《文茜的世界周報》
【珍貴紀錄片:人類如何走上核子武器?二次世界大戰末期開啟首輪核武競賽 美蘇競相研發製造一次能消滅對方25%到50%人口的核武 “確保相互摧毀”(MAD)的瘋狂競逐 直到1991年蘇聯解體才中止】
人類統治地球已幾百萬年,但有自我毀滅的能力,不過是幾十年前的事。
1938年,德國化學家,奧托哈恩的研究團隊,發現了核裂變,並用愛因斯坦E = mc平方的公式,計算出每個裂變原子核,可以釋放出兩億電子伏特的驚人能量,「在光榮旗幟的指引下,我們必將勝利,」納粹德國元首希特勒。
1939年,第二次世界大戰爆發,以核裂變威力,製造殺傷性更強的武器研究,在各個大國間,展開競爭,1932年諾貝爾物理學獎得主海森博格,主持德國的研究,英國制定「合金管」計劃,研發核武,美國則在1941年,制定了「曼哈頓」計劃,由人稱「原子彈之父」的,物理學家奧本海默負責,他在新墨西哥州的拉斯阿拉莫斯,主持一個研究室,找來一大批諾貝爾獎得主。
義大利人費米,是其中一員,他在1938年,拿到諾貝爾物理獎,因為娶了猶太妻子,為了逃避墨索里尼迫害,逃往美國,加入「曼哈頓」計劃,人稱「核反應堆之父」的費米,成了美國原子彈研發的關鍵人物。
自然界的鈾,主要有鈾235,和鈾238,鈾235可以直接拿來做核彈,但非常稀少,必須提純叫鈾濃縮,而常見的鈾238,必須在石墨或重水反應堆中,先轉化成鈽239,用鈽做的核彈,更輕便,1942年,費米以天然鈾為原料,通過可控列式核反應,為美國「曼哈頓」計劃,提供了武器級鈽239,與此同時,美國的對手,德國和日本的核武研究,卻不怎麼順利。
伊恩弗萊明,是英國007系列小說的作者,在成為暢銷作家前,是二戰時期的英國特工,他領導的30AU特工隊,專門尋找納粹德國的秘密武器,1943年,和挪威地下反抗組織,成功破壞德軍在當地的原子工廠,讓德國重水反應堆無法運行,而日本核武研發,也在秘密進行中,當時日相東條英機,批准日本物理學家仁科芳雄的方案,建立一百多人的原子實驗室,但這項計劃所在地,東京物理化學研究所,被美國B-29轟炸機炸毀,等於宣告退出這場原子競賽,而此時的日本並不知道,正籠罩在一場原子彈的陰影中。
1945年,德國宣布投降,同年7月16號,波茨坦會議的前一天,與會的美國總統杜魯門,收到國內密電,「小孩子誕生了」,當天凌晨,美國的新墨西哥州,首枚以鈽為材料的原子彈引爆,一些在掩體裡的科學家,因為忘了戴護目鏡,在目睹爆炸兩到三秒後,從此失明,爆炸巨大的威力,讓「原子彈之父」奧本海默,也難以承受,「有人笑了,有人哭了,但大多數人都沉默了。」美國物理學家、原子彈之父奧本海默。
1945年8月6號,美國飛行員蒂貝斯上校,架駛B-29轟炸機,在日本廣島,投下一顆代號「小男孩」的原子彈,爆炸當量20000噸,造成118661人死亡,「不久前,美軍飛機剛剛在廣島,投下一枚炸彈,摧毀了敵人的力量,這枚炸彈的威力相當於兩萬噸TNT,它是一枚原子彈,是宇宙中的終極力量,」時任美國總統杜魯門。
8月9號 美軍又在長崎,投下代號「胖子」的第二顆原子彈,導致74000人死亡,當時,在杜魯門看來,原子彈是擺在常規武器架上,隨取隨用的武器,但美國的核壟斷 沒有維持太久,奧本海默曾預言,核子擴散 已無可避免,「我常被問到是否希望,出於國家安全考慮,將一些知識保密,例如核彈的製作方法,但我恐怕已經沒有這樣的希望了,」美國物理學家、原子彈之父奧本海默。
前蘇聯間諜科瓦爾,是打破美國核壟斷的關鍵人物,他進入美國原子實驗室,竊取機密,讓蘇聯在1949年8月29號,成功引爆第一顆原子彈,而新一輪的核競賽,隨著冷戰,拉開序幕,「如果再發生全球性的戰爭,人類文明可能葬送,我們需要捫心自問,我們是否盡我們所能,避免厄運,」美國物理學家、原子彈之父奧本海默。
奧本海默的擔憂,還是發生了。
