宗仁，李尊，高菲聯(lián)合編譯。

一種普遍被認(rèn)同的觀點(diǎn)是：AI的發(fā)展速度會是指數(shù)式的，可能現(xiàn)在它看起來還很蠢，但是在你意識到它已經(jīng)變強(qiáng)之前它就會越過那個“奇點(diǎn)”，迅速超過你，然后將你遠(yuǎn)遠(yuǎn)的甩在后面。

后來一些人開始慢慢意識到，奇點(diǎn)論確實(shí)有些夸張了。但是AI到底對我們的生活有沒有影響？確實(shí)是有的，甚至很多時候，你能感覺到一些懷疑論者的觀點(diǎn)并不夸張，甚至最近還有人說，隨著人們越來越依賴于機(jī)器基于大數(shù)據(jù)以及各種算法幫他們做出的決定，我們實(shí)際上已經(jīng)將自己的人生交給機(jī)器人控制。

本期硬創(chuàng)公開課，我們邀請到了微軟亞洲研究院的院長洪小文博士，為我們講解隨隨著AI的快速發(fā)展，AI到底能不能跟我們的智能相提并論（上）。

洪小文，微軟全球資深副總裁，微軟亞太研發(fā)集團(tuán)主席，微軟亞洲研究院院長。對微軟SAPI(Speech API)和Speech Engine技術(shù)的發(fā)展作出了眾所公認(rèn)的卓越貢獻(xiàn)，并多次獲得類別不同的榮譽(yù)和獎勵。它還是美國電機(jī)電子工程師學(xué)會院士(IEEE Fellow)和國際公認(rèn)的語音識別專家，現(xiàn)任《美國計(jì)算機(jī)協(xié)會通訊》(Communication of the ACM) 的編委，并在國際著名學(xué)術(shù)刊物及大會上發(fā)表了百余篇學(xué)術(shù)論文。他參與合著的《語音技術(shù)處理》(Spoken Language Processing) 一書被全世界多所大學(xué)采用為語音教學(xué)課本。另外，他在多項(xiàng)技術(shù)領(lǐng)域擁有36項(xiàng)專利發(fā)明。

洪小文既負(fù)責(zé)過基礎(chǔ)研究，又管理過產(chǎn)品開發(fā)，同時，他還在多個研發(fā)領(lǐng)域有所涉獵?，F(xiàn)在洪小文博士是微軟亞太研發(fā)集團(tuán)主席兼微軟亞洲研究院院長，全面負(fù)責(zé)推動微軟在亞太地區(qū)的科研及產(chǎn)品開發(fā)戰(zhàn)略，以及與中國及亞太地區(qū)學(xué)術(shù)界的合作。他認(rèn)為自己多年來形成的“雙重視角”或許可以幫助國內(nèi)的年輕學(xué)者把握到正確的方向。

▎如何評價大眾對AI的恐懼？

大眾對AI的恐懼大部分源于一些科幻電影、小說的影響，以及部分媒體的充分報(bào)道。所以我覺得這種恐懼心理也蠻自然的。

大眾對于AI的恐懼有一定的合理性和規(guī)律性，主要可以從以下兩個方面來看：

• AI加上所有計(jì)算機(jī)的軟件硬件加起來， 的確具有非常強(qiáng)大的能力：人們對于比自己能力強(qiáng)大的東西除了喜歡以外，在某種程度上，產(chǎn)生畏懼感也是很自然的。

• 人們對有智能的東西充滿好奇卻又有所擔(dān)心（Intelligence）：人一直對智力、智能充滿好奇，也希望能夠增加自身的智力，但是人又很害怕別人或者其它事物比自己聰明，會操控自己。也正是因?yàn)槿斯ぶ悄苜x予計(jì)算機(jī)一定的智能才使它與其他新生事物有所不同。

人們對AI的畏懼感由來已經(jīng)。1950年美國時代雜志的封面就表達(dá)了人們對計(jì)算機(jī)智能的擔(dān)憂。當(dāng)時計(jì)算機(jī)尚未普及，但是相對于，飛機(jī)，卡車這種龐大的機(jī)器，人們就已經(jīng)開始擔(dān)憂AI是否會比自己聰明，進(jìn)而對自己產(chǎn)生威脅。

