过去的几个月就像旋风一样杰夫Clune他是Uber的高级雷竞技是骗人的研究经理，也是创始人之一Uber AI实验室．2019年6月，他和他的合作雷竞技是骗人的者对诗人这是一种能够自己产生挑战并学会解决它们的算法GECCO的最佳论文奖；今年7月,一篇论文他在职业生涯早期与人合写的文章被评为十年杰出出版物国际人工生命协会；也许最值得注意的是，杰夫被授予科学与工程总统早期职业奖(PECASE)在白宫。根据他们的声明“PECASE是美国政府授予杰出科学家和工程师的最高荣誉，这些科学家和工程师正在开始他们的独立研究生涯，并在科学和技术领域表现出非凡的领导潜力。”雷竞技是骗人的
在AI实验室，Jeff的团队正在寻找应用人工智能来训练深度神经网络的方法。他们的重点主要是提高深度强化学习训练算法学习如何通过试错来解决问题。
他说:“目前工作得非常好的机器学习类型被称为监督学习，它需要大量的反馈，比如在每种情况下采取正确的行动，例如每一毫秒。”“现实世界不提供这种持续的监督。整个强化学习领域都在试图创造一种更自然、要求更低的学习算法。”
随着时间的推移，这些机器学习算法和许多其他算法可以被工业利用来解决复杂的任务。例如，在优步，我们使用机器学习优化优步外卖的配送时间，简化数据工作流管理,改善客户支持票证响应体验．
就像他的强化学习算法一样，杰夫经历了大量的试错，才找到了他认为最有价值的职业，那就是人工智能研究。雷竞技是骗人的杰夫是一个求知欲很强的学生，本科时主修哲学，修过统计学、经济学、心理学、生物人类学、文学和政治学等课程，但他最喜欢的课程是关于进化论的。
毕业后，杰夫突然出现了一篇文章在《纽约时报》康奈尔大学的雷竞技是骗人的研究，那里的科学家利普森使用进化算法自动创建机器人，然后3D打印出来，可以在现实世界中行走。
他说:“我记得我的脑子里就像发生了爆炸。”“我认为这太酷了，你可以结合进化背后的思想，用它们自动设计复杂的东西，然后影响现实世界。我就知道我想这么做。我只需要弄清楚怎么做。”
八年之后，杰夫获得了两个学位，在雷竞技是骗人的康奈尔大学立普森创意机器实验室．现在，他把同样的好奇心和对发现的热情带到了Uber的人工智能研究中。雷竞技是骗人的
我们与Jeff坐下来讨论了他的人工智能之路，他和他的合作者最近取得的成就，以及这个领域的未来最让他兴奋的地方:
你最初是如何对科学和工程感兴趣的?
在我的一生中，我一直被两个孪生问题所吸引。第一个问题是:地球上复杂生命的爆炸是如何发生的?我们是如何得到美洲虎、老鹰、海豚和鲸鱼的?什么样的过程才能设计出如此无尽的令人惊叹的工程奇迹?多亏了达尔文，我们知道了答案的大致轮廓，但还有很多地方需要我们去理解。
我对人类的思维也很感兴趣，更广泛地说，动物的思维。思考是如何发生的?我们能在电脑里创造一台会思考的机器吗?我花了很长时间才找到从事那种科学工作的最佳地点。我开始研究哲学，因为我认为哲学家在思考方面垄断了市场。然而，我很快就感到沮丧，因为虽然哲学很有趣，但最终，你不能测试你的想法，看看你是否正确，然后迭代来改进它们。
最终，我转向了机器学习和计算机科学，因为这是一个你可以通过构建来学习的领域。理查德·费曼曾说过一句话，”我不能创造的东西，我不懂．”我坚信通过构建来学习的模式。通过尝试在机器人和软件中创造智能，我们学到了很多关于思考和智能的知识。此外，如果我们尝试创造一种能够产生思考机器的过程，我认为我们应该这样做，然后我们还学习了创造算法的必要、充分和催化成分，这些算法可以产生无穷无尽的复杂性，包括产生思考机器。因此，人工智能研究揭示了我一生都在寻求答案的两个雷竞技是骗人的问题。因此，作为一名研究如何推进人工智能的科学家，我对自己每天所做的事情感到非常高兴。雷竞技是骗人的
你读博士的时候，人工智能有现在这么火吗?