「5 4 3 2 1 引爆」,1952年,美國在馬紹爾群島,試爆第一枚氫彈,當量1000萬噸級,是廣島原子彈威力的500倍,而蘇聯在1957年,試射8000公里射程,能直接打到美國本土的,世界第一枚洲際彈道導彈,取得火箭運載的領先地位,但美國在這方面,接連失敗。
「僅僅升空幾英呎後,三級,72英呎的火箭失去推力,回看錄像就能知道真相,」紀錄片片段。
美國在這場核賭局中落後,但氣勢上沒有示弱,核競賽白熱化的經典場景,是1959年7月,在莫斯科舉行的,美國國家博覽會開幕式,蘇聯領導人赫魯雪夫,和時任美國副總統的尼克森,在廚房展台,就有一場唇槍舌劍的「廚房辯論」。
「你們可能跑在我們前面,例如你們研發的火箭,和在外太空的衛星,但就在美國發明的,彩色電視機裡呈現出來,那麼我們都在,都在進步,(不是這樣),你不能視而不見,你們不比我們領先,你大錯特錯了,」時任美國副總統尼克森vs時任蘇聯領導人赫魯雪夫。
赫魯雪夫被激到了,1961年,他下令製造一億噸級核彈,在22屆蘇共黨代會前引爆,以鞏固自己的政治地位,於是,蘇聯科學家投入氫鈾彈研發,這是在氫彈外,再包一層鈾238,在氫彈爆炸後,再引爆外殼,相當於兩次核爆,當年10月,圖-95轟炸機,搭載這枚被稱為「沙皇」的氫鈾彈,進行空前絕後的空中試爆,爆炸讓4000公里內的通訊失靈,美軍在阿拉斯加的雷達無法操作,美國估計,如果這枚「沙皇炸彈」,投到華盛頓,將造成350萬人死亡。
「17年前,人類釋放了原子彈的能量,它脫離了人類道德的約束,成為一種自我毀滅的力量,」時任美國總統甘迺迪。
冷戰進入全盛時期,更大規模核競賽展開,1962年10月22號,由於赫魯雪夫,持續向古巴運送核導彈,引爆古巴導彈危機。
「戰爭似乎迫在眉睫,第一次打擊可能隨時發生,我對我自己說,如果古巴不幸遭到這樣的戰爭,我們將從地圖上消失,」古巴總統卡斯楚。
1962年10月26號,一架美國U2偵查機,在古巴遭蘇聯防空導彈擊落,卡斯楚立刻給赫魯雪夫發電報,要求蘇聯對美國,進行毀滅性的核打擊,古巴導彈危機,從當天深夜,到隔天上午,最後,蘇聯宣佈撤出核導彈,美國保證不進攻古巴而落幕,但危機過後,核競賽變本加厲,美國認為,維持和平的途徑,不在於擁有比蘇聯更多的核武,而是確保雙方都有能力,一次消滅對方25%到50%的人口,也就是「確保相互摧毀」,英文的縮寫,就是MAD,瘋狂。
「這不是瘋狂,確保相互摧毀是威懾政策的基石,如果你想要一個穩定的核世界,這個詞其實很諷刺,核世界那來的安全呢,安全的核世界需要雙方都有能力,確保對對方的威懾,」時任美國國防部長麥克納馬拉。
進入1970年代,蘇聯洲際導彈有1398枚,超出美國344枚,美蘇核威懾達到飽和,但隨著全球反對核武的聲浪高漲,國際核戰略格局發生變化,1970年,國際核不擴散條約生效,奠定了核國家基本格局,美蘇英法中,成為僅有的五個,被核不擴散條約承認的擁核國家。
1972年5月,美蘇簽署第一階段裁減核彈頭條約,但這看來像個晃子,美國為了在核威懾戰略佔上風,1985年,批准反彈道防禦系統的計劃,這項計劃在外太空的雷射武器,就像是電影星際大戰的場景,因此被媒體稱為「星戰計劃」,但因耗資巨大,8年後終止,而蘇聯,在1991年解體,就這樣,在美蘇核武競賽的高潮中,冷戰,戛然而止,「S冷戰結束後 世界太平許多了,小國的領導人再也不用,對他們的內閣說,那兩個瘋狂的超級國家,想把我們捲入核戰,」時任美國總統老布希。
核武器在二戰期間,以締造和平的角色出場,但和平到來後,卻露出猙獰的面目,成為美蘇兩國稱霸世界的工具,維持幾十年的恐怖平衡,而冷戰過後,核武器依然存在,且在擴散,恐懼仍在持續。
化學平衡式計算器 在 文茜的世界周報 Sisy's World News Facebook 八卦
《文茜的世界周報》找不到的工廠:法國的碳經濟模範—世界周報歐洲特約撰述委員王雅倫、攝影記者彭智宏法國里爾採訪報導
誰會願意和一個製造業的工廠為鄰?
