吴恩达期待共同价值观，沈向洋希望AI艺术开花，李飞飞要扭转人才流动趋势......

编辑 | 陈大鑫

在新年到来之际，吴恩达邀请了沈向洋、李飞飞、Ilya Sutskever等5位人工智能的顶级学者对接下来一年，人工智能该如何发展进行展望。

其中，吴恩达对2021年给出了自己的三个期待，包括对产业发展的期望，共同价值观的愿景，道德伦理的要求。

吴恩达说，我们手里拥有技术大杀器，能够为工作和生活增添色彩，带来欢乐和喜悦，创造财富，提升全人类幸福。然而，随之而来也有很多挑战和问题，在未来的一年里，我们如何处理和对待这些问题？

佐治亚理工学院 Ayanna Howard表示，必须训练有道德的 AI，将道德培训课程扩展到AI全领域；李飞飞提到，美国在人工智能领域的地位开始动摇了，只有振兴美国，才有可能实现技术民主化，此外，她提出的国家研究云计划，有望改变目前研究人员从学术界流向工业界的趋势。沈向洋则希望，2021 年，AI在艺术方面持续取得进展，帮助人类表达自己的艺术想法和灵感...........

以下是吴恩达的新年寄语，以及五位大佬的AI展望，AI科技评论做了不改变愿意的编译，请欣赏：

亲爱的朋友：

新年快乐！在踏入2021年之际，我想与大家分享接下来一年，我对人工智能的三个希望：

1、缩小概念验证和产业化的差距。

性能优秀的模型固然重要，但是要投入到工业界使用，还需要做更多的工作。在2021年，我希望能够理顺机器学习项目的全周期，构建支持相关工作的 MLOps 工具以及围绕AI模型进行系统地搭建、生产、维护。

2、紧密联系有共同价值观的人工智能社区。

AI之所以如此成功，离不开新力量的不断计入，以及社区开放的环境。在过去十年，AI社会已经从最初的数千人扩张到了数百万人，期间有很多机会，但也产生了许多误解。因此，建立一套共同的价值观非常重要，只有这样我们才能相互扶持继续进步。

希望人工智能社会不会像某些国家一样，因为政治分裂成不同的派别。未来，我们需要投入更多的经历相互理解，文明辩论，团结在一起，共谋AI发展。

3、确保AI结果公平公正。

虽然AI带来的偏见和公平问题已经有了广泛的讨论，但仍然有非常多的难题要克服，在面对这些问题的时候，我们决不能手软。例如人工智能下的财富不平等，有许多科技企业都是赢家通吃，随着科技渗透到各行各业，它正在给予企业赢家通吃的激励。我们创造的财富是否正在集中于一小撮人手中？我们才能如何确保公平分配？

我非常期待2021年的到来，也期待人工智能在其中扮演的角色，希望我们联手能够解决具有挑战性的问题。

Keep learning!

吴恩达

展望2021 

1

佐治亚理工学院 Ayanna Howard：训练有道德的 AI

人工智能方面的工程师，构建的工具已经能给我们的梦想提供解决方案。但许多人工智能开发人员，并没有意识到，消除潜在负面的后果也是工作责任的一部分。因此我们也看到了医疗保健、教育机会、财政援助等方面的不平等现象。

在接下来的一年里，我希望AI社区能够在伦理道德方面达成共识。共识的关键是AI工程师，需要培训他们更加充分地关注他们工作的潜在后果。

例如，我们已经设计出了很酷的算法，能够匹配数据库中的人脸，以及生成有趣的聊天机器人。但我们却忽略了警察部门正在使用这些很酷的AI系统将面部照片与铅笔素描进行匹配的事实，或者恐怖组织正在“有趣”的聊天机器人传播恐惧和谎言。

在其他领域，责任这件事情似乎更加清晰。例如，你是一名土木工程师，想要造一座桥，那么就会对整个场景进行建模。也就是说，所考虑的不是一般的桥梁建模，而是为特定地方，特定条件、特定场景建模，需要考虑的条件是：汽车、人、直行车、婴儿车和火车等的通过。如此，你才能设计出合适的桥。

同样，作为人工智能工程师，我们需要考虑在哪些背景下部署模型，部署之后，它有哪些潜在的危害，并要对可能出现的结果负责，就像对代码的BUG负责一样。

用上述责任思维训练工程师，需要把现实世界的例子代入训练环境，并展示我们在课本上学习的抽象概念是如何在现实中发挥作用的。例如，如果你在上词嵌入的课程，那么你就可以研究词嵌入在社交媒体的仇恨言论中的作用，以及这些言论如何影响特定的性别、宗教以及政治派别。

