未來的人工智能，會不會超越人類智慧？
AlphaGo 戰(zhàn)勝李世石后，引發(fā)了一波探討人工智能技術的熱潮。人類究竟會怎樣與人工智能相處？人工智能會不會最終超越人類智慧？
5月25日，前谷歌工程師、前騰訊副總裁、《浪潮之巔》《數(shù)學之美》的作者吳軍與今日頭條實驗室科學家李磊，以及百度深度學習研究院少帥科學家顧嘉唯聚首北京郵電大學，探討人工智能的未來與發(fā)展。
吳軍：AI先沖擊傳統(tǒng)生產(chǎn)線，再沖擊高端行業(yè)
美國約翰霍普金斯大學博士。前Google研究院資深研究員、前騰訊副總裁。最早開創(chuàng)網(wǎng)絡搜索反作弊的研究領域，并獲得工程獎著有《浪潮之巔》《數(shù)據(jù)之美》《文明之光》等。
AI半個世紀發(fā)展史
AI的發(fā)展歷程可以按照時間劃分為三個階段：
傳統(tǒng)的AI時期：從1946年ENIAC誕生，到1970年代。所謂傳統(tǒng)，是指人工智能試圖模擬人的思考方式。它會首先想人是怎么做的，然后去模仿人，結果這條路走不通。比如人類所掌握的簡單常識，對機器而言，獲取難度非常大。因為人可以從世界中獲得經(jīng)驗，但機器不能。所以專家Minsky就提出，機器智能不必走人腦智能之路。
數(shù)據(jù)驅動智能：從1972到2000年的。這個階段，人類意識到，真正的機器人不用長得跟人一樣。就像飛機不需要通過扇動翅膀來飛行。
云計算+大數(shù)據(jù)：2000年以后，互聯(lián)網(wǎng)興起使得數(shù)據(jù)量劇增。人類一下子可以得到好多數(shù)據(jù)了。拿翻譯來說，谷歌的翻譯準確率比第二名高5%。這5%相當于十年到十五年的差距。為什么谷歌可以做到？因為它用了比第二名多一萬倍的數(shù)據(jù)來讓機器學習。一萬倍的數(shù)據(jù)，足以讓量變產(chǎn)生質變。 根據(jù)摩爾定律的結果來看，機器智能 未來一定會超過人。
AI怎樣改變生活
未來，隨著機器智能的發(fā)展，首先受到?jīng)_擊的就是傳統(tǒng)生產(chǎn)線上的工人。機器人可以替代人類的重復性工作。特斯拉的工廠已經(jīng)完全機械化，沒有人工作業(yè)了。
其次在高端行業(yè)領域，比如專科醫(yī)生的病理診斷，機器的病癥識別率開始高于專業(yè)醫(yī)生。并且機器識別是穩(wěn)定的，不會受到人類情緒的影響。比如自動癌細胞識別領域的IBM Waston機器人。
未來更可能的情況是機器為人類所用，給人類提供服務。可能98%的人都在享受AI的成果，2%的人在設計AI。而這2%的人會有絕對的話語權。所以如果不想被社會所淘汰，要爭取讓自己成為那2%的人。
李磊：決策過程非常重非常慢的產(chǎn)品，人工智能影響有限
今日頭條實驗室科學家李磊，原百度美國深度學習實驗室少帥科學家。卡耐基梅隆大學計算機系博士，曾在加州大學伯克利分校作博士后研究。2016年全球人工智能大會60周年啟動儀式特邀嘉賓
深度學習到底厲害在哪里
深度學習是一種深度神經(jīng)網(wǎng)絡，它由許多可以做非線性運算的小單元連接起來，形成一個可以做判斷的模型。比如我們給它一張圖，它能判斷出圖上是貓還是狗。 人工智能或機器學習方法依賴于知識如何表示推理，深度學習是機器學習的一種知識表示框架。
從80年代初，到現(xiàn)在，歷史上比較成功的知識表示框架，我歸納為四類。除了深度學習之外 ，還有三類：
概率圖模型（Probabilistic Graphical Models）,用概率表達物體和變量之間的關系。
核方法（Kernel Method），它是去比較、計算兩個東西的相似度之后來做預測。
稀疏表示，例如把商品的賣家關系表示為一個稀疏或低秩矩陣。
這三類表示框架的根本數(shù)學方法有很大不同。比如概率圖模型，是基于概率以及概率推理，加一點邏輯（命題邏輯或一階邏輯）。而深度學習就不是這樣的 。
深度神經(jīng)網(wǎng)絡能work的原因在于，用很多非常簡單的單元連接起來，整個大的系統(tǒng)就可以做復雜的事情。雖然每個單元看起來很簡單，只能實現(xiàn)初級功能。比如它只能把每個數(shù)加起來，或者只能看每一個數(shù)是大于零還是小于零。但是把每個單元加在一起，連接起來成為一個大系統(tǒng)，就能夠做比較復雜的事情了。
就像人腦一樣，人腦有很多很多神經(jīng)元，然后每個神經(jīng)元可能都是一個小單元。連接起來，就成了可以思考的大腦。
深度學習到底能怎么用
回到今日頭條。今日頭條是怎么用機器學習來做推薦的 。
打個比方，比如你到食堂吃飯，今天去你喜歡吃西紅柿炒雞蛋，第二天去食堂師傅就告訴你說，我又給你做了西紅柿炒雞蛋。為什么呢 ？師傅說因為你昨天來過了，你吃的是西紅柿炒雞蛋。然后如果一個禮拜你去食堂吃了很多次，每次都點一些不一樣的菜。師傅可能會知道，你吃的這些菜有什么共同特點。比如他發(fā)現(xiàn)你吃的是江浙菜，好，那你喜歡清淡的。他就知道你是這樣一類人，下次他給你做的時候就按你的口味給你做。
