工业| 最神秘的人工智能初创公司Vicarious，让机器拥有想象力

机器之心合集

参与：天道lyc，孙锐，亚洲

人工智能初创公司Vicarious成立于2010年，2013年宣布破解验证码，受到《连线》、《麻省理工科技评论》等媒体的广泛关注。 随后，Yann Lecun 发表文章指出，谨防人工智能炒作，称其为教科书反面例子。 他认为，在人工智能初创公司取得被基准普遍接受的最佳结果之前，人们永远不应该相信人工智能初创公司模糊的说法。 《麻省理工科技评论》近日再次发表了有关 Vicarious 的报道，称这家之后一直隐藏的公司将在今年晚些时候发布论文和 Demo。 （附件：Yann Lecun 对 Vicarious 的公开评论。）

如果没有想象力，生活该多么无趣啊。 事实上，计算机最大的问题可能是它们没有任何想象力。

正是这个想法促使创始人成立了 Vicarious，这是一家由硅谷一些大人物支持的秘密人工智能公司。 受到信息流经大脑的方式的启发，Vicarious 正在开发一种处理数据的新方法。 公司高管表示，这给计算机带来了类似想象力的东西，他们希望这将帮助机器变得更加智能。

事实上，Vicarious也在押注当下热门的人工智能。 谷歌、Facebook、亚马逊和微软等一些公司在过去几年中通过向大规模神经网络输入大量数据（这一过程称为深度学习）取得了令人难以置信的进步。 例如，当深度学习系统接受足够多的示例训练时，它可以以非常高的准确度识别特定的面孔或动物类型。 但这些神经网络只是真实大脑内部的粗略近似。

Vicarious 使用了一种新的神经网络算法，融合了更多的生物特征。 它的一个重要特征是，在学习了一条信息后，它可以想象该信息在其他上下文中会是什么样子——一种人工想象的方式。 该公司的创始人认为，机器迫切需要一种根本不同的设计，以展现出更像人类的智能。 未来，计算机将不得不从更少的数据中学习，并且可以更轻松地识别刺激或概念。

尽管早期引起了很多关注，但 Vicarious 在过去几年中一直保持低调。 但今年，该公司表示将公布其研究细节，并承诺展示一些令人瞠目结舌的演示，展示计算机在拥有想象力时的用途。

Vicarious 的公司总部看起来并不像人工智能革命的中心。 该公司的办公室距离帕洛阿尔托到旧金山湾只有很短的车程（我们被要求不要透露其具体位置），并不起眼——距离麦当劳仅一箭之遥，距离牙医诊所仅一箭之遥。几步之遥。 然而，其内部却蕴藏着高科技初创公司的活力。 当我访问时，十几个工程师正在努力工作，其中几个在令人印象深刻的跑步机办公桌前工作。 一些工程师的办公桌上有微软的 Kinect 3-D 传感器，该公司 33 岁的首席执行官 D. Scott Phoenix 自豪地说：“我们正在非常快地接近我们想要的计算能力。有能力[让我们]做一些有趣的事情” “人工智能领域的事情，”我进来后不久，他告诉我。“15 年后，最快的计算机每秒处理的运算量将超过所有人类大脑。 所以我们真的很接近。”

然而，Vicarious 不仅仅致力于提高计算机性能。 菲尼克斯说，Vicarious 创建的数学方法将更类似于人脑的信息处理。 事实上，目前人工智能中使用的神经网络与真实大脑中的神经元、树突和突触之间的相似性极其有限。

菲尼克斯说，人工神经网络最明显的缺点之一是信息朝一个方向流动。 “如果你观察典型神经网络中的信息流，就会发现它是一种前馈结构，”他说。 “但实际上，在大脑中，反馈连接比前馈连接更多——因此，（当前的方法）丢失了一半以上的信息流。”

具有非常“人类”想象力的计算机听起来很神秘。 无可否认，人们很容易认为想象力可能是人工智能下一次重大进步的关键。

Vicarious已经表明，他们的方法可以开发出非常精确的视觉系统，而且效果令人惊叹。 2013年，该系统能够破解CAPTCHA（用于防止垃圾邮件程序恶意注册帐户的验证图片）。 正如 Phoenix 所解释的那样，Vicarious 系统中嵌入的反馈机制使其能够想象如果图片扭曲或部分模糊的话角色会是什么样子。

Phoenix 在白板上概述了系统核心方法的一些细节。 但更多具体细节仍处于保密状态，直到今年晚些时候发表概述验证码方法的科学论文为止。

原则上，该视觉系统可用于许多其他实际应用，例如更准确地识别货架上的物体，或更智能地识别现实世界的场景。 该公司的创始人还表示，他们的方法可以扩展到其他更复杂的智能领域，包括语言和逻辑推理。

菲尼克斯表示，该公司可能会在今年晚些时候发布该机器人的演示。 事实上，该公司网站的职位列表中列出了一些机器人专家职位。 今天的机器人不擅长识别不熟悉的、排列奇怪的或部分模糊的物体，因为它们很难识别物体是什么。 “如果你使用亚马逊的设备，你会发现，大多数时候，工作人员甚至看都不看就在挑选物品，”他解释道。 “使用感官参与模拟器，他们想象目标在哪里以及他们的手指会触摸目标的位置。”

