Bos besar daripada syarikat domestik utama telah meninggalkan pekerjaan mereka, bertukar ke universiti dan memulakan perniagaan mereka sendiri.
Apa yang berbeza ialah guru pengkomputeran kuantum Scott Aaronson kini beralih daripada mengajar kepada syarikat besar!
Hari ini, Aaronson berkata di blognya bahawa dia akan mengambil cuti setahun dari Universiti Texas di Austin (UT Austin) dan pergi ke OpenAI minggu depan. .
Tanggungjawab tugasnya ialah memikirkan asas teori keselamatan dan penjajaran kecerdasan buatan (Keselamatan dan Penjajaran AI).
Ini termasuk memikirkan perkara seperti "prinsip kerumitan pengiraan untuk cara membuat kecerdasan buatan melakukan perkara yang kita mahu lakukan, bukannya melakukan perkara yang kita lakukan' saya tidak mahu lakukan." Apakah pemahaman anda?"
Jan Leike, penyelidik pembelajaran mesin di OpenAI dan ketua Pasukan Penjajaran Kepintaran Buatan, berkata, "Saya sangat tidak sabar untuk bekerja dengan Scott yang legenda Aaronson."
Boleh dikatakan OpenAI mengalu-alukan orang "bekerja dari rumah" Nama BESAR.
Bagaimana hendak menyebutnya?
Scott Aaronson berkata, “Atas sebab keluarga, saya akan melakukan ini terutamanya dari rumah saya di Texas, tetapi juga akan pergi ke pejabat OpenAI dari semasa ke semasa di San Francisco 》
Semasa bekerja di OpenAI, Aaronson akan terus menghabiskan 30% masanya mengurus Universiti Austin Pusat Maklumat Kuantum, bekerja dengan pelajarnya dan posdocs.
Menjelang akhir tahun ini, Aaronson bercadang untuk kembali mengajar sepenuh masa, menulis dan memikirkan masalah kuantum. Dalam erti kata lain, dia pergi ke OpenAI hanya untuk merasai kehidupan bekerja selama setahun.
Bagi Aaronson, isu kuantum kekal di hadapan dalam hidupnya walaupun kecerdasan buatan menguasai dunia dengan cara yang tidak boleh kita abaikan. Kecerdasan buatan adalah bidang yang Aaronson mula menyelidik sebagai pelajar kedoktoran sebelum dia beralih kepada pengkomputeran kuantum.
Sebenarnya, apakah jenis projek yang akan dilakukan oleh Scott Aaronson di OpenAI?
Dia mengakui bahawa dia tidak tahu buat masa ini, jadi dia perlu menghabiskan masa setahun untuk memikirkannya, dan mencadangkan beberapa kemungkinan .
Pertama, dia mungkin tiba pada teori umum tentang kerumitan sampel untuk pembelajaran dalam persekitaran berbahaya.
Kedua, seseorang mungkin bekerja pada kebolehtafsiran pembelajaran mesin: apabila diberi rangkaian saraf dalam yang menghasilkan output tertentu rangkaian memberikan penjelasan mengapa ia menghasilkan output itu; apa yang boleh kita katakan tentang kerumitan pengiraan mencari penjelasan itu?
Ketiga, keupayaan agen lemah untuk mengesahkan tingkah laku agen kuat boleh dikaji.
Sesetengah netizen bertanya secara langsung sama ada anda perlu bimbang OpenAI hanya mengupah anda untuk berkata "Lihat, kami mempunyai Scott Aaronson yang menyelesaikan masalah ini, dan Apakah yang dibuat oleh penyelidik keselamatan yang tidak mengambil berat mengenainya?”
Scott Aaronson berkata, "Saya tidak dapat membuktikan isu yang anda bimbang tentang diri anda. Tidak kira apa kerja yang saya lakukan dalam topik ini, saya perlu bercakap untuk diri saya. pengarah Pusat Maklumat Kuantum sekolah.
Aaronson menerima ijazah sarjana muda dalam sains komputer dari Cornell University, Ph.D dari University of California, Berkeley, dan bekerja di Institut Pengkomputeran Kuantum di Universiti Waterloo di Kanada.
Sebelum ini, beliau mengajar kejuruteraan elektrik dan sains komputer di Massachusetts Institute of Technology (MIT) selama 9 tahun.
Beliau mengajar di MIT dari 2007 hingga 2016, berkhidmat sebagai penolong profesor pada musim luruh 2007, dan dinaikkan pangkat menjadi profesor bersekutu pada musim bunga 2013. Sehingga 2016, beliau mengajar di Universiti Texas di Austin sebagai profesor penuh.
Pelajar terbaik kelas Yao Chen Lijie belajar di bawah Aaronson semasa pertukarannya di MIT.
Sumber foto: Universiti Tsinghua
Semua orang kenal Scott AaronsonScott Aaronson bukan orang biasa.
Pada tahun 1981, Aaronson dilahirkan di Amerika Syarikat.
Pengalaman zaman kanak-kanaknya agak kaya. Walaupun dia telah menetap di Amerika Syarikat sejak dia kecil, bapanya dihantar bekerja di Hong Kong ketika dia masih kecil. Akibatnya, Aaronson turut menghabiskan masa di Asia.
Pada masa itu, dia menunjukkan kecerdasannya di sekolah di Asia - dia ponteng gred.
Malangnya, sama ada kerana penyesuaian atau sebab lain, laluannya untuk belajar menjadi sangat bergelombang selepas kembali ke Amerika Syarikat.
Dia sering bertelagah dengan guru dan grednya menjadi tidak memuaskan.