噪音干擾 空氣污染 廢水排放 等公害,令人無不聞之色變。
這是法國北部里爾市的郊區,當我們告訴計程車司機前往的地址,是一個工廠的時候,GPS的導航顯示已經到了目的地,但是司機在這條全是住宅的小路上,卻來來去去找不到工廠。
(Pocheco CEO/Emmanuel Druon)
您走到森林裡看到一個螞蟻窩,為了某個原因 螞蟻們要搬家,他們離開之後,不會留下任何東西,我不希望我們變成螞蟻,因為他們不是一個很民主的系統,但是在使用自然資源和對環境的保護上,他們比我們有效率而且聰明太多了
不帶走一片雲彩,不留下任何痕跡,很難想像這居然是一個老闆的終極願望,其實這個工廠早在20年前,就已經死過一次了。
(Pocheco CEO/Emmanuel Druon)
1997年 我接手的時候,這個公司處於很糟糕的困境,我向股東提出了拯救營運的計畫,我說我必須要有完全的自主權,我不準備向股東們融資,但是也不要冀望我會為股東賺錢,因為我必須重新思考這個行業
這是一個生產紙信封的工廠
在這個連電子郵件都要講求4G 5G的時代
誰還會花錢搶救一個沒有未來的信封工廠
(Pocheco CEO/Emmanuel Druon)
其實救贖來自這個工廠當時已經沒有希望了,就因為是一個終點,我們才有自由
去顛覆了投資報酬的關係,正因為沒有任何短期回收的可能以「人」為核心的計畫才能實現,我們一共有127位同事
最壞的時候,也可以是充滿可能的時候,他接手工廠之後最令他擔心的不是紙信封的末路,而是員工們以健康為賭注的未來。
(Pocheco CEO/Emmanuel Druon)
以前用的墨水有毒性的,必須要戴口罩戴手套,是放在一個保護的區域裡,而且以前他們還在工廠裡抽菸!抽香菸!就在化學溶劑旁邊!他們有時候不戴手套就把手放進溶劑,來清洗墨水用過後的工具,用的是F 級的揮發性油性溶劑,這是毒性很強的,沒有人覺得這樣有什麼問題,這不過只是20年之前
於是從換墨水開始,他花了整整一年找到了新的墨水,是水性而且不含重金屬的天然色素,但是成本當然也相對的提高了。
(Pocheco CEO/Emmanuel Druon)
當我們換成水性的墨水,我們就買了200公升的大桶來自己混合,大桶裡都是原色系,透過電腦所計算的比例,自動調出客戶所的顏色和色度,所以是我們自己調色
,因此當然減少了很多的運輸,但是最重要的是大量降低了用不完的廢料,因為以前我們為了一個顏色,雖然明知用不完,但是還是得要購買一整桶,現在我們自己調配,就算是有剩餘的顏料,我們可以集合到這個大桶裡,我們可以再次使用已經用過的墨水,透過重新調色可以用於信封內部的灰色封底,這樣一來,我們減少了25%的墨水用量,我們一方面換成了水性的墨水,另一方面還省了25%的用量,
這真的是「環保節約的經濟效應」(Ecolo-nomie )
接著是改變信封黏合所需要的膠水,膠水裡原來有揮發性屬於污染性的溶劑,而且殘留物裡有動物骨頭的原料,他們花時間去找非動物性原料改為植物性的膠水,再來就是最重要的原料,每年要消耗掉一萬噸的紙。
(Pocheco CEO/Emmanuel Druon)
