對話Tom Mitchell：沒有計(jì)算機(jī)學(xué)位的他是如何成為機(jī)器學(xué)習(xí)教父的

按：在采訪Tom Mitchell前，編輯告訴他，目前媒體少有報(bào)道您的個人經(jīng)歷，這次的采訪我們希望能多聊一些您在不同的時間點(diǎn)何以做出當(dāng)時的抉擇。

當(dāng)Tom Mitchell看到編輯給的采訪提綱時，他立馬笑了，他說，“關(guān)于我為什么在本科和博士期間都拿的是電子工程的學(xué)位，這是一件有趣的事情”。

Tom Mitchell，他是全球公認(rèn)的機(jī)器學(xué)習(xí)教父，在全球人工智能實(shí)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(jī)器學(xué)習(xí)系并擔(dān)任系主任；他的經(jīng)典著作《機(jī)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(jī)器學(xué)習(xí)年度會議（ICML），他的學(xué)術(shù)論文專著超過130篇;他擁有眾多閃亮的頭銜：CMU計(jì)算機(jī)科學(xué)學(xué)院機(jī)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。

這篇對話實(shí)錄，將呈現(xiàn)更多大家所不知道的Tom Mitchell：

他在CMU讀本科時，第一年主修數(shù)學(xué)，第二年變成了管理學(xué)，第三年是物理，第四年又成了電子工程，換了四次專業(yè)，只因?yàn)椴恢老雽W(xué)什么；

他最終拿到了MIT電氣工程學(xué)位博士，但是卻去羅格斯大學(xué)當(dāng)計(jì)算機(jī)系助理教授和副教授，而后在CMU任計(jì)算機(jī)系教授，迄今為止都沒有計(jì)算機(jī)領(lǐng)域?qū)W位；

他在研究生期間開始對人類智力感興趣，在研究人類大腦和嘗試模擬人類大腦之間選擇了后者；

當(dāng)上世紀(jì)90年代，腦影像技術(shù)出現(xiàn)后，他開始進(jìn)行人工智能與人腦的交叉研究；

他認(rèn)為AI是一個整體，不應(yīng)該被細(xì)分為計(jì)算機(jī)視覺、語音識別、自然語言處理，應(yīng)該以整體的方式去學(xué)習(xí)；

他目前正致力于Conversational Learning項(xiàng)目，讓機(jī)器從自然會話中學(xué)習(xí)如何編程；

在他看來，AI專業(yè)成為熱門一方面是大家的理性選擇，另一方面也有炒作過度，未來量子計(jì)算或?qū)⒈華I更火。

本科換四次專業(yè)，不尋常的學(xué)生

“我進(jìn)入麻省理工讀本科時，第一年主修數(shù)學(xué)，第二年變成了管理學(xué)，第三年是物理，第四年又成了電子工程。我每一年都在換專業(yè)，因?yàn)槲疫€沒想好要學(xué)什么?！?/p>

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(jì)算機(jī)科學(xué)。1978年，Mitchell在羅格斯大學(xué)開始教學(xué)生涯，擔(dān)任計(jì)算機(jī)系助理和副教授職位，1986年，Mitchell加入CMU成為一名計(jì)算機(jī)系教授。他的研究領(lǐng)域包括機(jī)器學(xué)習(xí)、人工智能、認(rèn)知神經(jīng)科學(xué)等領(lǐng)域。

：第一個問題，您的本科和博士專業(yè)是電子工程，當(dāng)時為什么要選擇這個專業(yè)？

Tom Mitchell：好吧，這是一件有趣的事情。事實(shí)上是因?yàn)?，我?dāng)時不知道自己應(yīng)該選什么專業(yè)。我進(jìn)入麻省理工讀本科時，第一年主修數(shù)學(xué)，第二年變成了管理學(xué)，第三年是物理，第四年又成了電子工程。我每一年都在換專業(yè)，因?yàn)槲疫€沒想好要學(xué)什么。后來我去斯坦福讀研究生，主修晶體管設(shè)計(jì)，成了一名電子工程師。但我又改變了主意，參加了計(jì)算機(jī)課程，就因?yàn)槲矣X得這個專業(yè)更好玩。后來我拿到了電子工程的博士學(xué)位。但這只是一個意外，因?yàn)殡m然我身在電子工程系，但我決定去學(xué)AI。我的確這么做了。不過，我目前拿到的仍然只有電子工程專業(yè)的學(xué)位。

：這是因?yàn)槁槭±砉ぴ试S你換專業(yè)，對此其他老師沒有意見嗎？

Tom Mitchell：他們認(rèn)為這種現(xiàn)象很反常，但還是同意了我換專業(yè)的要求。最后，我修了電氣工程專業(yè)畢業(yè)所需的課程。

：您曾經(jīng)對頻繁更換專業(yè)感到厭煩嗎？

Tom Mitchell：不，我覺得很有趣。那時我真的不知道我想做什么，所以我嘗試了不同的領(lǐng)域。但事實(shí)是我對智力（intelligence）感興趣，我也想過學(xué)心理學(xué)。但我沒有去學(xué)心理學(xué)，因?yàn)樵谖铱紤]這個問題的時候，心理學(xué)領(lǐng)域還沒有辦法研究人類的智慧。我不認(rèn)為心理學(xué)家或者是其他人能研究人類智力，因?yàn)楫?dāng)時還沒有“腦影像”（brain imaging）。