Phoenix 是公司的领导者，联合创始人 Dileep George 是公司的技术规划师。 乔治出生于印度，并获得博士学位。 斯坦福大学电气工程博士。 在博士研究即将结束时，他将注意力转向神经科学。 2005年，他与PalmComputing创始人Jeff Hawkins共同创立了Numenta。 但在 2010 年，George 离开 Numenta，致力于研究大脑信息处理背后的数学思想，同年他与 Phonexi 创立了 Vicarious。

第一次来时，我在电梯里遇到了乔治。 他是一个谦虚、说话安静、带有浓重口音的人。 但在极其重要的事情上，他也很有证据。

迄今为止，这一对人工智能未来的宏伟愿景已帮助 Vicarious 获得了惊人的 7200 万美元资金。 它的投资者名单看起来也像是科技界的名人录。 早期资金来自 Facebook 前首席技术官达斯汀·莫斯科维茨 (Dustin Moskovitz) 和 Quora 联合创始人亚当·德安吉洛 (Adam D'Angelo)。 后来的资金来自彼得·蒂尔、马克·扎克伯格、杰夫·贝佐斯和埃隆·马斯克。

很多人非常渴望看到的是，Vicarious 除了打败验证码之外还能做什么。 西雅图艾伦人工智能研究所首席执行官奥伦·埃齐奥尼 (Oren Etzioni) 表示：“如果他们今年能够向我们展示一些新东西，我会很高兴。” 与 Google、Facebook 和百度相比，Vicarious 没有发表任何论文，也没有发布研究人员可以使用的工具。 “Vicarious 的人都很棒，他们所解决的问题也很棒，”Etzioni 说，“但现在是时候拿出一些东西了。”

对于那些投资 Vicarious 的人来说，该公司雄心勃勃的目标让等待是值得的。 投资过 Vicarious 的投资公司 Data Collective 的合伙人马特·奥科 (Matt Ocko) 表示，即使人们需要等待一段时间，潜在的回报看起来也很大，以至于人们愿意冒险一试。 他说，好的机器学习方法可以应用于任何处理大数据的行业。 “Vicarious的方法是我迄今为止见过的最可靠的方法。”

Ocko还表示，Vicarious已经证明他们的研究成果可以商业化。 “我们将非常小心地做到这一点，”他说。

让我们看看 Vicarious 今年能否利用其论文和演示来激发其他人工智能研究人员和技术人员的信心。 如果确实如此，Vicarious 可能会很快从硅谷最热门的团队之一转变为增长最快的业务。

这当然是公司创始人希望看到的一件事。

但对于公司来说，也有质疑和批评的声音。 2013年Vicarious受到广泛关注后，Yann Lecun公开表示要警惕人工智能炒作，认为这是教科书上的反面例子。 不知道Vicarious的论文和demo是否会让LeCun改变主意。

附：Yann LeCun 2013年对Vicarious的评价：

人工智能初创公司 Vicarious 声称，他们的系统之一可以解决 CAPTCHA（区分计算机和人类的全自动图灵测试）问题，成功率“90%”。

当心：这是人工智能炒作的教科书示例。

炒作对于人工智能来说非常危险。 在过去 50 多年里，炒作已经四次杀死了人工智能。 人工智能炒作必须停止。

也许Vicarious在自己构建的一些验证码数据集上的准确率可以“上升到90%”。 但：

破解验证码并不是一件有趣的任务，除非您是垃圾邮件发送者。

在您自己创建的数据集上很容易取得成功。 其他人也可以用同样的方式超越你。

识别图片中的物体比破解验证码要困难得多。 一些深度学习系统已经能够相当准确地做到这一点。 谷歌和百度正在开发这样的系统。

同时分割和识别字符串很难说是一个突破。 这里你可以看到20多年前（）的一个demo。

遗憾的是，这一说法被多家刊物发表，包括《麻省理工科技评论》、《福布斯》等。

这是给科技记者的一条建议：永远不要相信人工智能初创公司的模糊说法，除非他们的最新努力得到了可靠的行业标准的验证。

这在图像和语音识别等领域尤其重要，因为这些领域存在非常好的标准。 ImageNet 大规模视觉识别挑战赛是图像识别的一个非常好的标准示例。

当一家初创公司声称在某些随机任务上达到“90% 的准确率”时，不要认为它具有新闻价值。 如果一家公司还声称“我们正在开发基于人脑计算原理的机器学习软件”或者使用“递归皮质网络”这样华丽的术语，我们需要更加持怀疑态度。

已经有一些令人印象深刻的深度学习应用程序（例如，谷歌、百度、微软、IBM 和其他一些初创公司），但（Vicarious）并不在此列表中。

谷歌的自动图像标记和百度的图像检索系统比本声明中的系统强大得多。 即使我们只谈论字符识别，Google 用于识别门牌号的 StreetView 系统也比这更引人注目。

过去50年里，人工智能因炒作而“死亡”了四次：人们宣布了雄心勃勃的目标（通常是为了吸引潜在投资者或资产公司）但未能实现。 那么负面影响也随之而来。 这种情况在神经网络中已经发生过两次：一次是在 60 年代末，一次是在 90 年代中期。

不要让它再次发生。 谨防炒作。

顺便说一句，除了垃圾邮件发送者和计算机安全研究人员之外，没有人对破解验证码感兴趣。 这也是为什么你找不到太多关于这个主题的计算机视觉论文的原因。 这就是为什么即使存在标准数据集也很难打破记录。

机器接口之心智能机器系列活动#1 自然语言处理中的认知计算↓↓↓