我們在芬蘭找到的林木商,他們砍一棵樹種十棵樹,我們從此就和他們合作,現在已經20年了,我們已經種了一共差不多200萬棵樹,我們是砍了20萬棵樹,但是我們種了200萬棵,也就是說如果我計算一下,Pocheco 這個企業在排碳量方面,我們的成績是每年負3萬6千噸的排碳量
改變紙張來源的成本比原來提高了10%,但是高品質的紙張加速了機器的運轉,也減少了丟棄劣質木材的浪費,總結起來反而提高了20%的生產力。
(Pocheco CEO/Emmanuel Druon)
我們可以保護環境,同時進行工業生產,我們證實了製造業可以是零破壞
他在接手十年之後終於重新盈虧平衡,工廠開始賺錢,他於是在2007年金融海嘯的前夕,買下這個沒有人看好的工廠,不僅僅著手進行原料的改變,在工廠運作的每一個環節,他們都極力找出最沒有污染的方法,例如特別在工廠入口處種植了一片竹林,利用竹根來過濾處理剩餘的墨水廢料,同時也接收雨水作為員工洗手間的用水。
(再生能源工程師/Anne-Marie Devey)
我們處理完了,現在是在能源上下功夫,我們除了利用屋頂的太陽能板生產能源之外,我們以作廢的木托盤來取暖,也用竹子來取暖,我們還把機器運轉時產生的熱氣導引為暖氣使用,在廢料上也是一樣,目前為止我們廢料的回收率是98%,我們繼續向100%的回收率努力
他們不只利用屋頂安置太陽能板,他們還把廠房屋頂全部綠化,種上合適於當地氣候的各式草類,不但有調節四季溫度的功效,還得以養殖蜜蜂,甚至生產蜂蜜小量販售給前來參觀的訪客。
(Pocheco CEO/Emmanuel Druon)
我們都知道紙張的產業在崩盤,但是我們每年繼續生產了22億個信封,所以還是有客戶的,但是我們迫切需要開發多元化的業務,新的多元化業務就是我們自身的改造,而改造的成果可以讓大家觀摩,吸引了很多人來參觀,來看看我們是怎樣從一個窮途末路的產業轉身成功
從號稱最污染的製造業之一,到零破壞的重生經驗,不但被寫進書裡被拍成紀錄片
,還成為這個老信封工廠的新業務,為其他的產業提供節能減碳的解決方案。
(Pocheco CEO/Emmanuel Druon)
我們繼續在做的,既然我們可以做到,其他的工廠也應該可以,所以我們現在是幾個大型跨國企業的顧問,例如Danone集團,萊雅集團和香奈兒集團
一個當初被認為沒落崩壞的工廠,竟然十年轉身成立國際大企業的顧問,但是環保不是慈善公益,他沒有忘記工廠是同事們養家活口的經濟來源。
(Pocheco CEO/Emmanuel Druon)
我的同事們需要有工作,他們必須要可以繼續工作,他們的工作環境必須要持續地改善,這成了一個集體的計畫,也成為一個思考的邏輯,我們需要賺錢,因為有了財力才能進行,但是錢不是最終的目的,這就是我們的改變
這是一位罕見的老闆,他不只是把員工的健康擺在第一順位,他對薪水的處理也令人驚訝。
(Pocheco CEO/Emmanuel Druon)
我們的薪水分成四等,一等是法國法定的最低薪資,四等是這個的四倍,不是我
,我們之間只有一個人是四等的薪水,除了這一個人以外,我們其他人的的薪資都是從1到2,8
是什麼樣的力量,讓這位老闆自動放棄高薪,心甘情願的只拿一分最低的保障工資?
