周二，哈佛大学(Harvard University)成立了肯普纳自然与人工智能研究所(Kempner Institute for the Study of Natural and Artificial Intelligence)，这是一项全校范围内的新倡议，站在神经科学和人工智能的交叉点上，寻求人类和机器智能背后的基本原理。发现的成果将双向流动，增强对人类如何思考、如何感知周围世界、如何决策和学习的理解，从而推动快速发展的人工智能领域。
该研究所将由普莉希拉·陈和马克·扎克伯格捐赠的5亿美元资助，这是由“陈-扎克伯格倡议”于周二宣布的。这笔捐款将支持10个新的教师任命，重要的新的计算基础设施，以及允许学生在实验室之间流动以追求想法和知识的资源。该学院的名字是为了纪念扎克伯格的母亲凯伦·肯普纳·扎克伯格以及她的父母——扎克伯格的祖父母——西德尼和格特鲁德·肯普纳。陈和扎克伯格过去一直慷慨地向哈佛捐赠，支持学生、教师和研究人员在一系列领域，包括公共服务、扫盲和治疗。
“哈佛的肯普纳研究所提供了一个绝佳的机会，将生物和认知科学的方法和专业知识与机器学习、统计学和计算机科学结合起来，在理解人类大脑如何工作方面取得真正的进展，从而改善我们应对疾病的方式，创造新的疗法，并促进我们对人体和世界更广泛的理解，”总统拉里·巴考说。
巴考说:“普莉希拉·陈和马克·扎克伯格展示了在哈佛大学和美国其他学术机构促进发现、创新和服务的卓越承诺。”他们对肯普纳研究所(Kempner Institute)创建的支持，将推动哈佛的教育和研究使命，这只是他们寻求这样做的最新方式。从支持COVID-19治疗研究、推动扫盲研究，到增加本科生的公共服务机会，他们通过在陈-扎克伯格倡议(Chan Zuckerberg Initiative)等机构的工作，表现出了真正的承诺，致力于治愈疾病、改善生活，并鼓励他人服务。”
该研究所的一个重点将是通过资助本科生、研究生和博士后研究员来培养这一领域的未来一代领导人和研究人员。该研究所预计将于2022年底在奥尔斯顿(Allston)的新科学与工程综合园区(Science and Engineering Complex)开设，致力于积极招聘来自传统上在STEM领域代表不足的背景的个人。由哈佛大学医学院神经生物学教授贝纳多·萨巴蒂尼(音)和沙姆·卡卡德(音)担任组长。明年1月，他将成为哈佛大学约翰·a·保尔森工程与应用科学学院计算机科学与统计学戈登·麦凯教授，以及文理学院教授。该研究所将成立由各学院、各学科的教授组成的教授指导委员会，召集计算机科学、应用数学、神经科学、认知科学、统计学、工程学等领域的专家。
Sabatini和从华盛顿大学来到哈佛大学的Kakade在《哈佛公报》上谈到了人工智能的新努力、前景和挑战，以及它可能在我们所有人的生活中扮演的角色。为了篇幅和清晰度，采访经过了编辑。
Q&
Bernardo Sabatini和Sham Kakade
公报:跟我说说新学院的情况。它存在的主要原因是什么?
SABATINI:该研究所的目的是将两个领域的知识结合在一起，希望创造出一些本质上新的东西，尽管它已经在一些地方进行了尝试。想象一下这里有认知科学家和神经生物学家他们研究人类大脑，包括智力和决策的基本生物学机制。在那边，有来自计算机科学、数学和统计学的人，他们研究人工智能系统。这些群体彼此之间不怎么交流。
我们希望从两种人群中招募人才，通过教育，通过研究生项目，通过资助项目来填补中间的空缺，创造一个新的群体——从学术的初期阶段开始成长——那些同样精通神经科学和人工智能系统的人，可以成为下一代的领导者。
在脊椎动物进化的数百万年里，人类大脑发展出了对学习和智力至关重要的专门化。我们需要知道这些是什么，才能理解它们的好处，并询问它们是否可以让人工智能系统变得更好。与此同时,随着人们研究人工智能和机器学习(ML)开发数学理论,这些系统是如何工作的,可以说,网络的结构具有以下属性的学习通过计算下面的函数,那么我们就可以把这些理论和问,“实际上是,人类的大脑是如何工作的?”