▎AI的工作機(jī)理是做各種概率選擇，人類的生活也是經(jīng)常不斷選擇，這兩種有何異同？

確實(shí)，有類似的地方，也有不類似的地方。

• 類似的地方：人和機(jī)器在做選擇時都相當(dāng)于做一個概率選擇。

今天AI的系統(tǒng)，特別是從1990年以后的AI系統(tǒng)，不管是基于統(tǒng)計(jì)模型的，還是基于大數(shù)據(jù)、深度學(xué)習(xí)的，實(shí)際上是一種基于概率框架下不確定性的選擇過程。而人類在做每一件事的時候也常常要面臨做一些決定，我們做的很多決定也都不是百分之百可以預(yù)測未來的，所以我們也是在做一個基于概率框架下的決定，甚至于是一個隨機(jī)的，所以在這方面我想是類似的。

• 不類似的的地方：人做很多決定都是不可逆的，非重復(fù)的。

像選擇我們的伴侶，選擇求學(xué)學(xué)校和專業(yè)，選擇職業(yè)生涯，每一次決定，就算有類似的地方，都是不同的決定。而且我們都是在一個數(shù)據(jù)信息不完整的情況下做決定。相對地，機(jī)器幫我們做的決定多半數(shù)是重復(fù)的決定，因?yàn)橛兄貜?fù)性，它就可以搜集數(shù)據(jù)，利用各種機(jī)器的方法來優(yōu)化。從概率的角度看，比如當(dāng)一件事情要做很多次，甚至于到無限多次的時候，概率會體現(xiàn)，而且一定是概率最高的東西會是你最期望的答案。

相反，就算知道概率分配，人也不一定選概率最大的那個，而可能選一個對個人來說最滿意的，產(chǎn)出比（Outcome）最大的一個，甚至于做一些不理性的選擇，因?yàn)榫鸵淮?。而這種一次性的決定，概率能幫助我們的地方不大。機(jī)器做決定，則需要盡可能收集最多的數(shù)據(jù)，然后根據(jù)這些數(shù)據(jù)，對一些重復(fù)性的事情進(jìn)行優(yōu)化，然后做出一個決定。

▎我們應(yīng)該把AI視為生活中一種怎樣的角色？

AI在絕大多數(shù)情況下是給我們?nèi)祟悗砀＠捅憬莸?，但是每樣?xùn)|西都有一體兩面，在享受這些福利和便捷的同時，的確可能會產(chǎn)生一些相對應(yīng)的風(fēng)險(xiǎn)。這些風(fēng)險(xiǎn)中包括以下兩個方面：

• 對于AI的依賴性

舉例：人對于方便、好用的技術(shù)/事物會有依賴（比如記電話號碼），很多人到現(xiàn)在都用智能手機(jī)來存儲電話號，我自己現(xiàn)在也不記得家里的號碼。

• 更深一層的是對于計(jì)算機(jī)背后具體細(xì)節(jié)的不了解而無法使人信服，且導(dǎo)致人們解決問題的能力有可能降低。

舉例：GPS導(dǎo)航，當(dāng)下很多人并不知道為什么GPS要做出這樣那樣的規(guī)劃路線。再比如AlphaGo或者深藍(lán)打敗人類，但是它為什么下這一步？背后的原因并不清楚。

AI或者特別說深度學(xué)習(xí)最大的一個缺點(diǎn)，它們用這些模型也能做出很多了不起的決定，但是在它背后人們并不知道為什么要做出這個決定，無法讓人心悅誠服。AI技術(shù)事實(shí)上是在這方面非常薄弱，尤其是今天的深度學(xué)習(xí)，你完全不知道它為什么來做這件事情。以后我們解決問題的能力有可能變?nèi)酰驗(yàn)槲覀儧]有辦法洞察這些細(xì)微的部分和推理的部分。

▎研究者既希望能研制出強(qiáng)AI，又擔(dān)心研究出強(qiáng)AI之后無法控制它，怎么看這個問題？

最近越來越多被問到有關(guān)強(qiáng)AI、弱AI的問題，在這里先給大家解釋一下什么是強(qiáng)AI、什么是弱AI。而且可以先給大家說一下，強(qiáng)AI其實(shí)沒有那么強(qiáng)，弱AI其實(shí)可以很強(qiáng)。

• 弱AI

其實(shí)我個人喜歡另一種說法——局限性的AI或者是狹窄性的AI。弱AI其實(shí)說它只能做一件事情，更早以前把它叫做專家系統(tǒng)（Expert System ），到今天我們把它稱作深度學(xué)習(xí)或者其他的稱謂。幾乎所有深度學(xué)習(xí)（比如：物種辨認(rèn)、語音識別等）都只能做那一件自己擅長的事情。

舉例：比如像我們做一個項(xiàng)目預(yù)測北京的天氣，就只能預(yù)測北京的天氣。所以弱AI其實(shí)是一個專才的概念，早期叫專家系統(tǒng)，和人類的專才也很像。舉例：木匠、裁縫、天文科學(xué)家，他們都是在自己的領(lǐng)域非常擅長，弱AI和他們類似也算專才。