(Pocheco CEO/Emmanuel Druon)
我爸爸和我到的時候太陽已經出來了,我記得那是很美的一天,天很晴,工廠門口有一顆很大的樹,這棵樹現在還在繼續長得更大了,我清清楚楚的記得,那天很早,我進來的時候,樹上有百萬隻小鳥,我們只聽到小鳥,小鳥 小鳥 四處都是小鳥,那是春天,我們進了紅磚牆的工廠,太陽照在紅磚上有一種砂土的味道,我們進了工廠是一股油料冷卻之後的味道,工人們有些害羞,我也是,但是他們帶著微笑,這個回憶一直沒有離去,我記憶裡的Pocheco,是我11歲時的Pocheco
十一歲小男孩記憶中與工廠的相遇,一直沒有模糊,遠勝過股利和高薪的吸引,而有多少小男孩長大了,還能清楚的記得自己十一歲的夢。
(Pocheco CEO/Emmanuel Druon)
我們的產品可以百分之百的生物分解,工廠本身沒有任何工業廢物和沒有工業廢物的污漬,這代表我們不掩埋任何廢料,也不燃燒任何廢料,我們再生回收所有的廢料都是原料,沒有例外,在一個原料越來越少而且氣候暖化的環境下,我們還能繼續進行工業生產
零污染和零破壞的核心原則,不但讓這個工廠起死回生,更成為凝聚127名員工的向心力。
(再生能源工程師/Anne-Marie Devey)
我的許多同事都和我一樣,我們在Pocheco,有一種別的地方沒有的驕傲和團結的感覺
這裡的確不像一個工廠,而像一個大家庭,辦公室的牆上掛著每位員工的個人照,廠房外就是綠樹成蔭的陽台,陽台的另一邊是還沒有足夠預算修繕的舊廠房,老闆準備整理出來,迎接5個難民家庭,讓他們可以在這裡就業和上學,工廠的外圍是一個候鳥停留的保護區,計程車找不到的工廠地址,候鳥們應該找的到,20年來沒有令它們繞道或卻步的工廠鄰居。
化學平衡式計算器 在 李開復 Kai-Fu Lee Facebook 八卦
近日,我與阿萊克斯·彭特蘭教授(Alex Pentland)展開了一場”AI如何重塑人類社會”的精彩對話。
《連線》雜誌的資深撰稿人威爾·奈特(Will Knight)主持了這場對話。
阿萊克斯·彭特蘭教授任教于麻省理工學院,為全球大資料權威專家之一,現任MIT連接科學研究所主任、MIT媒體藝術與科學教授,擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜,曾參與創建MIT媒體實驗室,是全球被引述次數最多的計算科學家之一。
對話金句:
李開復:
AI最大的機會蘊藏在與傳統企業的結合中,這種價值的產生極其迅速,只需要幾個月,甚至短短幾周。
未來突破很難預測,對奇點、超級智慧的爭辯,在我看來都過於樂觀了。
小型AI公司與巨頭競爭,我的建議是找准巨頭沒有平臺優勢的細分領域,為某個針對性產業創造價值,不要與巨頭核心業務正面硬碰。
阿萊克斯·彭特蘭:
AI絕非試圖取代人類,而是促進多元文化之間的相互連接、團隊合作,讓人們更好的進行社交和連接彼此。
最困難的其實是說服人們改變商業流程去使用AI,因為大多數人是墨守成規的。
人工智慧有朝一日可以取代人類所有的能力,但是這個過程會非常漫長,可能需要上百年或更久。
我在對話中表示,當我們試圖解決AI問題時,應該用技術來解決技術的問題,可以尋求與監管部門協作,而不只是丟給他們,“新技術會衍生新的問題,我們應該多方嘗試用更進階的技術性解決方案,就像電腦病毒剛出現時,殺毒軟體隨之誕生。”
彭特蘭教授認為,人工智慧的核心,是促進多元文化之間的相互連接。不只是工程師或科學家,連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準,就像TCP/IP互聯網協定那樣,避免AI冷戰。” 我們都贊同,AI發展從來不是單打獨鬥,跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇(MIT-CHIEF) 組織的高峰對話系列活動,主題是《計算與未來: AI與資料科學如何重塑人類社會》。
麻省理工學院中國創新與創業論壇(MIT-CHIEF)由麻省理工學院的中國留學生創立,至今已有十年,是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者,共同探討科技創新及商業化過程中面臨的挑戰。
以下是我們對話的核心內容,由我的同事整理、分享給大家:
Part I 主題演講
▌李開復:各方應協作,讓AI 更務實
非常榮幸再次受到MIT-CHIEF的邀請,對於人工智慧的看法,這次我主要想講四點。
第一點是我書裡的主題,人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段,從應用落地層面來說,正迎來了AI發展最大的機遇。
很多科技公司目前已對人工智慧進行了多樣化佈局,從視覺、語言、觸覺和其他感知技術,到自動化機器人、無人駕駛等,對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性,但我預測未來的格局會非常龐大,依據統計,各行各業採用AI的程度目前不到5%,AI應用的中長期增長曲線相當可期。
第二點是我很欣喜看到的一點,AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多,更多的AI公司湧現出來。
AI最大的機會蘊藏在與傳統企業的結合中,創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。
作為AI投資人,我認為在這些行業如果找到正確的AI應用方向,就能帶來上千萬的回報。這種商業價值的產生是極其迅速的,通常只需要幾個月,甚至短短幾周就能看到成果。
