(转)NYU教授给写AI新闻的记者们写了一封推心置腹的信,你也应该读读
2017-07-26 21:38
330 查看
NYU教授给写AI新闻的记者们写了一封推心置腹的信,你也应该读读
原创 2017-07-25 大数据文摘 大数据文摘
大数据文摘作品,转载要求见文末
编译 | Keiko , Aileen
导读:AI新闻正在迅速占领各大门户网站和微信公众号的头条,一大批AI跑口记者也相应涌现,良莠不齐。
NYU教授Julian Togelius针对这个崭新的新闻领域,在自己的博客上发表了一篇文章,提出了给记者们在写有关人工智能文章时的建议。
这篇文章出现后,包括Yann Lecun在内的业界专家纷纷点赞转发,大概真的是说出了他们的心里话吧。而除了AI记者,这篇文章中提到的事实和建议,大概需要每一个关心人工智能的人仔细读读。
(作者:不,我不是个脾气糟糕的怪老头)
亲爱的记者朋友们,
近期常能读到不少人工智能相关的“烂文”(新闻和公关稿都有),故想针对如何写成更好更真实的人工智能新闻为各位稍提建议。有些文章基本上是废话,有些错误满篇,有的看起来好像很靠谱但也充满着误导。我不会指名道姓,任何在AI领域工作或者经常读AI新闻的人都会有大把的例子。当然,也有很多很棒很好的文章,不过好文章的比例还有待提高。
首先,我理解,你所写的是一个在急速变化的领域,其中充满了各种各样的专业术语和有伟大远景的专业人士。除了这些令人兴奋的事物外,这个领域中还有大量值得一写的内容,但是你其实并不太了解或者说完全不了解这个领域。
你对人工智能的了解可能和我对“皮革制造”的了解一样少。
但是,皮革制造的发展过程非常缓慢,涉及具体的原材料和机器设备。人工智能却发展的非常迅速,并且涉及的相关内容都是你无法触碰或者看到的。你会产生一种必须在新闻过时前立刻写出最新进展的焦虑,但是你却不知道从哪里开始入手,解密那些人工智能研究者的古怪言论。你当然想写出能够被大众阅读认同和点击率高的文章,但是你又没有太多时间,所以这不是一个轻松的活儿。
所以为了对人工智能领域有更高质量的报道,并且基于我对不同技术实力记者写出的采访内容的满意程度,我将给出以下可靠建议。
人工智能是一个很大且分支很广的领域
事实 :人工智能是一个很大的领域,从相关论题和使用的方法来看,是变化多样的 。
人工智能领域的重大会议 (比如 IJCAI,AAAI,ICML和 NIPS)有成千上万的与会者,其中的绝大多数人却只了解会议中的一小部分内容,当我去参加这些会议的时候,我只能听懂大概20%的内容并得到一些启发。虽然我本人可能不太聪明,但是能同时跟进人工智能多样的分支领域,比如约束传播,深度学习和随机搜索的前沿知识的人是非常稀少的。
建议:不要默认你采访的研究者了解“最近人工智能领域最前沿的是什么”。
更重要的是,如果有人说他们知道现在人工智能领域在发生着什么,请默认他们只了解这个大领域中的一小部分。所以请跟AI领域中的其他部分的研究者复核一下。
没有任何人工智能的系统是可以做多个任务的
事实 :根本没有所谓的“一种人工智能技术”存在。
人工智能是开发模仿人类使用大脑去做一些事情的软件的方法和概念的合集。研究者和开发者开发出新的方法(也用已有的方法)去构建一些引人瞩目的软件(有时候是硬件),比如能玩游戏或者画猫咪。不过,同一个系统不能同时玩游戏和画猫咪。事实上,我没有听说过可以做很多个任务的人工智能系统。即使当同样的研究者基于同样的概念,为了完成不同的任务而开发系统时,他们会选择开发多个软件系统来实现。当有的记者写“X公司的人工智能技术不仅已经可以开车,现在还能写诗”的时候,这些记者模糊了其实有另外的系统实现了写诗的事实,给读者一种有特别智能的机器存在的错觉。事实并不是这样。
建议:不要说”一种人工智能技术”。
多去挖掘系统的限制性。去看看太空侵略者和蒙特苏马的复仇这两个游戏是不是应用了一样的神经网络模型(提示:并不是)。
人工智能不是什么新鲜事物。
事实 :人工智能是一个旧领域,并且其中只有几个概念是真正的新概念。
