到底什么是人工智能？人工智能不能做什么？為什么接下來(lái)20年人工智能不會(huì)有一個(gè)巨大的加速發(fā)展？

三年前, 開(kāi)啟了人工智能時(shí)代，“它能做的事越來(lái)越多，幾乎所有的事都可以做”，這是一種普遍的看法。

但是任何時(shí)候，如果一個(gè)事物當(dāng)所有人都覺(jué)得它能做時(shí)，都有兩個(gè)可能性：一是這個(gè)事確實(shí)太厲害了；再一個(gè)可能也發(fā)展到頭了。

因?yàn)樗腥硕伎吹降氖拢t利未必還能繼續(xù)存在。這時(shí)恰是需要一個(gè)冷靜的思考。換個(gè)角度來(lái)看，就是人工智能不能做什么。

一、 回歸問(wèn)題本源：人工智能不能做什么

很多時(shí)候當(dāng)一條路走不通，最簡(jiǎn)單的辦法就是直接回到原點(diǎn)，問(wèn)題就清楚了。

人工智能基于計(jì)算機(jī)，人工智能的極限取決于計(jì)算機(jī)的極限，計(jì)算機(jī)的極限取決于計(jì)算的極限。

什么能算以及不能算要搞清楚。這種本源問(wèn)題反而是我們很多人忙忙碌碌不會(huì)思考的，而這決定了你做事大方向的對(duì)和錯(cuò)。

1. 圖靈的思考：計(jì)算和機(jī)械運(yùn)動(dòng)的關(guān)系

計(jì)算機(jī)科學(xué)之父是艾倫?麥席森?圖靈，那么，他的老師是誰(shuí)？他的想法又是從哪來(lái)的？有兩個(gè)人對(duì)圖靈在計(jì)算機(jī)發(fā)展上提供最大幫助，我們稱(chēng)之為精神導(dǎo)師。

分別是馮諾伊曼（著名匈牙利裔美籍?dāng)?shù)學(xué)家、計(jì)算機(jī)科學(xué)家、物理學(xué)家和化學(xué)家，曾執(zhí)教于普林斯頓大學(xué)）和希爾伯特（二十世紀(jì)上半葉德國(guó)乃至全世界最偉大的數(shù)學(xué)家之一）。

馮諾伊曼當(dāng)時(shí)寫(xiě)了一本書(shū)對(duì)圖靈很有啟發(fā)，圖靈給出了一個(gè)很難證實(shí)但是覺(jué)得對(duì)的一個(gè)看法，就是人的意識(shí)。

人的意識(shí)是由不確定性決定的，但是計(jì)算機(jī)和更早期的牛頓力學(xué)，以及可預(yù)測(cè)的機(jī)械運(yùn)動(dòng)有關(guān)。

這是圖靈當(dāng)時(shí)朦朧的想法，就是人的意識(shí)是由不確定決定，計(jì)算等價(jià)于機(jī)械運(yùn)動(dòng)。這確定了什么可以計(jì)算，什么不可以計(jì)算，他覺(jué)得邊界劃分就清楚了。

希爾伯特在1900年巴黎數(shù)學(xué)家大會(huì)上提出了23個(gè)最重要的問(wèn)題，就是著名的”希爾伯特23個(gè)問(wèn)題”。其中三問(wèn)是他自問(wèn)的，分別是：

① 數(shù)學(xué)是完備的嗎？

完備是說(shuō)數(shù)學(xué)能夠涵蓋我們?nèi)魏我鉀Q的問(wèn)題嗎？你可以感覺(jué)到不能，數(shù)學(xué)家哥德?tīng)栆苍C明不能。

② 數(shù)學(xué)是一致的嗎？

什么叫一致？

舉例來(lái)說(shuō)，今天3+5等于8，明天算下來(lái)3+5還等于8。

但是物理學(xué)是一致的嗎？不是！今天量出來(lái)的尺寸和明天量出來(lái)的是不一樣的。今天燒開(kāi)這一壺水是99.8度，明天可能是100.1度。

物理學(xué)是不一致的，而數(shù)學(xué)是一致的！

③ 數(shù)學(xué)是可驗(yàn)證的嗎？

物理學(xué)可以驗(yàn)證，數(shù)學(xué)可以驗(yàn)證嗎？不知道！

希爾伯特23個(gè)問(wèn)題中第10個(gè)問(wèn)題就是關(guān)于該問(wèn)題，里面講了一個(gè)特例。

有任意多未知數(shù)的方程，各個(gè)未知數(shù)可以變，有各種各樣的結(jié)果，是一個(gè)不確定的方程。

你是否能有無(wú)數(shù)解，或者是否有一種方法在有限時(shí)間內(nèi)可以判定該方程有無(wú)數(shù)解，無(wú)限的時(shí)間判定對(duì)我們?nèi)粘Ｉ顩](méi)有意義。

舉例來(lái)說(shuō)：

X2+y2=z2有整數(shù)解。

X2+y2=z2是否有整數(shù)解，不知道！直到后來(lái)有英國(guó)數(shù)學(xué)家證明沒(méi)有整數(shù)解，這個(gè)過(guò)程花了幾百年的時(shí)間。

