最近，一個(gè)名為華智冰的學(xué)生走進(jìn)了清華大學(xué)，還大眾面前“高調(diào)”亮相，因?yàn)檫@是中國(guó)首個(gè)原創(chuàng)虛擬學(xué)生。

　　一時(shí)間，大家紛紛感嘆，原來虛擬人物還能讀大學(xué)！據(jù)報(bào)道，華智冰雙商都很高，可以寫詩(shī)作畫、創(chuàng)作劇本殺，還具有一定的推理和情感交互的能力。

　　未來離我們?nèi)绱酥?/p>

　　那么，華智冰這樣的AI究竟“進(jìn)化”到了什么地步？為什么AI能進(jìn)行藝術(shù)性質(zhì)的創(chuàng)作？人類智能和人工智能的差別會(huì)越來越小嗎？AI最終會(huì)超越人類嗎？

　　微軟亞洲研究院被譽(yù)為“世界上最火的計(jì)算機(jī)實(shí)驗(yàn)室”，洪小文院長(zhǎng)在名為《人工智能的突破和數(shù)字化轉(zhuǎn)型的未來》的演講中全面分析了這些問題，同時(shí)也講述了為何數(shù)字化轉(zhuǎn)型對(duì)企業(yè)至關(guān)重要。

　　值得一提的是，華智冰是由北京智源人工智能研究院、智譜AI與小冰公司共同打造的，而小冰公司的前身就是微軟（亞洲）互聯(lián)網(wǎng)工程院人工智能小冰團(tuán)隊(duì)。

　　相信洪小文院長(zhǎng)的這篇演講能為你揭開關(guān)于AI現(xiàn)狀和未來的神秘面紗。

　　中國(guó)有個(gè)成語(yǔ)叫“知往鑒今”，意思就是了解過去作為今天的借鑒。我經(jīng)常開玩笑說，AI火熱是因?yàn)椤叭斯ぁ钡姆疵媸恰疤烊弧?，“智能”的反面就是“愚蠢”，因?yàn)闆]有人想做天然的愚蠢，那當(dāng)然就喜歡AI了。

　　AI這個(gè)學(xué)科雖然和其他學(xué)科比起來歷史沒有那么悠久，但是也有60多年了。1956年我的師祖（老師的老師）約翰？麥卡錫在達(dá)特茅斯會(huì)議上提出了AI這個(gè)概念，然后AI經(jīng)歷了兩段著名的寒冬。

　　記得我剛畢業(yè)的時(shí)候是1992年，那正是AI第二段寒冬的尾巴。當(dāng)時(shí)我們學(xué)AI的人畢業(yè)都不敢講自己是學(xué)AI的，我們就說是做語(yǔ)音的。那時(shí)如果跟人家講自己學(xué)AI是找不到工作的，而今天是你不做AI都要說是做AI。起初，AI在學(xué)術(shù)上的定義其實(shí)沒有大家理解的這么寬；但今天，基本上計(jì)算機(jī)能做的，大部分人認(rèn)為就是AI。

　　AI跟經(jīng)濟(jì)有很大的關(guān)系，大家都預(yù)測(cè)到，未來的經(jīng)濟(jì)很多都需要靠AI推動(dòng)。AI對(duì)GDP增長(zhǎng)的貢獻(xiàn)值如圖11.1所示。

　　圖11.1 AI對(duì)GDP增長(zhǎng)的貢獻(xiàn)值

　　智能金字塔

　　圖11.2是1950年一期《時(shí)代》雜志的封面，那期雜志里有一篇文章說了這么一句話：“對(duì)于擁有‘超人’力量的機(jī)器，現(xiàn)代人已經(jīng)習(xí)以為常，但是擁有‘超人’腦力的機(jī)器仍然讓人們感到恐懼?！恕脑O(shè)計(jì)者否認(rèn)他們正在創(chuàng)造人類智力的競(jìng)爭(zhēng)對(duì)手?！?/p>

　　計(jì)算機(jī)是在第二次世界大戰(zhàn)期間誕生的，當(dāng)時(shí)美國(guó)跟德國(guó)都想要做原子彈來制服對(duì)方，那時(shí)有一個(gè)“曼哈頓計(jì)劃”，所以才開始做計(jì)算機(jī)。1950年的時(shí)候，AI還沒有被定義出來，達(dá)特茅斯會(huì)議都還沒有召開，第二次世界大戰(zhàn)結(jié)束五年后，全世界的計(jì)算機(jī)還不超過十臺(tái)，而且每一臺(tái)計(jì)算機(jī)都有一個(gè)房間那么大，其運(yùn)算能力、儲(chǔ)存能力比今天的智能手機(jī)還差。

