吳恩達(dá)的2021回顧，這些大事件影響了AI這一年

來源：AI前線

作者：Andrew Ng

譯者：核子可樂，劉燕

12 月 23 日，機(jī)器學(xué)習(xí)大牛吳恩達(dá)（Andrew Ng）在其主編的人工智能周訊《The Batch》上發(fā)表了最新文章。文章中，吳恩達(dá)回顧了 2021 年全球人工智能在多模態(tài)、大模型、智能語音生成、Transformer 架構(gòu)、各國 AI 法律舉措等方面的主要進(jìn)展。

2021 年即將過去。

日前，吳恩達(dá)發(fā)表了以“贈人玫瑰、手有余香”為主題的圣誕寄語。

隨著 2021 年底的臨近，你可能正在減少工作為寒假做準(zhǔn)備。我很期待能暫時(shí)放下工作休息一下，希望你也一樣。

十二月有時(shí)被稱為給予的季節(jié)。如果你有空閑時(shí)間，想知道如何利用它，我認(rèn)為我們每個(gè)人能做的最好的事情之一，就是思考如何能夠幫助別人。

歷史學(xué)家、哲學(xué)家威爾·杜蘭特曾說過:“重復(fù)的行為造就了我們?！比绻悴粩嗟貙で筇嵘?，這不僅會幫助他們，或許同樣重要的是，它也會讓你成為一個(gè)更好的人。正是你的重復(fù)行為定義了你的為人。還有一個(gè)經(jīng)典的研究表明，把錢花在別人身上可能比花在自己身上更讓你快樂。

所以，在這個(gè)假期，我希望你能休息一段時(shí)間。休息、放松、充電！與那些你愛的、但在過去的一年里沒有足夠的時(shí)間聯(lián)系的人聯(lián)系。如果時(shí)間允許，做一些有意義的事情來幫助別人?？梢允窃诓┛臀恼轮辛粝鹿膭畹脑u論、與朋友分享建議或鼓勵、在線上論壇上回答一個(gè)人工智能問題、或?yàn)橐粋€(gè)有價(jià)值的事業(yè)捐款。在與教育和（或）科技相關(guān)的慈善機(jī)構(gòu)中，我最喜歡的有維基媒體基金會、可汗學(xué)院、電子前沿基金會和 Mozilla 基金會。

吳恩達(dá)還談到了 AI 社區(qū)的發(fā)展。他表示：AI 社區(qū)在規(guī)模很小的時(shí)候就有很強(qiáng)的合作精神。這感覺就像一群無畏的先鋒們在向全世界進(jìn)軍。人們渴望幫助別人，提供建議，彼此鼓勵，相互介紹。那些從中獲益的人往往無以為報(bào)，所以我們通過幫助后繼者作為回報(bào)。隨著人工智能社區(qū)的發(fā)展，我希望保持這種精神。我承諾將繼續(xù)努力建設(shè)人工智能社區(qū)。希望你也可以!

我也希望你們能考慮各種方式，無論大小，向人工智能社區(qū)以外的人伸出援手。世界上還有很多地方?jīng)]有先進(jìn)的技術(shù)。我們的決定影響著數(shù)十億美元和數(shù)十億人的生命。這給了我們一個(gè)在世界上行善的特殊機(jī)會。

吳恩達(dá)回顧了 2021 年全球人工智能的進(jìn)展并展望了 2022 年以及之后 AI 技術(shù)的發(fā)展前景。

回顧 2021 年

過去一年以來，整個(gè)世界都在跟極端天氣、經(jīng)濟(jì)通脹、供應(yīng)鏈中斷以及 COVID-19 病毒作斗爭。

在科技領(lǐng)域，遠(yuǎn)程辦公與線上會議貫穿了這整整一年。AI 社區(qū)則繼續(xù)努力彌合整個(gè)世界，推進(jìn)機(jī)器學(xué)習(xí)發(fā)展，同時(shí)加強(qiáng)其造福各行各業(yè)的能力。

這一次，我們希望重點(diǎn)展望 2022 年及之后 AI 技術(shù)的發(fā)展前景。

多模態(tài) AI 的起飛

雖然 GPT-3 和 EfficientNet 等單獨(dú)針對文本及圖像等任務(wù)的深度學(xué)習(xí)模型備受矚目，但這一年中最令人印象深刻的還是，AI 模型在發(fā)現(xiàn)許可證與圖像間關(guān)系中取得了進(jìn)步。

