程序員造出了AI，然后自己怎么辦？（上）

我了解到在座的同學基本上都是信通學院的，你們對人工智能技術應該非常熟悉，那么我想問，身處在現在這樣一個人工智能時代的中心，我們這些做技術的做研發的，到底應該怎樣去看待這個時代，我們到底應該給自己提一些什么問題？可能會是一些非常世俗的問題，比如人工智能能不能給你找到女朋友，能不能根據研究每個人的一些特征、習慣、喜好，然后把茫茫人海中的男女做一個速配。或者能不能讓計算機炒股，讓計算機去收集更多大盤以外的信息，讓計算機給你建議買哪支股票，賣哪支股票，這是對我們每個人以后的個人歷程和人生積累都非常重要的一些話題。

其實，還有一個對每個人來說都很重要的話題——找工作的問題。現在市面上宣稱自己做人工智能的公司，不說成千上萬也得有好幾百家，你們是不是有些人手里已經拿了非常多的宣稱自己是人工智能公司的offer？那你們有沒有問過自己這樣的問題：這些公司宣稱自己是人工智能公司，他們真的是人工智能公司嗎？在今天這么一個人工智能時代，到底誰是真的人工智能創業者，誰是假的人工智能創業者，我們又該如何理解這些問題？

其實我今天來，非常想跟你們聊一聊剛才我說的這幾個非常世俗，但也非常現實的問題，我不知道你們心里是不是也想知道這些問題的答案。

什么是人工智能？

我們在問“什么是人工智能”的時候，我相信在座學技術的各位對人工智能的理解不會有太大偏差。但是現在大量的沒有技術背景經驗的人，比如你創業之后可能接觸的商務合作對象、客戶、老板，他們很可能并不懂人工智能，他們腦海中的人工智能，要么是機器人，要么是科幻電影中毀滅人類的終結者。如果你的老板相信，人工智能是一個會毀滅人類的東西，因此拒絕所有人工智能，那在你加入這家公司之后，又該如何更好地去說服你的老板，告訴他今天的人工智能是能真真正正解決問題的工具性的東西？

如何向普通人講解人工智能，如何讓普通人接受人工智能，這其實也是為什么開復和我要寫一本科普性的書《人工智能》的原因，這本書的主要目的就是讓普通人能從一個科學的、合邏輯的角度去認識今天的人工智能到底是什么樣的。

講一個高考的例子。今天是高考的日子，有好幾家公司聲稱做出高考機器人要參加高考，并說要拿到及格線以上的分數。從技術角度出發，高考機器人能不能達到足夠的分數，你們應該有一個自己的判斷。這到底是一種技術的突破，還是一種商業的炒作，我們都需要科學地、理性地去分析，而不僅僅是通過看新聞報道來斷定。很多普通人并不是用一種符合科學規律的眼光去看待這些事物，只是看到今天有一個高考機器人，他們就說，哎呀以后我的孩子可能要輸給機器人了，這怎么辦呀！

一個高考機器人需要哪些人工智能的技術，你們應該知道：它可能需要把視覺試卷理解為數字表達的機器視覺的算法，它可能需要基于以前的題目來積累經驗和規律的一種機器學習的算法，需要對題目做一些規律性的解析，通過規則把題干轉化為計算機認可的邏輯表達的算法，需要不同學科的知識推理算法等等。不同類型的題目在人工智能領域都是一個專業的研究方向，每個研究方向現在國際上都有標準的數據集，都有標準的論文和相關的學術會議。你們看每一個方向的研究論文處在什么樣的水平，就會知道如果我現在讓一個人工智能機器人去做一張高考試卷，它能做到什么樣的水平。我覺得，技術人員最好的地方就在于，我們可以從原理的角度用邏輯分析一個問題到底是真還是假，是好還是差。

人工智能就在我們身邊

對普通人來說，他們很難發現人工智能已經滲透到我們生活的方方面面。其實，拿出手機，我們就能看到幾乎每一個應用程序都有它的身影。我問大家一個問題，人工智能到底為哪些公司帶來了最大的利益？它所帶來的商業應用中，賺錢最多的到底是哪一個細分領域？