那么，我隨便給你一個(gè)方程有沒(méi)有整數(shù)解？不知道！可能有，也可能沒(méi)有。先不說(shuō)找到整數(shù)解，有沒(méi)有一個(gè)辦法能夠判定這件事有沒(méi)有解，這就是希爾伯特第十問(wèn)題。

直到上世紀(jì)七十年代，前蘇聯(lián)有數(shù)學(xué)家證明說(shuō)不可判定。對(duì)這個(gè)問(wèn)題，沒(méi)有人能夠在有限的步驟內(nèi)知道它到底有解還是沒(méi)解。

你要是連它有沒(méi)有解都不知道，你就一定解不出來(lái)。

數(shù)學(xué)不是萬(wàn)能的，計(jì)算機(jī)就不是萬(wàn)能的，人工智能也不是萬(wàn)能的，這是我們的出發(fā)點(diǎn)。

圖靈當(dāng)時(shí)雖然不知道這個(gè)問(wèn)題的答案，但他的直覺(jué)是應(yīng)該很多數(shù)學(xué)問(wèn)題我們不知道有沒(méi)有答案，于是他就用一個(gè)特殊的機(jī)械裝置把數(shù)學(xué)問(wèn)題一分為二，這個(gè)裝置就是圖靈機(jī)。

（圖靈機(jī)）

計(jì)算機(jī)是圖靈機(jī)的一種，更新后的裝置。該裝置能夠在有限時(shí)間內(nèi)判斷哪一類(lèi)問(wèn)題能夠在有限的步驟內(nèi)計(jì)算出來(lái)。

但是還有很多數(shù)學(xué)問(wèn)題通過(guò)這樣的裝置在有限步驟內(nèi)是解決不了的。

在計(jì)算機(jī)科學(xué)和數(shù)學(xué)上有一個(gè)新的概念，叫計(jì)算機(jī)可解決的問(wèn)題，還有大量的是不可以計(jì)算的。

今天的計(jì)算機(jī)甭管多復(fù)雜，從數(shù)學(xué)上就等價(jià)于圖靈機(jī)。甭管深度學(xué)習(xí)還是云計(jì)算，等效于這樣一個(gè)簡(jiǎn)單的機(jī)械裝置。

這個(gè)簡(jiǎn)單玩意兒完不成的事，“太湖之光”超級(jí)計(jì)算機(jī)用上再聰明的算法也完不成，這是從本源上來(lái)講。

2. 透過(guò)世界問(wèn)題看人工智能問(wèn)題

我們把世界的問(wèn)題進(jìn)行劃分，中間有一類(lèi)叫數(shù)學(xué)問(wèn)題。剛才講數(shù)學(xué)不是完備的，有一些問(wèn)題不是數(shù)學(xué)問(wèn)題。

數(shù)學(xué)問(wèn)題中有一些叫做可判定問(wèn)題，我知道它有解或者沒(méi)解，但還不知道解在哪。

例如，你出一道難題問(wèn)你的兒子，兒子做不出來(lái)。問(wèn)題的答案是有的，但是他做不出來(lái)，這就是可判定問(wèn)題。

里面有一個(gè)很小的集合是有答案問(wèn)題，你知道有沒(méi)有答案之后才能找到答案。

可判定問(wèn)題是知道有沒(méi)有答案，有一些數(shù)學(xué)問(wèn)題不知道有沒(méi)有答案。

圖靈裝置把有答案問(wèn)題又一分為二，里面很小的一部分叫做可計(jì)算問(wèn)題。

可計(jì)算問(wèn)題對(duì)于圖靈來(lái)說(shuō)是指有限步內(nèi)可以計(jì)算，有限步也可能會(huì)有很長(zhǎng)時(shí)間，到宇宙毀滅了還沒(méi)有算完也叫有限步，只要不是無(wú)限步就是有限步。

（世界問(wèn)題的分類(lèi)）

在工程上，如果刷門(mén)禁卡，你識(shí)別一秒鐘把門(mén)打開(kāi)了這是有意義的，算了三天才放你進(jìn)去就沒(méi)有意義，這類(lèi)問(wèn)題叫做工程可解決問(wèn)題。

算三天就是工程上不可解決問(wèn)題。工程上可解決問(wèn)題里面很小一部分是我們今天討論的人工智能問(wèn)題。

我們討論人工智能，首先要清楚它的邊界在哪，清楚邊界才知道什么事需要由人工智能解決。

在講人工智能能干什么以前，我先說(shuō)它不能干什么，我們不要把原本不需要用人工智能解決的問(wèn)題去用人工智能解決。

二、人工智能到底是什么

未來(lái)十年人工智能是什么樣的，20年后發(fā)生什么事很難有人預(yù)測(cè)出來(lái)。人們常常會(huì)高估三五年內(nèi)發(fā)生的事，低估十年后發(fā)生的事。

比如有人覺(jué)得無(wú)人駕駛汽車(chē)會(huì)馬上上路，你是高估了這件事。

1. 未來(lái)10年：整個(gè)城市是一個(gè)大“機(jī)器人”

