资讯 人工智能学术
此为临时链接,仅用于文章预览,将在时失效

艾耕科技CEO韦啸:可信AI助力内容创作实现智能化

作者:我在思考中
2021/07/22 10:56

艾耕科技CEO韦啸:可信AI助力内容创作实现智能化

作者 | 维克多

编辑 | 琰琰

7月9日,在2021年世界人工智能大会的可信AI论坛上,艾耕科技CEO韦啸进行了题为《可信AI助力内容创作实现智能化》的报告。他在报告中指出了AI内容生产在“可信”方面遇到的挑战,并给出了三条提高AI内容生产可信性的技术建议: 
1.知识图谱沉淀行业专家经验提升可控性;
2.专家系统与局部模型提升可解释性和可调性;
3.强调人+机器协同的工作模式。
此外,在报告结束,AI科技评论和韦啸进行了一场关于“AI发展路径”的交流,他认为当前人工智能想要取得突破性进展,必须等待其他领域,例如生物学领域,有突破性的发现。

1

AI助力内容生产

今天的演讲题目是《可信AI助力内容创作实现智能化》,分享一下AI在内容生产方面遇到的可信挑战。回顾互联网的前世今生,从门户网站到搜索引擎、到社交网络、再到超级APP,互联网发挥的核心作用是:分发内容。而内容生产属于互联网的上游,每年制作物联网流通的内容成本超过千亿。
人工智能(AI)作为技术发展的桥头堡,未来十年的技术热点,其一定会在行业里发挥巨大的作用。

艾耕科技CEO韦啸:可信AI助力内容创作实现智能化

目前,AI已经能够生产各种各样的内容,例如强大的GPT-3模型,其内容生成能力一度让人类惊呼。但实际上,GPT-3生成的大量内容都是胡说八道的,没有办法直接使用。这对应的是AI稳定性问题,即生成算法不可控。
可解释性,可调性,是AI生产内容过程中碰到的另一个问题。举个例子,当我们用AI进行视频生产时,无论是半自动还是全自动的方式,采用同一模板生成的视频,在社交平台上获得的点赞数和流量却不一样。至于为什么?用户希望能够有一个解释,即是算法出了问题还是其他方面的问题?这就是内容生产遇到的AI可解释性挑战。
公平性和商业道德是AI内容生产遇到的另一个问题,当我们用AI给客户提供数千篇图文内容的时候,虽然也能获得和人类稿件相同的点赞率和完读率,但有些客户并不满足,他们期望通过工具生产大量的不可信的数据,从而获得利益。

艾耕科技CEO韦啸:可信AI助力内容创作实现智能化

其实,内容生产和内容生成不同,今天AI技术大多仅支持内容生成,内容生产意味着要为产业赋能。内容生成里的专家主要有主编、编辑和运营。而内容生产需要将AI技术有机整合成一个专家系统,包含上述一系列的角色,对于不同角色进行不同程度的赋能,从而提高内容生产的能力。这也是我们一直打造的品牌“AIZAO, AI造”。
它的逻辑是先依靠电商或者品牌的营销专家,然后基于他们对行业的理解,用知识图谱支撑智能素材库,生产出合适的图、文内容,最后加上运营数据的回流,就可以构成生产力的大幅度提升。
为了让这一AI系统生成的内容更为可信,我们做了如下的尝试:1.知识图谱承载专家经验提升可控性;2.专家系统与局部模型提升可解释性和可调性;3.强调人+机器协同的工作模式。AI一定会犯错,人机协同是提高AI可信性的举措之一。
艾耕科技CEO韦啸:可信AI助力内容创作实现智能化
总结一下,如果想搭建一个更为可信的内容生产平台,需要遵守三条原则,第一,坚守向善价值观,不做恶;第二,建立评估体系,保证系统生产的内容可信;第三,明确算法系统的责任。我们可以感受到,互联网充满了不可信的内容,已经对社会产生极大负面的价值,我们希望算法设计出之后,其所承担的责任能有清晰的界定和边界。

2

对话韦啸:学习型人工智能在等待生物学(脑科学)上的突破

艾耕科技CEO韦啸:可信AI助力内容创作实现智能化

AI科技评论:请问您如何看待可信AI?