　　在那個(gè)時(shí)代，大家很擔(dān)心有人會(huì)造出比人類還聰明的計(jì)算機(jī)。我們并不害怕大型機(jī)械，如飛機(jī)、汽車，但是卻在AI還沒有影子的時(shí)候就感到害怕，這代表了大家對(duì)智能這件事情，真是既期待，又怕受傷害。這也說明了為什么大家這么關(guān)注AI，包括很多人對(duì)AI產(chǎn)生了不那么正確的看法。

　　圖11.2 1950年《時(shí)代》雜志的封面

　　我把智能的發(fā)展畫成了一個(gè)金字塔（見圖11.3），自下至上，從簡(jiǎn)單到復(fù)雜分別為計(jì)算和記憶力、感知、認(rèn)知、創(chuàng)造力和智慧這五層。

　　最底層的是計(jì)算和記憶力。我們中國(guó)人的老祖宗很厲害——“神機(jī)妙算”和“過目不忘”，這是很智能的表征，“神機(jī)妙算”就是計(jì)算，“過目不忘”就是記憶。不管是圖靈機(jī)還是馮？諾依曼機(jī)，都包含了CPU以及存儲(chǔ)兩大基本組成，計(jì)算機(jī)靠這兩樣?xùn)|西就可以運(yùn)算所有程序。

　　回想到我人生的第一次挫折，就是我小學(xué)一年級(jí)時(shí)沒有被選進(jìn)珠算隊(duì)，而今天大部分人顯然都不會(huì)送小孩學(xué)珠算。在我們那個(gè)年代，珠算也分等級(jí)，就像下圍棋一樣，大家覺得一個(gè)人很會(huì)用算盤、會(huì)珠心算，是非常了不起的。用算盤可以進(jìn)行很復(fù)雜的計(jì)算，甚至可以開根號(hào)、做三角函數(shù)。當(dāng)時(shí)我的老師告訴我：“你的身體沒有那么好，課后你還是回家休息吧，不要參加珠算隊(duì)?！甭犕旰?，我當(dāng)時(shí)的感覺是因?yàn)樽约翰粔蚵斆?，所以才沒有入選珠算隊(duì)，我很難過，直到高中時(shí)才從這件事的打擊中緩過來。

　　圖11.3 智能金字塔

　　而今天已經(jīng)沒人認(rèn)為算得很快有多了不起，沒有人跟計(jì)算機(jī)、計(jì)算器比計(jì)算，也沒有人跟計(jì)算機(jī)比記憶。我自己搬家三年，到現(xiàn)在都不記得自己家里的電話。如果我寫十個(gè)電話號(hào)碼，讓大家記，十分鐘以后，我說出一串?dāng)?shù)字，問你是不是我剛才說的號(hào)碼中的其中一個(gè)，大部分人可能都答不上來。既然今天計(jì)算機(jī)可以幫我們計(jì)算、記憶，我們就可以很放心地讓它來做，計(jì)算機(jī)比我們強(qiáng)沒有關(guān)系。

　　自下而上第二層到了感知。還要說我們的老祖宗很厲害，“聰明”這兩個(gè)字就是“耳聰目明”，計(jì)算機(jī)視覺很強(qiáng)，語(yǔ)音識(shí)別很強(qiáng)，就是聰明。“千里眼”和“順風(fēng)耳”都是關(guān)于感知這件事的，事實(shí)上，這一波AI的復(fù)興都跟感知有關(guān)。

　　在視覺方面，2015年1月，微軟亞洲研究院開發(fā)的計(jì)算機(jī)視覺系統(tǒng)，在ImageNet（可視化數(shù)據(jù)庫(kù)）挑戰(zhàn)賽中首次超越了人類對(duì)物體識(shí)別分類的能力。同年12月，微軟亞洲研究院設(shè)計(jì)發(fā)明的前所未有的、深度高達(dá)152層的殘差網(wǎng)絡(luò)ResNet，將識(shí)別錯(cuò)誤率進(jìn)一步降至3.57%，而人類的錯(cuò)誤率大概是5.1%。