某漫畫(huà)家畫(huà)了一個(gè)漫畫(huà)，世界上所有的東西都連起來(lái)了，花盆都連起來(lái)了?；ㄅ铻槭裁匆B起來(lái)呢？因?yàn)橐獫菜?/p>

前一陣子看到國(guó)家新出用水說(shuō)明，看了農(nóng)業(yè)用水量達(dá)到62%，以后農(nóng)業(yè)要用滴灌（降低用水浪費(fèi)）。

新疆只能用滴管，否則全揮發(fā)了。每一株植物都跟互聯(lián)網(wǎng)連起來(lái)了，這是比較大膽的一個(gè)假設(shè)，未來(lái)可能就是這樣。

假如這是（上海）徐家匯附近某地區(qū)，信息的流動(dòng)全畫(huà)上去就是密密麻麻的樣子，類(lèi)似于地球電磁場(chǎng)。密密麻麻帶來(lái)的好處就是萬(wàn)物互聯(lián)。

萬(wàn)物互聯(lián)之后，馬上就有出現(xiàn)一個(gè)緊迫的問(wèn)題。

坦率來(lái)講，現(xiàn)在的4G恐怕是不夠用的。為什么5G這件事能成？5G來(lái)了之后網(wǎng)速更快。針對(duì)當(dāng)下需求，目前的網(wǎng)速是足夠的。

要上5G只有一個(gè)可能性，就是我突然上網(wǎng)的設(shè)備數(shù)量要增加10倍、100倍才行。

什么時(shí)候增加10倍、100倍？如果一株植物要上網(wǎng)的話，這個(gè)事就大了，所以這是有可能的。

這么密集的網(wǎng)絡(luò)就是說(shuō)數(shù)據(jù)量太大了，人工處理不了，需要借助人工智能，這是很重要的一個(gè)原因。

當(dāng)我們的城市是密密麻麻數(shù)據(jù)，現(xiàn)有的單一計(jì)算機(jī)，或者說(shuō)一個(gè)公司的數(shù)據(jù)中心很難完成這樣的功能。

我們需要超級(jí)的分布在全市或者全國(guó)的計(jì)算設(shè)施，已經(jīng)不僅僅是計(jì)算機(jī)了，這里面的程序也很復(fù)雜，所以需要智能。

2. 人工智能（機(jī)器智能）的本質(zhì)

那么，什么是人工智能，確切講什么是機(jī)器智能？

人工智能屬于可計(jì)算問(wèn)題，它跟我們?nèi)祟?lèi)的智能是沒(méi)有關(guān)系的。

那么，如何判斷機(jī)器是否有智能的標(biāo)準(zhǔn)呢？因此，能不能做這樣一個(gè)客觀的判斷方法，這就是圖靈測(cè)試。

如果在屏幕背后有一個(gè)智能機(jī)器，另外一個(gè)屏幕背后有一個(gè)人，我問(wèn)一個(gè)問(wèn)題讓他們回答，天為什么是藍(lán)顏色的。

然后讓你們判斷哪個(gè)問(wèn)題是機(jī)器回答的，哪個(gè)問(wèn)題是人回答的。當(dāng)判斷不清楚的時(shí)候，這時(shí)候我就說(shuō)機(jī)器和人有同等的值。

因?yàn)樗堑葍r(jià)基礎(chǔ)上的定義，并不是說(shuō)機(jī)器需要像我們?nèi)诉@樣思考，這是人工智能的本質(zhì)。

3. 人工智能的理解誤區(qū)

提到人工智能，大家有時(shí)候就想到腦科學(xué)，是不是把認(rèn)知思維搞清楚了，人工智能就能做的比別人好？不是這樣的。

人工智能是從結(jié)果上判定是否與人一樣好，不是從做事方式上來(lái)判定。

舉個(gè)例子，前兩年慕課公開(kāi)課很流行。美國(guó)一所學(xué)校大量使用計(jì)算機(jī)教學(xué)，課上常常有TA，TA有些時(shí)候到課堂上幫助教授答疑。

這所大學(xué)會(huì)評(píng)全校最好的10個(gè)TA，有一年評(píng)了一個(gè)TA，就叫他約翰吧。但是沒(méi)有人知道約翰其實(shí)是一個(gè)機(jī)器人，大家并沒(méi)有見(jiàn)到他，這是十個(gè)最好的TA之一。

TA做的事情是一個(gè)限定問(wèn)題。比如說(shuō)就輔導(dǎo)宏觀經(jīng)濟(jì)學(xué)這一門(mén)課，約翰做的不比人做的差。

也就是說(shuō)，宏觀經(jīng)濟(jì)學(xué)這門(mén)課方面，約翰和人具有同樣的智能，但是它未必是像人一樣思考。這是幫助我們理解人工智能的一個(gè)很重要的特點(diǎn)。