有一个问题是为什么是现在?在技术领域，即使对我这样一个了解如何制造这些东西的研究人员来说，这些进步也是显著的。我认为还有很长的路要走，但我们很多人都觉得现在是更广泛地研究智力的合适时机。你可能还会问:为什么这个使命是独特的，为什么这个机构与学术界和工业界正在做的事情不同?学术界擅长提出想法。工业善于把想法变成现实。我们正处在一个有利的位置。我们有足够的规模在一个非常不同的水平上研究方法:这将不仅仅是个体实验室追求自己的想法。我们可能没有最大的公司那么大，但我们可以处理他们所处理的问题类型，比如让计算资源处理大型语言模型。行业有令人兴奋的研究，但产生的想法的范围是非常不同的，因为他们有不同的目标。
宪报:你研究的是人类的智能，而不是其他动物的智能吗?
SABATINI:很明显，人们对理解人类的智能很感兴趣，因为它是动物中最令人印象深刻的，但我们将从对任何有机体的研究中获得关于智能如何工作的见解。研究所本身将是完全干燥的实验室，纯计算的，但我们将愉快地从动物研究中获取数据。我们还将有一个合作赠款项目，为定向研究和基金组织提供种子，我们认为这些研究和基金将产生对理解智力至关重要的数据。
宪报:你提到了大规模计算。这些硬件需要安装新系统吗?还是使用现有的基础设施?
萨巴蒂尼:我们将购买大量gpu(图形处理单元，如cpu，支持许多计算机)，同时还将使用云计算服务。
宪报:学院的教师们呢?无论是新来的还是已经在哈佛研究这些问题的?
SABATINI:哈佛已经有了很好的专业知识，其中一个目标就是把这些专业知识聚集在一起。基本上，我们希望这个研究所成为一个目的地:如果你关心智能，无论它是自然的还是人工的，你应该来这个研究所。这将吸引来自哈佛和世界各地的学生。我们有新的教员来到哈佛，他们将明确地在这个领域工作，然后他们将帮助招收研究生。我们将在员工中提供专业的工程支持，帮助人们将想法转化为代码，并将其转化为可部署的解决方案。也将有一个非常令人印象深刻的计算后端-硬件能够以一种在学术界不常见的方式做复杂的模型。我们将会有一些项目，让已经在哈佛的人能够接触到计算机结构，并参与教学和招收学生，我们的资源将会用于合作的哈佛研究生项目，等等。我们希望社区尽可能大。
KAKADE:该研究所有一个非常独特的使命和一个独特的计划，我们将如何开展工作，特别是学术界。许多学校可以雇佣更多的教师，但在这里，他们将能够做跨学科的工作，并拥有资源——支持学生、博士后、工程师和大规模计算——以促进项目。这在学术界很难做到，因为我们受到拨款的限制，而且很难获得足够的计算资源。
GAZETTE:为什么这个礼物背后的资源如此重要?
KAKADE:该研究所的独特之处在于其规模。这使得我们可以处理许多因素:研究、教育和计算。教育方面不仅仅是研究生;从博士后到本科生。我们甚至在考虑开设一个学士学位后课程。对于一个学术机构来说，计算机方面也是值得注意的。这些算法非常需要数据，而且越来越多的情况是，只有最大的工业实验室才能做这样的研究，尽管让学术界参与提出纯粹的科学问题是非常重要的。这个研究所的建立不仅仅是为了计算。它是工程支持，培训人们理解如何构建和支持ML系统——这个礼物将极大地扩展哈佛大学在机器学习方面的教育和研究能力——并帮助研究渠道。我们将能够进行合作，大规模的研究，就像你在大公司里做的那样。它将允许我们提出他们在那里提出的问题类型，但从一个非常不同的角度。这将是非常了不起的。
萨巴蒂尼:有些领域非常广泛，如果你想在这个领域出类拔萃，你就必须做大。例如，我在哈佛医学院的家庭系——神经生物学——涵盖了从思考离子通道的结构到认知过程的方方面面。你不可能拥有一个小的神经生物学项目并成为最好的。这是一个类似的领域。你需要有一定的质量，一定的广度，以及学院里的人的多样性，这样才能成为顶尖的。你希望唯一的限制是想法。如果有人有一个绝妙的想法，你希望基础设施到位，资源到位，以便这个想法能够尽快转化为现实。这需要规模、计算硬件、工程师、项目管理——所有这些都是将想法转变为现实的必要条件。我们面临的挑战是建立一个研究资源部署结构和一个社区结构:一个每个人都受欢迎的地方，有不同的背景，我们可以积极主动地创造一个多样化的工作场所和下一代。它也必须是一个任何人都可以有想法并接受积极的强化帮助它成为现实的地方。
宪报:当我们展望这些想法的潜在影响时，哪些社会领域最适合引入人工智能?
