博士課程で学んだ最も重要なことは、「何かをどうやって行うか」ではなく、「どのような問題を解決すべきか」についてもっと考えさせられたことです。

博士号は問題を定義することが主な目的であり、特に複雑なシナリオから解決すべき問題の定義を抽象化する必要があります。そして2つ目は「この問題をどう解決するか」であり、これが博士課程で私が最も助けられた点です。

トレーニングの観点から言えば、問題を定義する能力を伸ばしたいのであれば、博士号を取得する価値があると思います。 5 年は長くも短くもありませんが、あなたの能力の向上は生涯にわたって役立つでしょう。

ウー・フェイ：ヤン・チンの意見に完全に同意します。博士号取得のための勉強の問題は弁証法的に捉えられるべきだ。学生が元気を回復したいという意欲と学習意欲を持ち、それが職業訓練や職場環境での蓄積では満たされない場合は、博士号取得を目指して勉強すべきです。博士課程では、学習の目的は学位を取得したり論文を発表することだけではなく、自分の能力を伸ばすことであることを忘れてはなりません。

楊青が先ほど言ったように、これは一生のことです。博士号を取得した後、うまく成長できるかどうかは次の5年間にかかっているとよく言われます。5年後もうまく成長し続ければ、それは人生において継続的な成長の道を歩み始めたことを意味します。

疫病の要因を除けば、留学はやはり必要でしょうか？

賈陽青：この質問には白黒はっきりした答えはありません。まず、今は国際的なコミュニケーションが増えており、ワールドカップを観戦するのと同じように、オンライン会議には時差の問題しかありません。海外に行くことは、10年や20年前ほど必要ではなくなるかもしれません。

一方で、私は異なる文化や異なる考え方を統合することが、新しい考え方や方法を生み出す肥沃な土壌になるということを常に信じてきました。機会があれば、学術会議への参加、客員研究員プログラムへの参加、博士課程の研究にもっと時間を費やすなど、海外に行って見てみることをお勧めします。さらに重要なのは、自分自身から始めて、心を開き、さまざまな文化や技術的な雰囲気を理解することです。

ウー・フェイ：2009年10月に北京首都国際空港からアメリカのサンフランシスコまで飛びました。当時私は36歳で、海外に行くのは初めてでした。バークレー在学中、私は基本的に寮とバークレーの研究室の2つの場所を行き来していました。一年を通して、春節の数日しか休みがありませんでした。大晦日に楊青と餃子を食べる約束をしたのを覚えています。研究室に行かなかったのも、その1、2日だけでした。

海外に行った経験のある人はたくさんいますが、海外に行った人全員がその機会をつかめるわけではなく、また全員が自分の野望を達成できるわけではありません。アメリカのハイレベルな大学で、全力を勉強に注ぐことができれば、とても良い人生経験になるでしょう。

バークレーから帰ってきてからというもの、アメリカ西海岸の青い空と、夜に寮の中を通り過ぎる列車の汽笛の音を思い出すことがよくあります。これはアメリカでの生活を思い出すものではなく、当時の苦難を思い出すものです。

AIの進化と年収100万ドル、どちらが現実でしょうか？

賈陽青：退化というのは非常に興味深い概念です。知乎を閲覧しているときによく目にする用語に「条站下」というものがあります。

AIの分野では革新的なことが数多くあります。私たちが内向的であるかどうかは、私たち自身の内面を反映しています。何も新しいものを作ることができず、パラメータを調整して段階的な作業を行うことしかできないと感じる場合、それは間違いなく退化です。

簡単な領域では内向きになりますが、難しい領域では突破口が見つかることが多いです。

もっと自分に自信と勇気を持つべきです。 AIはすでに急速に変化している分野であり、インターネット、交通、電力、航空などの分野で広く使用されています。毎年新たなブレークスルーがありますので、革新してみませんか?

呉飛：楊青は「年収100万ドルは夢ではない」という発言を意図的に避けましたが、大学教員にとって「年収100万ドルは夢です」。教師の給料は学生の給料よりも明らかに低いが、これが人工知能分野の現状だ。私たちは多くの学生を訓練してきましたが、彼らは現在年間100万ドルを稼いでいます。これは、人工知能専攻者のキャリア開発の見通しが非常に良好であることを示しています。

今後の発展の傾向は変わりません。人工知能を戦略的技術として発展させるという国全体の方針は変わりません。あらゆる階層の人々が人工知能に大きな熱意を持つことになります。

退化の原因は、誰もが同じトラックに向かって走っていることであり、たとえば、彼らは皆「ビッグデータ小さなタスク」トラックに押し込まれ、いわゆる「パラメータ調整ヒーロー」になっています。その結果、農業、司法、環境など、より先駆的な応用シナリオを誰もやっていない状況となり、内部循環が起こりました。

人工知能の博士号または修士号を取得した後、人工知能が不足している業界に参入すると、その業界の AI 王になり、社内競争がなくなることを想像してみてください。

賈陽青：「年収100万」問題についてもお話ししたいと思います。例えば、今日は朝食を自分で作って、昼食はカフェテリアで食べました。普段はそんなにお金はかかりません。実際、私たちを本当に幸せにしてくれるのは、年間 100 万ドルの給料ではなく、私たちが作ったものを他の人が使ってくれて、みんなが気に入ってくれることです。私は特にこの学校のウー先生のような先生を尊敬しています。第一に、最先端の研究を探求し、第二に、AIやさまざまな技術分野の人材を育成します。

グローバル人工知能技術イノベーションコンペティションが学界と産業界にもたらす意義

呉飛：中国人工知能協会は、国家の人材育成の観点からコンテストを主催しており、コンテストのテーマも業界のニーズから来ており、非常に良いことです。人工知能の最も価値ある点は、その有用性と社会に力を与える能力です。各コンテストのテーマは業界のニーズから生まれています。

学生は大学で学んだ知識とスキルを活用して業界の問題を解決し、分野の壁を打ち破り、産業と教育の統合効果を実現します。この機会を通じて、学生たちは業界の問題を解決するためのいくつかの方法やアイデアを学ぶことができます。将来、彼らが大学に戻ったとき、彼らは学んだことをより高い視点から見ることができると信じています。

したがって、グローバル人工知能技術イノベーションコンペティションは、大学と産業界が協力して人工知能アプリケーションの人材を育成する良い方法です。

賈 楊青: 競争は常にイノベーションを促進する良いメカニズムでした。私が学生だった頃は、チャレンジカップのような競争があり、カリキュラム外で新しいことに挑戦するのにとても役立ちました。たとえば、Facebook のような企業にもハッカソンの仕組みがあり、ある程度、人々が本業から離れて新しいアイデアを試し、新しい技術や製品を生み出すことを可能にします。

ウー氏が今言った「自分のしたいことをして、物事をあるがままに受け入れる」という言葉から、この大会では誰もが「生死を軽く考え、同意できないなら戦う」ことができると思います。誰もが競争を通じて幸せを体験し、知識を得ることができると信じています。