首页 > 互联网 > 我在MIT人工智能研究实验室工作一年学到的 5 件事

我在MIT人工智能研究实验室工作一年学到的 5 件事

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。

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。

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”。

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?

“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。

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。

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......

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。

MIKE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。

友情链接