当前位置: 首页 > 互联网+

CMU教授炮轰谷歌:一切都是商业计划,机器学习原理停留在20年前!

发布日期:2019-05-31 17:40:25 编辑:it技术分享网 阅读次数:

摘要:原标题:教授炮轰CMU谷歌:一切都是生意,机器学习原则,留在20年前!编者按:本文是从微信公众号“新智元”:作者文(Id AI_era)强。36氪转载授权。回顾Twitter的今天出现了一个令人震惊的胎面:CMU助理教授SimonDeDeo炮轰谷歌的大脑,他们没有做真正的科学,而且具有强大的力量和数量众多优秀博士生招收,不断快速推出机器学习的工程成就,但真

原标题:CMU炮轰谷歌教授:一切都是生意,机器学习原则,留在20年前!

编者按:本文是从微信公众号“新智元”:作者文(ID AI_era)强。36氪转载授权。

回顾Twitter的今天出现了一个令人震惊的胎面:CMU助理教授西蒙DeDeo炮轰谷歌的大脑,他们没有做真正的科学,而且具有强大的力量和数量众多优秀博士生招收,不断快速推出机器学习的工程成就,但实样足够的知识在20年前!

您如何看待谷歌的大脑和其他类似人工智能研究所业务?

这只是普通的一个问题,他没想到出了惊人的答复。西蒙DeDeo的CMU助理教授说:那里的人没有做真正的科学!

那么,事情是这样的,先看看西蒙DeDeo答复 - 一个语句之前:

接下来,我想谈谈对谷歌大脑和类似机构的看法。免责声明:这是我个人的看法,我并不需要他们的资金,也通过我的职业生涯所取得的成就,以取悦他们。

什么是线都显出不屑与不满谷歌大脑和其他高级人工智能研究所之间,基本的整体趋势可以想像他的意见会。

下面这可以被认为DeDeo核心观点:企业的“研究”是从企业的角度来看,无论是管理过程。

西蒙DeDeo其人

社会和决策科学的西蒙DeDeo外部CMU教授(社会与决策科学)助理教授,圣菲研究所。他曾在复杂的系统和认知科学计划在印第安纳大学前。他还获得了博士后在空间物理研究所卡夫利和芝加哥大学数学研究所和东京物理宇宙大学。

教育背景

医生:普林斯顿大学天体物理学

法师:应用数学和理论物理在剑桥大学

BA:哈佛大学天体物理学

DeDeo说,在主页上的介绍,他们的研究方向是:在社会思想实验室(实验室社会的头脑),我们的实证研究,构建数学理论建立的历史和现代的现象。我们的研究包括了几个世纪的人类文化的发展,也瞬息万变的现代层次。我们已经创建了关于政治秩序的合成发生重大转变的深入描述,目的是了解和预测我们的整个物种的未来。

也许你认为博士。在天文学人工智能并不了解,因此DeDeo,那么也没关系,不过,天文学是目前活跃在机器学习中的基础学科之一。DeDeo在他的工作也不可避免地会使用深度学习。此外,从2012年开始,少数人的崛起,通过自然科学席卷而来,从生物学,化学物理学的热潮深入研究,科学家们发现越来越多的机器学习可以帮助他们找到,甚至加速。

该DeDeo,不可避免地在这个深度学习热潮的中间,但不与光有关。

在谷歌,你有机会获得最先进的机器学习,但不能成为科学家,一切都是商业计划书

DeDeo他的数十个Twitter的投诉阵阵,简单地构成文章:

我从小在贝叶斯见证戴维·斯皮尔热尔和他的团队的科学家乐意与一些简单的,理论上驱动式的时代改变了世界的我们的观点。

当系统开始研究生活,觉得我出了门去上学了,这是我研究的出发点。当然,2010年,成为深学习革命各地也不容忽视。

这是令人兴奋的事情。我们邀请学者前来参观,告诉我们决策树,随机森林,各种关于美好的事情。我也尝试学习这些方法,但说实话,我们可以做很多事情用一个简单的工具,因此并没有把机器学习成为一个优先事项。

当我去IU,我被任命为信息科学系教授,IUsolCE(信息学是计算机科学的未来,不再是一个简单的快速排序,但要找出机器的人类生活的影响)。我是在一个招聘委员会,招人非常深刻的学习。

我把所有的考生的早餐(我喜欢跳过会议和委员会,花时间研究生和本科生的身体),然后找出当前深入研究。大多数考生可能永远不会醒来。

最基本的答案:每一个性感的项目我们做什么,然后从飞行0获得在MNIST高精度四轴飞行器。增加1%,基本上是研究生。

你计算神经网络的拓扑结构,然后找到权重。怎么做?答案是:GSD,研究生descent--笑话。总之,我们没有一个很好的答案,是一个人坐在那里,不断地调整参数。

机器学习是一个了不起的工程成就。但是,这并不科学。远离。今天,我们只是做的事情在1990年,结果乘以。它没有带来超过20年前给我们的洞察力。

是的,我听说过的“深度学习,以实现重整化群!“但是,如果你有空间组织的信息系统,那么在信息空间中的神经元将结合强大的你真的?