答案恰恰是我們非常熟悉的互聯網和移動互聯網領域，比如說Google、百度這樣的搜索引擎。

很多普通人對這個問題的認識是非常含糊的。他們覺得搜索引擎還是處在他們所理解的很落后的狀態，像十年前我們還是在用基于規則的排序來做搜索引擎，而 Google在六年前就已經在內部開始了全面向人工智能領域的轉型，就開始把核心算法全面變成機器學習算法，遠遠早于AlphaGo的問世。 2011年以后，Google和百度幾乎同時全面轉向機器學習，讓機器自己去學習規則，設計排序的方法，然后讓用戶的反饋去改善模型，調整模型中的每一個參數，使搜索引擎的排序結果越來越好，這帶來的只有一個結果：給搜索引擎帶來更多的金錢收益。

當搜索引擎全面人工智能化之后，其實也意味著，人工智能在移動互聯網領域的地位將是不可撼動的。你們可以看到移動互聯網的明星應用，比如今日頭條——一家崛起得非常快的公司，當這樣一家公司僅憑一個非常簡單的移動端產品，迅速攀升到可以與百度相提并論的地位時，你們不得不承認這家公司的技術是有一定的領先性的。它的技術領先關鍵就在于它關于內容組織的算法，關于內容排序，關于個性化推薦的算法都使用了人工智能。在這個意義上，今天所有互聯網移動端的產品，如果還不考慮人工智能，不考量AI驅動的排序推薦、用戶匹配、個性化等技術，那你的產品一定會馬上落后于時代。

今天這個世界，已經在非常多的領域看到人工智能的身影，但這些表現其實是不為普通人所理解的。學技術的人都知道，人工智能在移動互聯網創業大潮中到底起到了什么樣的作用。如果你們以后有機會加入移動互聯網公司，那一定要記住，在今天這樣的人工智能時代，永遠不要滿足于只建立一個商業模式，一個應用程序，一定要想一想人工智能技術能在你的應用流程中起到什么樣的魔術劑的作用。

人工智能的三次浪潮

人工智能歷史上有三次熱潮：第一次浪潮是在人工智能剛提出的十幾年，產生了非常多的流派，現在都成為了歷史，只有一個連接學派變成了最火的深度學習。第二次浪潮的時候，出現了深藍，在1997年戰勝卡斯帕羅夫那一年，當時我也非常震撼，有點像你們在學校看到AlphaGo一樣的感覺，我們當年沒有這么多報道，我還花了很大的精力去查深藍相關的論文和實現方法。

人工智能經歷的三次熱潮本質還是有些不同，前兩次很快就跌入低谷。比如1997年深藍戰勝卡斯帕羅夫，實際上整個90年代人工智能在語音識別，模式識別，包括神經網絡領域都取得了非常大的進步，但是結果卻達不到一個可用的標準，最終使用的場景滿足不了用戶的使用需求，所以非常快地跌落低谷。深藍戰勝了卡斯帕羅夫也僅僅是下一盤棋而已，和我們說的創業、產業、商業模式完全不是一回事。

當2006 年之后，深度學習發生了復興，我們在語音識別和模式識別上發生了突破，尤其是AlphaGo在圍棋上取得了這么好的成績，所有人都會問一個問題，第三次人工智能的浪潮會不會像前兩次那樣很快跌入低谷？做技術的人知道2012年的卷積神經網絡是什么樣的，知道它從一個什么樣的層面發展到了另一個什么樣的層面，比如它在2015年參加ImageNet大賽時已經達到了152層。從結果上看，機器的視覺能力已經突破了人眼的能力極限。在這樣的場景下，今天的人工智能可以滿足人的需要，這才是第三次熱潮和前兩次的本質的不同。我們從技術的角度可以下這樣一個結論：今天的人工智能才是真正有用的人工智能。我們并不是否定前幾十年大師的研究成果，我們是說直到今天，人工智能才達到了人的一個心理閾值，才真正能夠具備商業價值，才能成就商湯科技、曠視科技這樣的明星創業公司。