所以我就在想，他們甚至都沒有示波器這種衡量工具。我接受不了。這種研究方法不行。這太浪費(fèi)時間了，這種方法不可取。但之后，我又對人工智能產(chǎn)生了興趣，因?yàn)槿绻阆雽W(xué)習(xí)智力方面的東西，你有兩個選擇，你可以研究人類的大腦，也可以嘗試模擬人類的大腦。而當(dāng)時似乎沒有可以研究人類智力的設(shè)備，所以我決定走模擬人腦這條路。之后，腦成像終于在90年代末橫空出世，我就開始在那個時候研究起“腦影像”，就因?yàn)檫@種工具突然變成了現(xiàn)實(shí)。

：不過，Jordan和Hinton最開始對人工智能感興趣都是從心理學(xué)研究開始。

Tom Mitchell：他們比我更有勇氣，因?yàn)樗麄兪窃凇澳X影像”技術(shù)出現(xiàn)之前就在嘗試這種新事物。當(dāng)時我認(rèn)為這種研究不會有結(jié)果。所以我才選擇了創(chuàng)建智能程序這條路，但他們的確是勇氣可嘉。

：您從研究生開始學(xué)習(xí)機(jī)器學(xué)習(xí)，當(dāng)時的契機(jī)是什么？這一學(xué)科在當(dāng)時還不是那么火。

Tom Mitchell：我始終認(rèn)為學(xué)習(xí)是智力中最有趣的部分，我現(xiàn)在還是這么想的。我想學(xué)習(xí)智力的同時也可以研究學(xué)習(xí)，這就是我的選擇。這就是我的研究動機(jī)。我在讀研究生的時候就開始研究這個方向了。在我讀研究生，去學(xué)晶體管設(shè)計(jì)之后，我決定改學(xué)機(jī)器學(xué)習(xí)，我的導(dǎo)師當(dāng)時有一個研究項(xiàng)目要創(chuàng)建一個幫助藥劑師設(shè)計(jì)藥品的AI系統(tǒng)。他們研究的問題之一就是分析化學(xué)實(shí)驗(yàn)中的數(shù)據(jù)，也就是質(zhì)譜學(xué)，其原理是你將一些化學(xué)品放進(jìn)機(jī)器中，讓它在與機(jī)器的碰撞中釋放能量，分裂成微粒。然后你再從中選擇場景以及你收集到的碎片?，F(xiàn)在的問題就是，這實(shí)際上是質(zhì)譜學(xué)的研究。所以我就最終通過后續(xù)的應(yīng)用完成了自己的論文。如果你將一個有機(jī)分子放入質(zhì)譜儀，就可以學(xué)到如何預(yù)測它的分裂之處，它的分裂方式。所以我們就掌握了一些有關(guān)化學(xué)的培訓(xùn)數(shù)據(jù)，以及它們的獲取方式，此時的機(jī)器學(xué)習(xí)問題就是關(guān)于預(yù)測分子分裂方式的監(jiān)測學(xué)習(xí)問題。

：您談到90年代末開始研究腦影像，這個領(lǐng)域您有什么成果呢？

Tom Mitchell：我從事大腦研究工作十五年了，研究領(lǐng)域包括通過大腦成像、FMRI 和 MEG 技術(shù)研究語言在大腦中的表征，包括大腦如何表征不同詞語的含義，像是電腦、朋友或椅子這些詞。我們一直在做這方面的研究，并且已經(jīng)在表征不同含義的神經(jīng)活動模式領(lǐng)域獲得新發(fā)現(xiàn)。事實(shí)上，我們發(fā)現(xiàn)每個人的大腦在這方面擁有非常相似的模式。如果我提到番茄，每個人大腦的反應(yīng)模式其實(shí)是很相似的。在此之前，沒人發(fā)現(xiàn)這一點(diǎn)。我們發(fā)現(xiàn)了支持這些表征的系統(tǒng)原則，這樣一來我們就可以預(yù)測新詞。我們研發(fā)了一項(xiàng)電腦程序，對于你輸入的任何一個詞，它都能預(yù)測出這個詞的大腦模式。這些是我們的研究成果。

：你目前在做人工智能與人類大腦的交叉研究，請問人工智能采用的神經(jīng)網(wǎng)絡(luò)的工作原理與人腦思維方式的不同點(diǎn)是什么？

Tom Mitchell：我認(rèn)為人工神經(jīng)網(wǎng)絡(luò)和生物神經(jīng)網(wǎng)絡(luò)主要有兩點(diǎn)不同。第一，在人工神經(jīng)網(wǎng)絡(luò)里，我們通過數(shù)字傳遞數(shù)量。但在真實(shí)大腦中，神經(jīng)元以不同的速率進(jìn)行單個和成簇放電，這使得它與電腦神經(jīng)網(wǎng)絡(luò)十分不同。第二點(diǎn)不同是，在能夠識別圖像的卷積神經(jīng)網(wǎng)絡(luò)中，信息是從輸入層，即像素所在區(qū)域，有序地向外朝著最終答案流動的。但是如果你看一下大腦內(nèi)部以及大腦是如何理解圖像的，你會發(fā)現(xiàn)它對圖像的處理并不是前饋傳遞，在大腦中有信息從視覺皮層的兩個不同部分流出。但也有信息進(jìn)行反向流動。大腦中的反饋循環(huán)會告訴像素級別的神經(jīng)元，鑒于這兩側(cè)有線經(jīng)過，所以這里也應(yīng)該有一條線。因此，第二點(diǎn)不同是大腦中真正存在著反饋循環(huán)，而在卷積神經(jīng)網(wǎng)絡(luò)中不存在。