时下很酷炫但是稍微有些被高估的深度学习的进展起源于上世纪八九十年代的神经网络研究,而神经网络模型更是基于上世纪四十年代的概念和实验。在很多情况下,前沿研究是由对已有方法的微小改动和改进组成,而这些已有方法在研究者还没出生的时候就已经被设计出来了。”反向传播“这个算法是现在深度学习的主要支撑,已经有好几十年的历史,并且是由多人独立发现的。IBM的深蓝计算机战胜了国际象棋大师盖瑞 卡斯帕罗夫证明了电脑比人类更会下国际象棋,其中的核心算法是有阿兰· 图灵在1940年代就提出的极大极小值算法。图灵,人工智能和广义计算机科学的创始人之一,在1950年写了名为“计算机器与智能”的论文。这篇论文不仅因我们现在所称的图灵测试而闻名,也包含了人工智能的很多核心概念的萌芽。
建议:阅读图灵1950年的论文(http://www.loebner.net/Prizef/TuringArticle.html)。 这是一篇阅读感非常棒的文章,没有复杂的数学公式,各种技术词汇也非常通俗的融入其中。
你会惊叹于人工智能的几个关键思想在当时已经到位,虽然可能只是萌芽阶段。 在撰写关于令人兴奋的技术新突破的故事时,建议多咨询在这个行业已有些年纪的老人家,或至少是中年人的AI研究者。 这些人在AI变得很酷之前就开始研究AI了,所以已经经历过了一个AI炒作的循环。 有可能这个人可以告诉你这个新进展是从哪个旧想法稍微改进一点而来的。
原创 2017-07-25 大数据文摘 大数据文摘
大数据文摘作品,转载要求见文末
编译 | Keiko , Aileen
导读:AI新闻正在迅速占领各大门户网站和微信公众号的头条,一大批AI跑口记者也相应涌现,良莠不齐。
NYU教授Julian Togelius针对这个崭新的新闻领域,在自己的博客上发表了一篇文章,提出了给记者们在写有关人工智能文章时的建议。
这篇文章出现后,包括Yann Lecun在内的业界专家纷纷点赞转发,大概真的是说出了他们的心里话吧。而除了AI记者,这篇文章中提到的事实和建议,大概需要每一个关心人工智能的人仔细读读。
(作者:不,我不是个脾气糟糕的怪老头)
亲爱的记者朋友们,
近期常能读到不少人工智能相关的“烂文”(新闻和公关稿都有),故想针对如何写成更好更真实的人工智能新闻为各位稍提建议。有些文章基本上是废话,有些错误满篇,有的看起来好像很靠谱但也充满着误导。我不会指名道姓,任何在AI领域工作或者经常读AI新闻的人都会有大把的例子。当然,也有很多很棒很好的文章,不过好文章的比例还有待提高。
首先,我理解,你所写的是一个在急速变化的领域,其中充满了各种各样的专业术语和有伟大远景的专业人士。除了这些令人兴奋的事物外,这个领域中还有大量值得一写的内容,但是你其实并不太了解或者说完全不了解这个领域。
你对人工智能的了解可能和我对“皮革制造”的了解一样少。
但是,皮革制造的发展过程非常缓慢,涉及具体的原材料和机器设备。人工智能却发展的非常迅速,并且涉及的相关内容都是你无法触碰或者看到的。你会产生一种必须在新闻过时前立刻写出最新进展的焦虑,但是你却不知道从哪里开始入手,解密那些人工智能研究者的古怪言论。你当然想写出能够被大众阅读认同和点击率高的文章,但是你又没有太多时间,所以这不是一个轻松的活儿。
所以为了对人工智能领域有更高质量的报道,并且基于我对不同技术实力记者写出的采访内容的满意程度,我将给出以下可靠建议。
人工智能是一个很大且分支很广的领域
事实 :人工智能是一个很大的领域,从相关论题和使用的方法来看,是变化多样的 。
人工智能领域的重大会议 (比如 IJCAI,AAAI,ICML和 NIPS)有成千上万的与会者,其中的绝大多数人却只了解会议中的一小部分内容,当我去参加这些会议的时候,我只能听懂大概20%的内容并得到一些启发。虽然我本人可能不太聪明,但是能同时跟进人工智能多样的分支领域,比如约束传播,深度学习和随机搜索的前沿知识的人是非常稀少的。
建议:不要默认你采访的研究者了解“最近人工智能领域最前沿的是什么”。
更重要的是,如果有人说他们知道现在人工智能领域在发生着什么,请默认他们只了解这个大领域中的一小部分。所以请跟AI领域中的其他部分的研究者复核一下。