这种思维训练不应该局限于学生群体，应该扩大到整个人工智能领域。医生和护士都需要进行继续教育才能执业，那么人工智能工程师雇主也应该要求开发人员拿到道德AI方面继续教育才能持续就业。

这种要求似乎是一个很大的变化，但是可能很快就会实现。类比一下大家对Covid-19的反应，教育机构和公司都实行了在家工作的政策，想一想！这在以前是根本不可能的。技术潮流的另一个优势是，当顶级玩家改变态度时，其他人也会跟着变。因此，只要几个领导者确定一个新的方向，那么整个领域就会发生变化。

2

李飞飞：激活AI生态系统

几十年来，美国一直是科技领域的领导者，所以国家都从美国创新中受益。但美国在人工智能领域的地位开始动摇了。如果美国在人工智能领域的地位持续下滑，那么美国所能作出的技术贡献就会大打折扣，技术也不太可能体现民主价值。我希望美国能够坚定承诺支持 AI 创新。

美国过去之所以在科技领域表现突出，只要是因为它的创新生态利用了学术界、政府和工业界的贡献。人工智能的出现使之向业界倾斜，这很大程度上是因为用于 AI 研发的三种最重要资源——算力、数据和人才，集中到了少数大公司。例如，为了训练大规模语言模型GPT-3，OpenAI可能消耗了价值500万到1000万美元的计算资源。这要是在学界.......可能没有一所美国大学能够承受的起。

对于人工智能来说，数据同样重要。但是，如今丰富的数据库被锁在大公司围墙的后面，缺乏足够的计算和数据阻碍了学界人员的发展，并加速了顶尖人工智能人才从学术界向业界流失。

2020年，美国重申了对大学和学院的支持，但远远不够。2020年。我与 John Etchemendy 共同负责的斯坦福以人为本人工智能研究院（HAI）提出了一项国家研究云（National Research Cloud）计划。该计划将在未来十年每年投入 10 亿至 100 亿资金，加强学界、政府和业界的合作，使他们的研究能够保持在最前沿。这反过来又会吸引和留住新一批的教师和学生，改变目前研究人员从学术界流向工业界的趋势。

其实，这种项目的所能带来的成果是巨大的。例如，我花了多年时间研究用于医疗保健的传感器，远程治疗得慢性病的老年人，可能挽救了美国数十万人的生命。技术无国界，斯坦福大学的这项创新可以帮助世界各地的老年人。另外，新一轮的人工智能研究也正在带来改善气候、优化食品和水供应以及改善政府内部运作的创新。

国家云的进展令人鼓舞，包括美国国家科学基金会和美国国立卫生研究院在内的多个机构也发出了有关人工智能项目的呼吁，为相关提案提供支持。

人工智能是一种强大的工具。每个工具都是一把双刃剑。工具的使用，不可避免的反映了其设计人员、开发人员的价值。

因此，由于价值观的多样性，确保AI安全、公平的仍然存在许多挑战。而激活 AI 研究生态系统是解决这些问题的重要部分。

3

Matthew Mattina:口袋里将会装着生命拯救模型

想象一下在一只标准2号铅笔的笔尖每秒执行万亿次以上的乘法运算。如今，这种惊人的计算量正是7nm半导体技术所能完成的。在小型、低成本的设备中，将这种大规模的计算能力和深度神经网络相结合，有助于解决从 Covid-19 到阿尔茨海默病的种种挑战。

目前，AlphaGo、Alexa、GPT-3和AlphaFold等这类杰出的AI模型，其背后的神经网络有强大的数据中心服务器做支撑，需要这样的计算能力才能发挥其魔力。但很快，这些模型将可以在耗电量比节日灯串上单个 LED 灯泡还要少的设备上运行。

一类名为TinyML的新型机器学习正在将这些大的、数学含量高的神经网络带到传感器、可穿戴设备和手机上。神经网络严重依赖乘法，而新兴的硬件能够使用低精度数字（8位或更少）实现乘法。与通常的32位单精度浮点乘法器相比，这使得芯片设计人员能够在更小的面积和功率包络内构建更多的乘法器。研究表明，在许多实际情况下，在神经网络内部使用低精度数字对精度几乎没有影响。这种方法准备在最需要的地方提供超高效的神经网络推断。

举个例子，在应对 Covid-19 的过程中，检测和确认感染者非常困难。最近的研究表明，用数千个「强制咳嗽」音频片段训练的神经网络集合或许能够检测出咳嗽者是否感染 Covid-19。当然，训练数千个神经网络需要非常高的计算成本，需要每秒数万亿次的乘法运算。而 TinyML 可以负担得起这类神经网络。