韦啸:可信AI 包括几个方面:稳定性、可解释性、可调性、公平性等等。这意味着可信AI不是一个概念,更多的衡量如何把一个技术更好的赋能各个场景。
关于构建可信AI需要四方面的发力:
1.技术和学术上的突破。机器学习模型中的黑盒性是AI可信问题的源头之一,很多AI技术如自动驾驶,AI医疗影像的应用,背后其实有可解释性,可控制性的缺陷,邢波老师的Petuum,就考虑了如何提升黑盒模型的debuggability。杨强老师主推的联邦学习,又在一定程度上能解决数据隐私问题,所以技术的发展,肯定能够带来更多可信的解决方案。 
2.政策、法律衡量责任。一个算法存在开发者和使用者,但算法出错,如何衡量双方的责任,是需要政策制定者考虑的事情。
3.遵守商业道德准则。算法即技术,技术中立,向善的人使用,会产生好的结果,心怀不轨的人使用,会产生恶果。
4.明确可信的目标。所有的算法都针对一个目标进行优化,我们在设立这个目标的时候,能否将可信作为一个目标衡量?

艾耕科技CEO韦啸:可信AI助力内容创作实现智能化

AI科技评论:相比深度学习,传统AI模型的可解释性比较好,您如何看待两者的关系?
韦啸:我举个例子,美国人工特别昂贵,很多车主自己动手修车。衡量一个修车匠是否能“打”的一个标准是:修车工具箱里工具种类是否丰富。这个工具箱可能有一些17世纪就有的改锥,也可能有新开发的智能电钻。其实,老改锥还是新电钻都存在于工具箱里,使用哪种锯子修车取决于具体的场景。
类比到AI内容生产领域,GPT-3这一模型确定能够提高基底模型表现,在从语料库提取特征方面,非常高效。但是,有些场景要求生成的内容丝毫不能出错,例如宝马X5的排量是2.4,如果AI生成的是2.5,显然就不符合要求。因此,这时候如果采用经典的PCFG,效果反而会更好。
因此,深度学习也好,传统模型也好,它们都在工具箱里,如何使用,关键要看具体的场景。所以,我们创业者也要摒弃一个观点:新工具不一定比传统工具产生更大的商业价值,毕竟一些比较老的模型研发成本比较低,新模型(深度学习)研发成本比较高。
AI科技评论:AI内容生成领域,遇到哪些可信方面的挑战?
韦啸:正如我演讲中提到的,第一是稳定性,我们在用工具创造标题的时候,有些生成的内容质量高,有些却不通顺;第二是可解释性,同一组算法生成的视频,却获得了不同的流量反馈,人工干预也无法总结优化的路径;第三是AI系统一定会犯错,不管什么模型,只要场景足够复杂系统就一定会犯错。这时候需要人机配合,往往可以大幅提高工具使用的可信度。
AI科技评论:在实际操作过程中,AI还无法取代人类?
韦啸:在某些特定领域,AI可以取代人工,但也不能取代人。工具取代人工一直在发生,例如超市售货,很多时候顾客选品扫码支付不需要和售货员互动,即便如此,无人超市也没有普及,这就侧面说明了售货员还有他存在的价值。但也不得不承认,超市管理中,现在所用到的人力成本比原来要少很多。
AI内容生产也是如此,某些情况下,AI剪辑视频的质量和操作精度已经超过人类了,但是仍然需要人类进行审核、把关。
AI科技评论:目前人工智能的发展,呈现出“大”的特点,例如大数据集、大模型,您如何看待?
韦啸:技术发展的路径非常复杂,存在很多不同的道路,大模型只是一条探索路径,但肯定不是唯一的路径。之前在和学者进行交流的时候,他们表达的一个观点是:其实人工智能领域也在期待其他学科,例如脑科学的突破,例如直到今天,我们清楚的知道人脑对于一些观察和决策的工作机理,例如颜色是如何被探测和判断的,但是高级的认知例如红色这个概念,大脑如何存储和计算,却没有很好解释。而这些解释上的突破,很有可能为算法的设计提供全新的思路,在大模型之外,为AI的应用打开新的场景。


雷锋网(公众号:雷锋网)雷锋网雷锋网

文章点评
相关文章