本文为1618字，建议阅读4分钟
李飞飞(Fei-Fei Li)和吴恩达(Andrew Ng)都是人工智能领域重量级人物，在一次关于人工智能对谈，有一段是李飞飞在用物理学思考AI，我觉得比较有趣，节选一下
先了解一下李飞飞和吴恩达的学术背景
李飞飞出生于北京，15岁赴美留学，普林斯顿大学物理学学士，加州理工学院神经科学和计算机科学的交叉学科博士（PhD），博士论文为"视觉识别：计算模型与人类心理物理学。斯坦福大学首位红杉讲席教授，美国国家工程院院士，美国国家医学院院士， 美国文理科学院（美国艺术与科学院）院士，ACMFellow，2015年全球思想家，白宫科技政策办公室（OSTP）和国家人工智能研究资源工作组（NAIRR）的成员。曾任职于斯坦福大学人工智能实验室（SAIL） 、斯坦福视觉实验室。现为ImageNet的首席科学家和首席研究员、斯坦福以人为本人工智能研究院（HAI）院长、AI4ALL联合创始人及主席。她的研究领域涉及计算机视觉、机器学习、深度学习、认知神经科学等，李飞飞在顶级期刊和会议上发表了300多篇科学文章，包括Nature，PNAS，Journal of Neuroscience，CVPR，ICCV，NIPS，ECCV，ICRA，IROS，RSS，IJCV，IEEE-PAMI，新英格兰医学杂志，Nature Digital Medicine等。 李博士是ImageNet和ImageNet Challenge的发明者，ImageNet Challenge是一项关键的大规模数据集和基准测试工作，为深度学习和AI的最新发展做出了重大贡献
吴恩达：你现在有一个大胆的问题吗？
李飞飞：是的，我的大胆问题仍然是智能。我认为自从艾伦·图灵以来，人类还没有完全理解智能背后的基本计算原理。我们今天使用的词汇是 AGI（通用人工智能）。但归根结底，我仍然梦想着一组简单的方程或原理，可以定义智能的过程，无论是动物智能还是机器智能。
这与物理学类似，例如，很多人用飞行的类比来加入讨论，我们是在复制鸟的飞行还是在造飞机。很多人问关于 AI 与大脑之间的关系的问题。对我来说，无论我们是在造一只鸟，复制一只鸟还是造飞机，归根结底，控制飞行过程的是空气动力学和物理学。我相信总有一天我们会发现...
吴恩达：我有时会思考这个学习算法假设，即很多智能可能并不是由一个或非常简单的机器学习原理来解释的。看起来，我们离解开这个难题还有很长的路要走。但在周末，我们闲暇的时间里思考学习算法及其可能走向，这是一件让我兴奋的事情，你知道，我对此非常期待。
李飞飞：我同意，我仍然觉得我们处于牛顿前的时期。如果用物理学来类比，牛顿之前已经有了伟大的物理学家，大量的现象学研究，关于星体运动等等。但是牛顿开始提出了非常简单的定律。我认为我们仍然处在AI作为基础科学逐渐成熟的令人兴奋的时刻。
吴恩达：听你说，虽然机器学习和 AI 已经取得了如此大的进展，但仍然感觉还有很多未解决的问题，还有很多工作需要通过可能是今天加入这个领域的人们来完成，而不是我们。
李飞飞：当然，我们来算一下，也就是60年左右吧。这是一个非常年轻的领域，现代的物理学、化学和生物学已经发展了几百年了。所以我认为，进入智能科学领域并研究 AI 是非常令人兴奋的事情。
最后是李飞飞和吴恩达的建议：
李飞飞的建议是：
1）现在的 Al和ML（机器学习）学习资源比以往任何时候都要 丰富，从 Coursera到 YouTube、Tik Tok和 Github，使得全球范围内的学习者都能够获取 到这些知识。
2）对非技术背景的人来说，Al也提供了丰富的机会，无论是应用、创造力、政策、社会问题，还是经济、伦理、政治科学等方面。
3）人工智能可能带来的挑战和问题，如定义数字时代的经济，机器人和软件在工作流程中的影响，以及生成式AI对创造力和艺术创作者的影响等。
吴恩达也基于李飞飞的建议提出了自己的建议：
他的建议是现在人工智能的技术很通用，无论你的个人兴趣是什么领域，都很容易可以将你的兴趣和 Al结合起来。现在 Al还是很新的 领域，基于兴趣可以开创自己的道路，去做一些令人兴奋的工作。
热门跟贴