• 強(qiáng)AI

與弱AI相反，強(qiáng)AI就是像人類一樣的通才。像人類一樣，可以看、聽、跑、做算術(shù)、了解語言、翻譯、畫畫、思考等，類似于人類有通才型的智慧叫做強(qiáng)AI。

大家也知道，通才和專才的差別。通才的話如果拿每一樣去和專才比是比不過的，但是專才呢不一定能有通才這么全面。比如像愛因斯坦在作為最偉大的科學(xué)家之一，在自己的生活上可以說是比較笨拙，不一定比得過尋常的老百姓。

這也是為什么說強(qiáng)AI其實(shí)在每一個單的項(xiàng)目是弱的，只是說它有通才的本領(lǐng)。

其實(shí)還有很多的例子，比如人類跑的沒有有些動物快 ，所以我們發(fā)明汽車可以讓我們跑得更快。再如人類不能像鳥兒一樣飛翔，所以我們發(fā)明飛機(jī)可以讓我們飛上天空。所以可以說每輛車、每架飛機(jī)就是一個專才。所以說弱AI或者狹窄性AI 也好，人類到現(xiàn)在造了很多工具，每一樣工具都有特殊的功能，其實(shí)就是一個專才。我們?nèi)祟愖鳛橐粋€通才，把這些專才拿來為自己所用，所以可以完成很多自己不能完成不的事情。

有人會問這些都是機(jī)器，會不會可以把弱AI與強(qiáng)AI結(jié)合之后，造出一個又是通才但是每方面都很強(qiáng)的機(jī)器？

這種可能性肯定會有，但是確實(shí)非常難。就像我們知道機(jī)器是專才，人類是通才，如果你要一個東西每一樣都很強(qiáng)，那么大家會害怕這種東西也是可以理解的。不要說機(jī)器或者是AI，如果今天出現(xiàn)一個人在每個方面都是專才，大家都會覺得很可怕。因?yàn)楦覀兯私獾牟灰粯?，而且我相信這種可能性永遠(yuǎn)也不會出現(xiàn)。但是如果真的出現(xiàn)這種情況的話，確實(shí)是相當(dāng)可怕的。

• 到底有沒有這種可能？

人是一個通才，有很多缺點(diǎn) 跑不快、不會飛、算不快、也不夠準(zhǔn)。發(fā)明計(jì)算機(jī)，算得比我們又準(zhǔn)又快。人類最了不起的就是創(chuàng)造力，但是創(chuàng)造力里面和人的弱點(diǎn)似乎有點(diǎn)相關(guān)的。

人的意志好比頻譜，頻譜高的時候，即當(dāng)人的意識強(qiáng)的時候做事情很精準(zhǔn)，但是，有時當(dāng)人的意識薄弱時，創(chuàng)造力反而很高。比如，古時候的詩人，作家，如李白，白居易常常在喝得酩酊大醉的時候，能夠?qū)懗鏊囆g(shù)造詣很高的詩篇，貝多芬晚年完全失聰?shù)臅r候，做出非常了不起的《第九交響曲》；梵高割掉自己的耳朵后，在身體有痛楚，意志很薄弱的情況下，創(chuàng)造出舉世矚目的畫作。近代，凱庫勒夢到一條蛇，變成一個六角形，咬住自己的尾巴，他由此得到靈感，發(fā)明了苯的結(jié)構(gòu)，對有機(jī)化學(xué)的發(fā)展產(chǎn)生了重大影響。所以，在人意識很薄弱或不專注的時候，有可能將兩個看似毫無關(guān)系的事物聯(lián)系在一起，做出大膽的假設(shè)，當(dāng)然也要經(jīng)過小心求證，產(chǎn)生如此強(qiáng)大的創(chuàng)造力。強(qiáng)AI當(dāng)然有其強(qiáng)的地方。沒有人具備所有的專長，但是，我們?nèi)送軌蛟谝庾R薄弱的時候產(chǎn)生強(qiáng)大的創(chuàng)造力，現(xiàn)在尚沒有機(jī)器能夠模擬人的這種創(chuàng)造力。有人在探討，到底有沒有可能制造出強(qiáng)AI而沒有創(chuàng)造力？不要說是在計(jì)算機(jī)界，不論是在生物界還是心理學(xué)界，腦神經(jīng)科學(xué)界，大家都贊同：在沒有意識的情況下，是很難出現(xiàn)強(qiáng)AI的。人們離強(qiáng)AI還有距離。