　　在語(yǔ)音識(shí)別領(lǐng)域，2017年在全球最權(quán)威的產(chǎn)業(yè)標(biāo)準(zhǔn) Switchboard 語(yǔ)音識(shí)別基準(zhǔn)測(cè)試中，微軟的語(yǔ)音識(shí)別系統(tǒng)將錯(cuò)誤率降至5.1%，準(zhǔn)確率超過專業(yè)速記員水平，也就是說超越了普通人類。這次突破大幅刷新了此前的紀(jì)錄，并在語(yǔ)音識(shí)別行業(yè)樹立了新的里程碑。

　　計(jì)算機(jī)可以完全聽懂人講話，這在以前是不可思議的。計(jì)算機(jī)的語(yǔ)音識(shí)別技術(shù)有很多應(yīng)用場(chǎng)景，例如充當(dāng)法庭里的速記員，像我們今天用的智能音箱、智能助手也都是語(yǔ)音識(shí)別方面的應(yīng)用。在語(yǔ)音識(shí)別方面，看起來計(jì)算機(jī)已經(jīng)超越我們?nèi)祟惲耍聦?shí)也的確是這樣。

　　計(jì)算機(jī)視覺方面的應(yīng)用更多。例如在海關(guān)工作的稽查員當(dāng)天接到500名嫌疑犯的照片，需要時(shí)刻檢查有沒有這500名嫌疑犯中的一個(gè)或幾個(gè)通過這個(gè)關(guān)口。我相信很多人還是會(huì)辨認(rèn)錯(cuò)誤，而且這樣的工作也非?？菰?。如果計(jì)算機(jī)能夠幫助我們很好地完成這樣的工作，那么感知這部分就讓計(jì)算機(jī)幫助我們吧。

　　自下而上的第三層是認(rèn)知，目前AI的進(jìn)展也剛好處于這一階段。剛才講到的計(jì)算機(jī)視覺和語(yǔ)音識(shí)別都是人工智能在感知層面上的進(jìn)展，但要讓計(jì)算機(jī)更加理解人類，我們就需要對(duì)認(rèn)知層面進(jìn)行探索，而自然語(yǔ)言理解就是認(rèn)知層面的核心。認(rèn)知的英文叫cognition，心理學(xué)上，認(rèn)知心理學(xué)是非常重要的一支。認(rèn)知基本上是指我們對(duì)一件事情的“理解”，以及從這件事情中“洞察”到什么，還可以進(jìn)行“推理”，做一個(gè)“計(jì)劃”，最后做出“決策”。

　　認(rèn)知其實(shí)是工作和生活中最有用的東西。工作上，例如政府官員要制定政策，公司管理層要根據(jù)市場(chǎng)變化相應(yīng)調(diào)整產(chǎn)品策略等，這些都是基于認(rèn)知做出的決定。

　　我們來看看今天計(jì)算機(jī)和人類相比做得怎么樣。

　　近兩年來，微軟在自然語(yǔ)言方面有很大的突破。2018年1月，微軟亞洲研究院研發(fā)的機(jī)器閱讀系統(tǒng)在由斯坦福大學(xué)發(fā)起的機(jī)器閱讀理解挑戰(zhàn)賽SQuAD中率先超越人類水平。這是計(jì)算機(jī)文本理解能力首次超越人類，預(yù)示著該領(lǐng)域的研究以及應(yīng)用都將會(huì)有更大突破。2019年3月，微軟亞洲研究院與微軟雷德蒙研究院合作研發(fā)的系統(tǒng)，首次在斯坦福大學(xué)發(fā)起的對(duì)話式問答挑戰(zhàn)賽CoQA 中各項(xiàng)指標(biāo)都超越人類水準(zhǔn)。

　　我想大家都有參加英語(yǔ)考試的經(jīng)驗(yàn)，高考、托福、GRE（美國(guó)研究生入學(xué)考試）、SAT（美國(guó)學(xué)術(shù)能力評(píng)估測(cè)試）中都有閱讀理解題型，大多數(shù)人是考不了滿分的，而計(jì)算機(jī)可以在這方面超越人的平均水平。辨認(rèn)到理解是非常難做的事情，計(jì)算機(jī)也可以做得很好。

