智东西(公众号:zhidxcom)
文 | 韦世玮

导语:这个学界与业界的大联合,凭借其两位“东家”深厚的科技和人才实力,足以让它在人工智能领域掀起浪花。

最近,麻省理工学院MIT)和IBM两家合作研发的AI成果频频刷了几波存在感。

就在前段时间,MIT和IBM的研究人员们共同开发了一个叫GAN Paint Studio的后期图像处理工具,人们通过它能随心所欲地编辑图像目标的外观,包括建筑物、植物和其他固定装置,并且编辑过后的图像十分逼真。

豪赌2.4亿美元!AI黑科技工厂,起底MIT-IBM沃森AI实验室

这个GAN Paint Studio工具可以说这是AI在图像处理领域的一大进步,不仅如此,这两家在脑科学、语音识别、NLP等领域也陆续掀起了不小的浪花。

智东西还发现,这些研究成果其实都出自于一个叫MIT-IBM沃森人工智能实验室(MIT-IBM Watson AI Lab)。那么问题来了,MIT和IBM强强联手成立的实验室,到底要搞什么名堂?

为此,智东西专门挖了一把这个实验室的“老底”。

实际上,今年已经是MIT-IBM沃森人工智能实验室的第二年。

2017年9月7日,IBM正式宣布,将在未来数十年计划投资2.4亿美元,与麻省理工学院共同建立MIT-IBM沃森人工智能实验室。而这个实验室的老家就位于美国马萨诸塞州剑桥市的肯德尔广场(Kendall Square),也就是IBM沃森健康(Watson Health)和网络安全中心的总部。

它具体要做什呢?实验室的答案十分简单粗暴:“促进AI的发展和普遍应用。”

针对这一方面,IBM负责认知解决方案和研究部门的高级副总裁John Kelly博士就曾表示,人工智能在过去的10年里经历了令人难以置信的增长和进步。然而,在AI技术非常出色的今天,仍需要更多创新技术来解决日益严峻的现实问题。

同时John Kelly博士还提到,麻省理工学院和IBM拥有着极其广泛而深厚的技术能力和人才,至少在将未来十年内领导人工智能领域。

一、4大研究方向,已启动49项提案

MIT-IBM沃森人工智能实验室自成立以来,结合了上百名AI科学家、教授和学生,在AI算法、AI医疗和网络安全应用等方面持续地展开研究,不断释放人工智能的潜力。

在领导层方面,实验室主要由IBM AI研究院副总裁Dario Gil和麻省理工学院工程学院院长Anantha Chandrakasan共同领导,向麻省理工学院研究人员和IBM科学家发起AI项目计划征集。

当然,除了推动人工智能前沿的创新计划之外,实验室还鼓励麻省理工学院的教师和学生们创办公司,以推动实验室人工智能发明和技术的商业化。

豪赌2.4亿美元!AI黑科技工厂,起底MIT-IBM沃森AI实验室

▲麻省理工学院院长Lafael Reif(左),IBM认知解决方案和研究高级副总裁John Kelly III(右)

去年9月,MIT-IBM沃森AI实验室公布了最新一年的研究进度报告。报告指出,截至2018年9月,实验室拥有100名AI科学家,其中60名来自麻省理工学院,40名来自IBM。同时,在过去一年内(2017年9月-2018年9月),实验室接收了来自23个部门和中心的共186项提案。迄今启动项目已达到49个。