：您從1978年開始在羅格斯大學(xué)擔(dān)任計(jì)算機(jī)系助理和副教授職位，當(dāng)時是如何從電子工程系轉(zhuǎn)到計(jì)算機(jī)系的？

Tom Mitchell：這并不是一個很關(guān)鍵的問題。雖然我畢業(yè)時拿的是電子工程學(xué)位，但我在攻讀博士學(xué)位期間已經(jīng)在進(jìn)修機(jī)器學(xué)習(xí)的課程了。所以，計(jì)算機(jī)科學(xué)系當(dāng)然會承認(rèn)我在這個學(xué)科上的教學(xué)能力。

當(dāng)時還沒有出現(xiàn)機(jī)器學(xué)習(xí)的學(xué)位。如果有的話，當(dāng)時我就會換成這個專業(yè)，斯坦福大學(xué)應(yīng)該會把這方面的研究納入計(jì)算機(jī)系而不是電子工程專業(yè)?？上覜]換專業(yè)。

：您此前多次更換專業(yè)，那么您攻讀博士學(xué)位時為什么沒有根據(jù)自己的想法換專業(yè)呢？

Tom Mitchell：你是說我為什么不讀計(jì)算機(jī)科學(xué)博士學(xué)位是嗎？原因?qū)嶋H上很簡單，你在斯坦福大學(xué)讀博士學(xué)位時，到了第二年就會面臨一些很嚴(yán)格的考試。你只有通過了這些考試，才能順利拿到學(xué)位。我當(dāng)時參加并通過了電子工程專業(yè)的考試。后來我說我實(shí)際上想去計(jì)算機(jī)科學(xué)系，我想調(diào)劑專業(yè)。計(jì)算機(jī)科學(xué)系方面表示，你不能調(diào)劑，你得先提出申請，我們有可能接收你，之后你得參加我們的博士資格考試才算過關(guān)。然后我就說，好吧，我還是繼續(xù)呆在電子工程系好了。但我的博士導(dǎo)師是Bruce教授，他是計(jì)算機(jī)科學(xué)方面的專家。所以我雖然是電子工程專業(yè)的學(xué)生，但我也是計(jì)算機(jī)科學(xué)導(dǎo)師的弟子。

：那么您當(dāng)時有多少導(dǎo)師呢？

Tom Mitchell：兩個，主要導(dǎo)師就是計(jì)算機(jī)科學(xué)系的Bruce教授。但因?yàn)槲沂请娮庸こ虒I(yè)的學(xué)生，所以我也有一個電子工程導(dǎo)師Bernie教授，他也是AI領(lǐng)域方面的先驅(qū)之一，因?yàn)樗鲞^大量有關(guān)感知機(jī)的早期研究工作。

：您在本科和博士期間的學(xué)習(xí)經(jīng)歷在中國和中國的教育體制中幾乎無法復(fù)制。

Tom Mitchell：雖然我不知道這種情況。但在卡內(nèi)基梅隆大學(xué)和許多美國大學(xué)里，學(xué)生可以換專業(yè)，有時候?qū)W生也會換導(dǎo)師，比如五個博士學(xué)生中就會有一人在某個階段跟一位導(dǎo)師，后來又換成其他導(dǎo)師，這種現(xiàn)象并不算罕見。

：您指導(dǎo)過中國學(xué)生嗎？

Tom Mitchell：我的學(xué)生來自五湖四海，當(dāng)然也有中國學(xué)生，目前我?guī)ьI(lǐng)的中國學(xué)生是Fan Yang。我現(xiàn)在的學(xué)生不但有中國人，還有希臘人、羅馬尼亞人、美國人、加拿大人、斯洛文尼亞人，總之天南地北的學(xué)生都有。我很樂見這種現(xiàn)象，因?yàn)槲艺J(rèn)為一個富有創(chuàng)意的團(tuán)隊(duì)就應(yīng)該有不同的思想碰撞，集合不同的教育背景，畢竟不同國家的學(xué)生接受的教育也各不相同。將各種學(xué)生組合在一起，就形成了一個團(tuán)隊(duì)。我們可以通過相互學(xué)習(xí)，互補(bǔ)長短。

