AI教育時代來臨？機器學(xué)習(xí)教父Tom Mitchell如何講述AI+教育？

當(dāng)一個人被冠以“教父”之稱，即便是在非宗教的領(lǐng)域，也意味著這個人起到了父親般的“監(jiān)護(hù)”、“引導(dǎo)”角色。

Tom M Mitchell，他被全球公認(rèn)為機器學(xué)習(xí)教父，在機器學(xué)習(xí)領(lǐng)域的地位可見一斑。

他在全球人工智能實力排名第一的卡耐基梅隆大學(xué)（以下簡稱CMU）創(chuàng)辦了人類歷史上的第一個機器學(xué)習(xí)系并擔(dān)任系主任。

他的經(jīng)典著作《機器學(xué)習(xí)：一種人工智能方法》被認(rèn)為是行業(yè)圣經(jīng)，銷量驚人。

他創(chuàng)辦了美國《Machine Learning》雜志、國際機器學(xué)習(xí)年度會議（ICML），為人工智能與機器學(xué)習(xí)領(lǐng)域持續(xù)輸出觀點。

他的學(xué)術(shù)論文專著超過130篇，在包括《Science（科學(xué)）》、《Nature （自然）》等世界頂級學(xué)術(shù)期刊發(fā)表。

他擁有眾多閃亮的頭銜：CMU計算機科學(xué)學(xué)院機器學(xué)習(xí)系主任、教授，美國工程院院士，美國科學(xué)進(jìn)展學(xué)會（AAAS）成員，人工智能進(jìn)展學(xué)會（AAAI）成員。

扛起CMU人工智能教育大旗

2018年3月，拒統(tǒng)計全球院校計算機科學(xué)領(lǐng)域?qū)嵙ε琶拈_源項目CSranking顯示，卡耐基梅隆大學(xué)（CMU）、麻省理工學(xué)院（MIT）與斯坦福大學(xué)名列全球前三；如果只考慮AI部分的排名，排名第一的是卡耐基梅隆大學(xué)（CMU），清華大學(xué)排名第二，康奈爾大學(xué)和斯坦福大學(xué)并列第3。

今年，《美國新聞與世界報道》雜志（U.S. News and World Report）也將CMU評為美國人工智能領(lǐng)域最好的計算機科學(xué)學(xué)院。

Mitchell為CMU在人工智能領(lǐng)域取得領(lǐng)導(dǎo)地位做出了諸多貢獻(xiàn)。

1951年，Mitchell出生于賓夕法尼亞的布洛斯堡，在紐約度過童年。1973年，他在麻省理工學(xué)院獲得電子工程學(xué)士學(xué)位，1979年獲得斯坦福大學(xué)電氣工程博士學(xué)位，輔修計算機科學(xué)。1978年，Mitchell在羅格斯大學(xué)開始教學(xué)生涯，擔(dān)任計算機系助理和副教授職位，1986年，Mitchell加入CMU成為一名教授。

他的研究領(lǐng)域包括機器學(xué)習(xí)、人工智能、認(rèn)知神經(jīng)科學(xué)等領(lǐng)域。1997年，Mitchell出版機器學(xué)習(xí)領(lǐng)域的第一本教科書，名為《機器學(xué)習(xí)》，是機器學(xué)習(xí)領(lǐng)域的奠基之作，被奉為第一代機器學(xué)習(xí)的圣經(jīng)，是入門機器學(xué)習(xí)的必讀教材之一。

1999 年，Mitchell 成為 CMU 的 E. Fredkin 教授，2009 年他被授予 University Professor 職位，這是 CMU 的最高教職。

2006年，他在CMU計算機科學(xué)學(xué)院創(chuàng)辦機器學(xué)習(xí)系，并成為第一任系主席。2010年，他因在機器學(xué)習(xí)領(lǐng)域杰出地位入選美國國家工程院院士。

今年秋天，CMU 成為美國首個提供人工智能本科學(xué)位的大學(xué)。從本科教育啟航培養(yǎng)AI人才，CMU的AI研究和AI教育都走在世界的先列。

據(jù)了解，今年8月，CMU計算機學(xué)院院長 Andrew Moore 宣布即將離職，CMU任命Tom Mitchell為計算機學(xué)院臨時代理院長。CMU 校長 Farnam Jahanian 說，「作為機器學(xué)習(xí)和人工智能方面的領(lǐng)軍學(xué)者，Tom Mitchell 是計算機學(xué)院近幾十年來最杰出的創(chuàng)始人和先驅(qū)之一。他深受整個 CMU 社區(qū)的尊重，并富有領(lǐng)導(dǎo)才能，這將使他成為優(yōu)秀的代理院長。我很高興他能在這個重要時刻擔(dān)負(fù)起這個責(zé)任，為計算機學(xué)院和 CMU 服務(wù)。」

人工智能與大腦的交叉研究

Mitchell在計算機科學(xué)領(lǐng)域出版了130余篇文章，內(nèi)容涵蓋機器學(xué)習(xí)、人工智能、認(rèn)知神經(jīng)科學(xué)等領(lǐng)域，在機器學(xué)習(xí)方面，他主要研究統(tǒng)計學(xué)習(xí)算法的開發(fā)和應(yīng)用，如賦予計算機理解自然語言的能力以及發(fā)現(xiàn)人腦如何表示信息。