Akhirnya, dia mendaftar untuk Sekolah Clarkson, sebuah program untuk golongan muda berbakat yang dikendalikan oleh Universiti Clarkson, yang membenarkan Aaronson memohon untuk kolej pada tahun pertama sekolah menengahnya. Itu juga kerana peluang inilah dia diterima masuk ke Universiti Cornell dan menerima ijazah sarjana muda dalam sains komputer pada tahun 2000. Setelah menerima ijazahnya, dia tidak berhenti belajar dan meneruskan pengajian ke peringkat doktor falsafah di Universiti California, Berkeley. Akhirnya, pada tahun 2004, beliau menerima PhD daripada Profesor Umesh Vazirani. Sebenarnya, mata kemahiran Aaronson telah dimaksimumkan sejak dia muda. Keupayaan matematiknya adalah luar biasa berbanding dengan rakan-rakannya Dia mengajar sendiri kalkulus pada usia 11 tahun. Walaupun selepas dia menemui pengaturcaraan komputer ketika berusia 11 tahun, dia menyesal kerana tidak mula menghubunginya lebih awal telah menjadi biasa dengan "pengaturcaraan" bertahun-tahun "rakan sebaya" telah ketinggalan terlalu banyak. Selepas itu, dia mengklik pada cabang pengkomputeran kuantum pada pokok kemahiran peringkat tinggi. Di Cornell, beliau bekerja pada dua komponen: kerumitan pengiraan dan pengkomputeran kuantum. Kerja keras dan bakatnya juga telah memberikan ganjaran yang setimpal. Pada April 2021, Persatuan Jentera Pengkomputeran (ACM) telah menganugerahkan Anugerah Pengkomputeran ACM 2020 kepada Aaronson sebagai mengiktiraf sumbangannya dalam bidang sumbangan pengkomputeran kuantum . Secara khusus, bidang penyelidikannya termasuk prestasi dan pengehadan komputer kuantum, dan teori kerumitan pengiraan yang lebih luas menunggu. ACM memperkenalkan bahawa matlamat pengkomputeran kuantum adalah untuk menggunakan undang-undang fizik kuantum untuk membina peranti untuk menyelesaikan masalah yang tidak boleh diselesaikan oleh komputer klasik atau tidak boleh diselesaikan dalam masa yang munasabah. Dan Aaronson menunjukkan kepada kita bagaimana penemuan daripada teori kerumitan pengiraan boleh memberikan pandangan baharu tentang undang-undang fizik kuantum dan dengan jelas menggambarkan bagaimana "komputer kuantum Apa yang boleh dan tidak boleh selesai." Bukan itu sahaja, Aaronson turut membantu membangunkan konsep "kekuasaan kuantum". Ketuanan kuantum merujuk kepada "pencapaian" yang dicapai apabila peranti kuantum boleh menyelesaikan masalah yang tidak dapat diselesaikan oleh komputer klasik dalam jumlah masa yang munasabah. Aaronson menubuhkan asas teori untuk banyak eksperimen ketuanan kuantum. Percubaan jenis ini membolehkan saintis memberikan bukti yang meyakinkan bahawa komputer kuantum boleh memberikan percepatan eksponen tanpa perlu terlebih dahulu membina komputer kuantum tahan kerosakan yang lengkap. Presiden ACM Gabriele Kotsis berkata, "Sumbangan Aaronson tidak terhad kepada pengkomputeran kuantum, tetapi juga mempunyai kesan yang ketara dalam bidang seperti teori kerumitan pengiraan dan fizik . . Blog peribadinya "Shtetl-Optimized" sering menjawab beberapa soalan tentang pengkomputeran kuantum dari perspektif sains yang popular .
Dia menulis "Siapa Boleh Menamakan Nombor Yang Lebih Besar?" , yang telah diedarkan secara meluas dalam komuniti akademik sains komputer, menggunakan konsep Busy Beaver Numbers yang diterangkan oleh Tibor Radó untuk menggambarkan had kebolehkiraan dalam tetapan pengajaran. Sekarang orang yang begitu berbakat telah datang ke OpenAI, boleh dikatakan seorang jeneral yang berbakat telah tiba. Selepas Scott Aaronson mengumumkan bahawa dia akan menyertai OpenAI, ramai netizen menghantarnya restu untuk kerja yang lancar. Untuk memperingati detik ini, netizen menggunakan DALL·E untuk menghasilkan lukisan untuk Scott Aaronson. Sesetengah netizen membincangkan isu penjajaran kecerdasan buatan dengannya, Sila jelaskan, bagaimanakah kecerdasan buatan sejajar dengan nilai manusia apabila manusia sendiri mengenal pasti nilai tersebut? Dan lebih kerap daripada tidak, manusia tidak konsisten dengan nilai yang mereka anuti. Bagi saya ini membuktikan bahawa kategori asas pemikiran tentang penjajaran atau keselamatan atau apa sahaja bukanlah falsafah moral, mahupun kerumitan pengiraan, tetapi Teori Evolusi. Itulah pemilihan semula jadi. Memandangkan evolusi mempunyai asas matematik (lihat John Baez), saya fikir mungkin terdapat beberapa persimpangan dengan kerumitan perbandingan. Walaupun saya bukan pakar dalam mana-mana bidang, persoalan sama ada AI mempunyai agensi atau konsistensi mungkin penting dari perspektif evolusi, tetapi Bukan terasnya. Beberapa netizen yang mengagumi kursus Aaronson bertanya, “Adakah anda juga akan mengajar kuantum di UT pada tahun akademik 2022-2023 ? Kursus sains maklumat? Saya sangat tidak sabar untuk mengikuti kelas ini!”Komen hangat daripada netizen
Atas ialah kandungan terperinci Sarjana pengkomputeran kuantum Aaronson menyertai OpenAI! Dia juga mentor pelajar kelas Yao Chen Lijie. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!