編者按：作者@王威廉，美國卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)學(xué)院，文章僅代表其個(gè)人觀點(diǎn)。本文轉(zhuǎn)載自其微博。

最近微信朋友圈和微博上有一篇特火的奇葩文章，叫做《人工智能達(dá)到奇點(diǎn) - 最強(qiáng)論證文》，里面引用了不少Ray Kurzweil的理論，充滿了各種科學(xué)臆想，各種沒有來源的手繪圖表，還包括如“時(shí)空穿梭”、“未來預(yù)測”、“嚇尿單位”、”超人工智能“等嚇人的名詞，把許多不明真相的群眾嚇得一愣一愣的。如果是科幻文也就罷了，但是居然還說是論證。請問主要依據(jù)在哪？既然原文作者和中文小編硬要和人工智能扯上關(guān)系，我就只好幫大家科普一下Ray Kurzweil的其人其事，順便介紹一下為什么這些人的垃圾科學(xué)(Junk Science)理論可以在美國和中國蠱惑人心。

Ray Kurzweil是誰？你如果百度搜索一把，結(jié)果真是要嚇尿了，感覺就差挖掘機(jī)不是他發(fā)明的了:

“在人工智能、機(jī)器人、深度學(xué)習(xí)等領(lǐng)域，Kurzweil被視為一個(gè)奇才?！?/p>

“他曾發(fā)明了盲人閱讀機(jī)、音樂合成器和語音識(shí)別系統(tǒng)。"

如果去他主頁上搜，首當(dāng)其沖你會(huì)發(fā)現(xiàn)一張他和比爾蓋茨的合照（咦，這伎倆怎么有點(diǎn)熟悉），然后你會(huì)看到他說自己是語音合成等多項(xiàng)技術(shù)的發(fā)明人。

那現(xiàn)在我們就事論事，事實(shí)是否如此呢？

去AAAI（國際人工智能學(xué)會(huì)）搜索一把，關(guān)于Ray Kurzweil的科學(xué)論文為0:

那去德國著名的學(xué)術(shù)論文索引網(wǎng)站DBLP 看看？

你會(huì)發(fā)現(xiàn)Ray Kurzweil最近20年僅有的幾篇文章要么是沒有技術(shù)內(nèi)容的摘要，要么是沒有任何基于數(shù)據(jù)和科學(xué)實(shí)驗(yàn)的口水文章。 那你可以說Ray Kurzweil是個(gè)實(shí)踐性發(fā)明人才，他不寫論文。那事實(shí)是否如此？Ray Kurzweil說他發(fā)明語音識(shí)別這點(diǎn)成立嗎？

做過語音研究的人都知道，語音識(shí)別技術(shù)最早是1932年貝爾實(shí)驗(yàn)室開始的 （基于頻譜、非連續(xù)、限定語者及詞匯），后來圖靈獎(jiǎng)得主Raj Reddy（也就是@李開復(fù) 的CMU博士導(dǎo)師）在斯坦福大學(xué)讀博士期間進(jìn)一步研究了連續(xù)語音識(shí)別問題，再到后來DARPA的資助下，F(xiàn)red Jelinek和James Baker沿著統(tǒng)計(jì)的路子走，做成了比較成功的基于隱馬爾科夫模型的連續(xù)非特定人語音識(shí)別系統(tǒng)。至于語音合成，最早也是貝爾實(shí)驗(yàn)室開始研制的vocoder，然后才逐步發(fā)展起來的。目前最常用的unit-selection語音合成技術(shù)發(fā)明人是CMU的Alan Black ，另一主流合成技術(shù)是HMM語音合成，與Kurzweil沒有半毛錢關(guān)系。至于”深度學(xué)習(xí)，機(jī)器人技術(shù)的奇才“，實(shí)在是白日做夢了，不管是學(xué)術(shù)界還是工業(yè)界，從未聽說過Kurzweil在這些領(lǐng)域有什么貢獻(xiàn)。至于他是不是發(fā)明了掃描儀、OCR、盲人閱讀器，這些交給各位自己去扒皮把。

那問題來了，Kurzweil沒有任何科研和學(xué)術(shù)背景，他是怎么當(dāng)上受到媒體追捧的“未來學(xué)家”？CBS早在2010年就對Kurzweil推銷的垃圾科學(xué)的方法做有詳盡分析，指出Ray Kurzweil推銷的垃圾科學(xué)手段主要有:

#1: 抓住消費(fèi)者的恐懼。 Kurzweil經(jīng)常鼓吹要把人腦植入計(jì)算機(jī)避免死亡，超強(qiáng)人工智能要?dú)缛祟?，其?shí)就是抓住了人們害怕的心理。

#2: 抓住流行文化。  他的垃圾科學(xué)還有一個(gè)重要的特點(diǎn)就是抓住廉價(jià)的科幻材料，抓流行文化，讓大家更加相信他的理論。

#3: 使用社會(huì)傳播而非科學(xué)論證。 Kurzweil最常用的做法就是引用其他一些所謂的社會(huì)名流的論斷（比如當(dāng)年的千年蟲Y2K），而不用科學(xué)的手段來論證。

#4: 從權(quán)威而不從事實(shí)出發(fā)。從K的網(wǎng)頁我們就能看出，他的各種偽造的事跡，獎(jiǎng)項(xiàng)，與名人的合影，讓大家相信他是權(quán)威，所以大家相信他。

#5: 偽造證據(jù)。 CBS介紹，Kurzweil曾經(jīng)在2002年引用了一份不存在的Gartner研究報(bào)告來佐證自己的觀點(diǎn)。

#6: 把真實(shí)的科學(xué)當(dāng)做垃圾科學(xué)。 Kurzweil認(rèn)為：氣候變化，這項(xiàng)大氣和環(huán)境科學(xué)家多年的研究成果，是一個(gè)騙局。

#7: 用家庭成員來證明自己的可信度。《紐約時(shí)報(bào)》介紹，K曾經(jīng)用自己的兒子在一份證詞上證明自己可信。

#8 引用容易受騙的記者來傳播消息。 Kurzweil經(jīng)常欺騙類似Ashlee Vance這樣的記者來傳播他的正面新聞.

