（原标题：谷歌AI负责人杰夫·迪恩：2020年机器学习领域的趋势分析）
无论计算机未来在社会中扮演什么角色，杰夫·迪恩(Jeff Dean)都将在结果中发挥强大的作用。作为谷歌人工智能技术研究小组的负责人，他领导的工作覆盖面十分广泛，对从研发无人驾驶汽车到制造机器人，再到谷歌强大的在线广告业务等方方面面都做出了贡献。
在温哥华举行的世界领先的人工智能会议NeurIPS上，《连线》（WIRED）与迪恩谈论了其团队的最新研究，以及谷歌如何试图对这些探索施加道德限制。
连线：你做了一个关于建造新型计算机来推动机器学习的演讲。这其中有什么新想法？
杰夫·迪恩：第一个是使用机器学习在芯片上布局和布线电路。在一系列新电路被设计出之后，人类专家将它以一种有效的方式置于芯片上，以优化面积、功耗和许多其他参数。通常情况下，这一过程会在数周内完成。而拥有一个机器学习模型，该过程的完成会变得十分有效，结果与人类专家不相上下甚至更好。这在本质上说，是学习玩芯片放置的游戏。我们一直在”玩“一堆不同的谷歌内部芯片，比如TPU[谷歌的定制机器学习芯片]。
W：更强大的芯片是人工智能近期取得进展的核心。然而，Facebook的人工智能负责人表示，这一战略很快就会碰壁。与此相比，你们的一位顶尖研究人员敦促该领域继续探索新想法。
JD：构建更高效、更大规模的计算系统现在看来仍然有很大的潜力可挖掘，特别是那些为机器学习量身定做的系统。我认为过去五六年来所做的基础研究还有很大的应用空间。我们将与谷歌产品同事合作，将这其中的许多应用到现实世界中。
但考虑到今天能做什么和不能做什么？下一个研究前沿问题是什么？我们也在探索的过程中。我们想要建立能推广到一项新任务的系统。用更少的数据和更少的计算来做事情慢慢的变有趣和重要。
W：在NeurIPS引起关注的另一个挑战是一些人工智能应用程序衍生出的伦理问题。谷歌在18个月前宣布了一套完整的人工智能伦理原则，此前五角大楼的一个名为Maven的人工智能项目曾引发抗议。自那以后，谷歌的人工智能工作方式发生了怎样的变化？
JD：我认为，整个谷歌对如何将这些原则付诸实施有了更好的理解。我们有一个过程，使用机器学习的产品团队以某种方式可以在设计整个系统之前获得早期的预见，比如你该怎么样收集数据以确保它没有偏见，或诸如此类的事情。同时，我们也在继续推进原则中体现的研究方向。在偏见、公平、隐私和机器学习方面我们做了相当多的工作。
W：这些原则排除了武器方面的工作，但允许包括国防项目在内的政府业务。自Maven以来，谷歌有没有启动过任何新的军事项目？
JD：我们很高兴以符合我们原则的方式与军方或其他政府机构合作。因此，对于帮助提高海岸警卫队人员的安全，这是我们很乐意做的事情。云团队倾向于从事这项工作，因为这其实就是他们的业务线。
W：伦敦人工智能初创公司DeepMind的联合创始人穆斯塔法·苏莱曼(Mustafa Suleyman)最近转到了谷歌。DeepMind是Alphabet旗下的一家伦敦人工智能初创公司，也是机器学习研究的主要参与者。苏莱曼说，他将与你以及谷歌最高法律和政策主管肯特·沃克(Kent Walker)合作。你们要一起做什么呢？
JD：苏莱曼在人工智能政策相关问题上有广阔的视角。他也参与了谷歌的人工智能原则和审查过程，所以我认为他会把大部分时间集中在人工智能伦理和政策相关的工作。我真的更希望苏莱曼对他具体要做的事情发表评论。肯特的团队正在研究的一个领域是：我们该如何完善人工智能原则，以便为谷歌的产品团队(比如面部识别)提供更多指导。
W：你做了一个关于机器学习如何帮助社会应对气候变化的主题演讲。可以谈谈这个吗？机器学习项目本身有时会耗费大量能源，这在某种程度上预示着什么？
JD：有很多机会将机器学习应用到这样的一个问题的不同方面。我的同事约翰·普拉特(John Platt)最近正在关注这样一些问题。例如，机器学习能够在一定程度上帮助提高交通运输的效率，或者使气候建模更加准确，因为传统的模型计算非常密集，这限制了空间分辨率。总体上，我关心碳排放和机器学习。但它在总排放量中所占的比例相对较低，而且我看到的一些关于机器学习能源使用的论文并没有考虑能源的来源。在谷歌数据中心，我们所有计算需求的全年能源使用量几乎是100%可再生的。
W：除了气候变化，你们的团队明年将在哪些研究领域扩大工作？
JD：其一是多模式学习：任务具有不同的模式，如视频和文本或视频和音频。我们在这方面做的不多，而这在未来可能会更重要。医疗保健的机器学习研究也是我们投入大量精力正在进行的工作。其二是优化设备上的机器学习模型，这样我们就可以将更多有趣的功能添加到硬件中，如手机和其他类型的设备。
（选自：wired 作者：TomSimonite编译：网易智能参与：nariiy）