背景信息

OpenAI 通過 CLIP（實(shí)現(xiàn)圖像與文本匹配）與 Dall·E（根據(jù)輸入文本生成對應(yīng)圖像）開啟了多模式學(xué)習(xí)的開端；DeepMind 的 Perceiver IO 則著手對文本、圖像、視頻及點(diǎn)云進(jìn)行分類；斯坦福大學(xué)的 ConVIRT 嘗試為醫(yī)學(xué) X 射線影像添加文本標(biāo)簽。

重要標(biāo)桿

雖然這些新的多模式系統(tǒng)大多處于實(shí)驗(yàn)階段，但也已經(jīng)在實(shí)際應(yīng)用中取得突破。

• 開源社區(qū)將 CLIP 與生成對抗網(wǎng)絡(luò)（GAN）相結(jié)合，開發(fā)出引人注目的數(shù)字藝術(shù)作品。藝術(shù)家 Martin O’Leary 使用 Samuel Coleridge 的史詩作品《忽必烈大汗》為輸入，生成了充滿迷幻色彩的“Sinuous Rills”。
• Facebook 表示其多模式仇恨言論檢測器能夠標(biāo)記并刪除掉社交網(wǎng)絡(luò)上 97% 的辱罵及有害內(nèi)容。該系統(tǒng)能夠根據(jù)文本、圖像及視頻等 10 種數(shù)據(jù)類型將模因與其他圖像 - 文本對準(zhǔn)確劃分為“良性”或“有害”。
• 谷歌表示已經(jīng)在搜索引擎中添加了多模式（及多語言）功能。其多任務(wù)統(tǒng)一模型能夠返回文本、音頻、圖像及視頻鏈接，用以響應(yīng)由 75 種語言提交的各類查詢。

新聞背后

今年的多模態(tài)發(fā)展態(tài)勢源自幾十年來堅(jiān)實(shí)的研究基礎(chǔ)。

早在 1989 年，約翰霍普金斯大學(xué)和加州大學(xué)圣迭戈分校的研究人員就開發(fā)出一種基于元音的分類系統(tǒng)，用以識別人類語音中的音頻與視覺數(shù)據(jù)。

接下來的二十年間，更多研究小組先后嘗試過數(shù)字視頻庫索引及基于證據(jù) / 視覺數(shù)據(jù)的人類情緒分類等多模式應(yīng)用方案。

發(fā)展現(xiàn)狀

圖像與文本如此復(fù)雜，因此研究人員在很長一段時(shí)間內(nèi)只能專注于其中一種。在此期間，他們開發(fā)出多種不同技術(shù)成果。

但過去十年中，計(jì)算機(jī)視覺與自然語言處理已經(jīng)在神經(jīng)網(wǎng)絡(luò)中得到有效融合，也讓二者的最終合璧成為可能 —— 甚至音頻集成也獲得了參與的空間。

萬億級參數(shù)

過去一年，模型經(jīng)歷了從大到更大的發(fā)展歷程。

背景信息：

谷歌用 Switch Transformer 拉開了 2021 年的序幕，這是人類歷史上首個(gè)擁有萬億級參數(shù)的模型，總量達(dá) 1.6 萬億。

北京人工智能研究院則回敬以包含 1.75 萬億參數(shù)的悟道 2.0。

重要標(biāo)桿

單純拉高模型參數(shù)并沒什么特別。但隨著處理能力和數(shù)據(jù)源的增長，深度學(xué)習(xí)開始真正確立起“越大越好”的發(fā)展原則。

財(cái)力雄厚的 AI 廠商正以狂熱的速度堆積參數(shù)，既要提高性能、又要展示“肌肉”。特別是在語言模型方面，互聯(lián)網(wǎng)廠商為無監(jiān)督和半監(jiān)督預(yù)訓(xùn)練提供了大量未經(jīng)標(biāo)記的數(shù)據(jù)。

2018 年以來，這場參數(shù)層面的軍備競賽已經(jīng)從 BERT（1.1 億）、GPT-2（15 億）、MegatronLM（83 億）、Turing-NLG（170 億）、GPT-3（1750 億）一路走來，如今終于邁過了萬億級大關(guān)。

挺好，但是……

模型的膨脹路線也帶來了新的挑戰(zhàn)。愈發(fā)龐大的模型令開發(fā)者們面臨四大嚴(yán)酷障礙。

• 數(shù)據(jù)：大型模型需要吸納大量數(shù)據(jù)，但網(wǎng)絡(luò)和數(shù)字圖書館等傳統(tǒng)數(shù)據(jù)源往往提供不了這么多高質(zhì)量素材。例如，研究人員常用的 BookCorpus 是一套包含 11000 本電子書的數(shù)據(jù)集，之前已被用于訓(xùn)練 30 多種大型語言模型；但其中包含某些宗教偏見，因?yàn)閮?nèi)容主要討論基督教和伊斯蘭教義，對其他宗教幾無涉及。