科学有被接受和被嘲笑的趋势。有些东西现在很流行，有些东西肯定被人看不起。当我开始研究这些课题时，神经网雷竞技是骗人的络、人工智能，尤其是进化算法都已经过时了。但我选择我想关注的科目并不是因为它们很受欢迎。
我专注于我认为真正有趣的追求，从长远来看，在创造人工智能方面最有前途。从那时起，一切都变了。现在，人工智能和神经网络，甚至是最近的进化算法，在人们的兴趣和试图加强并使用它们的人数方面，都在飞速增长。它们的能力也有所提升。我们中的许多人曾像一群游牧民族一样，带着好奇心和激情在沙漠中独自游荡多年，现在对有人对我们所做的事情感兴趣感到非常惊讶——而且是愉快的。
你是如何成为一名机器学习科学家的?
这是一个有点复杂的故事，在21世纪初互联网繁荣的时候，我在硅谷，我读过一篇文章在《纽约时报》关于康奈尔大学一位名叫霍德·利普森的科学家，他的实验室在模拟器中进化出了机器人。然后，当它们被进化算法设计得足够好时(自动的，没有人类参与循环)，它们被送到3D打印机打印身体。然后，科学家们给机器人插上一些马达，这些机器人就可以在现实世界中行走了。我觉得这太酷了。
然后我花了一年半的时间环游世界，当我回来的时候，我决定我想做这件事:制造机器人和研究人工智能。具体来说，我想研究我们如何利用进化——同样的力量创造了地球上所有复杂的生命——来设计机器人和人工智能。我联系了Hod Lipson，问他:“我能加入你的实验室吗?”他说:“我很想让你去，但你得考上康奈尔大学的博士课程。”我的本科学位是哲学，不是计算机科学，所以我不符合申请的最低标准。我联系了几十所大学，想看看有没有人愿意让我读一个只有哲学背景的计算机科学博士课程，但我得到的全是“不”。最终，我在密歇根州立大学找到了一个机会一个哲学家在那里工作的人们使用进化算法而且研究生物系统复杂性的演化．
所以我去了密歇根州立大学，攻读哲学硕士学位，在此期间我一直在学习计算机科学和机器学习课程。在我的硕士课程结束后，他们让我参加了他们的计算机科学博士课程。所以我获得了计算机科学博士学位，然后我打电话给康奈尔大学的Hod Lipson，我说:“现在我有了计算机科学博士学位。我能加入你的实验室吗?他说:“当然，进来吧!”
大概八年前我读了那篇文章《纽约时报》我当时在他的实验室。太神奇了。就像威利·旺卡的机器人工厂。然后，两年后，我开始了我自己的实验室作为怀俄明大学的教授，现在我几乎每周都会收到类似的电子邮件，来自那些想进入这个领域但不知道如何进入的人。
你在怀俄明大学的实验室的重点是什么?
这实际上与我们在优步人工智能实验室所关注的非常相似。我们正在努力推进机器学习、人工智能和机器人技术的前沿，为此，我们试图确定人工智能目前最薄弱的地方，以及我们认为通过持续努力可以取得进展的地方。例如，我们一直致力于改进强化学习，以增强AI代理的能力不断学习各种各样的技能，所以他们不是只有一种技能的小马。我们也学习如何使用深度学习帮助生物学家更好的了解和保护自然生态系统中的动物．此外，我和我在怀俄明州的同事做了很多工作，我们称之为“人工智能神经科学，在那里我们研究神经网络对世界的理解程度。这项工作主要是与Anh Nguyen和Jason Yosinski(现在是Uber AI实验室的研究员)合作，Alexey Dosovits雷竞技是骗人的kiy和Yoshua Bengio也有多项贡献。我的实验室进一步研究如何创造开放式的过程那是无穷无尽的好奇的，有创意的,创新．其他主题还包括研究开放的生物学问题，这些问题也使我们能够创造更好的人工智能，例如研究自然网络和人工网络为什么以及何时会变成常规的，模块化,分层．
是什么让你加入Uber的?