：所以您認(rèn)為中國學(xué)生有哪些不同于其他國家學(xué)生的特點(diǎn)嗎？

Tom Mitchell：可以這么說。這是個很廣泛的問題。我認(rèn)識許多中國學(xué)生，所以我知道中國學(xué)生的類型并不單一。中國學(xué)生也有各種各樣的類型。但總體而言，我發(fā)現(xiàn)中國學(xué)生在進(jìn)入卡內(nèi)基梅隆大學(xué)之前學(xué)習(xí)就非常用功，我也經(jīng)常在研究生院碰到他們。他們學(xué)習(xí)很努力，他們也清楚自己的基礎(chǔ)很扎實(shí)。我認(rèn)為這是中國學(xué)生的特質(zhì)之一。

：我很想知道，您挑選學(xué)生的標(biāo)準(zhǔn)有哪些呢？

Tom Mitchell：我其實(shí)不便公開透露這一點(diǎn)，否則可能就會有人刻意迎合我的要求。實(shí)際上，不同教授的行事方式各不相同。我最看重的天賦是創(chuàng)造力。有些教授會挑成績最好的學(xué)生，或者發(fā)表論文數(shù)量最多的學(xué)生。但我不會這么做，我只會和對方走進(jìn)教室，聊一些我們彼此可能都不太清楚的話題。看看我們究竟能聊多久。如果我們交流很順利，我覺得我們就可以共事。

ICML：從講習(xí)班到5000人大會

“可我們那時候從來沒有想到，機(jī)器學(xué)習(xí)會獲得商業(yè)上的成就。我們只是單純地覺得它是一個很有趣的智能問題?！?/p>

在加入CMU之前，Tom Mitchell就已經(jīng)頻繁來往于CMU組織ICML(國際機(jī)器學(xué)習(xí)大會)，1980年，ICML第一次在CMU召開，從最初的幾十人發(fā)展到目前數(shù)千人參加的國際大會，ICML與NIPS一起，它是在機(jī)器學(xué)習(xí)和人工智能研究中影響最大的兩個主要會議之一。

：您是ICML創(chuàng)始人，并在1980年舉辦了首屆ICML學(xué)術(shù)會議，當(dāng)時有哪些科學(xué)家同您一起推廣了這個會議？

Tom Mitchell：那次會議是在卡內(nèi)基梅隆大學(xué)舉辦的，當(dāng)時也是我初次來到這所大學(xué)，因?yàn)槟菚r候我還在羅杰斯大學(xué)教書。為了召開那次會議，我就去了卡內(nèi)基梅隆大學(xué)。當(dāng)時還有另外兩名重要成員聯(lián)合組織了這場會議，我們一共是三人。一位是Jaime Carbonell，他現(xiàn)在仍然是卡內(nèi)基梅隆大學(xué)的教授。他當(dāng)時已經(jīng)在這所大學(xué)任教了，所以我們才會在這里舉辦會議。另一位就是伊利諾伊大學(xué)教授Richard。我們?nèi)齻€人就在1980年聯(lián)合舉辦了這場會議。我記得當(dāng)時的會場只比今天這個房間大一點(diǎn)點(diǎn),一共有35人出席了會議。我現(xiàn)在還記得一些當(dāng)時的出席人員。當(dāng)最讓我印象深刻的人應(yīng)該是John Anderson，因?yàn)镴ohn是一位研究人類學(xué)習(xí)模式，并據(jù)此創(chuàng)建計(jì)算機(jī)模型的心理學(xué)家。

我之前也提到了，我對人類智力很感興趣，但放棄了研究心理學(xué)，就是因?yàn)檫@一行沒有什么輔助研究的儀器。John Anderson在那次會議上的確讓我記憶猶新，因?yàn)樗且幻芯繉W(xué)習(xí)與人類的心理學(xué)家。而且他取得了卓越的研究成果。他當(dāng)時在創(chuàng)建可以展示電腦行為如何匹配人類行為的計(jì)算機(jī)模型。John今天仍然在這所大學(xué)的心理系任教。去年，我們還做出一項(xiàng)決定，讓他的團(tuán)隊(duì)與我的團(tuán)隊(duì)每個月碰面一次，相互交流思想。我很珍惜與他共事的機(jī)會，真的非常有收獲。

：您當(dāng)時成立并推廣ICML的契機(jī)是什么？

Tom Mitchell：這么說吧。ICML其實(shí)是自發(fā)形成的。我們在卡內(nèi)基梅隆大學(xué)舉辦了首次會議，可能在兩年后我們就決定把它作為一個關(guān)于機(jī)器學(xué)習(xí)的講習(xí)班。當(dāng)時我們沒有將它稱為國際會議。兩年之后的伊利諾伊大學(xué)召開了第二場會議，當(dāng)時還是我們?nèi)藫?dān)任組織者。后來我們開始每年召開一次，每年會議都出現(xiàn)了不少驚喜，會議規(guī)模也不斷擴(kuò)大。又過了幾年，我們才決定將它稱為國際大會。現(xiàn)在還保留著每年召開會議的傳統(tǒng)?，F(xiàn)在每年都有上千人參加這個會議。

：發(fā)展到現(xiàn)在，ICML2018的參會人數(shù)已經(jīng)超過5000人，這與您最初的設(shè)想是否一致？當(dāng)時有想到這一會議會像如今這般火熱嗎？

