哈佛大学(Harvard)和陈-扎克伯格倡议(Chan Zuckerberg Initiative)本周宣布成立新的自然与人工智能研究肯普纳研究所(Kempner Institute for The Study of Natural and Artificial Intelligence)，该研究所的使命无疑雄心勃勃，甚至有些咄咄逼人。它的目标是寻找智能的根源，无论是人工的还是自然的，并利用从中学到的东西来告知对方的进步。
哈佛医学院生物医学信息学系主任、新研究所指导委员会成员Zak Kohane说:“我认为最终目标非常、非常困难。”“这是一个可以实现的目标，但我认为，通过努力实现这个目标，我们将大大提升技术水平。”
哈佛大学陈曾熙公共卫生学院(Harvard T.H. Chan School of Public Health)生物统计学、人口与数据科学克拉伦斯·詹姆斯·甘布尔(Clarence James Gamble)教授、哈佛大学数据科学计划(Harvard ‘s Data Science Initiative)联合主任弗朗西斯卡·多米尼西(Francesca Dominici)对此表示赞同，但她也表示，哈佛大学已经做好了应对这一挑战的准备。
“该研究所有一个非常雄心勃勃的目标:‘揭示智能的基本机制，赋予人工智能自然智能的特征，并将这些新的人工智能技术用于造福人类，’”新研究所指导委员会成员多米尼奇说。“所以，你需要在神经科学、认知科学、生物学、心理学、社会科学、行为科学方面的专业知识，并把人们聚集在一起发展新的理论。然后，我们试图研究大脑，理解大脑，理解行为，理解认知科学，赋予新算法，开发具有自然智能特征的新算法，然后解决重要问题。”
多米尼奇说，哈佛的广度和规模是关键。该大学不仅拥有所需要的各种领域的专家，而且拥有大量的专家，并且已经具备一些必要的基础设施。肯普纳研究所的使命需要这样的规模。这将需要大量的资源和巨大的智力:不仅是学者，而且是关键领域的学者群体;早期的职业科学家不仅开拓知识，而且开拓方法、工具和技术;优等生渴望钻研世界上最棘手的问题;一系列的学科可以从不同的方向来解决这个问题。
“哈佛是巨大的。我确实认为它有能力，有足够的师资力量，能够真正实现我认为可能是我所听过的最雄心勃勃的科学目标之一。”多米尼奇说道。
除了将统计学和人工智能方法应用于世界健康问题之外，多米尼奇还与乔治·f·柯罗尼计算机科学教授戴维·帕克斯(David Parkes)一起，在全大学范围内发起了一项努力，以理解人工智能发展的关键因素:数据和数据科学。哈佛数据科学计划(Harvard Data Science Initiative)拥有50多名附属教师，旨在推动迅速崛起的数据科学——以及处理数据所需的数学、统计学和计算机科学。这门学科旨在改善对现代时代产生的大量信息的处理，从地球观测卫星到政府文件档案，再到智能手表、手机和浏览器历史记录中每分钟都在累积的个人数据。
Dominici指出，由于人工智能算法是根据数据集进行训练的，它们的性能只会和基础数据集一样好，而且是无偏置的。
“人工智能变成了带有坏数据和坏数据科学的人工愚蠢，”她说。
哈佛大学不仅在数据科学和计算机科学等人工智能相关领域(这是本科生的第二大关注点)拥有专业知识，还拥有肯普纳研究所另一方面的研究人员:探索大脑的复杂性，在文理学院的脑科学中心，该中心有50多名成员，哈佛医学院的神经生物学部门，有大约40名教师。
雷蒙德·里奥·埃里克森生命科学分子与细胞生物学教授、脑科学中心保罗·j·芬尼根家庭主任文卡塔斯·穆尔蒂研究大脑如何处理气味，然后激发行为。通过研究老鼠和蚂蚁，通常使用基于人工智能的工具，Murthy探索了气味处理，因为它在动物王国中至关重要。他说，在人工智能的背景下，嗅觉可能很重要，因为其中涉及的神经网络与涉及视觉处理的神经网络有很大不同，比如，在视觉处理领域，人工智能系统已经得到了很好的发展，如今已应用于自动驾驶汽车。
新指导委员会的另一名成员Murthy说:“我们的想法是，作为嗅觉基础的大脑回路与视觉系统有着非常不同的结构。”“通过理解这一点，有一天我们可能会说，‘哦，那种结构，那种架构，对解决某种问题是有好处的。这就是希望。即使我们谈论的是一个特定的意义，我们当然希望这能引出一些普遍的原则。”
事实上，Murthy说，那些像他一样研究特定感官通路的人都认识到，尽管视觉、声音、听觉、嗅觉和触觉在大脑中处理方式不同，但在生物中，它们最终聚集在一起，形成某种智能组合，从而激发行为。动物使用所有这些不同输入的学习方式似乎与目前的AI系统的学习方式大不相同。
“这些途径的早期阶段是相当分离的，但很快事情就混合了，”默菲说。“也许更大的问题是，大脑如何组织这些信息，使它们足够独立，这样你就能提取出真正的信号，但又能足够快地将它们组合在一起，从而做出更好的判断，更好的推断?”我并不怀疑，当我们进入一般的人工智能系统时，获取这些多种信息流已经成为它的一个基本部分。”