没有任何人工智能的系统是可以做多个任务的
事实 :根本没有所谓的“一种人工智能技术”存在。
人工智能是开发模仿人类使用大脑去做一些事情的软件的方法和概念的合集。研究者和开发者开发出新的方法(也用已有的方法)去构建一些引人瞩目的软件(有时候是硬件),比如能玩游戏或者画猫咪。不过,同一个系统不能同时玩游戏和画猫咪。事实上,我没有听说过可以做很多个任务的人工智能系统。即使当同样的研究者基于同样的概念,为了完成不同的任务而开发系统时,他们会选择开发多个软件系统来实现。当有的记者写“X公司的人工智能技术不仅已经可以开车,现在还能写诗”的时候,这些记者模糊了其实有另外的系统实现了写诗的事实,给读者一种有特别智能的机器存在的错觉。事实并不是这样。
建议:不要说”一种人工智能技术”。
多去挖掘系统的限制性。去看看太空侵略者和蒙特苏马的复仇这两个游戏是不是应用了一样的神经网络模型(提示:并不是)。
人工智能不是什么新鲜事物。
事实 :人工智能是一个旧领域,并且其中只有几个概念是真正的新概念。
时下很酷炫但是稍微有些被高估的深度学习的进展起源于上世纪八九十年代的神经网络研究,而神经网络模型更是基于上世纪四十年代的概念和实验。在很多情况下,前沿研究是由对已有方法的微小改动和改进组成,而这些已有方法在研究者还没出生的时候就已经被设计出来了。”反向传播“这个算法是现在深度学习的主要支撑,已经有好几十年的历史,并且是由多人独立发现的。IBM的深蓝计算机战胜了国际象棋大师盖瑞 卡斯帕罗夫证明了电脑比人类更会下国际象棋,其中的核心算法是有阿兰· 图灵在1940年代就提出的极大极小值算法。图灵,人工智能和广义计算机科学的创始人之一,在1950年写了名为“计算机器与智能”的论文。这篇论文不仅因我们现在所称的图灵测试而闻名,也包含了人工智能的很多核心概念的萌芽。
建议:阅读图灵1950年的论文(http://www.loebner.net/Prizef/TuringArticle.html)。 这是一篇阅读感非常棒的文章,没有复杂的数学公式,各种技术词汇也非常通俗的融入其中。
你会惊叹于人工智能的几个关键思想在当时已经到位,虽然可能只是萌芽阶段。 在撰写关于令人兴奋的技术新突破的故事时,建议多咨询在这个行业已有些年纪的老人家,或至少是中年人的AI研究者。 这些人在AI变得很酷之前就开始研究AI了,所以已经经历过了一个AI炒作的循环。 有可能这个人可以告诉你这个新进展是从哪个旧想法稍微改进一点而来的。
相关文章推荐
- 做新闻资讯网站应该注意的几点 推荐
- 一周AI新闻回顾(2017-11-19)
- 用AI追热点,自动化编辑新闻,路透社已经这么做了 | 附论文
- ALL IN AI 十几年,这位大学教授让企业管理变得可以计算
- ISSUE 153 学生们应该质疑老师教授的东西而不只是被动的接受
- 【每日新闻】谷歌CEO皮查伊:AI会拯救人类,而不是摧毁 | 致远互联签约锤子科技
- 张筑生老师:真正的教授,学术的典范,应该给这类人最好的环境
- 一周AI新闻回顾(2017-12-3)
- ISSUE 50 教授是否应该具有相关研究领域之外的工作经验
- 转载新闻 你应该知道的一些 Linux 技巧
- 你不应该读那么多新闻
- 京东又有AI科学家加盟:加拿大大数据教授裴健入职,向刘强东汇报
- 网上关于AI的新闻/资料/文章收录【2018】
- 有营养的废话:人工智能、大数据和高性能计算融合成为趋势丨AI推理服务器,能读懂福尔摩斯?【软件网每日新闻播报│第10-24期】
- 昨天在微信里看到的一篇文章,应该不算是个新闻,但是还是值得仔细读一下。特别是对于那些在一个公司干了很多年却没有发展,或者每年跳槽两三次的同学确实应该反思看一看。原文地址 以下是正文 我曾经带过一个
- 汤晓鸥与MIT、宾大教授共话AI:热潮终将退去,人工智能的中国式文艺复兴
- 假期错过的...条AI新闻都在这里了
- [机器学习(转)]转AI方向应该注意什么
- 大学生应该读什么书——一位年轻老师给他的年轻学生的一封回信
- 创始人和VC的推荐:企业家应该读读这21本书