国外app素材网站,google 谷歌,网站如何做视频的软件,网站开发商来源#xff1a;AI科技评论Mike Ferguson #xff0c;麻省理工学院大脑和认知科学系 (MIT BCS) 担任研究软件工程师/ML工程师。专门研究 Brain-Score#xff08;一种衡量类脑 AI 的工具#xff09;。他于 2021 年春季毕业于弗吉尼亚大学#xff0c;获得计算机科学和应用数…来源AI科技评论Mike Ferguson 麻省理工学院大脑和认知科学系 (MIT BCS) 担任研究软件工程师/ML工程师。专门研究 Brain-Score一种衡量类脑 AI 的工具。他于 2021 年春季毕业于弗吉尼亚大学获得计算机科学和应用数学学士学位以及认知科学和哲学学士学位。图注Mike Ferguson在本文中Mike分享了在麻省理工学院人工智能实验室一年中学到的 5 件事包括他生活、成功和知识的一些看法希望你觉得有趣或有用。1承认自己的盲区质疑一切Mike在开始在麻省理工学院工作之前刚从 UVA 毕业主修计算机科学和认知科学并辅修哲学和数学自我感觉还不错然而当他第一次参加麻省理工学院周会时傻眼了——他发现自己最多理解了讨论内容的大约 10-20%在接下来的几周内他都在怀疑人生难道智商太低不配进入麻省理工学院吗为什么看起来只有自己不懂的样子Mike注意到实验室最聪明的人总是不断地提出问题仅在第一周他遇到了 5 或 6 个研究 AI 和神经科学交叉领域的人研究 AI 和神经科学的交叉点的时间比他活着的时间还长。即使他们在领域以最大的专注度研究的数十年甚至达到了绝对的巅峰但还是在不断提出问题解决问题和验证假设。他明白自己来麻省理工的目的就是来不断解决不懂之处的。他放弃了伪装自己坦然承认自己不了解目前进展的工作。从不停止提问每个疑问代表着一次机会——可以缩小理解差距提高自己的知识。正是对自己已有知识的充分认识思考对立面是什么才会拓展自己的知识边界。总是支持同事观点总是希望别人知道他们有多聪明是缺乏安全感的表现。在一个没有认知冲突的安全环境中只会将自己的置于温水煮青蛙的境地。不要想为什么要提问而是不要停止提问。当你思考永恒、生命和现实背后奇妙结构的奥秘时你不感到敬畏吗这就是人类思维的奇迹——使用它的结构、概念和公式作为工具来解释人类的所见、所感和所触。现在他已经养成了如果被问到一个问题他会迅速反映说“我不确定我必须调查一下”或“很好建议我必须进行更多试验才能确认”。2有时直率效果更好“不要粉饰狗屎——它只会阻碍科学进步。我们没时间搞那些废话。”当他被告知在麻省理工学院实验室担任的职位时Mike想到了自己本科期间结识的从麻省理工学院 EECS 获得学士和博士学位的教授。他跑去咨询该教授一堆问题麻省理工学院怎么样文化上与 UVA 的异同长相怪异的蒂姆·比弗Tim Beaver是怎么回事波士顿物价为什么这么贵……教授告诉他很多很棒的技巧但他特别记得的是他的“警告”“在麻省理工学院直率无处不在。如果你有一个愚蠢的想法人们会告诉你的。如果你不擅长你所做的事情人们也会告诉你如果你的假设是垃圾对方无论是在几个人的房间里都会对你指出。”Mike拿小本本记下在几个月后召开了他的第一次实验室会议时就领教了其中厉害......他有一些想法被大家告知不成熟他犯了一个技术错误被人直接叫了出来。麻省理工学院的每个人都会遇到这种情况——无论你在《Science》上发表了 13篇论文还是从未发表过。这似乎都是在麻省理工学院会遇到的一种文化。事实上如果有听众不断插话和提问这甚至被视为一种尊重的表现——意味着他们很感兴趣如果自己的演示没有人打断那可能是一件乏味的事情。对知识的探索和对科学前沿的推动在MIT是神圣的这种能够获得坦率、客观的反馈尤为推崇。在MIT直率沟通的时间和地点是随时随地的你可以专注于工作而不必担心批评是对本人的它们仅仅是对工作的批评。在过去的几个月里Mike来寻求这种直率和客观的反馈随着时间的推移和获得该领域的知识方面提供了最大的“物有所值”。我们尝试学习的时间有限尽己所能那么为什么不去拥抱批评这种直观反馈呢3学徒心态“反复的失败会让你的精神变得坚强并以绝对清晰的方式向你展示必须如何去做。”Mike有一项坚持了 3 年多的 Book-a-Week 挑战。在近四年的时间里阅读了 170 多本关于人工智能、哲学以及作为人类的意义的书籍。