我也被邀请到谷歌的研究或类似的地方会议。他们的安全像疯了似的,不如对冲基金。安全性会跟着你去洗手间。

在谷歌的大脑,每一级相当于我的科学家,这是一个低年级教师的等价物,是应该说是人类知识的边缘不断探索,在管理团队的研究生10人,并在做研究生后裔。

谷歌可以击败堪萨斯大学,唯一的原因是,他们每个研究者可以雇佣十倍以上的学生。当然,不同的是,美国堪萨斯大学的研究生有机会做一些有意义的学术。但不能因此在谷歌研究。

\

他们不知道自己在做什么。他们必须学会人类的深度将适用于任何东西,仿真薛定谔方程,药物设计,你能想到的一切。他们的主要目标是寻找谷歌可以在科学领域影响最大。

我访问了50所大学。无论你走到哪里,我都会遇到新的想法。但有一个例外:商业“研究”实验室。

如果你想更快地构建并能够监控的人向他们出售更多的广告机,然后去这些实验室。如果你想找到一份工作工人阶级是干什么的,然后做男人还是女人造型,再建一个网络,获得这些人,那么你应该去一个商业实验室。

我们使用谷歌研究科学建立的东西做的权利?当然。我们有一个非常不错的论文,与word2vec帮助建立拼图理论(解谜的理论)。

但是,我们也能设置了相同的效用word2vec系统。没有任何学术智慧的贡献。我不是在开玩笑。

我接到一个电话,CS的一个晚上顶部毕业,我们开始研究社会合作的问题。他想要做深度学习。

就在两个星期的时间,我们正在进一步做的比谷歌更脑。我并不是说技术上 - 他们有很多丰富的数据的YouTube视频。但是,我们做学术贡献(智力)在他们前面。

谷歌说,他们已经完成了社会科学,但它不是,他们做的是在多个分散50 GPU经济人(经济人)。买鲍尔斯和Ginits,合作社种,你会学到更多的在一个星期。

\

你可以做一些研究谷歌脑凉了?诚实的回答是:你不能。你会在机器学习,没有错的前列,但这是一门工程学科,其基本目标是由大公司设置。你不会成为一个科学家(你不会成为一个科学家)。

我知道你可能需要赚钱。在这里你可以做出很多的。去吧,我尊重你的选择。学术界可怕。

但是,如果你想在你的职业生涯的某些点的蓬勃发展中,在你的头脑和灵魂,加上两年促进人类智力工作的推进,你会不会在谷歌这样做。当然,Facebook并没有工作。

如果你选择后者,你有一个选择,那就是加入了大学,博士研究生院。D。研究。

你的收入并不多,但你的导师会真正关心你的学习和智力开发。很难高估优秀博士项目和行业之间的差异。如果你是一个很好的导师,与学生的智力发展进行干预,那是太可耻。在谷歌,这一切都是一个商业计划。

这不是笑话。这是十年的经验。申请研究生院将在今年秋天开始。想想吧。确保你得到一个很好的协议(你不应该的债务负担,打动别人,你应该得到的医疗保险)。

简而言之:企业“研究”是一个商业命题,无论多么管理。鉴于这些公司的员工密切监测,现在的差距是最小的。

最后要说的:我们走访了谷歌的研究,绝顶聪明的人在那里,令人难以置信。我们集思广益,想出了各种精彩的研究思路。会议的最后一天,大学的学者说,好吧,让我们去酒吧,然后实现这些想法!

\

但是,他们的回答是:这是我们的工作(休假),我们身后的手实际工作中,我们要努力在本周末。(我不是“认为我们感到内疚周末做”,但“我们必须”。)

对于学者,这是工作。突然间,我意识到,这只是填补他们的业余项目。

反驳道:AI产业化是一个不可阻挡的趋势,谷歌一直从事基础科学研究

当然,DeDeo言论一出,立即引发了很多反驳的声音,有人说这是我见过的谷歌大脑和公平疯狂的意见是最好的,也有许多科学家做实基础研究,虽然也有GSD(研究生参数调整),但无关的业务目标。

DeDeo说法是圈子里的人才,这个行业的流动,事实上,这种趋势已经热在AI一早就有问题的反映两年前从学术界。

当时,还是加州大学伯克利分校,人工智能和学习专家彼得Abbeel(现为自己的业务深度的大学,成立了协变。AI)今天表示,这种趋势表明,人工智能技术已经发展到可以对现实世界产生影响的点,而企业社会本身是利用技术来提供产品和服务。

荷兰莱顿大学的社会学家罗伯特Tijssen说,在20世纪50年代,在迁徙的现象相同的半导体研究生涯也发生了,当在半导体领域的许多知名学者已经挖走,成为分管工业R&d实验室的人。罗伯特Tijssen告诉记者,自然,这些学者将带来他们的专业知识在行业,而在行业建立新的关系,然后一个转身到原来的反馈这些产业关系的学术同事和学生,以实现一个典型的双赢。

