迈克尔·I·乔丹

迈克尔·I·乔丹

Michael I. Jordan
加州大学伯克利分校教授
海外PC 优先级✓ 已收录 1 期访谈

立场时间线 7 条 · 7 个议题

同一议题按时间排列,说法变化一目了然。

AI本质
2020-02

乔丹认为当前所谓'人工智能'并非在创造智能,而是一个类似化学工程从化学中分化出来的新兴工程学科,目标是构建为人类带来价值、融合人类数据与决策的实用系统。

“This is not about AI... this is about building systems that bring value to human beings and use human data and mix in human decisions. —— 这无关人工智能……这是关于构建能为人类带来价值、使用人类数据并融合人类决策的系统。”

来源访谈 →
相关观点 (3)Michael Littman · AI发展:他相信在真正开发能与世界复杂互动、执行任务的AI技术过程中,人类会积累大量认知与理解,而非对风险毫无准备。德瓦克什·帕特尔 · 样本效率:智能的定义是样本效率,即用多少数据就能在特定领域熟练运作;近几年AI的进步主要靠扩大数据分布,而非提升训练样本效率。汪天凡 · AI应用投资:应聚焦于将智能转化为智慧、帮助用户活在当下的产品,而非单纯追求效率工具
智能认知
2020-02

乔丹认为人类至今不知道智能是什么,对人类层面的抽象和推理几乎一无所知,因此不应夸大当前AI在智能上的进展。

“We don't know what intelligence is and real intelligence we don't know much about abstraction and reasoning at the level of humans we don't have a clue. —— 我们不知道智能是什么,对于人类层面的抽象和推理,我们一无所知。”

来源访谈 →
相关观点 (3)罗德尼·布鲁克斯 · 感知与行动:感知与物理行动远比下棋、推理等任务困难,当前AI做不到像16个月大幼儿那样看懂新环境并打开陌生的窗户。德瓦克什·帕特尔 · 样本效率:智能的定义是样本效率,即用多少数据就能在特定领域熟练运作;近几年AI的进步主要靠扩大数据分布,而非提升训练样本效率。梅兰妮·米切尔 · AGI时间表:她认为实现人类水平智能需要大量基础性科学突破,而非当前方法的简单扩展,对AI领域的时间预测持谨慎态度
创作者经济
2020-02

乔丹认为AI和数据可以为音乐等产业创建透明高效的新市场,让创作者直接获得报酬并建立职业生涯,形成基于真实价值交换的直接经济关系。

“AI和数据可以创建一个透明、高效的市场,让创作者直接获得报酬、建立职业生涯,从而"创造新工作"。”

来源访谈 →
相关观点 (2)筱宁 · AI改变生产关系:AI通过极大降低试错成本、加速迭代循环,正在悄然改变游戏与互动内容的生产关系,并可能催生新形态。Dwarkesh Patel · 机器经济:他认为现有关于AGI的经济分析大多基于人类需求,若出现需求主要来自AI本身的“纯机器经济体”,经济模型和增长逻辑将发生根本性改变,这是亟待建模的全新领域。
广告模式
2020-02

乔丹认为Facebook、谷歌等依赖广告变现的商业模式扭曲了信息流动,是点击率至上和虚假新闻问题的核心根源。

“The fake news actually rides on top of that because it means that you're monetizing with click-through rate and that is the core problem. —— 虚假新闻实际上是附着其上的,因为这意味着你通过点击率变现,而这才是核心问题。”

来源访谈 →
相关观点 (1)埃里克·布林约尔松 · 信息失真:他批评以广告为主导的社交平台商业模式扭曲了信息环境,虚假信息因更具情绪冲击力而比真相传播得更快。
推荐系统
2020-02

乔丹欣赏帮助用户发现新知的推荐系统,但反对基于全面监控、试图预测用户一切的模式。

“人类兴趣丰富且不可预测,平台应提供探索的场所,而非替用户做主。”

来源访谈 →
相关观点 (1)罗德尼·布鲁克斯 · 深度学习局限:他批评研究界为快速发表论文倾向堆数据、贴标签,深度学习模型看似弄明白了,但其理解方式与人类根本不同。

金句墙 4 条

访谈收录

AI不是智能工程,而是决策市场