　　另一個(gè)就是翻譯，微軟中-英機(jī)器翻譯的水平已經(jīng)可以“與人類媲美”。我們都知道，翻譯的前提是理解，計(jì)算機(jī)雖然無(wú)法理解，但是可以翻譯得非常好。像我個(gè)人根本不會(huì)講法語(yǔ)，但是我們可以利用機(jī)器翻譯，到法國(guó)巴黎的時(shí)候順利買到歌劇的票。

　　2019年，在由國(guó)際計(jì)算語(yǔ)言學(xué)協(xié)會(huì)（The Association for Computational Linguistics）舉辦的WMT 2019國(guó)際機(jī)器翻譯比賽上，微軟亞洲研究院參加了11項(xiàng)機(jī)器翻譯任務(wù)，其中8項(xiàng)榮獲第一，并憑借多維度的技術(shù)創(chuàng)新成為冠軍團(tuán)隊(duì)。這也讓我們?cè)趲椭藗兇蚱普Z(yǔ)言交流障礙的道路上又邁進(jìn)了一步。

　　“微軟小冰”不僅做智商上面的問答，還有情商方面的問答。小冰這樣的對(duì)話機(jī)器人，在學(xué)術(shù)界的價(jià)值非常高。

　　大家知道，艾倫？圖靈是計(jì)算機(jī)的始祖，他在AI還未被定義的時(shí)候，就想到了“圖靈測(cè)試”。該測(cè)試是，有兩個(gè)房間，一個(gè)房間里是真人，另一個(gè)房間里放機(jī)器，人跟機(jī)器對(duì)答，假如說40% ~ 60%的人分不出哪個(gè)房間里面是真人，哪個(gè)房間里面是機(jī)器，那么圖靈測(cè)試就通過了。很多人通過圖靈測(cè)試判斷AI有沒有通過人的智能考量。

　　小冰雖然沒有去做很嚴(yán)格的圖靈測(cè)試，但微軟一直以“用戶和小冰每一次對(duì)話大概交互幾輪”來作為衡量她的KPI。在微信上，我們跟最熟悉的朋友、親戚對(duì)話，每一次也大概不過5輪。大家明明知道她是一個(gè)機(jī)器人，還愿意跟她談20輪以上，肯定是她談了一些有意義的東西，讓你欲罷不能。從某種意義上說，小冰已經(jīng)遠(yuǎn)遠(yuǎn)超過了圖靈測(cè)試。我們讓小冰變成人們可信賴的伙伴，我們還可以以她為基礎(chǔ)發(fā)展一些商業(yè)領(lǐng)域的應(yīng)用，更重要的是做一些科學(xué)實(shí)驗(yàn)。

　　AI在商業(yè)領(lǐng)域的應(yīng)用，大部分是基于它的認(rèn)知作用。而認(rèn)知的進(jìn)化主要來自一個(gè)反饋閉環(huán)（見圖11.4），該閉環(huán)依靠傳感器和執(zhí)行器兩大部分，主要表現(xiàn)為物理世界通過傳感器搜集數(shù)據(jù)并將數(shù)據(jù)傳輸給系統(tǒng)，系統(tǒng)針對(duì)傳輸數(shù)據(jù)進(jìn)行分析后做出決策，并將決策反饋給執(zhí)行器，最后由執(zhí)行器在物理世界中執(zhí)行來實(shí)現(xiàn)決策。人工智能在閉環(huán)中扮演最重要的分析與決策角色。

　　圖11.4 進(jìn)化來自反饋

　　物聯(lián)網(wǎng)就是跟物理世界打交道，其中傳感器是搜集數(shù)據(jù)的，執(zhí)行器用于在物理世界中執(zhí)行。比如說，我們要控制一條河的水質(zhì)，傳感器能夠檢測(cè)水質(zhì)，執(zhí)行器用于控制排放污水的開關(guān)，在沒有互聯(lián)網(wǎng)的時(shí)代，我們需要派人專門去那里執(zhí)行，現(xiàn)在有了物聯(lián)網(wǎng)，我們可以遠(yuǎn)程控制，比如說這個(gè)小區(qū)的水不要排進(jìn)來，那個(gè)小區(qū)的水可以排之類的。

　　幾乎所有的事情，每完成一次閉環(huán)，就能夠有所改進(jìn)，包括做社會(huì)心理學(xué)分析、做實(shí)驗(yàn)、做假設(shè)、做產(chǎn)品，或是做互聯(lián)網(wǎng)都是如此。如今，基于獲得的數(shù)據(jù)，可以由AI進(jìn)行分析跟決策，即所謂認(rèn)知。如果我們有一個(gè)閉環(huán)，又有辦法搜集到數(shù)據(jù)，就可以把它自動(dòng)化。很多AI的商業(yè)應(yīng)用，都可以抽象為這樣的事情。