KAKADE:在很大程度上，电脑在人类擅长的事情上做得越来越好，我们在各个领域都看到了巨大的影响。很明显，我们看到了很多关于搜索的影响，语音识别真的可以帮助人们在移动时询问他们附近的东西。机器人的信息收集和信息处理能力正在提高。此外，汽车上的计算机视觉系统正在全面改进。然而，令人兴奋的是，它有可能在未来产生更大的影响。同样重要的是，当我们的系统在改进时，我们要意识到这些缺陷。该研究所的重点不会是直接部署新技术。相反，该研究所更广泛的目标是发现和增加科学知识，我们将在伦理框架内追求这些知识，并怀着改善世界的愿望。我们的工作将帮助其他人推进一个认真对待该领域内外提出的伦理问题的领域。在这里，我们将联系哈佛大学和其他大学的相关学者和政策制定者，因为这些问题需要在更广泛的背景下考虑。
GAZETTE:当你说兴奋是为了获得更高的影响时，是否有一些特定的领域是人们最兴奋的?
KAKADE:显然，机器人和自动驾驶汽车的发展非常迅速。自然语言处理的规模很大，因为自动化系统能够生成与人类语言相似的文本的能力是巨大的。例如，如果我们能改进问题回答，那将是非常不可思议的。你可以以合理的方式提出问题并得到答案。很明显，还没有完全实现，但语言模型并不完全是胡言乱语，有时还能产生丰富的人类语言，这一事实相当令人震惊。
GAZETTE:你说的是Siri这样的东西，你可以问一个问题，它会在没有任何人类参与的情况下做出回应?
KAKADE: Siri是语音到文本的功能，但你也可以考虑在搜索中输入问题，而不是返回一个网站，你可以得到实际的信息，你想要的答案。我们与设备之间的联系越来越紧密，比如Alexa和Siri。该领域在自然语言模型方面的进展令人兴奋的部分在于，它能够实现更丰富的交互，既可以相互交流，也可以获取基于知识的信息，还可以更好地与声控设备进行交互。这很令人兴奋。自动化系统感知环境的能力也在不断提高，这对智能家居和自动化系统来说意义重大。其他领域也在进步，因为相机能够更好地解析视觉世界，比如在医疗领域。在过去的几年里，场景解析已经取得了显著的成就:你拍了一张照片，它可以理解照片中的各种对象以及它们之间的关系。更普遍地说，该研究所更广泛的科学和技术目标是促进方法论的发展，使系统能够像人一样与环境互动。
SABATINI:值得注意的是，该研究所不仅是关于应用和推进人工智能;有一个基本的部分是关于发现和增加知识。这一发现的一部分将是创造能够解释我们大脑如何工作的计算理论。一旦我们理解了大脑是如何“计算”和处理信息的，科学家最终将能够理解这些过程在疾病中是如何出错的。为了做到这一点，我们将借鉴为理解人工智能如何工作而开发的计算理论。
第二，在任何时候，人工智能的主体都必须与人类互动，这对人工智能主体来说是很有价值的，因为它知道一些关于物理世界的东西，并拥有一些常识。我们有常识，我们期望人工智能也有常识，但一般来说，它没有。所以我认为这将是一个巨大的进步。
第三是我们甚至不确定是否能解决的问题。如果我们能创造出更大的人工智能系统，例如，能够获取所有的医学知识或所有的蛋白质结构，它能做出什么样的新发现和智能结论?这些发现可能来自于对疾病的理解、发现新的治疗方法，或者仅仅是对世界如何运作的知识做出贡献。我认为我们现在还无法想象那些东西是什么。
该研究所的指导委员会:Boaz Barak (SEAS，计算机科学);弗朗西斯卡·多米尼西(哈佛大学陈学院生物统计学专业);Doshi-Velez (SEAS，计算机科学);Catherine Dulac (FAS，分子和细胞生物学);Robert Gentleman (HMS，计算生物医学/生物医学信息学);Sam Gershman (FAS，心理学);Zak Kohane (HMS，生物医学信息学);Susan Murphy (SEAS/FAS，计算机科学/统计);Venki Murthy (FAS，分子与细胞生物学);费尔南达Viégas (SEAS/HBS，计算机科学)。
,
,
,
,
文章旨在传播新闻信息，原文请查看https://news.harvard.edu/gazette/story/2021/12/new-harvard-institute-to-study-natural-artificial-intelligence/