据悉,MIT-IBM沃森人工智能实验室是学界与业界至今为止,联手建立的最大实验室之一。

而在研究方向上,实验室的四大研究支柱分别为AI算法、AI物理学、AI的特定行业应用以及通过AI促进共同繁荣。

1.AI算法,增强机器学习和推理能力

在这一方面,研究人员将创建人工智能系统,该系统既能解决专业任务,还能解决AI研究过程中更复杂的问题,并有利于稳定、持续的学习。

而研究人员对新算法的研究可不只利用目前的大数据,他们还会从一些能够增强人类智慧的有限数据中学习。

2.AI物理学,推进硬件的开发与升级

别看这方向是叫物理学,但它主要研究的是新的人工智能硬件材料、设备和架构,用来支持未来训练和部署人工智能模型的模拟计算方法,以及量子计算和机器学习的交叉研究。

同时,量子计算方面还包括使用人工智能来帮助表征和改进量子设备,以及研究量子计算的使用,来优化和加速机器学习算法和其他人工智能应用。

3.AI行业应用,垂直医疗和网络

在这一领域,实验室主要开发用于专业用途的人工智能新应用,其中两大主要的垂直领域是医疗保健和网络安全。

不仅如此,研究人员将探索人工智能在医疗数字安全性和隐私性、医疗保健个性化、图像分析以及针对特定患者的最佳治疗路径等领域的应用。

4.通过AI促进共同繁荣,提高效益

研究人员在这一方面主要探索AI如何为更多的人们、国家和企业带来经济和社会效益。

此外还包括探索人工智能的经济含义,调查人工智能如何能进繁荣,帮助人们在生活中取得更多成就。

豪赌2.4亿美元!AI黑科技工厂,起底MIT-IBM沃森AI实验室

实际上,MIT-IBM沃森人工智能实验室除了上述四大主要研究方向之外,还广泛地参与开源AI项目。

对此,Dario Gil表示,该实验室的核心任务是让MIT的科学家和IBM的研究员们聚集到一起,共同推动AI的未来发展。

同时,实验室也在进一步解决人工智能的商业和社会应用问题。主要方式是通过实验室解决一系列特定的业务问题,并将这些模型应用于其他行业。而这种模型开发模式也称为“迁移学习(Transfer Learning)”,它能够减少为特定问题开发模型的时间,提高模型的准确性和效率。

二、在AI可解释性领域取得重要进展

实际上,对MIT-IBM沃森人工智能实验室来说,如何采取创新性的方法,利用人工智能进一步地解决人们日益增长的现实生活问题,改善人们的工作和生活,是研究人员十分重要的研发动力。

今年3月,MIT-IBM沃森AI实验室的研究人员之一,哈佛大学副教授David Cox代表实验室给大家交了一份答卷,回溯实验室过去一年的研究情况。

豪赌2.4亿美元!AI黑科技工厂,起底MIT-IBM沃森AI实验室

▲哈佛大学副教授David Cox

在Cox看来,神经符号(Neural-Symbolic)学习算法是目前实验室最有希望的研究领域之一。

这是一种将深度学习和符号化推理技术相结合的尝试,深度学习系统通过神经网络软件来分析大型数据集,而神经网络软件拥有能模拟人脑识别模式的能力。

其实,深度学习方法已经有30多年的历史,但由于数据存储和计算方面的局限性,该方法未能一直受到研究人员的重视,直到近十年才被研究人员们重新关注。而如今,深度学习已经成为了许多人工智能应用的基础。

另一方面,人工智能的符号化推理技术也是研究人员在近几十年来的研究领域,主要是为了教会机器“以抽象的方式思考概念”,并用逻辑解决问题。

针对这些AI技术,Cox认为,虽然深度学习和符号化推理技术这两种方法都存在一定的缺陷,但两者的混合能够提高它们的效率。

值得一提的是,MIT-IBM沃森人工智能实验室在这一领域上已经取得一定的进展。

今年5月,研究人员在国际学习代表大会(ICLR)上发表一篇名为《神经符号概念学习者:从自然监督中解读场景、单词和句子(Neuro-Symbolic Concept Learner:Interpreting Scenes, Words, and Sentences From Natural Supervision)》的论文。

豪赌2.4亿美元!AI黑科技工厂,起底MIT-IBM沃森AI实验室

论文中,他们提出一个叫Neuro-Symbolic Concept Learner(NSCL)的概念,主要是将符号AI和神经网络结合在一起,创建出比传统模型更灵活的AI,并且创建出的AI可以解决符号AI和神经网络都无法自行解决的问题。

而通过这种方式创造出的AI强在哪呢?这就不得不提到视觉问答(VQA)。

VQA是目前人工智能面临的一项艰巨的挑战,具体来说,就是人们向AI展示一副图像,并让AI回答这幅图像中不同元素之间的关系。

这项任务对我们人类来说也许很简单,但对目前的AI来说却是十分困难的。因为VQA中涉及图像识别、自然语言处理和逻辑推理的任务,而这些任务最好是由符号AI和神经网络一起协作完成。