▎如何使民眾對人工智能做出客觀理性的思考，而不是持有過于極端的態(tài)度？

其實(shí)大家不必對AI有過于消極的態(tài)度。

• 從專家角度要做有可控性的技術(shù)。

 幾乎所有的工具都是能讓我們可控的，包括AI，包括計(jì)算機(jī)，飛機(jī)，刀等各種我們造出來的工具，拿車來講，我們開一個車要往東就要往東，一定要可控。但我在家里，我讓我太太倒一杯咖啡，可能10次她只有5次會去，有5次她會說你有手有腳怎么不自己去。這里反應(yīng)出一個問題，我們對人和對機(jī)器是有完全不同要求的。

所以我們一定要可控性，我想大家都同意，你沒事去做一個東西，不能控制它有什么意義么？我常常說一個笑話，假如你要造一個東西又聰明，你又不能控制他，那不就是我們的小孩嗎？我們都巴不得小孩比我們聰明，但是我們又不能控制他，如果真想做個不可控的東西，生小孩就好了，如果我們做機(jī)器，就是要控制它的。

• 人工智能都是由人編寫的算法，人的算法高過機(jī)器的算法。

上面給大腦發(fā)了一個左右腦的圖，它可以看到，我們講的計(jì)算機(jī)的那些功能和屬性，大部分屬于左腦，發(fā)散性，創(chuàng)造性，創(chuàng)造力很多是跟右腦相關(guān)的，計(jì)算機(jī)充其量只是一個最好的左腦。1+2+3+4+……+N這個題，有兩種算法，在高斯求和算法之前就是慢慢地加，有個叫高斯的數(shù)學(xué)家，有次老師叫他從1加到1000，心想可以耗掉他半個小時，但他幾秒鐘就給出了答案，用的 n (n+1) /2N算法。

從1+2+3+4+……+N有兩種算法，今天若是要加到無窮大的一個數(shù)，如果計(jì)算機(jī)用笨的方法計(jì)算，人用好高斯的方法計(jì)算，我可以保證計(jì)算機(jī)還是算的比我們快。但人跟計(jì)算機(jī)的比賽，我們不要忘記的是，它永遠(yuǎn)都是算法+真正去計(jì)算兩個合起來的比賽。

在上次的比賽中，AlphaGo除了算法，還加上至少幾萬臺的機(jī)器在背后計(jì)算，我覺得李世石很“可憐”，除了算法，還用大腦去計(jì)算。我們知道人的計(jì)算肯定比不過計(jì)算機(jī)的計(jì)算，不管是加減乘除以及開根號，都是以卵擊石。所以如果只比算法的話，我覺得可能李世石的算法還是要高過AlphaGo的算法。

所以我的結(jié)論是，直到計(jì)算機(jī)可以自己編程，能夠自己產(chǎn)生下一個算法，不然計(jì)算機(jī)跟人要比智能，是沒得比的。我們的創(chuàng)造力在于能創(chuàng)造一個新的算法，去解一個未解的問題，去解一個已解的問題，解地比比人好，這叫做算法，而今天的所有算法，都來自于人類，包括深度學(xué)習(xí)。

• 最后要講的，今天機(jī)器，計(jì)算機(jī)，AI做的事情（99.99%）都具有重復(fù)性。

如記住電話號碼，GPS導(dǎo)航，所有大數(shù)據(jù)運(yùn)算，深度學(xué)習(xí)，都是搜索很多大數(shù)據(jù)導(dǎo)入預(yù)先設(shè)定的算法中，進(jìn)行最優(yōu)化，概率最大或期望值最高的選項(xiàng)。我想大部分的人都會同意我，對于重復(fù)性的事情我們很高興能讓機(jī)器人或者AI去做。我們?nèi)艘プ鲎罡唠A的事情——那些一輩子只能做一次的決定。這類事情才是我們的創(chuàng)造力需要解決的問題，基于這些問題我們再考慮去發(fā)明一些算法，這類事情也是我們?nèi)祟悜?yīng)該發(fā)展的方向。

關(guān)于

• 深度學(xué)習(xí)從2006年到現(xiàn)在，沒有大的基礎(chǔ)理論進(jìn)步！但現(xiàn)在工業(yè)界熱情高漲，我們在盲目推動什么？
  

• 現(xiàn)在各個開源平臺推進(jìn)不算迅速，是開發(fā)者的水平?jīng)]跟上，還是推開發(fā)平臺的大公司功能不完善？
  

• 作為微軟亞太研發(fā)集團(tuán)主席和微軟亞洲研究院院長，如何保證研究和開發(fā)項(xiàng)目的創(chuàng)新性和領(lǐng)先性？
  

……

將在我們的下篇文章中呈現(xiàn)，敬請期待！

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。