图灵汇官网

导读

伦敦大学学院机器学习教授阿瑟格雷顿表示，人工智能领域面临的重大挑战之一是不确定性量化，特别是在因果人工智能方面。格雷顿教授指出，人工智能在预测时往往难以准确评估不确定性，从而增加了出错的可能性。此外，统计保障也是一个关键问题，研究团队正在探讨如何随着数据量的增加，模型能依据数据特征持续优化。

人工智能的挑战

格雷顿教授强调，当前人工智能的一个主要难题在于不确定性量化。他提到，尽管人工智能能够对某些事件做出预测，如药物疗效或政策影响，但它通常难以精确衡量预测中的不确定性，这使得预测结果容易出现偏差。

“这是我们未来研究的重点之一，也是我的团队正在积极探讨的问题。”格雷顿教授补充道。另一项挑战是统计保障。格雷顿教授表示，他们的团队正在研究如何随着数据量的增长，模型能更好地根据数据特性进行改进。

医学和金融案例

在会议期间，格雷顿教授分享了一个关于疾病治疗的实例。假设某种疾病有两种形式——轻度和重度。医生根据病情严重程度选择治疗方案，轻度采用药物治疗，重度采用手术。经过观察发现，药物治疗的成功率为85%，而手术治疗的成功率为72%。因此，管理层决定只采用药物治疗。然而，这种决策忽略了病情严重程度对治疗效果的影响。当所有患者都接受药物治疗时，重度患者的治疗效果显著下降，因为他们的病情更适合手术治疗。这个案例提醒我们在数据分析过程中，必须全面考虑各种变量之间的关系，否则可能导致错误结论和低效的治疗方案。

大数据公司DBDolphin首席运营官杨春楚分享了人工智能在金融领域的应用案例。他提到，典型的量子对冲基金或交易柜台需要处理大量数据，包括交易指令、公司财务信息及其他相关数据。通过这些数据，团队开发了多种功能因子，并将其应用于不同模型，以预测投资回报。如果模型表现良好，能够准确预测回报，就能实现高额收益。

人脑的启示

此次会议在伦敦大学学院的盖茨比计算神经科学中心举行。该中心成立于1998年，由被誉为“AI教父”的杰弗里·辛顿教授共同创建。中心致力于研究大脑的神经机制，通过结合神经科学、数学和机器学习等学科，探索大脑如何处理信息、学习和决策，以及这些过程如何产生感知和行为。

格雷顿教授认为，利用神经科学来深入理解机器学习仍处于初级阶段。“虽然理解人脑极其困难，但它确实为我们提供了重要的参考模板。”他说道，“人类大脑能在极低能耗下高效处理复杂任务，这为我们设定了一个值得追求的目标。”

（本文由第一财经报道）