关于 AI，一面天使，一面恶魔。AI 应用于不会向着哪一近于发展，不在于 AI 本身，而在于建构 AI，应用于 AI 的人。自 AI 问世以来，关于 AI 的发展、利弊等方面的辩论屡见不鲜。
从 DeepFake 的 AI 换回脸风波，到 DeepNude 的一键偷窥，AI 在带给生活便利性的同时，也招来了 AI 伦理的批评。AI 的路，到底该如何前进下去？关于这个问题，致力于“AI first”发展的 Google 也许具有不一样的发言权。而近日，Google 首席架构师、AI 团队负责人 Jeff Dean 在媒体专访中就对 Google AI 带给的涉及问题展开了对此，对涉及内容展开了不转变本意的编译器。
录：【 图片来源：WIRED 所有者：WIRED 】问：您做到了一个关于生产新型计算机来驱动机器学习的研究报告，能否透漏一下 Google 正在测试什么新的点子呢？问：在芯片上利用机器学习展开电路的布置和布线。当你设计了一堆新的电路后，你必须把它融进芯片中，以一种有效地的方式对面积、用于功率以及其他参数展开优化。
一般来说情况下，人类学专家在几周内就可以已完成。而我们可以取得和人类学专家同等，甚至是更佳的效果。在 Google，我们就仍然在用于有所不同的内部芯片，如 TPU 这种（(公众号：)按，Google 的自定义机器学习芯片）。
问：如今，具备强劲功能的芯片对 AI 的发展更加最重要，但 Facebook 的 AI 负责人最近却回应这种依赖芯片发展 AI 的策略将不会陷于瓶颈。在本周，Google 的一位顶级研究人员也附议了这个点子，你怎么看呢？问：我指出，创建一个更加有效地、规模更大的计算出来系统，特别是在是为机器学习量身自定义的系统仍然是很有潜力的。并且，在过去五六年里所做到的基础研究也有相当大的应用于空间，我们将与 Google 产品部的同事展开合作，将这些东西投放实际应用于。
不过，我们也在考虑到一些将要来临的问题，考虑到今天能做到什么，无法做到什么。另外，我们还想要建构一个一般化到新任务的系统，如果能用较少的数据、较少的计算出来来做到事情，这将很有意思。
问：近期，在国际人工智能顶级学术会议 NeurIPS 上，关于人工智能应用程序的伦理问题备受注目。在 18 个月前，Google 曾因与五角大楼合作的人工智能项目“Maven”遭抗议而宣告了一套人工智能伦理原则，在那之后，人工智能在 Google 的工作中再次发生了什么变化？问：我指出，我们将这些原则付诸实践的方式将需要让 Google 员工更佳地解读这些原则。不过，这必须一个过程。
通过这个过程，产品可以在设计整个系统之前，以某种方式用于机器学习来取得早期的意见，比如，你应当如何搜集数据，以保证它没种族主义或诸如此类的事情。同时，我们也将之后推展那些反映在原则中的研究方向，我们在种族主义、公平、隐私和机器学习等方面做到了很多工作。问：虽然 Google 公布的原则去除了武器方面的合作，但依然与政府有国防方面的业务往来。想要直说在 Maven 项目之后，Google 否启动了任何新的军事项目？问：我们很乐意以合乎我们原则的方式与军方或其他政府机构合作。
比如说，如果利用云计算需要提高海岸警卫队人员的安全性，那我们将很乐意这么做到，同时，这也显然是云计算部门的业务范围。问：近期，DeepMind 的牵头创始人 Mustafa Suleyman 宣告重新加入 Google，他提及将与您以及 Google 首席法务官 Kent Walker 一起合作，直说你们将不会一起做到些什么呢？问：Mustafa 对人工智能涉及政策的问题具有普遍的看法，同时，他也参予了 Google AI 原则的审查过程，我指出他应当不会探讨于 AI 伦理和和 AI 政策的涉及工作上。关于他的工作内容，我想要应当由他个人说明会好一些。
另外，Kent 团队目前正在致力于完备人工智能原则，为那些想在 Google 产品中应用于人脸识别等 AI 功能的团队获取更好的指导。问：在本周，您曾就“机器学习如何协助社会应付气候变化”这一主题公开发表了演说。那么，您指出（机器学习的）机会在哪儿呢？您又是如何看来机器学习项目本身带给的大量能耗呢？问：事实上，机器学习在气候问题上能有许多方面的应用于。
最近，有一篇关于利用机器学习应付气候变化的论文公开发表，有 100 多页宽，我的同事 John Platt 是作者之一。论文里提及，机器学习可以协助提升交通运输的效率。另外，由于传统模型的计算出来量十分大，容许了空间分辨率，而机器学习能使气候模型更为准确。我主要注目的是碳排放和机器学习。
在我看来，机器学习项目的碳排放在总排放量中所占到的比例还是比较较小的。在 Google 数据中心，我们全年所有计算出来市场需求的能源都是 100% 可再生的。
问：除了气候变化，您和您的团队明年还将拓展哪些研究领域呢？问：下一年可能会多致力于“多模式自学”：具备有所不同类型的模式的任务，例如视频和文本、视频和音频。作为一个社区，我们在这一方面做到的还过于多，未来将不会在这一方面多发力。另外，关于医疗保健的机器学习也将不会是我们所探讨的领域。还有，设备上的机器学习模型也是我们注目的。
如果我们需要把设备上的机器学习模型做到得更佳，我们就可以将更加多有意思的功能重新加入到 Google 硬件部门所生产的手机和其他设备中。原创文章，予以许可禁令刊登。下文闻刊登须知。
本文来源：AG 尊龙凯时-www.hhml.net