AI 社區(qū)意識到數(shù)據(jù)質(zhì)量將直接決定模型質(zhì)量，但卻一直未能就大規(guī)模、高質(zhì)量數(shù)據(jù)集的有效編譯方法達(dá)成共識。

• 速度：如今的硬件仍難以處理大體量模型，當(dāng)數(shù)據(jù)反復(fù)出入內(nèi)存時(shí)，模型的訓(xùn)練和推理速度都會受到嚴(yán)重影響。

為了降低延遲，Switch Transformer 背后的谷歌團(tuán)隊(duì)開發(fā)出一種方法，能夠讓各個(gè) token 只處理模型各層中的一個(gè)子集。他們的最佳模型預(yù)測速度甚至比參數(shù)量只有其三十分之一的傳統(tǒng)模型還快 66%。

另外，微軟開發(fā)的 DeepSpeed 庫則選擇了并行處理數(shù)據(jù)、各層及層組的路線，并通過在 CPU 和 GPU 間劃分任務(wù)以減少處理冗余。

• 能耗：訓(xùn)練如此龐大的網(wǎng)絡(luò)會消耗大量電能。2019 年的一項(xiàng)研究發(fā)現(xiàn)，在 8 個(gè)英偉達(dá) P100 GPU 上訓(xùn)練一個(gè)包含 2 億參數(shù)的 transformer 模型所造成的碳排放（以化石燃料發(fā)電計(jì)算），相當(dāng)于一輛普通汽車五年的行駛總排放量。

當(dāng)然，Cerebras 的 WSE-2 及谷歌最新 TPU 等新一代 AI 加速型芯片有望降低排放，而風(fēng)能、太陽能及其他清潔能源的供應(yīng)也在同步增加。相信 AI 研究對環(huán)境的破壞將愈發(fā)輕微。

• 模型交付：這些龐大的模型很難在消費(fèi)級或邊緣設(shè)備上運(yùn)行，所以真正的規(guī)模部署只能通過互聯(lián)網(wǎng)訪問或精簡版本實(shí)現(xiàn)——不過二者目前各有問題。

發(fā)展現(xiàn)狀

自然語言建模排行榜中的主力仍然是千億級模型，畢竟萬億級參數(shù)的處理難度實(shí)在太高。

但可以肯定，未來幾年會有更多萬億級俱樂部成員加入進(jìn)來，而且這種趨勢仍將持續(xù)。有傳聞稱，OpenAI 規(guī)劃中的 GPT-3 繼任者將包含更加恐怖的百萬億級參數(shù)。

AI 生成音頻內(nèi)容漸成“主流化”

音樂家和電影制作人們，已經(jīng)習(xí)慣于使用 AI 支持型音頻制作工具。

背景信息

專業(yè)媒體制作人們會使用神經(jīng)網(wǎng)絡(luò)生成新的聲音并修改舊有聲音。配音演員們自然對此大為不滿。

重要標(biāo)桿

生成模型能夠從現(xiàn)有錄音中學(xué)習(xí)特征，進(jìn)而創(chuàng)造出令人信服的復(fù)制品。也有些制作人直接使用這項(xiàng)技術(shù)原創(chuàng)聲音或模仿現(xiàn)有聲音。

• 美國初創(chuàng)公司 Modulate 使用生成對抗網(wǎng)絡(luò)為用戶實(shí)時(shí)合成新的語音，使得游戲玩家和語聊用戶能夠建立起自己的虛擬角色；也有跨性別者用它調(diào)整自己的聲音，借此獲得與性別身份相一致的音色。

• Sonantic 是一家專門從事聲音合成的初創(chuàng)公司。演員 Val Kilmer 于 2015 年因咽喉手術(shù)而喪失了大部分發(fā)聲能力，該公司則利用原有素材為他專門創(chuàng)造了一種音色。

• 電影制作人 Morgan Neville 聘用一家軟件公司，在自己的紀(jì)錄片《流浪者: 一部關(guān)于安東尼·波登的電影》中重現(xiàn)了已故旅游節(jié)目主持人波登的聲音。但此舉引起了波登遺孀的憤怒，她表示自己并未許可這種行為。