卡耐基梅隆大学坐落于国家机器人工程中心(美国NREC),赫尔曼·赫尔曼的头同意这样的观点Tijssen。2015年,NREC与尤伯杯150名NREC研究人员合作,尤伯杯招募步行中近40人,主要是自主汽车研究员。有报道称,NREC危机,反而略有夸张地说,赫尔曼表示; NREC和尤伯杯合作项目仅仅是机器人研究所卡耐基梅隆大学等数十个项目之一,和机器人所有约500名教职员工,该研究所对血液的流动性只是为了得到一个新的机会。而不久之后,尤伯杯将捐出$ 5.500万到机器人研究所,以支付为学生和教师奖学金。同时,这一事件的消息也增强了机器人研究所的知名度,学生们也增加了提交申请的数量。

约书亚·本焦还对学术人才流失的关注。他说,他们在学术界的坚持,但是,后来成为微软加拿大AI初创公司和顾问ElementAI。

韩丁预计学会的专家在该领域的不足的深度将只是暂时的。我是属于自然韩丁的谷歌大脑告诉记者,谷歌承认研究生课程在高校的重要性。目前,谷歌已经资助了超过250个学术研究项目和几十个博士奖学金。

杰夫·迪恩:谷歌使用机器学习来解决人类的重大问题

就在最近,人工智能清华大学研究院揭牌仪式,并结合清华大学举行 - 谷歌AI学术论坛。谷歌AI杰夫院长全面负责还找来清华大学计算机科学与技术顾问委员会成员。

杰夫·迪恩在研讨会发表主题演讲的第一天,名为“深度学习与解决世界面临的主要挑战。“。

杰夫·迪恩主题演讲:解决与深度学习的主要挑战

杰夫院长介绍,在过去的六年里,谷歌大脑小组一直在研究人工智能的问题,机器建设学习和研究,以及工作与谷歌的很多球队大型计算机系统,他们的研究和系统应用到众多谷歌产品之中。他们已在计算机视觉,语音识别,自然语言理解,机器翻译,医疗,机器人控制等领域显著进步。

谷歌是人工智能三个方面的终极目标是:采用人工智能和机器学习,使谷歌的产品更实用(使产品更具有用); 帮助企业和外部开发人员能够利用人工智能和机器学习的优势,创新(帮助他人创新); 提供更好的工具来研究,以解决人类面临的重大挑战。

谷歌大脑与一流大学和科研和医疗机构合作,从基础设施建设,提高城市卫生信息,然后反向工程人的大脑,以及使用深度学习的预测分子性质,作出更好的药物 。这些都是在人类有意义的科学依据。。

深入研究目前还只是一个项目,寻求原则

不过,也有人担心DeDeo一点是明确的 - 工程的更深层的学习,但最近越来越多的人开始关注理论研究,然而,大量的参数调整和优势兵力数量,以及大数据的,仍然是学习此刻的深度必须。

周志华教授发表在今年四月的主题演讲,其中提到深度学习的理论基础“关于学习,深度思考”是不明确的:

但事实上,我们一直在学术界也不想知道一两件事,那就是为什么我们使用如此之深模型?今天,深学习取得了很多成功,但有一个很大的问题,是不清楚的理论基础。我们还表示,从理论上说是没有明确到底是怎么做的,为什么会成功,这是关键?如果我们这样做的理论分析,我们首先要有一点点的直觉,为什么它是有用的知道到底?所以我们去着手分析。但现在的事实是,我们根本就没有从什么角度知道。

周志华教授还指出,重复性低深入研究:

我们非常关心的结果,我们做重复性的今天,无论科学研究或技术开发或什么的,我希望这个结果可以重复。在机器学习的整个领域,深度学习可以说是最弱的重复性。我们经常会遇到这样的情况,有一组研究人员所做的文章称,结果的报告,但其他研究人员的结果是难以复制。因为即使你使用同样的数据,同样的道理,只要超级设定的参数是不一样的,你做有所作为。

总之,有许多问题当前深入学习,学习机,太。

但是在那里我可以做到真正的研究,特别是在人工智能领域的研究日益紧张的情况下,你认为?

参考文献:

DeDeoTwitter:https://开头threadreaderapp。COM /线程/ 1017616703864307712。HTML

DeDeo主页:https://开头WWW。CMU。埃杜/迪特里希/ SDS /人/教师/西蒙 - dedeo。HTML

本文链接:CMU教授炮轰谷歌:一切都是商业计划,机器学习原理停留在20年前!

上一篇:BT和IT的深度联姻:全基因组测序智能化云端数据生产线正式发布

下一篇:CNNIC报告:中国手机网民规模达7.24亿

友情链接:

大悲咒全文 心经唱诵 线上念佛

Copyright © 2017 it技术分享网 版权所有 All Rights Reserved. 网站地图

苏ICP备18043316号