事實(shí)上，Kurzweil可不是一般的小忽悠，他的手段還是很系統(tǒng)，有計(jì)劃，很高明的。比如，K喜歡提出一些讓人在當(dāng)前無法證明，也無法證偽的嚇人論斷來蠱惑人心（如”奇點(diǎn)理論“）。不過仔細(xì)留意就會(huì)發(fā)現(xiàn)，他的這些論斷往往是沒有任何依據(jù)的。其實(shí)辨別垃圾科學(xué)很容易：真正的科學(xué)是需要對問題有嚴(yán)格定義、有實(shí)際的技術(shù)、有驗(yàn)證的標(biāo)準(zhǔn)，有數(shù)據(jù)的支持。

另外，"未來學(xué)家"Ray Kurzweil的公司詐騙在美國證監(jiān)會(huì)是留有案底的。他整日吹噓“奇點(diǎn)”將近，而其在90年代創(chuàng)立的公司就被美國證監(jiān)會(huì)起訴證券詐騙，見美國《商業(yè)周刊》96年文章《Kurzweil詐騙案剖析》與美國證監(jiān)會(huì)的文件。 

最后，我來正面回答一個(gè)問題：”目前人工智能技術(shù)的發(fā)展值不值得人類擔(dān)憂自身的安全？“

我的回答是：“完全沒必要擔(dān)心?！?nbsp;

目前可以用的人工智能應(yīng)用無非是語音識(shí)別，圖像分類，廣告點(diǎn)擊率預(yù)測，機(jī)器翻譯，簡單問答與對話系統(tǒng)等等。其實(shí)就算在這些任務(wù)中，不少實(shí)際使用的開放系統(tǒng)的準(zhǔn)確率也往往達(dá)不到期望(如Amazon的最新智能家居助理Alexa )。再比如，在機(jī)器翻譯中，西班牙語與英語的翻譯已經(jīng)取得了一些成果，但是中文，阿拉伯語，到英語的自動(dòng)翻譯結(jié)果還是差強(qiáng)人意。至于機(jī)器人是否能在未來10年超過人類的智商和占領(lǐng)地球，我覺得下面的情況更可能會(huì)反復(fù)出現(xiàn)：

 那深度學(xué)習(xí)呢？深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)重要分支，主要關(guān)注的是用神經(jīng)網(wǎng)絡(luò)做特征學(xué)習(xí)。目前深度學(xué)習(xí)取得進(jìn)展較大的是語音識(shí)別 ，圖像分類 ，文本分類 等傳統(tǒng)問題，主要取得的成果是在這些任務(wù)的準(zhǔn)確率上：通過大數(shù)據(jù)，增加模型參數(shù)，降低variance，提高機(jī)器學(xué)習(xí)模型的健壯性得到的。首先，我們要肯定這些進(jìn)步，然而我們也要認(rèn)識(shí)到，當(dāng)前的深度學(xué)習(xí)技術(shù)在知識(shí)推理、邏輯、規(guī)劃、機(jī)器人領(lǐng)域等人工智能核心領(lǐng)域還沒有取得重大的突破性科學(xué)成果。

那么人工智能的學(xué)者是不是只關(guān)心技術(shù)，不關(guān)心法律、經(jīng)濟(jì)、社會(huì)問題呢？這個(gè)答案也是否定的。事實(shí)上，每年都有很多關(guān)于人工智能與社會(huì)福利的研究，有很多的學(xué)者在從事人工智能對隱私、法律、經(jīng)濟(jì)、安全和社會(huì)的研究 。最近國際人工智能學(xué)會(huì)前主席Eric Horvitz也在斯坦福提出了AI一百年研究計(jì)劃，指出了人工智能未來100年需要涉及人類的方方面面，為人類服務(wù)。

比起普通民眾的擔(dān)憂，實(shí)際上不少人工智能的學(xué)者擔(dān)憂的往往相反：目前人工智能的應(yīng)用還比較初級(jí)，根本談不上智能，甚至很多學(xué)者認(rèn)為現(xiàn)在計(jì)算機(jī)連真正理解人類的語義也無法做到。引用CMU計(jì)算機(jī)學(xué)院Ed Hovy的話：“你們這些做研究的，機(jī)器分類的準(zhǔn)確率再提高1%有什么用？我根本不關(guān)心。我問你，什么是語義？ 你的程序能回答嗎？ 我問你的計(jì)算機(jī)程序一個(gè)簡單問題，“小明買了一輛車”，句子里的“買”到底是什么意思，計(jì)算機(jī)根本無法回答。” 

所以，對于計(jì)算機(jī)科學(xué)家來說，不管是從工程上還是科學(xué)上來說，人工智能的研究都還是任重而道遠(yuǎn)。作為普通民眾，也需要堅(jiān)決抵制垃圾科學(xué)。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。