From Vectors of Mind - images at original.
Brian Kulisはボストン大学の機械学習の教授であり、私の元指導教官でもあります。彼はまた、Amazonの「ウェイク」ワードを担当する優秀なチームで業界経験もあります。私たちはAIの歴史、研究における産業と学界の役割、そしてAIの安全性について議論します。彼は、犬や猫の画像を分類することに失敗していた数学オタクの小さなグループから、地球上で最もホットな技術（それが私たちを全滅させるかもしれない）に至るまでの彼の分野を見てきました。大学院生の頃、私はAIの破滅に関するSF的な議論を読み、時にはそれをBrianや他の教授たちと共有していました（私はパーティーで楽しい人でした）。今では、そのようなシナリオはYeshua Bengioのような人々によって真剣に受け止められています。
私たちは主に、AIの安全性についての意見を公に議論することをいとわない、よく発達した見解を持つ声高な少数派から聞くことが多いです。しかし、それらの人々は、AGIとその結果に関する広く引用される調査に回答する人々ではありません。これは、そのような終身在職権を持つML研究者がそれについてどう考えているかの貴重なスナップショットです。
しかし、これを_p(doom)_についての1時間のチャットとして売り込みたくはありません；私たちはほとんどの時間をもっと現実的な問題に費やしています。ChatGPTの会話の要約：
BUのコンピューティングとデータサイエンス学部 : Kulisは、コンピューティングとデータサイエンスに焦点を当てたBUの新しいユニットの設立について話しました。このユニットは、学際的な協力とさまざまな部門からの学生募集を促進します。
機械学習の進化 : 1940年代のMcCullochとPittsのニューロンの数学モデルから始まる機械学習の歴史が議論されました。Kulisは、初期のモデルから現在のディープラーニングの波への進展を説明し、数十年にわたるMLパラダイムの変化を強調しました。
エキスパートシステムから現在のMLモデルへの移行 : Kulisは、70年代と80年代に普及していたエキスパートシステムから現在の機械学習モデルへの移行について説明しました。彼は、初期のエキスパートシステムが限られており、脆弱であるため、実世界のアプリケーションには不向きであったと述べました。
機械学習研究と産業 : 会話は、学界と産業の間でのAIとMLの人材の移動に触れました。Kulisは、しばしば産業の役割に引き寄せられるAI教員を保持することにおける学界の課題について話しました。
統計的AIとカーネル法 : インタビューでは、機械学習の歴史における統計的AIの役割が強調されました。Kulisは、統計的AIにおける確率モデルの概念と、その教師なし学習における強みを説明しました。
ML研究における学界の役割 : Kulisは、現在の機械学習研究の風景における学界の役割について考察しました。彼は、リソースの制約により大規模モデルを訓練できないことや、研究における長期的な思考の重要性について話しました。
AIの存在リスク : 議論は、MLコミュニティ内の議論や意見を含むAIと存在リスクのトピックにも及び、HintonやLeCunのような著名な人物の意見が引用されました。
機械学習の未来 : Kulisは、大規模言語モデル、強化学習、AGI、個別化医療など、機械学習のさまざまな側面についての彼の見解を表明しました。彼は、分野で過大評価されているものや過小評価されているものについての意見を述べました。