　　制造業(yè)是首先享受AI成果的行業(yè)，使用AI已經(jīng)成為常態(tài)，比如可預(yù)防的維修。

　　例如，蒂森克虜伯電梯集團(tuán)是微軟的客戶之一，遇到電梯出故障的情況，以前公司會(huì)先打電話給維修人員，維修人員來搜集一些數(shù)據(jù)，然后回實(shí)驗(yàn)室分析幾天，分析完之后發(fā)現(xiàn)可能有一個(gè)零件壞了，再去配零件，又隔了幾天，零件來了，維修人員再到這部電梯里把零件裝上去，最后這部電梯就可以恢復(fù)運(yùn)轉(zhuǎn)了。但是這期間，電梯起碼需要停運(yùn)幾天，甚至幾個(gè)星期。

　　現(xiàn)在蒂森克虜伯電梯集團(tuán)已經(jīng)不再這樣做了。他們先在電梯里安裝好傳感器，用于搜集速度、聲音、溫度等數(shù)據(jù)。我們可以把這個(gè)過程當(dāng)作一個(gè)“黑盒”。傳感器把數(shù)據(jù)搜集好以后，系統(tǒng)起碼可以做下面兩件事情。

　　第一，異常分析。公司用深度學(xué)習(xí)或機(jī)器學(xué)習(xí)方法建模：狀態(tài)正常時(shí)數(shù)據(jù)應(yīng)該在一個(gè)區(qū)段，快要出故障前數(shù)據(jù)在另一個(gè)區(qū)段。當(dāng)數(shù)據(jù)處于快要出故障的區(qū)段時(shí)，公司就可以做預(yù)防性的維修，提前派維修人員到現(xiàn)場(chǎng)，很多時(shí)候可能加幾滴油就行了。

　　第二，數(shù)據(jù)搜集得夠多后，還可以做分類，公司不但知道它快壞了，甚至還可以將問題分成不同的情況，針對(duì)每種情況有不同的處理方法，有的加些油，有的換零件。

　　同樣的道理可以運(yùn)用到許多其他領(lǐng)域。

　　比如汽車的維護(hù)。很多人的汽車每6個(gè)月要回廠維修一次，換一些過濾器等零部件，但是每個(gè)人開車的習(xí)慣不一樣，城市、天氣、路況都不一樣，如何判斷每輛車多長(zhǎng)時(shí)間換一次零件合適呢？現(xiàn)在我們有了車聯(lián)網(wǎng)，車聯(lián)網(wǎng)將所有車?yán)锏臄?shù)據(jù)上傳到云端，就可以實(shí)現(xiàn)預(yù)防性的維護(hù)。

　　人體醫(yī)療保健也是如此。穿戴式設(shè)備可以將人的生物特征收集起來，在人快生病的時(shí)候，甚至在癌細(xì)胞達(dá)到一定數(shù)量后，系統(tǒng)提醒人們到醫(yī)院預(yù)防和治療。

　　微軟的客戶之一勞斯萊斯，除了汽車業(yè)務(wù)，也做飛機(jī)引擎。在引擎方面，微軟至少可以幫助做兩件事。

　　一是可預(yù)防的維修。飛機(jī)延誤的部分原因是檢查出引擎發(fā)生問題，其造成的經(jīng)濟(jì)損失非常巨大，所以防患于未然非常重要。

　　二是降低油耗成本。飛機(jī)飛行的花費(fèi)約40%是在油耗上，每次飛行載的油多就會(huì)費(fèi)更多油，因?yàn)轱w機(jī)更重了；載的油少就會(huì)危險(xiǎn)，不能飛到一半油不夠。勞斯萊斯在駕駛員出發(fā)前，可根據(jù)引擎狀況、天氣狀況、風(fēng)速等數(shù)據(jù)判斷加多少油合適。

　　當(dāng)然這些例子也并不代表AI可以做所有事情。

　　“黑盒”與“白盒”