Tom Mitchell：沒有，完全沒想到。我相信這個會議的參加者都想不到有這么一天。但我始終認(rèn)為，機(jī)器學(xué)習(xí)在未來會成為計(jì)算機(jī)科學(xué)的中心，想想計(jì)算機(jī)科學(xué)的發(fā)展就很容易得出這個結(jié)論?？傆幸惶?，我們不再需要手動編程，我們可以讓程序自己學(xué)習(xí)編程。我一直在設(shè)想它早期的運(yùn)行方式，我始終認(rèn)為這終將變成一種重要的應(yīng)用。但我時常在想，我有生之年可能看不到這一天了。計(jì)算機(jī)科學(xué)可能需要經(jīng)歷幾百年才能發(fā)展到這個地步。希望它能夠以超乎我想象的速度，實(shí)現(xiàn)飛速發(fā)展。但在過去，我認(rèn)為參加我們會議的人都認(rèn)為，這種技術(shù)是一種學(xué)術(shù)人士才關(guān)注的最有趣的智能話題之一。

可我們那時候從來沒有想到，機(jī)器學(xué)習(xí)會獲得商業(yè)上的成就。我們只是單純地覺得它是一個很有趣的智能問題。

扛起CMU人工智能教育大旗

“我認(rèn)為未來本科階段的機(jī)器學(xué)習(xí)，并不僅僅是針對AI專業(yè)的學(xué)生，而是一種許多技術(shù)領(lǐng)域的學(xué)生都應(yīng)該掌握的默認(rèn)數(shù)學(xué)知識?！?/p>

1986年加入CMU之后，Tom Mitchell一頭扎入了機(jī)器學(xué)習(xí)的學(xué)術(shù)研究和教育教學(xué)之中。1997年，Mitchell出版機(jī)器學(xué)習(xí)領(lǐng)域的第一本教科書，名為《機(jī)器學(xué)習(xí)》，是機(jī)器學(xué)習(xí)領(lǐng)域的奠基之作，被奉為第一代機(jī)器學(xué)習(xí)的圣經(jīng)，是入門機(jī)器學(xué)習(xí)的必讀教材之一。2006年，他在CMU計(jì)算機(jī)科學(xué)學(xué)院創(chuàng)辦機(jī)器學(xué)習(xí)系，并成為第一任系主席。2010年，他因在機(jī)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。

：Michael Jordan在伯克利進(jìn)行AI教學(xué)有一系列課程，包括「data 8」和connector 課程，CMU今年秋季也開始了AI 的本科課程，有哪些特色課程？現(xiàn)在報(bào)名情況如何？

Tom Mitchell：對于本科專業(yè)，這學(xué)期我們剛剛迎來了新一屆的學(xué)生。在本科生階段，我們每年總共有200名本科生進(jìn)入計(jì)算機(jī)科學(xué)系。他們讀完第一學(xué)年之后可以選擇主修AI專業(yè)或者傳統(tǒng)的計(jì)算機(jī)科學(xué)專業(yè)，我們的目標(biāo)是第一年招收10%的AI學(xué)生。所以我們的目標(biāo)是招收20名學(xué)生。這也大概就是我們可能會招到的學(xué)生數(shù)量。我們現(xiàn)在正在教授其它課程。

這還只是第一學(xué)年，我認(rèn)為我們的課程值得稱道的一點(diǎn)就是，我們會教授機(jī)器學(xué)習(xí)方面的內(nèi)容。這本來是大二時才會傳授的課程。而且我認(rèn)為這是很正確的事情，因?yàn)槲艺J(rèn)為未來本科階段的機(jī)器學(xué)習(xí)，并不僅僅是針對AI專業(yè)的學(xué)生，而是一種許多技術(shù)領(lǐng)域的學(xué)生都應(yīng)該掌握的默認(rèn)數(shù)學(xué)知識。我在讀工程學(xué)本科專業(yè)時，也學(xué)了微積分學(xué)，因?yàn)槲艺J(rèn)為這個學(xué)科很重要，我很高興自己做了這個選擇。它是工程學(xué)的數(shù)學(xué)。

微積分仍然是一門很有價值的課程。但我認(rèn)為統(tǒng)計(jì)學(xué)可能會成為更有價值的學(xué)科。即便如此，對今天的多數(shù)本科生來說，微積分都是一門重要的學(xué)科，因?yàn)榻?jīng)驗(yàn)數(shù)據(jù)分析會成為未來各個職業(yè)的重要部分，而這種分析就離不開微積分。不過也不盡然，除非你是工程學(xué)專業(yè)的學(xué)生。

：那么設(shè)定10%的招生率，就是為了控制學(xué)生的規(guī)模是嗎？

Tom Mitchell：我們想先從少數(shù)學(xué)生入手，可能只有兩名學(xué)生，因?yàn)橄裱芯可昙壍臋C(jī)器學(xué)習(xí)一樣的新本科課程真的是太多了。所以我們希望先在周末時進(jìn)行小班授課，我們在發(fā)展這個課程期間最好保持良好的教師與學(xué)生比例。之后，我想我們的招生比例就會顯著超過10%。