挺好，但是……

爭議不止這一例。

配音演員們也擔(dān)心這項(xiàng)技術(shù)會威脅到自己的生計(jì)。2015 年年度游戲《巫師 3：狂獵》的粉絲們甚至在同人 Mod 版本中用這項(xiàng)技術(shù)重現(xiàn)了原配音演員們的聲音。

新聞背后

最近出現(xiàn)的音頻生成主流化傾向，完全是早期研究成果的自然延續(xù)。

• OpenAI 的 Jukebox 就使用 120 萬首歌曲進(jìn)行訓(xùn)練，可利用自動編碼器、轉(zhuǎn)換器及解碼器管道進(jìn)行全實(shí)時(shí)錄音生成，風(fēng)格涵蓋從貓王到艾米納姆等多位歌手。

• 2019 年，某匿名 AI 開發(fā)者設(shè)計(jì)出一種技術(shù)，允許用戶在短短 15 秒內(nèi)利用文本行重現(xiàn)動畫及視頻游戲角色的聲音。

發(fā)展現(xiàn)狀

生成音頻及生成視頻不僅讓媒體制作人多了一種修復(fù)并增強(qiáng)歸檔素材的能力，同時(shí)也讓他們能夠從零開始創(chuàng)造新的、真假難辨的素材。

但由此引發(fā)的道德與法律問題也在增加。如果配音演員被 AI 徹底取代，他們的損失該由誰承擔(dān)？將已故者的聲音在商業(yè)化作品中重現(xiàn)涉及哪些所有權(quán)糾紛？能不能利用 AI 為已故歌手推出新專輯？這么做對嗎？

一種架構(gòu)，駕馭一切

Transformer 架構(gòu)正在快速拓展自己的影響范圍。

背景信息

Transformers 架構(gòu)最初專為自然語言處理所開發(fā)，但目前已經(jīng)成為深度學(xué)習(xí)領(lǐng)域的“萬金油”。2021 年，人們已經(jīng)在用它發(fā)現(xiàn)藥物、識別語音和圖像等。

重要標(biāo)桿

Transformers 已經(jīng)用實(shí)際行動證明自己在視覺任務(wù)、地震預(yù)測、蛋白質(zhì)分類與合成等領(lǐng)域的優(yōu)異表現(xiàn)。

過去一年以來，研究人員開始將其推向更廣闊的新領(lǐng)域。

• TransGAN 是一套生成對抗網(wǎng)絡(luò)，結(jié)合 transformers 以確保所生成的各個(gè)像素都與之前已生成的像素一致。這項(xiàng)成果能夠有效衡量所生成圖像與原始訓(xùn)練數(shù)據(jù)之間的相似度。
• Facebook 的 TImeSformer 使用該架構(gòu)識別視頻片段中的動作元素。它的任務(wù)不再是從文本中識別單詞序列，而是嘗試解釋視頻幀中的序列關(guān)系。其性能優(yōu)于卷積神經(jīng)網(wǎng)絡(luò)，能夠在更短時(shí)間內(nèi)分析更長的視頻片段，因此能耗也控制在更低水平。
• Facebook、谷歌及加州大學(xué)伯克利分校的研究人員在文本上訓(xùn)練出 GPT-2，之后凍結(jié)了其 self-attention 與 feed-forward 層。在此基礎(chǔ)上，他們可以針對不同用例進(jìn)行模型微調(diào)，包括數(shù)學(xué)、邏輯問題及計(jì)算機(jī)視覺等。
• DeepMind 發(fā)布了 AlphaFold 2 的開源版本，其使用 transformers 根據(jù)氨基酸序列預(yù)測蛋白質(zhì)的 3D 結(jié)構(gòu)。該模型在醫(yī)學(xué)界內(nèi)掀起軒然大波，人們普遍認(rèn)為其具備推動藥物發(fā)現(xiàn)和揭示生物學(xué)原理的巨大潛力。

新聞背后

Transformer 于 2017 年首次亮相，之后迅速改變了語言處理模型的設(shè)計(jì)思路。其 self-attention 機(jī)制能夠跟蹤序列中各元素與其他元素間的關(guān)系，不僅可用于分析單詞序列，還適合分析像素、視頻幀、氨基酸、地震波等序列。

基于 transformer 的大型語言模型已經(jīng)建立起新的客觀標(biāo)準(zhǔn)，包括在大型未標(biāo)記語料庫上進(jìn)行模型預(yù)訓(xùn)練，利用有限數(shù)量的標(biāo)記示例針對特定任務(wù)進(jìn)行微調(diào)等。