　　當(dāng)前的AI主要是“黑盒”模式，它基于大數(shù)據(jù)的模式識(shí)別推理，可以解決“是什么”的問題，但不能解決“為什么”的問題，因此不同“黑盒”系統(tǒng)之間的因果推理幾乎是不可能的，所以，很多人把它說成不可解釋的AI。

　　那么“白盒”是什么呢？人類認(rèn)知更多是“白盒”推理，能夠進(jìn)行因果分析，還可以舉一反三，在不同“白盒”系統(tǒng)間可實(shí)現(xiàn)認(rèn)知和推理。

　　1980年，斯坦福大學(xué)心理學(xué)系教授約翰？塞爾做了一個(gè)實(shí)驗(yàn)來挑戰(zhàn)所謂圖靈測(cè)試，他的實(shí)驗(yàn)叫“中文房間”。一個(gè)房間里有一位不懂中文的人，但給他一本很全的詞典，每次給他遞進(jìn)去一張寫著中文的紙，里面的人通過大詞典查紙上每個(gè)漢字，我們假設(shè)他可以查到所有的文字，可以對(duì)照列出字詞的組合。房間里的人不會(huì)說中文，他不能夠用中文思考。但因?yàn)樗麚碛心承┨囟ǖ墓ぞ撸踔量梢宰屢灾形臑槟刚Z(yǔ)的人以為他能流利地說中文。而目前的AI就是這樣工作的。它們無(wú)法真正地理解接收到的信息，但它們可以運(yùn)行一個(gè)程序，處理信息，然后給出一個(gè)智能的印象。塞爾用這個(gè)實(shí)驗(yàn)來反駁“計(jì)算機(jī)和其他人工智能能夠真正思考”的觀點(diǎn)。計(jì)算機(jī)即使通過了圖靈測(cè)試，也不是真正的智能，因?yàn)樗荒軌蛘嬲斫馕淖值囊馑肌?/p>

　　塞爾還舉了一個(gè)實(shí)例，假設(shè)今天找一個(gè)人做翻譯，讓他翻譯“我是一個(gè)白癡”這句話，然后這個(gè)人一定會(huì)說“你才是白癡，我才不幫你翻譯”之類的，但是如果把這個(gè)指令給機(jī)器，機(jī)器一定會(huì)乖乖說“I am an idiot”。

　　所以，塞爾教授認(rèn)為這種模擬思路，沒有思維和理解的叫弱人工智能，真正有思維和理解的叫強(qiáng)人工智能。前者具備觀察和感知的能力，可以做到一定程度的理解和推理。目前的研究都是集中在弱人工智能這部分。而強(qiáng)人工智能，期待可以獲得自適應(yīng)能力，能夠解決一些之前沒有遇到過的問題。但目前看來，強(qiáng)人工智能還遙不可及。

　　有了真正的思維和理解，才有可能進(jìn)行所謂“白盒”推理，也就是最重要的因果分析。必須要知道因果關(guān)系，才能舉一反三。事實(shí)上今天AI大多做的是相關(guān)性，做不出因果關(guān)系。

　　比如做投資并購(gòu)等商業(yè)決策。微軟最近幾年收購(gòu)了全球最大的職業(yè)社交網(wǎng)站LinkedIn（領(lǐng)英），2018年還收購(gòu)了GitHub（代碼托管平臺(tái)），這都是比較有名的并購(gòu)案例。那么能不能把并購(gòu)這種商業(yè)決策交給機(jī)器做呢？

　　我的答案是不能。

　　因?yàn)椴①?gòu)不是封閉系統(tǒng)，它有許多外部因素，而且這些因素?zé)o法預(yù)測(cè)，也沒有那么多數(shù)據(jù)，可能另一家也想跟一起并購(gòu)，就會(huì)把價(jià)格抬高，這個(gè)時(shí)候到底該不該買？我們?nèi)松卮蟮臎Q定都是這樣，你可以做各種分析，但是最后還是有很多未知因素。

　　還有時(shí)候，AI會(huì)導(dǎo)因?yàn)楣?。比如，“公雞叫”和“太陽(yáng)從東邊出來”，哪個(gè)是因，哪個(gè)是果？今天的AI搜集了一些數(shù)據(jù)，分析出“太陽(yáng)出來”和“公雞叫”有很大的關(guān)系，然后就做所謂深度學(xué)習(xí)，最后算出“公雞一叫，太陽(yáng)就要從東邊出來”，就是導(dǎo)因?yàn)楣恕?/p>