：如何挑選這10%的學(xué)生呢？

Tom Mitchell：這個也是我們目前討論的問題，我們卡內(nèi)基梅隆大學(xué)推出了很嚴(yán)格的入學(xué)要求。但只要學(xué)生能夠考入計(jì)算機(jī)科學(xué)的本科專業(yè)，我們就允許他們選擇AI或者計(jì)算機(jī)科學(xué)作為自己的專業(yè)，我們認(rèn)為如果招生超過20%，我們就得啟動篩選流程，但目前學(xué)生人數(shù)還沒超過這個比例，所以運(yùn)行情況良好。我們也不需要對其進(jìn)行管理，目前教學(xué)秩序正常。

AI不應(yīng)該被劃分成不同技術(shù)

“我沒有想過，也不認(rèn)為AI可以劃分成許多不同的板塊。我不可能推薦學(xué)生去專修哪個領(lǐng)域的內(nèi)容。如果非要推薦的話，我會建議他們涉獵所有相關(guān)知識，吃透這些內(nèi)容后再將其結(jié)合在一起。”

：卡內(nèi)基梅隆大學(xué)的教授和學(xué)生最關(guān)注哪種AI技術(shù)？

Tom Mitchell：我沒有想過，也不認(rèn)為AI可以劃分成許多不同的板塊。我和自己的學(xué)生交流時，我會盡量不去建議他們專修哪種技術(shù)、深層網(wǎng)絡(luò)、自然語言理解或者類似的東西。因?yàn)槲艺J(rèn)為未來的AI，甚至是當(dāng)前的AI（但未來趨勢會更明顯），會以我們還沒有開發(fā)的做法來整合、結(jié)合我們不同的方法。所以我不可能推薦學(xué)生去專修哪個領(lǐng)域的內(nèi)容。如果非要推薦的話，我會建議他們涉獵所有相關(guān)知識，吃透這些內(nèi)容后再將其結(jié)合在一起。

：您能舉例說明如何將各項(xiàng)AI技術(shù)整合嗎？

Tom Mitchell：例如，我做了很多有關(guān)機(jī)器學(xué)習(xí)的研究，但我想將機(jī)器學(xué)習(xí)應(yīng)運(yùn)用于不同的領(lǐng)域，針對不同的方向推進(jìn)這種應(yīng)用。在機(jī)器學(xué)習(xí)領(lǐng)域，可以說有許多人習(xí)慣于認(rèn)為你可以用貝葉斯或者深層網(wǎng)絡(luò)來做研究?？傊?，你擇其一而行。但今天，我們越來越清楚如何使用深層網(wǎng)絡(luò)來 了解概率分布的問題。所以，認(rèn)為這種研究是一個非此即彼的選擇，這種想法是錯誤的。如果你同時掌握了兩個領(lǐng)域的知識，你只要將它們結(jié)合在一起，讓深層網(wǎng)絡(luò)去掌握概念分布的知識就可以了。針對我不想建議別人去學(xué)某項(xiàng)技術(shù)的問題，我能舉的實(shí)例就是：我想讓他們關(guān)注知識整合，將不同的方法融為一體，集百家之大成。

：CV和語音技術(shù)發(fā)展已經(jīng)趨近成熟，NLP還要多久才能達(dá)到同樣的程度？NLP的機(jī)會在哪里？

Tom Mitchell：這個問題有兩個答案。第一個是，我不認(rèn)為它們正不斷趨于成熟。我認(rèn)為語音識別和計(jì)算機(jī)視覺仍然將持續(xù)取得重大進(jìn)步。但我認(rèn)為它們只能說是不斷接近人類的水平，而不能算是趨于成熟。

：但是CV和語音識別的準(zhǔn)確率已經(jīng)接近100%了。

Tom Mitchell：那是因?yàn)槲覀兪褂萌祟惖臉?biāo)準(zhǔn)來衡量這種技術(shù)的發(fā)展。但計(jì)算機(jī)視覺將繼續(xù)超越人類。比如，有一些高分辨率的攝像頭已經(jīng)能夠觀察到角落里的塑料袋，發(fā)現(xiàn)塑料袋在振動，可以用計(jì)算機(jī)視覺觀察震動當(dāng)時，并據(jù)此判斷人的說話的內(nèi)容。我認(rèn)為計(jì)算機(jī)視覺不會止步于人類的水平，它會超越人類視覺，我們將把它作為一種感應(yīng)設(shè)備來獲取人類無法感知的信息。

我認(rèn)為聲音識別也可以超越人類水平，甚至越過語音識別技術(shù)的發(fā)展。我認(rèn)為人們說話的時候，他們說話的聲音（而不是內(nèi)容）輪廓含有大量有關(guān)其心理狀態(tài)的信息，比如他們是否心情愉快？他們是在說話嗎？他們說的是真話嗎？他們現(xiàn)在很不安嗎？我認(rèn)為超人類的語音識別技術(shù)將能夠破解語言中含有的更多信息，就好像超人類視覺可以破解更多圖像信息一樣。所以我認(rèn)為它們的發(fā)展不會止步于人類的水平。