三、人工智能的歷史發(fā)展階段

第一階段：傳統(tǒng)人工智能

人工智能是1956年提出來(lái)的。美國(guó)一所私立大學(xué)10個(gè)教授思考機(jī)器智能的問(wèn)題。

這10個(gè)科學(xué)家后來(lái)得了五個(gè)圖靈獎(jiǎng)，還有一個(gè)諾貝爾獎(jiǎng)。他們當(dāng)時(shí)就在想怎么讓計(jì)算機(jī)能夠有人的智能，那時(shí)候是人工智能一個(gè)初期階段。

當(dāng)時(shí)，大家的思維方式有點(diǎn)像今天中國(guó)說(shuō)的“民間科學(xué)家”，什么意思呢？人類(lèi)認(rèn)識(shí)一個(gè)事物的時(shí)候，一開(kāi)始都是一個(gè)直覺(jué)。

舉例：鳥(niǎo)飛派 vs 空氣動(dòng)力學(xué)派

大家看《全球科技通史》里面會(huì)看到人類(lèi)對(duì)飛行的認(rèn)識(shí)，最早的時(shí)候就是模仿鳥(niǎo)飛，后來(lái)才知道要搞出空氣動(dòng)力學(xué)的一套理論。

今天飛機(jī)飛的方式和鳥(niǎo)是完全不同的，但是從效果上來(lái)講比鳥(niǎo)飛得快。人工智能一開(kāi)始也是這樣的，大家一開(kāi)始都讓它模仿人。

舉例：猴子摘香蕉

學(xué)過(guò)人工智能課的人可能知道一個(gè)經(jīng)典問(wèn)題叫猴子摘香蕉。天花板上放一個(gè)香蕉猴子夠不著，房間里面有可移動(dòng)的桌子、椅子。猴子通過(guò)移動(dòng)桌子，把椅子再放上去把香蕉摘了。

人工智能開(kāi)始做這件事時(shí)，先讓它有猴子的智能可能不難，但是有人的智能就比較難了。

科學(xué)家們搞了十幾年搞不下去了，其中有一個(gè)人馬文?明斯基開(kāi)始反思這個(gè)問(wèn)題為什么解決不了。他就找到一個(gè)反例告訴大家說(shuō)我們這些人都走錯(cuò)了路。

什么反例子呢？就是兩句英文話：

① The pen was in the box；② The box was in the pen。

在英語(yǔ)里pen三個(gè)英文字母還有另外一個(gè)含義就是小孩兒玩的圍欄，你要把pen理解成圍欄第二句話就解釋通了。

這件事對(duì)人來(lái)說(shuō)不難理解，但是對(duì)計(jì)算機(jī)就非常費(fèi)解，無(wú)法判定這個(gè)時(shí)候pen是鋼筆還是圍欄，為什么呢？原因很簡(jiǎn)單。

第一，我們知道小東西要放在大的東西里，你是怎么知道的？這是常識(shí)。

第二，如何判定鋼筆有多大？我一說(shuō)鋼筆你們馬上就能想到多大，你不會(huì)想到汽車(chē)這么大。

計(jì)算機(jī)怎么知道鋼筆多大？即使讓它像人類(lèi)似的那樣分析語(yǔ)法，分析語(yǔ)義等等也得不到這種知識(shí)。

今天發(fā)現(xiàn)計(jì)算機(jī)能夠做一些特別難的事情，例如下圍棋等等做的比人好多了。

Google其實(shí)后來(lái)不再開(kāi)發(fā)AlphaGo了，覺(jué)得已經(jīng)跟人類(lèi)差距太大了。相當(dāng)于一個(gè)專(zhuān)業(yè)選手跟業(yè)余選手下圍棋，你沒(méi)有辦法下圍棋了。

但是你讓今天最好的機(jī)器人上街打一瓶醬油，你們家3歲孩子都可以干這件事，它卻干不了。人工智能開(kāi)始的定義是有特定范圍，不能拿最不擅長(zhǎng)的比人擅長(zhǎng)的。

比如，一個(gè)很簡(jiǎn)單的人類(lèi)常識(shí)，計(jì)算機(jī)是做不到的。

再舉個(gè)例子，大家覺(jué)得今天的大江無(wú)人機(jī)很厲害，但是你讓無(wú)人機(jī)像蒼蠅一樣飛就飛不了。

蒼蠅大概有10萬(wàn)個(gè)神經(jīng)元，但是無(wú)人機(jī)不到能干這么多事。這是人工智能的缺陷。

這就是我為什么在開(kāi)始的時(shí)候講計(jì)算機(jī)的邊界。你讓計(jì)算機(jī)去模擬一只蒼蠅很困難，說(shuō)明你走模擬這條路走錯(cuò)路了，我們要找一條別的路。

第二階段：數(shù)據(jù)驅(qū)動(dòng)

那么人工智能開(kāi)始進(jìn)入第二階段，即以數(shù)據(jù)驅(qū)動(dòng)的人工智能解決方案，提出者是萊德里克.賈里尼克。

1972年，賈里尼克到IBM 華生實(shí)驗(yàn)室做學(xué)術(shù)休假，無(wú)意中接觸了語(yǔ)音識(shí)別實(shí)驗(yàn)室,兩年后他選擇了留在IBM。