　　可能有人會(huì)想：這怎么可能呢？太陽(yáng)當(dāng)然是從東邊出來，所以才導(dǎo)致公雞叫。但是別忘了，那是因?yàn)槲覀冇衅渌麛?shù)據(jù)和知識(shí)支撐。曾經(jīng)幾千年來，人類一直認(rèn)為地球是宇宙的中心，當(dāng)伽利略提出地球不是宇宙中心的時(shí)候，大家都覺得不可思議，教皇還要抓他。

　　今天，所謂深度學(xué)習(xí)是一個(gè)不可解釋的AI，是“黑盒”模式，做不了因果關(guān)系的分析。所以，可解釋的AI是今后一個(gè)很重要的方向，而且非常難。30年前有一位圖靈獎(jiǎng)得主，是加州大學(xué)洛杉磯分校的教授朱迪亞？珀?duì)?，他做了一輩子因果關(guān)系分析，估計(jì)AI起碼還要在十幾年或二十年以后才會(huì)解釋“為什么”，才有可能做“白盒”分析。

　　《人類簡(jiǎn)史》和《未來簡(jiǎn)史》都是大家比較熟悉的書，2019年又出版了《今日簡(jiǎn)史》，里面說將來大數(shù)據(jù)能做所有的決定，甚至包括我們的婚姻。我是持不同想法的。我們中國(guó)人的婚姻講究先看八字，但是我們也沒有全信，未來是未知的，把這么重要的事全部交給“黑盒”，似乎欠妥。但是這不代表AI沒有用。

　　所以，我把它改成圖11.5，這張圖跟圖11.4唯一的差別就是，分析和決策是AI和HI（人類智慧）一起做的，人做決定的時(shí)候需要看大數(shù)據(jù)，但是不代表大數(shù)據(jù)會(huì)決定一切。有些東西用大數(shù)據(jù)來做決策是可以的，比如前面我們提到的可預(yù)防維修，機(jī)器可以解決比較簡(jiǎn)單的問題。但我們也不要妄自菲薄，低估人類的智慧，很多時(shí)候大數(shù)據(jù)分析代表著有這樣的概率會(huì)成功，但是最后不見得選擇最大概率的方案就一定成功，這里面還有很多隨機(jī)的因素。

　　圖11.5 AI+HI

　　智能金字塔的自下而上第四層是創(chuàng)造力。從計(jì)算和記憶力、感知到認(rèn)知，AI已經(jīng)做得很好了。但是創(chuàng)造力方面目前人類能做得更好。

　　近些年，深度學(xué)習(xí)可以用于“創(chuàng)作”，比如說詩(shī)詞創(chuàng)作。2018年我們用這個(gè)技術(shù)教微軟小冰寫詩(shī)，小冰還出了詩(shī)集《陽(yáng)光失了玻璃窗》，當(dāng)時(shí)很多人說這一定不是計(jì)算機(jī)做的，但事實(shí)上真的是！

　　現(xiàn)在，通過大數(shù)據(jù)分析，小冰不但能寫詩(shī)，還可以看圖寫詩(shī)（見圖11.6和圖11.7）。

　　圖11.6 看圖作詩(shī)1

　　圖11.6中，有月亮，有波光粼粼的水面，對(duì)面是燈火闌珊的城市。小冰根據(jù)這幅圖，就可以寫詩(shī)。

　　那繁星閃爍的幾天蒼色

　　那滿心的紅日

　　看萬(wàn)里天使在世界

　　我就像夢(mèng)

　　看那里閃爍的幾顆星

　　西山上的太陽(yáng)

　　青蛙兒正在遠(yuǎn)遠(yuǎn)的淺水

　　她嫁了人間許多的顏色

　　圖11.7 看圖作詩(shī)2

　　像每一座城市愧對(duì)鄉(xiāng)村

　　我才有一個(gè)美好的完成

　　每個(gè)失眠的夜晚我是一個(gè)花言巧語(yǔ)的人

　　隱匿在靈魂最迷失的火

　　繞出城市的邊緣

　　美好的

　　在風(fēng)里

　　最輕微的觸動(dòng)

　　小冰既可以寫詩(shī)，也可以寫歌——先作詞，再譜曲。如圖11.8。如圖所示，詞和曲合起來就是這樣，各種類型的音樂，比如鄉(xiāng)村的、嘻哈的、古典的，小冰都可以寫出來。