請?jiān)试S我用NLU而不是NLP（自然語言理解）這個術(shù)語。我們不談自然語言處理，因?yàn)樗婕霸S多概念，而是把它稱為自然語言理解，它是一個非常有難度的問題。從某種意義上說，這可能完全是一個人工智能的問題，如果你能夠真正解決自然語言理解的問題，那么你還必須解決AI領(lǐng)域中大多數(shù)關(guān)于推理和表現(xiàn)的其它大型開放性問題。所以我認(rèn)為自然語言理解是AI領(lǐng)域中最困難的開放性問題之一。我認(rèn)為我們在未來十年會在這方面獲得許多進(jìn)步。我們很難預(yù)測我們究竟能否解決這個問題，以及何時解決這個問題。

讓機(jī)器在對話中學(xué)習(xí)——Conversational Learning

Mitchell在計(jì)算機(jī)科學(xué)領(lǐng)域出版了130余篇文章，內(nèi)容涵蓋機(jī)器學(xué)習(xí)、人工智能、認(rèn)知神經(jīng)科學(xué)等領(lǐng)域，在機(jī)器學(xué)習(xí)方面，他主要研究統(tǒng)計(jì)學(xué)習(xí)算法的開發(fā)和應(yīng)用，如賦予計(jì)算機(jī)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(jì)算模型，該研究后來被擴(kuò)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(jì)算機(jī)程序，能夠從 web 中不斷抽取信息，并教會自己閱讀。

在11月15日的“全球AI+智適應(yīng)教育峰會”上，Tom Mitchell介紹了一項(xiàng)他們正在研究的技術(shù)——Conversational Learning（會話學(xué)習(xí)），希望能通過對話的形式教會手機(jī)理解用戶的指令，自己編程來完成命令，同時不斷從這個過程中學(xué)習(xí)進(jìn)化，最終實(shí)現(xiàn)機(jī)器人可以自己編程的目標(biāo)。

：您在今天的大會上談到了一種可指導(dǎo)機(jī)器學(xué)習(xí)——Conversational Learning（會話學(xué)習(xí)），你能再解釋一下嗎？

Tom Mitchell：它的理念就是今天多數(shù)機(jī)器學(xué)習(xí)算法都在執(zhí)行大數(shù)量的統(tǒng)計(jì)性分析。但這只是人們通過尋找結(jié)果、統(tǒng)計(jì)趨勢而掌握的學(xué)習(xí)方法之一。人們還有其它學(xué)習(xí)方法。人們可以通過對話交流、閱讀書籍、進(jìn)行實(shí)驗(yàn)來學(xué)習(xí)。所以我們的會話學(xué)習(xí)項(xiàng)目的理念就是，我認(rèn)為未來會出現(xiàn)超越統(tǒng)計(jì)式學(xué)習(xí)的機(jī)器學(xué)習(xí)方式。這對我來說是一個很自然的發(fā)展過程。所以，我們開展了這方面的研究，例如，我們有一個目標(biāo)是讓每個擁有手機(jī)的人教手機(jī)如何執(zhí)行新任務(wù)。那么這會出現(xiàn)什么新應(yīng)用呢？比如，我想告訴自己的手機(jī)，無論何時有人給我發(fā)送了一張我媽媽的照片，那就請把照片轉(zhuǎn)發(fā)給我媽媽。我的手機(jī)實(shí)際上可以做到這一點(diǎn)，但它還沒有這么做，那是因?yàn)檫€沒有人編寫這樣的程序。但如果我可以同自己的手機(jī)進(jìn)行對話，相信手機(jī)就可以掌握這種技能。如果這種技術(shù)成熟了，我就可以教手機(jī)如何做到這一點(diǎn)。我可以給手機(jī)展示一下我媽媽的一些照片，讓它可以學(xué)習(xí)一下人臉識別的技術(shù)。然后我再對手機(jī)說，把照片發(fā)送給我媽，這樣，我就可以教它怎么執(zhí)行這個操作。這就像編程一樣，但它并不是使用java或python這種語言來編程。我是在使用自然語言來編程。

：您是否有關(guān)于Conversational Learning的論文？

Tom Mitchell：我們的確寫了幾篇關(guān)于這項(xiàng)研究的論文。最早的一篇論文是2016年時發(fā)布于IEEE的論文，我們在該論文中介紹了這個系統(tǒng)的第一個版本。從那時候開始，我們發(fā)表了許多論文，其中涉及我今天無暇在會議上分享的最有趣的開發(fā)項(xiàng)目。但我認(rèn)為那個項(xiàng)目最有趣的新方向就是，我們發(fā)現(xiàn)人們在傳授知識時，有許多內(nèi)容你只想通過對話來表達(dá)。有時候向人傳授知識會更容易一些。假設(shè)我想說，無論下午外面何時下雨了，請?jiān)谖译x開辦公室前提醒我?guī)嫌陚?。好吧，這是我想教手機(jī)掌握的另一項(xiàng)技能。但現(xiàn)在我得教手機(jī)學(xué)習(xí)了，我該如何教手機(jī)反饋外面是否下雨的情況？這個時候，親自示范可能要比說話更容易一點(diǎn)。我可能會說，如果你想知道外面是否下雨，打開天氣預(yù)報(bào)app，看一下當(dāng)時的天氣狀況就行了。如果天氣預(yù)報(bào)顯示有雨，那就是下雨了，你這么說就可以了。但親自示范就是要比說話更容易理解。所以我們在這個系統(tǒng)的最新版本中，整合了通過展示和口頭對話來傳授本領(lǐng)的功能，以便人們可以結(jié)合這兩種方法向手機(jī)傳達(dá)指令。