在那里,賈里尼克組建了陣容空前絕后強(qiáng)大的研究隊(duì)伍。IBM從六十年代開(kāi)始做一些語(yǔ)言識(shí)別，但是都不成功，到七十年代讓賈里尼克負(fù)責(zé)語(yǔ)言識(shí)別等課題研究。

因?yàn)橘Z里尼克是一個(gè)通信專(zhuān)家，所以他不把語(yǔ)音識(shí)別問(wèn)題當(dāng)做人工智能問(wèn)題，而是當(dāng)成通信問(wèn)題。

其實(shí)又把語(yǔ)音識(shí)別問(wèn)題拉回到原點(diǎn)，看看通信是什么。我把意思表達(dá)給你，你來(lái)理解我的信息。

我把想法在腦子里變成一串文字，這叫做信息的編碼。

編碼信息通過(guò)聲音說(shuō)出來(lái)，然后耳蝸把接收到的信息解碼還原成電信號(hào)，電信號(hào)通過(guò)接收者大腦進(jìn)行解碼，接收者就知道對(duì)方的傳遞信息，這是信息解碼的過(guò)程，是標(biāo)準(zhǔn)的通信的模型。

既然是標(biāo)準(zhǔn)的通信模型，就可以用通信的方式解決它。他用信源編碼和信道編碼兩個(gè)模型來(lái)描述語(yǔ)音識(shí)別問(wèn)題。

如果要把數(shù)學(xué)模型的參數(shù)算清楚就要用大量的數(shù)據(jù)去算。為什么這事在IBM能做成了呢？因?yàn)槿澜绠?dāng)時(shí)只有IBM有數(shù)據(jù)。

IBM是商用機(jī)器公司，它是為各大公司提供計(jì)算機(jī)，大公司之間用計(jì)算機(jī)發(fā)電傳，發(fā)傳真。因此，IBM擁有大量商業(yè)電傳文本，所以它做成這個(gè)事了。

換了一個(gè)思維方式解決問(wèn)題以后得到了什么結(jié)果呢？在整個(gè)六七十年代，語(yǔ)音識(shí)別能識(shí)別十個(gè)數(shù)字，再加上幾個(gè)簡(jiǎn)單的英文單詞。

IBM最早想做一個(gè)語(yǔ)音控制的計(jì)算機(jī)，能夠?qū)崿F(xiàn)自動(dòng)接線系統(tǒng)，連接、斷開(kāi)、轉(zhuǎn)接、付費(fèi)等等。

但是，當(dāng)時(shí)識(shí)別不超過(guò)100個(gè)英文單詞，錯(cuò)誤率30%，沒(méi)有辦法用。

轉(zhuǎn)換思路，用數(shù)據(jù)驅(qū)動(dòng)方法解決問(wèn)題能識(shí)別22000個(gè)英文單詞，錯(cuò)誤率從30%到下降到10%，就在短短幾年間實(shí)現(xiàn)。

這就是工作方法和思維方式的重要性，思維方式常常比技術(shù)本身更重要。你沿著原來(lái)的老路用技術(shù)再走，也走不到前面去，就是一個(gè)死胡同。

但是當(dāng)時(shí)的數(shù)據(jù)也僅僅只能解決語(yǔ)音識(shí)別的問(wèn)題，不能解決圖像處理問(wèn)題，圖像處理問(wèn)題數(shù)據(jù)的絕對(duì)數(shù)量是語(yǔ)音識(shí)別的100倍。

所以當(dāng)時(shí)是不可能的。后來(lái)，賈里尼克手下一個(gè)人提出機(jī)器翻譯的模型，這個(gè)人叫彼德?布朗（Peter F. Brown）。

當(dāng)時(shí)英語(yǔ)的翻譯思路是走得通的，但是由于沒(méi)有數(shù)據(jù)，翻譯效果不好。

在沒(méi)有互聯(lián)網(wǎng)的情況下，世界上能找到的數(shù)據(jù)只有2個(gè)，一是各個(gè)國(guó)家都有的圣經(jīng)，另一個(gè)是聯(lián)合國(guó)幾個(gè)官方語(yǔ)言之間的文件數(shù)據(jù)，數(shù)據(jù)都非常少。彼德?布朗的模型在當(dāng)時(shí)沒(méi)有得不到很好的結(jié)果。

很有意思的是彼德?布朗的論文是今天做機(jī)器翻譯引用最多的論文，引用的高峰不是在九十年代剛剛發(fā)表論文的時(shí)候，而是在2000年以后當(dāng)數(shù)據(jù)量大的時(shí)候。

那么，彼德?布朗是什么人呢？世界上最牛的投資基金叫文藝復(fù)興，彼德?布朗原來(lái)是文藝復(fù)興科技公司IT總監(jiān)，現(xiàn)在擔(dān)任文藝復(fù)興的副總。