Mitchell 與其在 CMU 心理學(xué)系的同仁創(chuàng)建了首個預(yù)測大腦神經(jīng)元激活模式的計算模型，該研究后來被擴展到其它單詞類型、單詞序列和情緒中。

他開發(fā)出名為NELL（Never-Ending Language Learning）的計算機程序，能夠從 web 中不斷抽取信息，并教會自己閱讀。

從Mitchell的個人主頁來看，最近，他在探索AI與機器學(xué)習(xí)如何影響職業(yè)。他共同主持了美國國家科學(xué)院、國家工程院、國家醫(yī)藥院的一項研究，旨在總結(jié)出一份 2017 技術(shù)和美國勞動力情況的報告。

在近幾年的一些國內(nèi)外大會上，Mitchell也時?，F(xiàn)身，介紹他對AI發(fā)展的看法。

在GMIC 2017（全球移動互聯(lián)網(wǎng)大會)上，Mitchell發(fā)表了“突破人類和機器的邊界”的主題演講。Tom Mitchell認(rèn)為，通過對人類大腦的模仿，計算機在變得越來越強。隨著機器智能和腦科學(xué)的進(jìn)一步發(fā)展，未來兩個學(xué)科之間應(yīng)該有更多的交集，并互相學(xué)習(xí)和借鑒。

“我們的智能如何從物理材料中實現(xiàn)突破，這是科學(xué)界還未解答的問題。目前有兩種研究途徑，首先是研究大腦，因為大腦是有智能的，第二是努力打造一種具有智能的機器。這是兩種學(xué)習(xí)智能的方法，已經(jīng)進(jìn)行了很長時間了。

在研究方面，無論是腦科學(xué)還是人工智能都在進(jìn)行交叉的研究。首先是計算機視覺，神經(jīng)網(wǎng)絡(luò)的確使得計算機的視覺發(fā)生革命性的改變，這樣的一個神經(jīng)網(wǎng)絡(luò)，可以用來預(yù)測人腦當(dāng)中的神經(jīng)元的活動，包括它的視覺皮層相應(yīng)的活動，這是一個深層次的神經(jīng)網(wǎng)絡(luò)。

現(xiàn)在人工的神經(jīng)網(wǎng)絡(luò)可以被我們用來訓(xùn)練，做一些相應(yīng)的預(yù)測，也就是說我們現(xiàn)在可以建立一種橋梁，對大腦當(dāng)中的腦神經(jīng)的活動進(jìn)行預(yù)測，這樣就打開了無限的可能，可以回答很多有趣的問題。

比如人的視覺到底是怎樣形成的，以及可以用怎樣的設(shè)備設(shè)計更好的人工神經(jīng)網(wǎng)絡(luò)，幫助我們做這樣的預(yù)測。一層一層進(jìn)行輸入、輸出，這樣可以進(jìn)一步推動人工的神經(jīng)網(wǎng)絡(luò)?！?/p>

詳情請閱讀此前文章（《機器學(xué)習(xí)》作者Tom Mitchell：人工智能如何向人類大腦學(xué)習(xí) | GMIC 2017）

除了學(xué)術(shù)分享，他也談到很多人工智能發(fā)展的趨勢，解答了業(yè)界很多困惑。

在他看來，雖然人工智能經(jīng)歷了兩次大的衰落，但是這次不會再衰落了。

“因為我們到目前為止 AI 在商業(yè)化方面已經(jīng)取得了非常巨大的成功，這是前所未有的，因此我們業(yè)界非常樂觀。如今人工智能可以讓你和自己的手機對話，語音轉(zhuǎn)文本，理解人們開的玩笑，和人類進(jìn)行比賽等等。而且我們的業(yè)界也投入了比政府更多的資源來發(fā)展人工智能，投入之多也是前所未見的，相信在下一個十年，人類與AI 之間的交互會更上一層樓?！?/p>

人工智能在全球如火如荼地發(fā)展，中國具備獨特的優(yōu)勢。AI的發(fā)展需要大量的數(shù)據(jù)，還需要多方數(shù)據(jù)的融合，Mitchell談到，中國政府愿意支持產(chǎn)業(yè)，而且中國采取的是一種自上而下的方法，更利于大數(shù)據(jù)的建立，比西方國家更有優(yōu)勢。

在利用AI推進(jìn)教育方面，Mitchell認(rèn)為確實可以去建立一些全新的在線的教育系統(tǒng)。通過不斷的獲取學(xué)生最新的數(shù)據(jù)，再通過AI讓整個教學(xué)過程更加個性化。CMU也有一些相關(guān)的科學(xué)研究，就提出了這樣的一種機器學(xué)習(xí)的場景。對于傳統(tǒng)教學(xué)，教師在收到一些學(xué)生的答案后，人工判卷并教學(xué)；而使用了機器學(xué)習(xí)的工具后，或許一個機器可以收集高達(dá)十萬名學(xué)生的答卷并分析出錯的規(guī)律。在過去一位老師他可能窮其一生，都不可能接觸多達(dá)十萬名學(xué)生，這就是人工智能的潛力所在。