Uber收购了我当时工作的一家人工智能初创公司Geometric Intelligence，创建了Uber人工智能实验室。几何智能吸引我的是人和项目。一些已经在几何智能的研究雷竞技是骗人的人员是来自学术界的朋友和同事，我想与他们合作。其他人则是我所不太了解的领域的世界领袖。我喜欢我们团队的异质性。能够从世界上最优秀的人那里学习各种不同的人工智能技术，并与他们成为朋友，这真是太棒了。此外，我们在几何智能公司所研究的实际技术是一个非常贴近我内心的主题，所以我很高兴能参与其中，特别是与这样一个世界级的团队一起工作。
吸引我加入Uber的因素和吸引我加入几何智能的因素是一样的:员工和项目。Uber是一家非常棒、有趣的公司，有大量不同的、非常具有挑战性的机器学习问题。它充满活力，具有创新性，具有颠覆性，令人兴奋，所以有什么不喜欢的呢?
我也对我在优步遇到的人印象深刻。我被每个人的聪明、勤劳、热情和善良所震撼。这里有很多人在研究真正具有技术挑战性的、迷人的问题，这些问题有机会让世界变得更美好:消除空气污染，减少街道上的汽车，通过消除交通堵塞让人们的生活恢复时间，或者把他们送到需要更安全、更可靠的地方。简而言之，我喜欢我们要解决的问题，也喜欢和我一起工作的人。
你们团队目前正在解决的最有趣的问题是什么?
我的团队专注于改进深度强化学习。我每天也和一个由肯·斯坦利所以当我谈到我在优步的工作时，我指的是与来自其中一个团队或两个团队的人一起工作。乔尔·雷曼也是我们所有工作的出色合作者。
我们关注的一个主要领域是更智能的探索，这意味着智能体更善于探索它们的世界，以发现解决问题的最佳方法。我们最近取得了重大突破去探索算法该公司在强化学习方面取得了重大进展，这是许多顶级工业和学术实验室多年来一直在研究的一个长期挑战。我们现在正在以各种方式改进这个算法，以证明它可以在广泛的条件下工作，并且它可以解决非常困难的，以前无法解决的现实问题。
另一个关注的领域是开放式算法，比如诗人不断学习和创新，包括不断发明新的挑战来解决问题。这是机器学习的一个不同范例。此外，我们有做了很多工作研究neuroevolution，其中深度神经网络用进化算法训练，包括发现它们与流行的深度强化学习算法具有竞争力，但可以跑得更快．工作由托马斯Miconi还介绍了不同于主要的随机梯度下降(又名反向传播)方法的基于梯度的算法，并且更受生物学启发。我们也在努力让深度学习在学习方面更有效率。
Uber AI在哪些方面直接适用于Uber的项目?
优步人工智能内部付出了巨大的努力，通过应用已知的机器学习技术或发明新的技术，来帮助解决优步许多非常具有挑战性的机器学习问题。
机器学习几乎是优步各个方面的核心。优步的问题非常多，而且这些问题的复杂性非常高，我们需要一套强大而多样的人工智能技术来解决这些问题。这有助于我们在机器学习的各个不同领域拥有一个不同的专家团队。这允许充分利用现有工具，发明新工具，并以新颖的方式组合这些工具。
今年对你和你的研究来说都是丰收的一年。雷竞技是骗人的你的工作得到认可是什么感觉，尤其是在很长一段时间里，对你的研究感兴趣的人比现在少得多?雷竞技是骗人的
我首先要说的是，所有这些奖项，甚至是我个人的奖项，都是团队奖。每个奖项背后都有一个合作团队。还有一长串的老师、顾问、支持他们的朋友和家人。正因如此，我很高兴能获得这些奖项，因为它们是对这么多年来付出了这么多时间的这个庞大团队的认可。例如，两者PECASE以及“十年杰出论文奖”是与我出色的合作伙伴Jean-Baptiste Mouret和我的博士后导师Hod Lipson共同获得的。
直接回答你的问题:说实话，这真的很有成就感。作为一名科学家，你做这项工作不是为了获得奖励。你这么做只是因为你好奇，你有激情，但你做不到不因为它对你来说很有趣。研究人员的生活往往很孤独。雷竞技是骗人的你和一个小团队的人一起工作到深夜，你经常在晚上和周末工作。当别人在放松、聚会或在飞机上看电影时，你却在疯狂地工作，因为你对自己正在做的事情充满激情。然后每隔一段时间，一篇论文被一个著名的机构接受，或者其中一个奖项出现，你停下来，花点时间说，“哦。正确的。其他人也觉得这很有趣，很有价值，很有用。这真是太好了。”但当你回到研究中，你会发现它非常迷人。雷竞技是骗人的
收到这些跨越较长时间的奖项尤其令人高兴，比如十年杰出出版奖或PECASE奖，这是为了表彰你在整个职业生涯中所做的工作。作为科学家，我们经常要做出非常艰难的决定:把时间花在什么地方，什么值得，什么不值得。通常情况下，尤其是在十年前，当人们对神经网络、神经进化或开放式算法不感兴趣时，追求这些东西是非常冒险的。获得这些奖项是一个很好的证明，证明你所追求的东西实际上在科学上是有价值的，并让你相信，你的直觉可以被信任，什么时候可以违背常理，研究你认为非常重要、有趣、很有可能促进进一步科学进步的不受欢迎的想法。
关于人工智能的未来，最让你兴奋的是什么?