所以他后來(lái)就去預(yù)測(cè)股票了。由于缺乏數(shù)據(jù)，因此八九十年代人工智能進(jìn)入了低谷。

到了2004年、2005年，人們看到一點(diǎn)曙光了。最先讓大家覺(jué)得很興奮的事機(jī)器翻譯的水平基本上可以達(dá)到人的水平了。

Google有一個(gè)團(tuán)隊(duì)參加了美國(guó)國(guó)家標(biāo)準(zhǔn)化和技術(shù)研究所的測(cè)評(píng)，相當(dāng)于中國(guó)標(biāo)準(zhǔn)化局的一次評(píng)測(cè)。

這一次評(píng)比的結(jié)果贏的是Google，跟第二名大概差5個(gè)百分點(diǎn)。

全世界科學(xué)家努力一年大概能提高0.5%，提高5%差不多10年。今天技術(shù)相差十年你們倆不在一個(gè)水準(zhǔn)，差一代。

Google是第二個(gè)做這個(gè)事情的公司，憑什么一下子成為世界第一，而且是遠(yuǎn)遠(yuǎn)的第一名呢？

原因也很簡(jiǎn)單，Google把原來(lái)世界上做機(jī)器翻譯最好的一個(gè)科學(xué)家請(qǐng)到了Google去。

為什么跳個(gè)槽，結(jié)果就提高了5個(gè)百分點(diǎn)呢？因?yàn)樗昧藙e人一萬(wàn)倍的數(shù)據(jù)，就這么簡(jiǎn)單的一件事，算法沒(méi)有變。

這就是為什么叫數(shù)據(jù)驅(qū)動(dòng)的方法，也就是在這之后深度學(xué)習(xí)開(kāi)始慢慢熱門(mén)起來(lái)了。

基礎(chǔ)的算法在七十年代已經(jīng)奠定了，現(xiàn)在用了當(dāng)年一萬(wàn)倍的計(jì)算資源，但是怎么用這些計(jì)算資源是一個(gè)本事。

我講這些想是想告訴大家人工智能和我們?nèi)四X的智能完全無(wú)關(guān)，是一種基于數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)方法。

如同鳥(niǎo)是振動(dòng)翅膀來(lái)飛行，飛機(jī)是不振動(dòng)翅膀飛行，實(shí)際上飛機(jī)飛行跟鳥(niǎo)類(lèi)飛行沒(méi)有太大關(guān)系。

飛機(jī)飛上天是人類(lèi)對(duì)空氣動(dòng)力學(xué)的研究，而不是對(duì)鳥(niǎo)類(lèi)的飛行進(jìn)行研究。

今天了解人工智能是思考怎么讓計(jì)算機(jī)這些鋼鐵等材料組成的盒子在回答問(wèn)題的時(shí)候能超過(guò)人，而不是說(shuō)研究人腦的結(jié)構(gòu)。

有一個(gè)簡(jiǎn)單的方法判定人工智能是真還是假。如果說(shuō)這個(gè)人工智能和認(rèn)知科學(xué)有很深的關(guān)系，這是騙你的。

如同說(shuō)發(fā)明了一個(gè)飛機(jī)，翅膀是可以振動(dòng)的，是一樣的道理。如果跟你講有數(shù)據(jù)驅(qū)動(dòng)的，數(shù)學(xué)模型怎么好基本上是真的。

四、人工智能發(fā)展的好消息和消息

人工智能發(fā)展到今天，好消息是說(shuō)它得到了全世界的認(rèn)可，LeCun、Hinton、Bengio得到了圖靈獎(jiǎng)。

壞消息是說(shuō)從人類(lèi)找到數(shù)據(jù)驅(qū)動(dòng)方向的時(shí)候，人工智能用光了40年技術(shù)積累的紅利，之所以今天有這個(gè)結(jié)果，是40年前的人在給你栽樹(shù)， 40年前栽的樹(shù)在今天開(kāi)花結(jié)果了。

大家不要覺(jué)得人工智能突然發(fā)展這么快，會(huì)不會(huì)接下來(lái)20年又有一個(gè)巨大的加速？我告訴你不會(huì)的。

為什么？因?yàn)?0年后產(chǎn)生巨大加速的事情，可以在今天的學(xué)術(shù)界預(yù)測(cè)。今天學(xué)術(shù)界所做的一些研究課題沒(méi)有太多新的。

當(dāng)今的科學(xué)家們比較努力，人數(shù)也多，大概也要20年才能積累出一個(gè)讓人感覺(jué)非常興奮、非常驚喜的理論基礎(chǔ)。

好的是什么呢？因?yàn)檫@40年的成果在一些領(lǐng)域被證實(shí)了可以開(kāi)花結(jié)果。

AlphaGo用它下棋可以用，彼德?布朗用它可以在股票上掙大錢(qián)，現(xiàn)在包括無(wú)人駕駛汽車(chē)，語(yǔ)音識(shí)別、機(jī)器翻譯、醫(yī)學(xué)影像識(shí)別，人臉識(shí)別等都做的很好。這些成果證明這項(xiàng)技術(shù)已經(jīng)成熟到了我們可以把它們用到各行各業(yè)去。