2021年呢，我对人工智能的希望是：运行在小型化设备上的大型神经网络能够实现复杂的医疗应用，从而开创一个个性化医疗的新时代，从而改善数十亿人的生活。

4

沈向洋:AI创造艺术

2021 年，我希望 AI 社区创造更多工具，帮助人类解放创造力。此外，还希望AI帮助全球各地的人们以其独特的方式沟通、表达情绪。

我们已经创造出擅长逻辑任务的机器，造执行大规模计算方面速度远超人类。正如 近期月球探测任务中所表现的那样。但是，在另一些任务中人类仍占绝对优势，尤其是艺术领域。

人的左脑负责逻辑，右脑负责创造性和想象力，二者相互补充。创造性的右脑点燃了互动的火花：使用语言交流，表达抽象的概念和情绪。另外，我们还用艺术表达自己，例如音乐、画作、舞蹈和设计。

AI 近期进展迅速，尤其是生成对抗网络和语言模型（如 GPT-3）方面，这些技术让从头开始合成逼真图像和文本成为可能。小冰聊天机器人已经在作诗、绘画和音乐方面展现出了“人类”的天赋。例如用小冰写诗，一周内所完成的诗数量比中国历史上所有的诗集加起来还要多！

传统上，想成为绘画、音乐、诗或舞蹈等艺术领域的顶尖人士，必须经过多年的刻苦训练。正如一万小时定律：要想成为某个领域的专家，需要经过一万小时的锤炼。小冰这种人工智能的出现，可以大幅降低时间投入，使每个人都能获得极具创造力和想象力的表达方式。

我希望，2021 年，AI在艺术方面持续取得进展，帮助人类表达自己的艺术想法和灵感。

5

OpenAI 联合创始人 Ilya Sutskever:语言和视觉的融合

2020年，通用模型产生了经济价值，特别是GPT-3，它的出现证明了大型语言模型具有惊人的语言能力，并且在执行其他任务方面也毫不逊色。我希望2021 年的最佳模型或将让 2020 年的最佳模型相形见绌，同时也将开启今天无法想象的应用。

2021年，语言模型开始转向视觉领域，虽然仅仅是文本就已经表达出大量的世界信息，但仍然不够。因为，我们是生活在一个视觉世界中的，仅是文本信息是不完整的。下一代模型，或许可以针对文本输入，从而编辑和生成图像。

这种同时处理文字和图像的能力，会让模型更加强大。毕竟，人类不仅会阅读内容，还可以看到和听到内容。如果模型可以处理类似的数据，那么AI就能够以人类的方式学习概念。当然，这个灵感尚未得到证实， 2021 年或许会有这方面的进展。

我们让模型变得更加智能的同时，也要保证其安全性。GPT-3 能够胜任多种人类任务，但并不像我们希望的那样可靠。我们希望给模型一项任务后，模型能够拿回不需要编辑或更改的输出。在 OpenAI，我们提出了一种新方法：在人类反馈中进行强化学习。这种方法允许我们以想要的方式指导模型，得出想要的，抛弃不需要的。

GPT-3这样的AI系统都是被动接受信息。因此，任何时候，当训练数据集包含我们不希望模型模仿的行为实例时，这都是一个问题。当我们使用在“人类反馈中进行强化学习”这种方式后，能够使用先对较少的人类交得到完美模型。

将语言模型融合到文本和图像中，然后让人类反馈进行指导，能够使模型变得更强大、更值得信任。我为这条人工智能路径感到兴奋。

[赠书福利]

AI科技评论本次联合【博文视点】为大家带来15本“《labuladong 的算法小抄》”正版新书。

在1月1日头条文章（注意不是本文！）留言区畅所欲言，谈一谈你刷算法的故事，或你对2020的总结或者是对2021年的规划和心愿，甚至可以是新的一年对AI科技评论的建议和期待，有哪些喜欢看的报道，还希望看到什么样的报道？

AI 科技评论将会在留言区选出 15名读者，每人送出《labuladong 的算法小抄》一本。

活动规则：

1. 在1月1日头条文章（注意不是本文！）留言，留言点赞最高的前 15 位读者将获得赠书。获得赠书的读者请联系 AI 科技评论客服（aitechreview）。

2. 留言内容会有筛选，例如“选我上去”等内容将不会被筛选，亦不会中奖。

3. 本活动时间为2021年1月1日 - 2020年1月7日（23:00），活动推送内仅允许中奖一次。