除了关注人工智能的科学和技术方面，哈佛大学的学者们还一直在研究和工作，通过法律和政府政策、商业和经济、公共卫生和医学等方面的视角，推进人工智能对社会和文化的影响。
今年3月，马萨诸塞州总医院(Massachusetts General Hospital)和哈佛医学院(Harvard Medical School)的研究人员开发了人工智能，以筛选目前可用的80种药物，看看是否有任何一种可能为治疗阿尔茨海默病提供捷径。其中一个是非常有希望的，临床试验将很快开始。
今年9月，HMS和Beth Israel Deaconess医疗中心的胃肠病学家使用了一种基于人工智能的计算机视觉算法来支持医生查看结肠镜扫描，并发现他们将错过潜在癌变息肉的几率降低了30%。在这所大学，研究人员、教师和学生都在努力改进算法，提高计算能力，并推动人工智能的极限。
哈佛法学院的metaLAB(在)哈佛大学几年来使用艺术探索问题,例如我们盲目分散的私人数据通过社交媒体,科技巨头AI偷听我们的能力拿着麦克风在手机和电脑上——我们拥抱在我们使用个人助理Alexa和Siri -甚至是一些基本问题，比如人类是否真的应该成为人工智能模式的榜样。
哈佛商学院(Harvard Business School)的“未来工作管理”(Managing the Future of Work)项目正在研究人工智能的发展和部署对工业自动化等领域的影响，而更广泛的商界则一头扎进人工智能的未来，每年在基于人工智能的系统上投入数百亿美元。
Sheila Jasanoff是哈佛大学肯尼迪学院的普福尔茨海默科学和技术研究教授，也是科学、技术和社会项目的创始人，她说STS培训为研究当今世界面临的最棘手问题的科学家提供了重要的伦理见解，尤其是把人类定义为智慧的东西。Jasanoff说，把科学与创造它、培养它、然后利用它的成果的社会区分开来，是一种边缘危险的行为。这个项目有50多名教职员工，调动哈佛各地的人才，建立跨学科反思。
贾森诺夫说，谈到人工智能，实验室可能不会考虑的关键问题不仅包括人工智能旨在解决哪些问题，还包括人工智能不能解决哪些问题，重要的是，为什么要这样做?首先是什么推动了人工智能的发展?而且，如果仅仅是货币和消费者需求，满足甚至创造这种需求是否会带来损害?我们该如何解决将人工智能整合到战争武器中的问题?从本质上讲，这是让机器人去杀人，而我们自己却不愿意这么做。在多大程度上，那些似乎是人类智力的普遍属性——比如文化、精神和宗教——对我们更广泛地理解智力是不可或缺的?
“这些问题往往被孤立起来，”Jasanoff说。“STS项目试图更好地理解，我们社会在多个层面上的组织方式，如何能够产生科学项目的框架，以及它们在那些存在未来问题种子的社会中的吸收。”
以数据中的偏差问题为例。专家们一致认为，随着人工智能越来越多地进入我们的生活，我们必须保持警惕，确保避免使用有偏见的数据，这可能会在本可被视为客观公正的系统中植入歧视。例如，麻省理工学院(MIT)和斯坦福大学(Stanford)的研究人员进行的一项著名研究表明，三种商业人脸识别程序都存在这样的问题，导致在识别深色皮肤个体性别时出现更高的错误率。除非小心谨慎，否则偏见，无论是在一个充满偏见的世界中收集的数据，还是程序员在工作时有意识或无意识的偏见，都可能增加不平等。
final Doshi-Velez, Gordon McKay计算机科学教授和新指导委员会的成员，说确保公平的一个方法是在学生，研究员，教师和从事这个问题的教师之间创造多样性。另一种方法是确保在我们的课堂上教授道德规范，她说。哈佛的嵌入式伦理计划是一个关键的途径获得计算机科学学生思考的道德含义通常认为是纯技术工作,即使曾经在世界的影响会影响事情等批准一个汽车贷款,审判那些被指控犯罪,通过初步筛选筛选简历。
嵌入式伦理学计划旨在将伦理学教学嵌入到现有的计算机科学课程中，通过匹配哲学研究生和课程教师，并突出课程主题中的潜在伦理问题。其目的是向数百名计算机科学专业的学生强调，他们所做的事情——以及他们让计算机做的事情——的道德规范应该成为他们日常工作的一个组成部分，而不是事后才想到。
Doshi-Velez说:“当你考虑在现实世界中以有效和合乎道德的方式让事情运转的所有事情时——你试图检查的所有问题——你不可能知道所有的复杂性。”“但在哈佛这样的地方，每个领域都有专家。”
相关的
新的大学范围内的研究所，以整合自然，人工智能
文章旨在传播新闻信息，原文请查看https://news.harvard.edu/gazette/story/2021/12/goals-of-kempner-institute-are-very-hard/