那推薦內容也是這樣。你之前接受的資訊是哪種類型，系統(tǒng)就會認為你可能喜歡這一種，以后新的內容出來，就給你推薦相似類型的資訊 。
怎樣判斷一個人屬于怎樣的人群
如何把機器學習用于商業(yè)，過去十年我一直在思考這個問題。我們的判斷依據(jù)基本上是， 如果短期內，想讓機器學習或者人工智能幫助你的企業(yè)，那么產(chǎn)品對于用戶的決策過程要非常輕非常快。 ?凡是決策過程非常重非常慢的，在短期內很難產(chǎn)生大的影響。比如我們推薦信息，這個決策很輕，即便推薦錯了，你大不了不看這條，直接看下一條。對你不會有什么影響和損失。
但假如各位要買房。這個決策過程可能非常非常重。很多人可能會考慮一年、兩年甚至三年，在這個長的決策中。有非常多的因素都會影響你。光靠大數(shù)據(jù)，光靠人工智能， 比較難以幫助提高決策 。
強人工智能遠未到來
不知道大家有沒有看過一部電影，叫《機器姬》。故事講的是，有一個女機器人，被關在實驗室里。創(chuàng)造者就找了一個非常聰明的人來測試這個機器人的智能。然后，在測試過程中，機器人巧妙地騙過了人，她讓人類覺得 ，她愛上了他。于是借助這個人，機器人最終逃了出去。 如果人工智能能夠發(fā)展到這個地步，可能人工智能的智能的確超過了人。
我們回過頭來看，現(xiàn)在人工智能發(fā)展到什么階段。現(xiàn)在人工智能處于一個，在具體問題上可以做得很好。比如說下圍棋，比如說語音識別。你可以縮小到3%-10%的錯誤率。但是要做稍微復雜和通用的任務，你讓它去炒菜，讓它騎自行車，你讓同一個機器人會做各種事情，可能就難了。所以距離強人工智能，還有一段距離。我們完全不用擔憂要怎么跟人工智能相處。
在十幾年前，人工智能國際象棋的水平，已經(jīng)能超越人類了。那是不是說，這十幾年，就沒有人在訓練象棋了？其實不是的，這些專業(yè)的棋手，還是在比賽，他們還會在訓練的過程中，利用這些程序，去幫助他們提高。所以，將來我們與人工智能的相處，也會是這樣。 人會更多地讓機器為自己服務。如果你家里有100個智能機器，它們都是來給你服務的 。
顧嘉唯：今年年末，是深度學習的拐點
百度人工智能研究院，曾于微軟研究院從事人機交互。IDL深度學習實驗室主任研發(fā)架構師，人機交互負責人。斯坦福大學ME310國際創(chuàng)新課程客座與監(jiān)事。
深度學習已經(jīng)成為一種趨勢
2013年底，百度成立深度學習研究院，我在2014年成為百度深度學習研究院的少帥科學家。
當時在深度學習研究院的內容大概可以分為這么幾塊：
建立一個可以進行高性能計算的深度網(wǎng)絡平臺。
研究語音識別方面的問題。看怎么樣能使機器與人更好地對接。
圖像相關的深度學習。用在比如商品檢索，商品識別上面。比如拍一張衣服的照片，然后系統(tǒng)識別時候，進行相似款衣服的推薦。這是我們做的圖形推薦相關性。
深度學習框架
2013年的百度研究院，是全國第一家深耕機器學習領域的實驗室。現(xiàn)在看來，隨著數(shù)據(jù)量和優(yōu)化算法的發(fā)展，研究深度學習成為一種大趨勢。至于這個趨勢的發(fā)展，我覺得今年年末可能是個拐點， 因為，包括FaceBook，MicroSoft，Google，Baidu都在做框架。2014年的時候是好的想法+互聯(lián)網(wǎng)做個O2O就可以起飛了， 未來的話是好的想法+好的framework就可以起飛了。
安全問題還是依賴政策法規(guī)
很多時候，我們有可能短期內過高預估了行業(yè)發(fā)展，長期過低預估了行業(yè)發(fā)展。其實人工智能已經(jīng)在潛移默化的改變著我們的生活。
互聯(lián)網(wǎng)從誕生起就是一把雙刃劍，為了給用戶便利的生活服務，就一定伴隨著信息泄露的問題。就信息安全而言，很多時候我們發(fā)現(xiàn)， 用戶行為帶來的信息泄露， 比公司泄密更加普遍。
什么樣的“鎖”才能阻止信息泄露？
一方面，企業(yè)有責任，要管理好用戶數(shù)據(jù) 。
另一方面，既然我們已經(jīng)生活在信息時代，所以信息時代必不可少的是你有自己的用戶名，自己的密碼。你可能有十個用戶名，十個密碼。所以大家要像管理自己家的鑰匙一樣，管理好自己的用戶名和密碼。不能隨便取一個密碼。比如你們家有十把鎖，但都可以用一把鑰匙打開，那它自然就開了。
互聯(lián)網(wǎng)發(fā)展太快了，無論是國家的法制觀念，還是我們自己的生活習慣，都沒有跟上它的步伐。我相信最終信息安全還是依賴于一個有一定標準的法律法規(guī)來做約束。無論是在數(shù)據(jù)使用還是查閱過程中，立法都需要跟上。
來源: 今日頭條
