從深度學習的寒冬走入爆發期，今年三位圖靈獎得主跋涉過了數十年歲月。

當圖靈獎把榮耀頒予深度學習，奠基人之一、加拿大計算機科學家Yoshua Bengio卻日漸感受到濫用AI的危險，比如威權政府的監控和無人機殺手。在三位深度學習奠基人之中，唯有Bengio全職留在學界。他在加拿大蒙特利爾大學任教，并帶領由Google資助的蒙特利爾算法學習人工智能實驗室(MILA)。

Bengio認為，在軍事實驗室、安全組織、為政府或警察提供服務的私營公司中，人工智能正在被濫用。技術本無善惡，但日漸強大的人工智能如同一柄雙刃劍，終將同時擁有推動科學進步和破壞人類社會的力量。

因此，2018年12月，在人工智能和機器學習的盛會NeurIPS上，Bengio提出了人工智能的一系列道德準則，被稱為《蒙特利爾宣言》。

最近，這位深度學習奠基人與《Nature》（《自然》）進行了一場對話，談及人工智能的方方面面，Bengio也重申了濫用人工智能的危險和應對措施?；蛟S這位在人工智能方面的先行者，會啟發我們有一些不一樣的思考。

《Nature》：你是否看到很多公司或者國家不負責任地使用AI？

Yoshua Bengio：已經有很多這樣的事情，而且可能會有更多。所以我們必須在壞事發生之前警醒世人。許多最令人擔憂的事情并非在光天化日之下發生。它發生在軍事實驗室、安全組織、為政府或警察提供服務的私營公司中。

《Nature》：能舉一些例子嗎？

Yoshua Bengio：無人機殺手很讓人擔憂。這既有道德問題，也有安全問題。另一個例子是監控。你可以說它具有潛在的積極作用。但濫用的風險，特別就威權政府而言，是非常真實存在的。從本質上講，人工智能是一種工具，可以被掌權者用來鞏固權力，并且加強權力。另一個問題是，人工智能可以放大歧視和偏見，例如性別歧視或種族歧視。因為用來訓練AI的數據中就存在偏見，這受到人為影響。

《Nature》：什么使蒙特利爾宣言與類似舉措有所不同？

Yoshua Bengio：我認為這個宣言最先納入了廣泛的群體，不局限于人工智能研究人員，而是廣泛引入社會科學、人文學科方面的學者，乃至公眾，并且是以深度參與的方式。這帶來了變化：由于與專家和公眾進行討論，我們將原則從7條改為10條。組織可以遵循這些原則。

《Nature》：什么是最適合人工智能道德討論的平臺？

Yoshua Bengio：我們正試圖在蒙特利爾建立能夠實現這個目標的組織：人工智能和數字技術社會影響的國際觀察站（The International Observatory on the Societal Impacts of Artificial Intelligence and Digital Technologies）。它應該納入以下所有行動者：政府，因為他們是可以采取行動的主體；民間-社會專家，既有人工智能技術專家，又有社會科學、醫療保健和政治科學專家；以及正在制造這些產品的公司。

但我們必須謹慎行事。因為當然，公司可能會把規則向他們的最低水平壓低。

《Nature》：你是否認為這一行動會推動出臺人工智能的政府或國際法規？

Yoshua Bengio：是。自我監管不會起作用。你認為自愿征稅有效嗎？它沒有。與不遵守道德準則的公司相比，遵守道德準則的公司反而將處于不利地位。這就像開車一樣。無論是左側還是右側，每個人都需要以同樣的方式駕駛；否則，我們就會有麻煩。

《Nature》：你曾表達擔憂公司從學術界偷走了人才。這還是個問題嗎？

Yoshua Bengio：這還在繼續。但也有一些好事發生。我們在蒙特利爾取得了成功，因為人工智能的生態不斷發展，并且出現了一種人才逆向流動。人們從境外來到加拿大從事人工智能研究。

蒙特利爾正在發生另一件事，我認為世界其他地方也有這樣的情況。在業界工作的學術研究人員，正在承擔兼職教師的角色，他們輔導或幫助輔導大學離的研究生。MILA就有這樣的情況。

我們也在努力培養學生。我們在蒙特利爾的機器學習教授人數翻了一番。這部分要歸功于加拿大政府的人工智能投資策略。

《Nature》：你認為歐洲在人工智能方面落后于中國和美國嗎？

Yoshua Bengio：沒錯。但我不認為歐洲應該接受這一點。歐洲有巨大的潛力成為領導者。歐洲有優秀的大學。事實上，我們在MILA的許多學生來自歐洲。歐洲還有一個建立不久但是充滿活力的初創公司技術社群，分布在幾個地方。歐洲政府開始意識到人工智能的重要性。法國政府可能是第一個朝這個方向邁出重要一步的歐洲政府。 

《Nature》：人工智能的下一件大事是什么？

Yoshua Bengio：深度學習。目前深度學習在感知方面取得了巨大進步，但它在能夠理解高等級表征的系統方面，尚未有所突破——就是那些人類在語言中使用的概念。人類能夠使用這些高級概念，進行有力的歸納。甚至嬰兒都能做到這一點，但機器學習卻做的非常糟糕。

我們有能力推斷數據中實際沒有發生的東西。例如，我們在生成式對抗網絡方面取得了一些進展（這種技術是設置一個生成式網絡與圖像識別網絡競爭，以幫助二者改善表現）。但人類比機器要出色得多，我猜測，重要因素之一是人類對因果關系的理解。

【來源：品玩】