机器学习
某机构学者自称"渐进改良主义者"
其研究聚焦于计算机如何实现类人学习机制
2020年8月25日
编者按：本次访谈经编辑整理自某机构德国博客Day One的原始报道。
Matthias Bethge可称得上多面手：神经科学家、大学教授、两家初创公司创始人、德国蒂宾根伯恩斯坦计算神经科学中心协调员、蒂宾根人工智能中心主任、德国国家人工智能竞赛联合发起人，同时参与ELLIS计划并担任某机构学者。他更愿自称"渐进改良主义者"，本次访谈将阐释这一理念及企业在该领域的重要作用。
问：如何统括您的多元活动？哪些问题驱动着这些工作？
“我的研究核心是大脑信息处理机制，特别是视觉感知与世界认知的原理。简言之，就是让计算机通过形成新的人工神经元连接（或增强现有连接间的传导效能）来实现类人学习。过去十年机器学习推动人工智能取得重大进展，该领域研究已超越学术范畴，正在全球范围内深刻改变经济与社会结构。作为研究者，我有责任关注其社会影响。”
问：如何追踪这些影响？
“必须依靠集体力量。因此我深度参与ELLIS（欧洲学习与智能系统实验室）计划。该倡议由某机构学者、马克斯·普朗克智能系统研究所所长Bernhard Schölkopf等顶尖学者两年前发起，旨在构建吸引全球人才赴欧的生态系统，为科研团队、初创企业及非营利机构提供创新沃土。欧洲需要在关键AI技术领域与美国等先行者保持同步。”
问：计算机已达到人脑的学习水平吗？
“尚未达到。人脑擅长从少量经验中推导有效结论并引发行为变革，而机器学习通常需要海量数据。但计算机的数据处理能力远超人类。在数据充足的情况下，计算机现已能超越人类表现。我与神经科学家Peter Dayan、科学家Y-Lan Boureau共同运营ELLIS学者计划，每半年汇聚顶尖研究者交流如何人工模拟尚未破解的自然智能特性。”
问：这类学习系统有哪些实际应用场景？
“模式识别任务尤其适用，例如面部/音乐识别、医疗影像诊断或购买行为预测。”
问：您创办的DeepArt和Layer7如何实践研究成果？
“2015年我们开发出通过神经网络将照片转化为艺术风格的新方法，并于2016年成立DeepArt向公众推广该技术。2018年中期成立Layer7，将优秀机器学习研究者作为顾问输送给企业。”
问：您担任某机构学者期间的具体工作？
“与Bernhard Schölkopf、Thomas Brox等学者共同建设AWS Lablet，汇聚机器学习顶尖人才攻克挑战性课题。当前主要目标是推进无监督学习，使机器获得尽可能通用的对象理解能力。”
问：在某机构工作的价值？
“某机构为Cyber Valley计划注入重要活力。研究成果向经济转化是重大挑战，大学普遍缺乏开发市场化产品的基础设施和风险承担能力。在此既能获得学习机会，又能参与构建紧密连接基础研究与产业的生态系统，为博士生提供非学术岗位。”
问：何为"渐进改良主义者"？
“指通过渐进式改进让世界变得更适宜生存的行动者，不同于追求理想化但难以实现的乌托邦主义者。我对人工智能的潜力没有不切实际的幻想，但对逐步改进拥有强烈直觉。”
研究领域
机器学习
标签
人工智能（AI）
无监督学习
某机构学术合作
本文基于技术访谈内容编译，聚焦机器学习与神经计算交叉领域的技术实践与研究生态构建。