Transformer 架構(gòu)良好的普適性，可能預(yù)示著未來我們將創(chuàng)造出能解決多領(lǐng)域多問題的 AI 模型。

發(fā)展現(xiàn)狀

在深度學(xué)習(xí)的發(fā)展過程中，有幾個(gè)概念曾經(jīng)迅速普及：ReLU 激活函數(shù)、Adam 優(yōu)化器、attention 注意力機(jī)制，再加上現(xiàn)在的 transformer。

過去一年的發(fā)展證明，這種架構(gòu)確實(shí)具有旺盛的生命力。

各國政府出臺人工智能相關(guān)法律

各國政府紛紛制定新的法律和提案，希望控制 AI 自動化對現(xiàn)代社會的影響。

背景信息

隨著 AI 對隱私、公平性、安全性及國際競爭關(guān)系帶來的潛在影響，各國政府也開始加大對 AI 的監(jiān)管力度。

重要標(biāo)桿

AI 相關(guān)法律往往反映出各國在政治秩序中的價(jià)值判斷，包括如何在社會公平與個(gè)人自由之間求取平衡。

• 歐盟起草了基于風(fēng)險(xiǎn)類別的機(jī)器學(xué)習(xí)應(yīng)用禁止或限制條例。實(shí)時(shí)人臉識別與社會信用系統(tǒng)被明令禁止；對于重要基礎(chǔ)設(shè)施的控制、執(zhí)法協(xié)助及生物識別技術(shù)等應(yīng)用方向則需要提交詳細(xì)的說明文件，證明 AI 方案安全可靠并持續(xù)接受人工監(jiān)督。

這項(xiàng)規(guī)則草案于今年 4 月發(fā)布，目前仍在立法流程之內(nèi)，預(yù)計(jì)未來 12 個(gè)月內(nèi)仍無法落地。

• 從明年開始，中國互聯(lián)網(wǎng)監(jiān)管機(jī)構(gòu)將強(qiáng)制對可能破壞社會公序良俗的 AI 系統(tǒng)與推薦算法執(zhí)行監(jiān)督。打擊的目標(biāo)包括傳播虛假信息、引導(dǎo)成癮行為及危害國家安全的各類系統(tǒng)。企業(yè)在部署任何可能左右公眾情緒的算法之前必須獲得批準(zhǔn)，違規(guī)算法一律不得上線。

• 美國政府提出一項(xiàng) AI 權(quán)利法案，用以保護(hù)公民免受可能侵犯隱私及公民權(quán)利的系統(tǒng)的影響。政府將在明年 1 月 15 日前持續(xù)為提案收集公眾意見。在聯(lián)邦以下，多個(gè)州及市一級政府開始限制人臉識別系統(tǒng)。紐約市通過一項(xiàng)法律，要求對招聘算法進(jìn)行偏見審計(jì)。

• 聯(lián)合國民權(quán)高級專員呼吁各成員國暫停 AI 的某些用途，包括可能侵犯人權(quán)、限制民眾獲取基本服務(wù)、以及濫用私人數(shù)據(jù)的情形。

新聞背后

AI 社區(qū)正在逐步走向監(jiān)管層面的共識。

最近對 534 位機(jī)器學(xué)習(xí)研究人員進(jìn)行的一項(xiàng)調(diào)查發(fā)現(xiàn)，68% 的受訪者認(rèn)為模型部署確實(shí)應(yīng)該重視可信度與可靠性。受訪者們對于歐盟及聯(lián)合國等國際機(jī)構(gòu)的信任度，也普遍高于對各國政府的信任度。

發(fā)展現(xiàn)狀

在中國以外，大部分 AI 相關(guān)法規(guī)仍處于審查階段。但從目前的提案來看，AI 從業(yè)者必須為政府全面介入的必然前景做好準(zhǔn)備。

原文鏈接：

https://read.deeplearning.ai/the-batch/issue-123/

往期精彩回顧




適合初學(xué)者入門人工智能的路線及資料下載
機(jī)器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印
機(jī)器學(xué)習(xí)在線手冊
深度學(xué)習(xí)筆記專輯
《統(tǒng)計(jì)學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專輯
AI基礎(chǔ)下載
黃海廣老師《機(jī)器學(xué)習(xí)課程》視頻課
黃海廣老師《機(jī)器學(xué)習(xí)課程》711頁完整版課件
本站qq群955171419，加入微信群請掃碼：