任何一次技術(shù)革命，掌握核心技術(shù)的可能是2%的人，但是剩下來(lái)得有無(wú)限應(yīng)用它的可能性。

五、人工智能的發(fā)展水平

1. 弱人工智能

比如美圖秀秀，這是一個(gè)非常好的人工智能的應(yīng)用，雖然你沒(méi)有覺(jué)得它很聰明，其實(shí)它在圖像處理方面蠻聰明的。

華為手機(jī)（P20以上）里面加入了很多圖像識(shí)別功能，不僅是人臉識(shí)別，還能識(shí)別各種各樣的物體。大部分人可能關(guān)注的是華為手機(jī)把顏色調(diào)的很亮麗，把人照的年輕一點(diǎn)。

你們?cè)敢獾脑?，還可以測(cè)試華為手機(jī)目標(biāo)識(shí)別的功能。比如，你們?nèi)ィㄉ虾＃╆懠易?，用華為手機(jī)照一張大樓（低處往上拍攝），然后保存原文件，大概40M大小。

然后你查看照片發(fā)現(xiàn)樓是直的，這是不對(duì)的。因?yàn)閺南峦峡磻?yīng)該有一個(gè)傾斜角度，說(shuō)明手機(jī)做了大量目標(biāo)識(shí)別和后處理工作。

這其實(shí)就是人工智能的應(yīng)用，雖然你可能不覺(jué)得那么聰明。

2. 強(qiáng)人工智能

你們常想到的聰明的人工智能，例如人工智能下棋或者給你看病，這就是第二層發(fā)展水平強(qiáng)人工智能。

①理解自然語(yǔ)言（比速記員要好，能夠回答問(wèn)題、寫(xiě)作）

例如做速記，今天科大訊飛的語(yǔ)音識(shí)別和人對(duì)講話內(nèi)容做處理已經(jīng)差不了太多。當(dāng)然里面有一個(gè)原因是科大訊飛的語(yǔ)言庫(kù)資料比較大。

②病（已經(jīng)達(dá)到了醫(yī)生的平均水平）

人工智能看病診斷能達(dá)到醫(yī)生的平均水平，疑難病癥可以達(dá)到專(zhuān)家水平。為什么呢？因?yàn)獒t(yī)生看病在某種程度上來(lái)講就是人肉大數(shù)據(jù)，必須見(jiàn)到足夠多的病例水平才足夠高。

③開(kāi)車(chē)（絕大多數(shù)時(shí)間比人做得好）

人工智能駕駛絕大部分時(shí)候做的都比人好。在無(wú)人駕駛汽車(chē)方面Google是唯一梯隊(duì)的公司，現(xiàn)在基本上經(jīng)過(guò)測(cè)試能夠做到每7000英里左右干預(yù)一次。

你從中國(guó)最北邊開(kāi)到最南邊，或者從最東邊開(kāi)到最西邊一個(gè)來(lái)回干預(yù)一次就夠了。

3. 超人工智能，是否存在？

一直有科幻片在探索超人工智能是不是存在的。其實(shí)超人工智能存在有否，與你們的生活關(guān)系不大。

我問(wèn)大家一個(gè)問(wèn)題，鬼存在不存在？有人相信鬼存在，也有人不相信。

不管鬼是否存在，你們都不擔(dān)心鬼的存在對(duì)不對(duì)？例如你們?nèi)サ侥硞€(gè)恐怖地區(qū)，你們是怕鬼還是怕恐怖分子？答案很顯然。

很多人現(xiàn)在寫(xiě)文章，說(shuō)將來(lái)人工智能發(fā)展下去不得了了，人類(lèi)活不下去了。這種擔(dān)心就是等于怕鬼。我們擔(dān)心的不是鬼，而是背后的人裝神弄鬼！

所以超人工智能不可怕，可怕的是應(yīng)用人工智能控制你的生活以及無(wú)形中已經(jīng)改變你生活的人，這些才是可怕的。

今天對(duì)人工智能有所擔(dān)心，不是人工智能本身，而是人工智能背后開(kāi)發(fā)程序的公司和個(gè)人。

六、機(jī)器智能（人工智能）的三大支柱

1. 摩爾定律

今天的手機(jī)和十年前的手機(jī)速度差了100倍。因此華為手機(jī)才能夠做到實(shí)時(shí)處理圖像信息。計(jì)算機(jī)的速度如果不夠快，我問(wèn)了內(nèi)部的一些人，三四十張合成一張。這就是摩爾定律的作用。

2. 數(shù)據(jù)

多50%，多一倍、兩倍、十倍不一定有結(jié)果，多一萬(wàn)倍就會(huì)有結(jié)果了。

3. 數(shù)學(xué)模型

之前提到計(jì)算機(jī)能解決的是數(shù)學(xué)問(wèn)題。你如果想用人工智能解決問(wèn)題，就需要能夠?qū)λ⑵饠?shù)學(xué)模型。

復(fù)旦下面一家人工智能研究所大概有三撥人。第一撥人是學(xué)MBA的，他們到客戶那里了解客戶業(yè)務(wù)邏輯；第二撥人是學(xué)數(shù)學(xué)的，根據(jù)業(yè)務(wù)邏輯搭建出數(shù)學(xué)模型；第三撥人是學(xué)計(jì)算機(jī)的，把數(shù)學(xué)模型變成計(jì)算機(jī)算法。