真正的人工智能就是大數據 深度學習，它不是可以交流感情的機器人。在有大數據有深度學習的地方，就有我們人工智能的用武之地。

Google就是這個世界上最大的大數據存儲庫和最大的人工智能中心。比方說，Google數據中心在地球上是一個非常另類的存在。我有幸進去過一次，感受就是自己確實到了地球以外的一個地方，覺得這個世界是與眾不同的。Google一個數據中心可能有幾萬、甚至幾十萬臺機器，它們需要耗散大量熱量，所以我去的那家數據中心有一個非常大的場地，中間放機器，旁邊是變電站，另一邊是大型冷卻設備，像水電站一樣把水流引到所有機器的上面，冷卻那些可能是深度學習計算帶來的巨大熱量。當你置身于這樣數據中心的時候，你的思想會非常不一樣，會想到科技與人的關系，會想到人類在這個地球上發展科技的意義。所以我推薦所有學習科技的人，都能去找機會體驗一下，頂級的公司是在怎樣做技術，怎樣做人工智能的研發。

人工智能會在以后威脅人類嗎？

我想告訴大家的是，人工智能和我們人類的發展道路其實是不一樣的。這張圖上給出的是我們人類的發展道路，這是整個人類的進化曲線，從中間到外圍是時間的發展，從左邊到右邊是低等到高等的發展，我們人類在這最右邊出現。

而自然進化的要求是什么樣的，這其實可以套用機器學習的辦法。機器學習最重要的是定義最終的損失函數，然后用求局部最優解的方法去讓這樣一個損失值達到最小化。但是我們所說的人的進化和我們所謂的機器的進化，它的進化目標、函數真的是一樣的嗎？首先從生物學上，我們可以說人的進化目的就是滿足生存的需要，滿足競爭地球上資源的需要，人的大腦之所以這么聰明，是因為我們需要它來幫我們追捕獵物，需要它來幫我們建立房子，以及幫助我們占領地球上其他的更好的資源，這就是人類進化的一個目標函數。可是機器進化的目標函數是什么？機器進化的目標函數到底和我們人類有什么區別呢？機器以后會朝著我們人類的方向進化嗎？這些視角，我覺得可以留給大家思考。

但是，從今天的機器學習和深度學習技術，包括前沿的強化學習、最近比較時髦的生成對抗網絡，所有這些技術，如果我們從一個科學的邏輯的角度去分析，我們其實沒有辦法給一個證明，說這些技術未來一定會對人類造成威脅。我們今天所有的技術都還是停留在一個工具的層面，今天的機器不具備那些神奇的能力。

今天的人工智能只能在一些特定的領域做一些事，它缺乏一種跨領域推理的能力，它的解決方案還沒有那么好。今天的人工智能也缺乏一種抽象能力，而抽象能力對我們人類來說非常非常重要，我們家的小朋友在大概兩歲的時候第一次看到滑板車，然后很多時間都沒有再看見過，這時候我在紙上給他畫了一個滑板車的抽象圖案，就是一個直角下面畫了兩個圓圈，這時候我們家兩歲多的小朋友就會說，哦這是我看到過的那輛滑板車。學機器學習的同學，你們覺得今天計算機能不能完成這么一個任務，就是只給一張而不是許多張真實的圖片，讓計算機看一眼，然后給一張抽象的簡筆畫，讓機器判斷兩者的相似性——這個任務對今天的機器學習技術來說，太有挑戰性了。在電影《Inside Out》中，有一個抽象王國的區域，人類在里頭都變成了積木塊，然后變成了二維的紙片或者一維的線條，這就是對人類的抽象能力的一個基本概括。今天的機器其實不具備這樣的能力，我們當然可以去研究人為什么會有這樣一個抽象能力，人腦的哪一部分負責運行這一能力，我們怎么讓機器擁有這樣的能力，但是現在已有的成果并不能告訴我們，機器何時才能具備這樣的能力。

機器不太清楚我們人類的常識是怎么來的，也很難具備我們人類的自我意識，比如問我們自己：我是誰？我從哪里來？我要到哪里去？這樣三個問題我覺得機器很難去問自己，但是我們人類為什么要去問自己，這件事其實我們也很難回答，我們人類的審美、情感能力等今天的機器都還沒有具備，至于它何時能具備，我們還沒有答案。也就是說，機器能不能威脅人類、能不能毀滅人類的問題，從今天的技術事實出發，我們沒有辦法給這個問題一個肯定或否定的答案。如果我們考慮的是一千年一萬年以后的未來，那么我想結局應該是開放的。不管結果是好是壞，你沒有辦法把它和我們今天看到的技術事實從因果論上關聯起來。

所以今天的人工智能更像一個工具箱，它給我們提供了非常多的工具手段來改善我們的工作效率，僅此而已。