我认为最让我兴奋的是我们开始拥有技术、工具和计算来追求极其先进的人工智能。这个领域长久以来的梦想，可以追溯到创始人阿兰·图灵他们的目标是创造出能够像人类一样思考甚至比人类思考得更好的智能机器。几十年来，这似乎仅限于科幻小说领域。直到最近，人们才开始认真地讨论人类水平的人工智能，认为它有可能在未来几十年实现。
我最近发布了一个意见书这概述了生产人工智能的另一种途径。我对这种模式的前景感到非常兴奋。机器学习有一个长期的趋势，那就是一旦你有足够的计算能力，手工设计的系统最终会让位于学习系统。我认为我们将越来越多地看到这一教训应用于人工智能本身的创造。
现在，这个领域的大多数人都在从事我所说的人工智能的人工路径。在第一阶段，也就是我们现在所处的阶段，每个人都在手动创建不同的智能构建模块。假设在未来的某个时候，我们的社区将完成所有必要的构建块的发现，然后将承担将所有这些构建块组合到一个极其复杂的思维机器中的艰巨任务。这可能会起作用，我们社区的一些人应该追求这条道路。然而，我认为更有可能成功的更快路径是依赖于学习和计算:这个想法是创建一个算法，它自己设计所有的构建模块，并找出如何将它们组合在一起，我称之为人工智能生成算法。这样的算法一开始根本不包含太多的智能，然后在复杂性上自我提升，最终产生极其强大的通用AI。这就是地球上发生的事情。简单的达尔文算法加上一个行星大小的计算机最终产生了人类的大脑。我认为这是非常有趣和令人兴奋的，思考我们如何创建算法来模拟地球上发生的事情。当然，我们还必须弄清楚如何让它们工作，这样它们就不需要一个行星大小的计算机。
除了你的研究工作，你对什么感兴趣雷竞技是骗人的?你的动力是什么?
我喜欢思考几乎要自杀的创造性方法．这包括了几乎所有的冒险运动，尤其是冲浪、风筝冲浪、攀岩、滑雪、皮划艇、爬山、爬冰和山地自行车。对于几乎每一项冒险运动，我要么已经爱上它，要么已经在我的遗愿清单上了。我也喜欢曲棍球和极限飞盘。
我也喜欢文学，包括博尔赫斯、昆德拉、卡尔维诺、陀思妥耶夫斯基、德里罗、马尔克斯、卡德、托尔金、托尔斯泰、卡罗尔和斯蒂芬森。此外，我对旅行充满热情，已经花了两年多的时间在地球上背包旅行，访问了六大洲的55个国家。现在我有两个年幼的孩子，教他们认识世界真的很有趣，也很有意义。我喜欢读书给他们听，教他们如何给机器人编程，组装乐高积木，和他们一起做各种自然科学实验。我们还一起攀岩和徒步旅行，我期待着让他们迷上其他我喜欢的冒险运动。
如果你对我们所做的研究感到兴奋，可以考虑申请我们的职位雷竞技是骗人的超级人工智能．