七、人工智能發(fā)展的三種態(tài)度

大家在做人工智能的時(shí)候有三種態(tài)度，分別是模擬人，取代人，超越人。

1. 模擬人

模擬人就是說(shuō)原來(lái)人能做的一些事由它來(lái)做，有人就談到服務(wù)機(jī)器人。但我個(gè)人未必覺(jué)得是一個(gè)很好的思路，為什么呢？

舉個(gè)簡(jiǎn)單例子，比如說(shuō)養(yǎng)老機(jī)器人，家里老人是想跟機(jī)器人聊天還是想跟兒女聊天呢。

又比如生病了，你是希望機(jī)器人給你送藥打針還是護(hù)士來(lái)跟你說(shuō)兩句話？也許這個(gè)領(lǐng)域恰恰是人更合適的。

人工智能并非能解決所有問(wèn)題，有時(shí)候要分清這個(gè)問(wèn)題。當(dāng)大家都涌到加州淘金，賣(mài)水的人掙著了錢(qián)。

加州很有名的礦泉水公司當(dāng)年就靠賣(mài)水發(fā)家起來(lái)了。還有一家牛仔褲公司也在淘金時(shí)期發(fā)展起來(lái)。

2. 趕上人

人工智能在很多事上很容易趕上人。比如說(shuō)天為什么是藍(lán)的可能比你想的還清楚。

我家里有一個(gè)對(duì)話機(jī)器人。有一次在家里和朋友聊天聊到amazon，機(jī)器人馬上問(wèn)“你們是不是要買(mǎi)東西”？家人逗它說(shuō)要買(mǎi)東西。

后來(lái)它說(shuō)“高爾夫球好像快沒(méi)了，是不是還要買(mǎi)”？他說(shuō)那就買(mǎi)吧！

它接著問(wèn)“是不是還買(mǎi)上次那個(gè)牌子”？我們說(shuō)是的。

幾天之后，商品就寄過(guò)來(lái)了。

你在FACEBOOK上點(diǎn)贊達(dá)到100次，它會(huì)比你家人都了解你的需求，點(diǎn)到200次可能比你自己還了解自己。這些事是人工智能可以完全解決的。

3. 超越人

某些事情，例如無(wú)人駕駛汽車(chē)，包括一些疾病的診斷，我個(gè)人覺(jué)得人工智能會(huì)比人做的更好。

疾病診斷誤診、漏診其實(shí)是蠻多的，有些時(shí)候比我們想象的要大得多。

假設(shè)你是放射科的專(zhuān)家看片子的，看片子可能就會(huì)漏掉很多的細(xì)節(jié)。機(jī)器做這件事是非常穩(wěn)定的事。

八、把握機(jī)遇抓住未來(lái)

今天講了很多計(jì)算機(jī)和人的邊界。要用不同的方式去看待計(jì)算機(jī)的智能，千萬(wàn)不要跟人等價(jià)。它的感知世界和人是不一樣的。

關(guān)于人和計(jì)算機(jī)的智能區(qū)別，邁克爾?喬丹教授（美國(guó)人工智能專(zhuān)家）提到計(jì)算機(jī)的智能是網(wǎng)絡(luò)行為，人是個(gè)體行為。

它獲得的智能是網(wǎng)絡(luò)判斷的結(jié)果，不是單個(gè)計(jì)算機(jī)的智能。這是計(jì)算機(jī)和人的智能的差別。

當(dāng)然這也帶來(lái)一個(gè)風(fēng)險(xiǎn)，一旦出錯(cuò)就不是一個(gè)人出錯(cuò)，可能導(dǎo)致整個(gè)社會(huì)系統(tǒng)的癱瘓！

我們的主題叫超級(jí)智能時(shí)代，在這個(gè)時(shí)代還有很多細(xì)分領(lǐng)域有人工智能應(yīng)用的機(jī)會(huì)，就看你們?cè)趺窗盐漳兀?/p>

如果你相信未來(lái)20年是一個(gè)還不錯(cuò)的發(fā)展機(jī)會(huì)，你就會(huì)采用不同的人生態(tài)度和不同的做事方式來(lái)抓住未來(lái)，也希望每個(gè)人都抓住未來(lái)。

謝謝大家！

*文章為作者獨(dú)立觀點(diǎn)，不代表筆記俠立場(chǎng)。

內(nèi)容來(lái)源：4月20日-21日，在交大安泰EMBA承辦的“互聯(lián)網(wǎng)+訓(xùn)練營(yíng)”第9期上，智能搜索科學(xué)家、《全球科技通史》作者吳軍進(jìn)行了以“回歸本源看人工智能本質(zhì)與發(fā)展”為主題的精彩演講，筆記俠經(jīng)講者和主辦方審閱發(fā)布。

來(lái)源：https://mp.weixin.qq.com/s/SBB77-dNkmAKTB1yLsVgAQ

本文由@筆記俠 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載

題圖來(lái)自Unsplah，基于CC0協(xié)議