：我們會推動這種技術(shù)實(shí)現(xiàn)商業(yè)化嗎？

Tom Mitchell：有人會，但在此之前還是得先解決一些技術(shù)性問題。我們有一個原型可以展示這種強(qiáng)大的功能，但這個原型也失敗了。我們針對這個機(jī)械進(jìn)行了測試，我們?yōu)榇斯陀昧?23個人在非語音模式下使用我們的系統(tǒng)，他們只能通過打字這種仍然屬于自然語言的模式，教系統(tǒng)執(zhí)行大約20項(xiàng)任務(wù)。測試結(jié)果發(fā)現(xiàn)，完成了了測試的人員都取得了良好的結(jié)果，但在這123人中僅有半數(shù)人完成了測試，其他人都失敗了，因?yàn)橛?jì)算機(jī)并不能完全理解他們發(fā)出的指令。所以我認(rèn)為，這項(xiàng)技術(shù)的商業(yè)化之路任重道遠(yuǎn)。但我仍然認(rèn)為它是當(dāng)前十分重要的一個研究領(lǐng)域。

理性擁抱AI

：機(jī)器學(xué)習(xí)很火熱，現(xiàn)在很多人都一窩蜂涌上來要學(xué)習(xí)機(jī)器學(xué)習(xí)，你如何看待這種現(xiàn)象？

Tom Mitchell：我想，出現(xiàn)這個現(xiàn)象有兩個原因。其中一個原因，我認(rèn)為是理性的。如果你看下自己可以主修的所有學(xué)科，選擇機(jī)器學(xué)習(xí)或者AI不失為一個理性的選擇，因?yàn)檫@是一個迅速發(fā)展的領(lǐng)域，如果你掌握了這項(xiàng)技能和知識，未來就有可能參與許多有趣的事情，從這個角度來看這是一種理性的選擇。但這其中也有過度炒作的成分。我認(rèn)為再過幾年這一行的炒作就會消失，人們終會回歸理性。

：現(xiàn)在什么都往AI上靠，甚至包括波士頓動力機(jī)器人也有人說它用了AI算法，如何讓大家理性看待AI？

Tom Mitchell：我認(rèn)為AI仍然是一個非正式術(shù)語。目前來看，它只是一個流行使用的非正式術(shù)語。所以每家公司都希望在宣傳上蹭一下AI的熱度。這倒沒錯，我是說我認(rèn)為多數(shù)消費(fèi)者都很清楚，市場營銷部門都很擅長使用這種噱頭，聲稱自己使用了AI技術(shù)，實(shí)際上未必如此。這些公司實(shí)際上可能只是使用了非常簡單，或者非常復(fù)雜的算法。這種現(xiàn)象可能過一段時間就會發(fā)生變化，因?yàn)锳I概念現(xiàn)在很火，大家就喜歡用這種套路，但今后可能又會出現(xiàn)更熱門的概念。到時候，大家又會說他們家的產(chǎn)品使用了這種新技術(shù)。這種現(xiàn)象并不奇怪。

：您認(rèn)為未來還有什么技術(shù)會比AI更流行？

Tom Mitchell：很難說，我只能說區(qū)塊鏈現(xiàn)在在中國很火，但從長遠(yuǎn)來看，我并不認(rèn)為它會比AI走得更遠(yuǎn)。量子計(jì)算（ Quantity computing）如果被證實(shí)可行的話，有可能比AI更熱門，但這還得再等上幾年才看得分明。

總結(jié)

雖然Tom Mitchell教授每年都把其最新的思想和研究帶來中國，但是我們很少有機(jī)會能與他進(jìn)行一對一的探討，在這次長達(dá)一個小時的一對一專訪中，Tom Mitchell教授解決了編輯諸多疑問，在AI大牛的光環(huán)之下，我們也了解到了一個更加真實(shí)、更完整的Tom Mitchell。

整個采訪過程中，Tom Mitchell教授說話慢條斯理，總是面帶微笑，聲音中充滿愉悅的氣息。能與他對談，讓人覺得是一件幸運(yùn)的事。

相關(guān)文章：

機(jī)器學(xué)習(xí)教父 Tom Mitchell ：人工智能將成為自適應(yīng)學(xué)習(xí)的驅(qū)動式技術(shù) | 全球AI+智適應(yīng)教育峰會

肩扛CMU人工智能大旗，機(jī)器學(xué)習(xí)教父Tom Mitchell如何講述AI+教育？

專訪機(jī)器學(xué)習(xí)祖師爺 Tom Mitchell：帶著理性擁抱機(jī)器學(xué)習(xí)的熱潮 | GMIC 2018

對話機(jī)器學(xué)習(xí)教父Tom Mitchell：人工智能不會出現(xiàn)第三次衰退了 | GMIC 2017

《機(jī)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

吳甘沙對話Tom Mitchell：人工智能如何顛覆我們的城市 | GMIC 2017

原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。