ACM通信
机器学习是否会阻止S实现计算机教学的目标?
乔治亚理工学院的Mark Guzdial教授说
上周，我非常激动地成为在上海举行的ACM第50届图灵奖中国庆典(TURC)的SIGCSE主题演讲人之一，与SIGCSE主席Amber Settle和伯克利教师、发明家/开发者和能量之风的Dan Garcia一起。(见我的博客关于TURC在这里,在这里为该事件编写程序．)
我最喜欢的会议之一是关于人工智能未来的小组讨论。它是关于数据和机器学习，还是关于分析人类智能?是图灵机，还是量子计算机?
大数据还是人工智能:图灵还是量子?(腐乳大厅)
主持人:Andrew Yao，李向阳
小组成员:Andrew Yao, Alex Wolf, Vinton Cerf，高文，李开复，李向阳，Bobby Schnabel
我对Vint Cerf和Andrew Yao的评论特别有共鸣。他们都认为，人工智能应用的未来将由数据和机器学习技术驱动，而不是通过研究人类智能。姚明指出，人类的大脑太复杂了，我们在理解它方面还没有取得足够的进展。瑟夫说，将计算神经元类元素的数量与人类大脑中的数量进行比较是毫无用处的——人类的计算神经元类元素要强大得多，也复杂得多。
瑟夫继续说，他认为史蒂芬·霍金关于人工智能对人类威胁的警告是错误的。Cerf说，更大的威胁来自人类程序员。“每个编写软件的人都将用户置于风险之中，特别是如果软件具有自主权的话。这是最大的威胁。”
我也很喜欢Bobby Schnabel的评论，如果我们只关注技术，那就是在犯一个错误。“计算日益成为一个社会技术领域，”他说。社会科学和社会需求决定了计算世界的未来。
在讨论环节的最后，我问了一个问题。
这个小组的成员可能知道，第一位图灵奖得主艾伦·佩利斯也是第一个为之辩护的人计算所有．他明确主张，我们应该在每所大学向每个人教授计算机，明确地教授编程。他主张让每个人都能使用计算机。
在1961年的同一个活动中，c·p·斯诺，的作者两种文化他警告说，我们需要向每个人传授计算机知识，这样他们才能理解影响他们生活的力量。斯诺预见到计算机将被用来做出改变人们日常生活的决定。他希望每个人都能理解计算机是如何工作的，这样他们至少可以提出正确的问题。
现在，我们有了这些大数据驱动的机器学习系统没有一个人理解的输出。它们成簇，我们不知道这些簇意味着什么。
斯诺的观点现在不重要了吗?现在不可能再教人们生活中的计算了吗?或者，你是否对这些新AI系统的开发者提出了一个要求，即系统必须是可理解的，能够自我解释?
两位小组成员做出了回应，但他们都认为，为了教授计算机，我们必须教授编程。他们都认为我们没有。(我没有机会回答——我们也要教编程。如果不给学生书面数字和方程，你就不会要求他们理解数学、代数或微积分。记号很重要，如果设计得好，有助于学习。)没有一个小组成员回应我的更大的观点。当我们向人工智能和量子计算的定义迈进时，我们是否放弃了帮助普通公民了解这些影响他们生活的力量?特别是如果我们计算机科学家不这样做呢?
最后，我在TURC宴会上与ACM SIGCSE主席Amber Settle自拍。
评论
凯瑟琳Fisler
“难道我们不需要教编程来理解人工智能计算吗”是一个没有明确说明的问题。
它没有指定人们可能需要(通过编程)理解哪台机器。我怀疑大多数人听到“教授编程”时，会想到通过循环、条件句等基本结构来学习控制单个过程。但这里所讨论的机器并不是一个具有堆栈/内存/寄存器等功能的简单处理器。该机器是一个集成来自多个来源的数据和模式的系统，使用统计推断来制定规则，以进行未来的预测。
当我想到与非cs的家人和朋友谈论在线隐私等问题时，我就会被他们在数据共享/来源等模型中的不准确性所震惊。他们无法理解工具或威胁，因为他们将所有类型的数据操作和高度相关的边界混为一谈。教这些人传统的编程是没有用的。教他们一个基于云的应用程序的更精确的模型，数据在哪里存在，数据如何移动等等(以及如何为这个模型“编程”)将有机会发挥作用。
我同意Mark的观点，“编程”教授机器的模型和它的符号，学习对于理解我们周围的工具是很重要的。但我们必须首先围绕正确的机器进行编程。我们对“编程”的默认解释是在错误的机器上修复的。
凯瑟琳Fisler
显示1评论