現在人工智慧在傳統產業的滲透率仍在個位數,仍然有很大的提升空間。然而對於很多公司來說,它們需要的是高度定制化的方案,而非通用型AI方案,所以融合的過程中,不可避免會遇到不少挑戰和痛點。
第三,我早年做過很多科研工作,很高興能看到關於系統一和系統二(System One, System Two)的討論,我們期待人工智慧技術從系統一升級為系統二,即從識別、決策、優化等能力,升級到感知、認知等進階智慧的能力。
有不同的學派都在努力讓人工智慧更接近人類智慧,其中一個流派主張回歸經典的AI理念,甚至重新構建嶄新的模型結構,在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。
回看人工智慧過去60多年的歷程,最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路(CNN)帶來的喜人成績,還有預訓練自然語言處理模型(Pre-Trained Models for Natural Language Processing)的廣泛運用。
預訓練模型與人類語言學習的模式類似,不管是英語還是中文,在習得這些語言之後,再去學習程式設計、藝術、化學。在無人監督的學習環境中,這種模式比我們想像得還要強大,就像阿爾法圍棋(AlphaGo)一樣。
最後一點我想說的是,如何讓AI變得更務實。
AI有很多問題,例如隱私、資料安全、治理和監管,在此就不一一討論了。當我們試圖解決這些AI難題時,有人認為讓監管部門加強管理是唯一辦法,其實不然,我們是否也可以朝著研發更厲害的技術性解決方案去努力?
就像電腦病毒剛出現時,殺毒軟體隨之誕生;面對千年蟲難題時,也迅速找到了技術應對方案。我們可以通過研發新技術,應對DeepFake深度換臉程式的挑戰;或者通過聯邦學習技術,在保證資料私密性的同時,滿足深度學習訓練需求。
作為握有技術能力的群體,我們需要與監管部門一起協作,而不只是把工作丟給他們。相信有了各方的助力,我們可以讓AI的應用變得更有深度,更加務實,更高效地克服現在面臨的種種問題。
▌阿萊克斯·彭特蘭:國家間應建立互通標準,避免“AI冷戰”
我對當前的深度學習技術不太樂觀。
最為主要原因是,深度學習不僅需要龐大的資料來源,而且要求這些資料長時間恒定不變,以保證模型訓練結果的可靠性,例如人類的面容、語言,就是相對穩定不變的資料來源。
但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時,出現了倉庫貨物緊缺,不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰,就是因為快速變化的疫情,和深度學習對恒定資料來源的需求是矛盾的。
另外,我想談談如何通過聯邦學習,促進資料的流通。
大多數公司沒有足夠豐富的資料,需要聯合不同的資料來源。基於這種需求,出現了很多新商業模式,比如“資料經紀人”——他們不出售資料,而是把資料借出去,作特定需求的使用。
“資料經紀人”業務湧現了很多,他們促進了資料的流通,也加強了資料的隱私性。因此,像聯邦學習這樣的技術和商業策略結合,有效解決了資料在合規性和所有權方面的難題。
聯邦學習也依賴於新的基礎設施建設,為資料應用和深度學習提供基礎環境,比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗,新加坡等國家設置了一種相互競爭的區塊鏈系統,來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗,涉及不同資料的互通性和連貫性問題。
我們仍在研究如何用儘量少的資料,實現人工智慧的目標。少量資料是指不斷更新的短期資料,這些資料能使AI應對迅速變化的情況,並及時做出調整。
我們打算將AI與其他基礎科學結合,例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料,可能會比深度學習更加強大。
除此之外,我們在探討用AI保障聯邦學習過程中不同資料方的權益,這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。
另一方面,我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作,找出解決系統入侵和保障網路安全的方法。
我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策,也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率,比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。
基於我們已有的多中繼資料庫,現在可以利用AI實現全新的資料優化方式,將貧困、不平等這種之前無法量化的指標,通過可量化的指標進行評估。
同時,要真正實現這個目標,我們還需要制定統一的互通性標準。如果沒有這個標準,國家之間就不會相互信任去合作,就可能出現AI冷戰。
因此我們需要找到促進合作的方式,就像TCP/IP互聯網協議那樣。而之前我提到的,新加坡、瑞士等現在正在嘗試的區塊鏈系統,將有希望解決國家間缺乏互通標準的問題。
Part II 對話
▌ 美國線上教育發展難度更大,只在ZOOM上講課是不夠的
Q1:疫情加速了行業的改變,遠端醫療、線上教育開始蓬勃發展,這只是AI對人類社會產生影響的冰山一角。想請兩位談一談,目前看好AI在哪些領域應用的未來前景?