因此,MIT-IBM沃森AI实验室的研究人员将符号AI与神经网络结合,创建了一个混合神经符号系统。

该系统主要有三个部分,第一个是基于神经的感知模块,它可以从画面的场景中提取对象级表示;第二个是基于视觉的语义解析器程序,它能够将人们问的问题翻译成可执行的文件;第三个是符号程序执行器,它可以读取对象的感知并将感知内容的属性和关系进行分类,再执行程序来获得答案。

随后,研究人员使用一个在VQA问题中常用的渲染对象图像数据集CLEVR,对NSCL进行测试。

事实证明,针对学习视觉概念、单词表达和句子的语义分析方面,NSCL仅使用一小部分数据,就能够在CLEVR上达到99.8%的准确率。

主要原因是NSCL并不是通过数百万个例子来强制执行的,而是开发了域的概念表达,这使得它在处理场景时更加容易。

MIT-IBM沃森AI实验室研发的NSCL在某种程度上,解决了神经网络的可解释性问题。在传统的神经网络模型中,AI针对某一问题只输出结果,并没有提供具体的解决办法。相反,NSCL混合系统可以产生基于规则的程序,该程序能够提供其功能的逐步描述。

总的来说,NSCL在学习视觉概念、单词表示和句子语义分析方面的有着较高的准确性和有效性。此外,它还支持包括视觉问答和双向图像文本检索在内的应用程序,甚至是新的计划领域。

豪赌2.4亿美元!AI黑科技工厂,起底MIT-IBM沃森AI实验室

MIT-IBM沃森AI实验室的这一成果无疑是重要的,就如他们认为的那样,人工智能的下一个突破口就可能来自于结束符号AI和神经网络之间的竞争。

除此之外,MIT-IBM沃森人工智能实验室在其他领域也取得相应的进展。

例如,该实验室研究如何在调试神经网络中发现和消除AI软件中的错误、如何在“黑盒”环境中尽量减少图像的敌对错误分类,以及如何为医院重症监护室的治疗策略进行实时优化。

同时,研究人员们还高度关注训练人工智能的挑战,以便AI在每个人工智能项目中对道德和伦理考虑进行推理。

三、强大的科研技术和人才实力背景

如今,MIT-IBM沃森AI实验室作为一个初创公司,凭借其深厚的资本和人才背景,正迅速地在美国肯德尔广场这片充满活力的创新沃土中生根发芽。

值得一提的是,肯德尔大街离MIT只有一步之遥,同时还是谷歌、亚马逊等高科技公司的办公区,孵化了众多初创科技企业。

那么,该实验室究竟有着怎样的优势和实力,才能在当下谷歌、亚马逊和Facebook等巨头的AI技术博弈场中站稳脚跟?过去两年它又开发了哪些创新性的研究项目进一步推动人工智能的加速发展?

这就不得不提到实验室背后的两大“东家”——麻省理工大学和IBM。

1.深厚的学科研究和行业技术背景

麻省理工大学创办于1861年,是一所排名世界第二,仅此于哈佛大学的世界著名私立研究型大学。该校以世界顶尖的工程学和计算机学科而著名,设有麻省理工人工智能实验室(MIT CSAIL)、林肯实验室(MIT Lincoln Lab)和麻省理工学院媒体实验室(MIT Media Lab)。

此外,MIT历史上曾诞生26名图灵奖获奖者,该奖自1966年创办以来共有70名获奖者,该校的获奖人数则位列世界第二。

面对当下人工智能时代AI技术人才短缺的尴尬现状,MIT在去年宣布将投资10亿美元创立新的人工智能学院——MIT Stephen A.Schwarzman计算学院,跨学科涵盖计算机科学、人工智能、数据科学等相关领域。

新学院的设立既是目前为止美国学术机构在人工智能领域的最大一笔投资,同时也是MIT近70年来最大的一次架构调整。

另一方面,IBM(International Business Machines Corporation)创立于1911年,是全球最大的信息技术和业务解决方案公司之一。其中,IBM员工曾获得5项诺贝尔奖、6项图灵奖、10项美国国家技术奖和5项美国国家科学奖章。

在IBM众多领域的业务中,人工智能方面最著名的则是一台名为“深蓝”的超级国际象棋电脑,该电脑早在1997年就战胜来自俄罗斯的国际象棋世界冠军卡斯帕罗夫,成为历史上第一个成功打败世界冠军的计算机系统。