他从书中获取的是要成为某事的大师真正了解一个领域并产生影响必须经历发展的各个阶段。完成正规教育后你可以进入“学徒”阶段必须学习做事的方式和规则无论是明确的还是隐含的。持续 3 年到 10 年以上接下来进入创造阶段在这个阶段可以扩展并发挥自己的创造性和独立性。最后你进入掌握阶段掌握一门学科或领域就是一种投资。通过掌握一门学科以一种有意义的方式发挥您的全部潜力。这是对未来幸福和成就的投资也是一种避免陷入死胡同或随着年龄增长而感到不快乐的方法。在深入学习人工智能/神经科学领域Mike就觉得自己正处于学徒阶段用他最喜欢的作家Robert Greene 的话来说“接受理想的学徒制”。提出问题热切地寻求知识在学习事物时永远不要有优越感——任何与自己领域相关的事物即使是看似无关的事物都值得学习。4成为一个有自主意识的劳动者人工智能是否可以体验情绪是一个非常有争议的话题他已经写了很多文章惹恼了他的实验室伙伴而且还没有接近答案「我只知道我们是人类拥有数千年的进化遗产。我们的幸福、悲伤、希望、胜利和失败等情绪或思维是非常独特的。它们正是使我们成为人类的东西也是在人工智能中很难很快复制的东西。」我们的大脑出现故障的方式比正常运行的方式要多多巴胺水平可能会失控出现病变信号丢失或重定向不当……故障列表几乎是无穷无尽的我们都会犯错这是一件再普通不过的事我们的所有情绪都是有价值的是人能够区别于类脑系统和机器的重要部分。在这个美丽的星球上我们一直是一个有知觉的人一个会思考的动物而这本身就是一种巨大的特权和冒险。想想之前已经被历史遗忘的所有故事生存、爱情、苦难、逆境等主题在几个世纪中回响独特的思维是时空里永恒且独特的纪念。所以不管你生活中发生的任何其他事情无论好坏不管日常无聊的生存任务不管你个人的得失只要记住成为一个有意识的、工作的人就是一项了不起的壮举。5科学是一种思维方式而非知识体系近来一种“反科学”的风气在美国各地兴起这在很多方面令人非常不安。卡尔·萨根Carl Sagan在 1996 年已经惊人地预测到了这种现象对于我子孙时代的美国我有一种预感——那时美国是一种服务和信息经济几乎所有的制造业都转移到其他国家令人敬畏的技术力量掌握在极少数人手中代表公共利益的人甚至无法理解这些问题人们失去制定自己议程或明智地质疑当权者的能力人们的批判能力衰退关于伪科学和迷信的轻信陈述泛滥人们几乎不知不觉地滑回迷信和黑暗中去......——卡尔·萨根《恶魔出没的世界科学就像黑暗中的蜡烛》一种对科学事业本身的怀疑似乎也越来越流行怎样对抗这种“反科学之风”Mike根据在MIT迄今所观察到的事情提供了一些见解。首先就是上文第一章节所说——质疑一切。没有任何东西可以免于审查和合理的怀疑。当你看到一篇文章时先看看是谁写的看看他们之前的工作是否有资本推动。在得出结论之前要交叉地参考来源进行确认。问问别人为什么要争论以及可以得到什么。如果论点存在偏见历史那么自己很可能只看到事情的一面。第二分析论据寻找逻辑中的常见错误比如人身攻击、不合逻辑的推理选择和确认偏差其中选择性偏好最为要紧因为它产生的深远影响难以被发现跟随作者提出论点的过程确保论点在哲学上是有效的correct前提正确、合理的sound结论从前提中得到警惕错误的暗示、毫无根据的主张和被人为控制的图表数据要为所有论断寻求证据没有证据就可以断言的东西也可以在没有证据的情况下被驳回。最后认识到人都会犯错。数据往往不完整或有偏差新的证据出现可能会冲击原本立论。思想是可以改变的也应该去改变。成熟的做法是——面对新的事实时让旧观念消失并承认所犯的任何错误。图片来源Greg RakozyMike希望这些建议可以帮助我们在这个看似“后真相”的世界中找到方向学会深入挖掘论点对结论的得出方式进行分析。科学是一种思维方式是开放思想和怀疑主义之间的微妙界线。关键是只要稍加实践科学就能深刻地影响一个人的世界观。参考链接https://towardsdatascience.com/5-things-i-have-learned-working-in-an-mit-ai-research-lab-for-a-year-a65b4fcaef31未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市大脑研究计划构建互联网城市大脑技术和企业图谱为提升企业行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