李開復:疫情的確對整個社會產生了實質性的影響,人們行為習慣發生了很多改變,更願意接受線上學習和工作了。
這種新的行為習慣產生了大量資料流程,為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料,可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究,因此我相信AI在醫療健康領域的潛能是非常巨大的。
AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務,例如批改作業,讓老師得以將時間精力投入到更有創造性的事情上,能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性,比如設置卡通版AI虛擬老師,讓課程充滿趣味性。
在中國,有很多線上教育公司在疫情之前就已經發展迅速,像創新工場投資的VIPKID,讓國外的純正英語老師線上上教授中國學生。目前,中國的線上教育已經擴展到了更多科目,包括體育、舞蹈、書法等素質教育課程。
相比之下,美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的,好的線上教育必須要有好的內容。
▌AI核心是增強人際互聯,應注重文化多樣性
阿萊克斯·彭特蘭:李開復博士提到的教育案例,我不是很認同。
MIT大約20年前就在教育中使用AI,重點根本不是內容,我們甚至提倡將內容免費開放給大眾。
AI絕非試圖取代人類的作用,我們更強調用AI增強人與人之間的互動,讓人們更好的社交和連接彼此。比如手機上人工智慧技術,不是要取代你,而是讓你高效地找到最適合的工作、最正確的人,讓你更容易的獲取資訊,並進行創新。
我們可以利用資料激發更強的創新力,培養領導力。只有基於這樣的宗旨,才能促進更有創造力的教育和學習,這比關注教育內容本身重要得多。
在加拿大,有家創業公司正在訓練普通民眾學習AI,比如水管工,教學效果非常不錯。他們的教育方式不是簡單的教授基本知識,而是以一種能夠激發人們互動思考的方式。
我們之前在中國調研了3000多個孵化器,發現創業公司成功的要素裡,第一個是文化多樣性,也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性,他們能否發揮自己所長,並很好地進行團隊合作。
1956年,馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解,不應該只停留在“人工”層面,而應擴展到多元文化之間的相互連接、團隊合作,我把它叫做延伸智能(Extended Intelligence)。這也是我想強調的,人工智慧這個名詞有一定的偶然性,但它的核心點是增強人與人之間的互聯性。
▌AI未來突破難預測,奇點、超級智慧過於樂觀
Q2:未來十年AI有沒有可能取得重要突破?比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼?
李開復:過去60多年來,深度學習是唯一的重大突破。在這之後,卷積神經網路(CNN)和GPT-3等都算是重要的改善,我對於人工智慧的漸進式改善保持樂觀。
對科學家來說,他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易,只要有大量的資料,就可以從實驗室進入到行業應用,CNN和GPT-3都是模型加海量資料的成果。
我是務實派的,雖然持有樂觀態度,但並不是一位“未來學家”。未來的突破很難預測,對奇點(Singularity)的爭辯,甚至預測超級智慧的出現,在我看來都過於樂觀了。
阿萊克斯·彭特蘭:我同意李博士的觀點。很多生物機制很難解釋,包括用感知認識事物、理解聲音、尋找食物等,是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論,並進行實踐。
從務實的角度來說,我最感興趣的就是聯邦學習。就醫療而言,我們有這麼多醫院,在新冠疫情期間做了很多的實驗,為什麼這些實驗資料不能進行聯合呢?
儘管資料有不相容的地方,但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來,我們對資料的需求也許會越來越少,外科醫生或者物理學家或許不需要太多資料,因為他們對規則已經瞭若指掌了。
▌不要墨守成規,要跨領域、跨學科應對挑戰
Q3:人工智慧會有什關鍵挑戰?對於想從事這個行業的人,有什麼是需要瞭解的關鍵點?