而该公司研发的另一个问答(QA)计算系统沃森(Watson),是早年IBM冲击AI时代的生力军,并在2014年获得IBM的10亿美金投资,正式成为IBM Watson业务集团,全面展开人工智能研究和商业化进程。

2.强大的人才实力

除了雄厚的学科研究和行业技术背景,MIT-IBM沃森AI实验室在人才方面的实力同样不容小觑。

该实验室的两位领导人之一,Anantha P. Chandrakasan是麻省理工学院工程学院院长、Vannevar Bush电气工程与计算机科学教授。

豪赌2.4亿美元!AI黑科技工厂,起底MIT-IBM沃森AI实验室

▲Anantha P. Chandrakasan教授

Chandrakasan出生于印度,在高中时移居美国。自1994年加入麻省理工学院以来,他已经开展了大量技术研究,在早期主要研发便携式计算机的低功耗芯片,有助于开发当今的智能手机等移动设备。

2010年至2018年,他担任IEEE国际固态电路会议(ISSCC)的会议主席。同时还领导麻省理工学院节能电路和系统集团,主要涉及物联网的安全硬件、能量收集和无线充电技术。

而实验室的另一位领导人则是IBM Research董事、IBM AI研究院副总裁Dario Gil博士。

豪赌2.4亿美元!AI黑科技工厂,起底MIT-IBM沃森AI实验室

▲Dario Gil博士

Gil博士主要负责领导IBM的创新工作,指导量子、人工智能、混合云、安全、行业解决方案以及半导体和系统的研究战略。在他的领导下,IBM成为世界上第一家制造可编程量子计算机,并通过云端使该计算机能普及应用的公司。

实际上,MIT-IBM沃森AI实验室并不是IBM和MIT的第一次合作,在此之前,两者之间已经建立了长达数十年的研究关系。

2016年,IBM就与MIT的大脑与认知科学系共同成立一所名为“脑启发多媒体机器理解IBM-MIT实验室”的新实验室,简称BM3C。由MIT人脑与认知科学系主任James DiCarlo教授负责领导。

该实验室主要研究机器视觉领域,开发模仿人类理解能力的认知计算系统,以及将多种音频和视频信息源集成到对人类世界的电脑模型中,并且该模型能够应用于医疗、娱乐和教育等领域。

结语:学界与业界组合成人工智能创新常态

长期以来,人工智能面临的挑战一直是如何将它推出实验室,并推向世界。

经过几十年的AI技术变革和发展,看到MIT和IBM作为学界和业界的重要科技力量走到一起,既把行业和学术界的优势进行互补,又能进一步推动人工智能的发展与应用,不断减少科学和实用AI解决方案之间的差距。

就目前来说,虽然这个实验室还没有给我们带来像谷歌DeepMind那些为世界带来突破的创新研究,但也为人类探索人工智能的边界提供源源不断的可能。

说回MIT-IBM沃森人工智能实验室于两大东家的意义,对IBM来说,它是该公司在面对当下微软、谷歌和亚马逊等高科技公司纷纷抢占人工智能市场的激烈战场中,所建立的一把聚集业界科技实力和学界科研潜力的科技武器。

对MIT而言,该实验室将不仅为学校在AI学术界的开垦打造了坚固的基石,也为培育下一代优秀的AI科学家提供了肥沃的思想土壤。

豪赌2.4亿美元!AI黑科技工厂,起底MIT-IBM沃森AI实验室

值得注意的是,类似MIT-IBM沃森人工智能实验室的学界+行业合作模式也一直受到各大科技公司的青睐。

IBM除了与MIT合作外,也曾在2016年耗资5000万美元,与MIT、哈佛大学布罗德研究所共同建立了一个为期五年,针对人工智能和基因组学方面的研究合作。

除此之外,Facebook在2016年12月宣布,与哈佛大学、普林斯顿大学等17所大学达成合作关系,共同研发虚拟现实和人工智能技术。

去年,谷歌与复旦大学签署为期两年的合作协议,成立联合实验室以探索基础AI研究。

人工智能的路还有很长要走,在未来,科研人员们将如何进一步开发人工智能潜力,推动AI技术在人们生活中的应用,这不仅是MIT-IBM沃森人工智能实验室需要思考并努力解决的难题,也将是一场世界各大顶尖高校和高科技公司在AI竞技场的博弈。