李開復:首先,大背景在改變,新科技層出不窮,我們每年都需要學習新的東西。
其次,人工智慧可能引起各種問題,包括偏見、歧視、倫理道德等,是否危害人類的身體健康,無人駕駛技術該何去何從等等。
第三,人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校,能夠把AI教育擴展到各個學科,讓研發人員及早意識到自己的責任和價值。
阿萊克斯·彭特蘭:是的,我朋友做過一個有關電的趣味類比,電動馬達最初在工廠裡用於生產的時候,並沒有發揮出多大的作用,因為大家並不知道如何改造生產流程。
AI在一些領域發揮的作用是顯著的,但應用到其他領域時,就需要改造流程。很多情況下,最困難的就是說服人們改變商業流程去使用AI,因為大多數人是墨守成規的。
而有意思的是,就像李博士提到的,像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。
比如,我今天早上正好就這個話題跟G20領導人對話,大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題,不能只是工程師或者社會科學從業者們在做,經濟學家,政治家等等都必須參與進來緊密合作。
隨著AI的應用領域越來越廣,除了必須具備強有力的技巧來建立社會規則,還需要對研究經費、企業投入等進行各種調整。
▌雖然大公司實力不容小覷,但依舊對小公司抱有期待
Q4:AI研究會消耗大量的資源,我們是否應該將資源往學術界平衡?現在已經發生資源的重新分配和平衡了嗎?
李開復:就人才而言,現在已經有重新平衡的跡象了。
過去,頂尖大學的學者基於待遇和種種考量,不少選擇去企業界工作。而近期,曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。
但像GPT-3這樣的技術,仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練,就要花費460萬美金,只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。
我觀察到,近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建,為了解決特定問題而生,並非紙上談兵做突破性科研,切入的領域也往往是巨頭公司忽略的地方。
例如,為製造業進行AI賦能,不是一件輕鬆的事,需要去工廠實地勘查,瞭解運作方式。大公司因為賺錢很容易,不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果,就會給產業界帶來革命性的影響。所以,雖然大公司的實力不容小覷,但我依舊對小公司抱有期待。
阿萊克斯·彭特蘭:大學和公司是一種融合的關係,不僅體現在人才流動上,也會進行資訊資源分享,彼此是整體性的合作態勢。
當然這也不是絕對,產業界的保密需求還是存在的,只是從學校的出發點來說,我們願意毫無保留地為大家提供更好的研究成果,並與企業合作,形成標準化平臺。
▌人工智慧取代人類需要上百年或更久
Q5:兩位認為什麼是AI不能取代的?
李開復:一類是創造力、分析能力、邏輯辯論能力,瞭解自己知道什麼不知道什麼,這些是人工智慧無法取代的。另外一類是同理心,人類之間的信任、友誼,自我認知、意識等。
阿萊克斯·彭特蘭:人工智慧有朝一日可以取代人類所有的能力,但是這個過程會非常漫長,可能需要上百年或更久。
▌AI創業建議I:找到小切入點,不要與巨頭正面硬碰
Q6:李博士提到了AI在小企業中的運用,可否再舉例說明是如何運用的?
李開復:這個問題分兩部分:一個是小型AI公司與巨頭競爭,我的建議是找准巨頭沒有平臺優勢的細分領域,為某個針對性產業創造價值,並且不要與巨頭核心業務正面硬碰。
對於那些中小型非AI、但想應用AI的公司,需要確保有足夠的資料,以訓練與核心商業價值掛鉤的AI模型,並且有願意變革的開放性公司文化。
所以,早期應用AI的公司可能規模較大,因為他們有足夠大的資料,和可相容變革的商業模型。每個例子都不同,不是任何一家公司都要應用AI。
阿萊克斯·彭特蘭:如果我們放寬AI的定義,或許水管工、合同工都有資料,通過一些簡單的分析、整合,AI也可以在很大程度上改進他們的工作。
這些都是很小的切入點,基於簡單的AI分析、機器學習,依舊可以產生巨大的潛力。
▌ AI創業建議II:知曉技術,同時理解商業
Q7:兩位再分享一下最後的建議?
李開復:我們在步入一個AI開始滲透到方方面面的令人振奮的時代,我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地,而不僅僅鑽研技術本身。
阿萊克斯·彭特蘭:不要太較真於深度學習或者冗長的演算法,一切始於要解決的現實問題。不要止步於技術本身,要明白資料類型、形態和規律,關注商業流程。
感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。
化學平衡式計算器 在 化學反應式查詢2023-精選在Instagram/IG照片/Dcard上的焦點 ... 的八卦
化學 反應式查詢2023-精選在Instagram/IG照片/Dcard上的焦點新聞和熱門話題資訊,找化學反應式查詢,化學反應式計算機,化學反應式平衡題目,化學反應式 ... ... <看更多>
化學平衡式計算器 在 108新課綱高一化學3-5【觀念】平衡化學方程式 - YouTube 的八卦
貼心提醒:雙語字幕請按播放器右下角打開【CC字幕】喔! 高一 化學 播放 ... ... <看更多>