　　圖11.8 《秋水》

　　在繪畫方面，根據(jù)一種喜歡的畫風(fēng)，機(jī)器就能將圖像結(jié)合到繪畫上去，可以“畫”得非常好，但這在技術(shù)上是很難的。

　　圖11.9 風(fēng)格遷移（Style Transfer）效果

　　那么，以上這些例子是不是代表計(jì)算機(jī)真的有創(chuàng)造力？

　　其實(shí)創(chuàng)作這種東西，特別是藝術(shù)的創(chuàng)作，還是要有自己的想法。今天AI可以產(chǎn)生這些東西，但是不代表它知道為什么產(chǎn)生，因?yàn)樗恰昂诤小狈治?。假如今天我們讓?jì)算機(jī)畫出所有世界上40×60的畫，計(jì)算機(jī)都可以畫出，但要問它其中一張要表達(dá)什么，這需要的不是IQ（智商），而是EQ（情商）。計(jì)算機(jī)能創(chuàng)造，但不代表它有像人一樣的創(chuàng)造力。

　　而從現(xiàn)實(shí)世界的角度看，我們把創(chuàng)造力定義成解決問題的步驟，這個(gè)算法就是創(chuàng)造力。

　　比如，數(shù)學(xué)家高斯小時(shí)候很聰明，數(shù)學(xué)老師有一天丟給他一道題，讓他從1加到N，他覺得這個(gè)N很大，數(shù)學(xué)老師覺得這一次高斯要花半小時(shí)，結(jié)果高斯不到一分鐘就告訴老師答案，這就是我們現(xiàn)在熟知的（N+1）N/2。

　　其實(shí)從1加到N，至少有兩種算法：N×（N+1）/2；從1一直加到N。

　　我為什么講這個(gè)例子呢？如果今天你跟計(jì)算機(jī)比賽，計(jì)算機(jī)用比較笨的方法，從1一直加到N，你用N×（N+1）/2的公式法，假設(shè)這個(gè)N很大，誰(shuí)會(huì)先算出來？還是計(jì)算機(jī)，因?yàn)橛?jì)算機(jī)算得實(shí)在太快了。

　　此前熱議的AI下圍棋，李世石先生和柯潔先生的算法來自他們自己，計(jì)算就是用他們的腦袋來算；AlphaGo的算法則來自十幾個(gè)科學(xué)家，計(jì)算也丟給了上萬(wàn)臺(tái)機(jī)器在云端計(jì)算，這本身就是一個(gè)不公平的比賽，因?yàn)橛?jì)算機(jī)可以算得非常快，人算得不夠快。如果李世石和柯潔還有一點(diǎn)點(diǎn)贏的希望，那么他們的算法肯定有獨(dú)特的地方。

　　今天大家常常說，誰(shuí)做了某個(gè)AI，人類沒希望了，事實(shí)上大家忘記了一件事，今天計(jì)算機(jī)所有的算法都來自人，如果有一個(gè)人告訴你有一個(gè)計(jì)算機(jī)可以自己想出算法，那絕對(duì)是吹牛。從這個(gè)角度來看，人類大可不用擔(dān)心計(jì)算機(jī)會(huì)超越我們。

　　如果你仔細(xì)看這些腦神經(jīng)科學(xué)家做的實(shí)驗(yàn)，歸納的左腦和右腦的特征，你會(huì)發(fā)現(xiàn)左腦主要與邏輯、順序、分析、數(shù)字化、理性、模式認(rèn)知、基于事實(shí)等相關(guān)，右腦則與直覺、隨機(jī)、綜合、主觀和創(chuàng)造性等相關(guān)（見圖11.10）。

　　圖11.10  左腦和右腦

　　所以，其實(shí)計(jì)算機(jī)跟人類正是左右腦互用的關(guān)系。人們用右腦進(jìn)行創(chuàng)作，用左腦進(jìn)行計(jì)算、求證。有超強(qiáng)計(jì)算和記憶功能的計(jì)算機(jī)在未來就可以成為人類的“最強(qiáng)左腦”。

　　這就像我們可以走路，但走得不夠快，就通過乘坐汽車或飛機(jī)等交通工具提高速度；我們也能記憶，但我們沒有辦法記那么多，所以就創(chuàng)造出計(jì)算機(jī)幫我們記憶；運(yùn)算也是如此。但是這些想法、算法都來自我們的大腦。

　　意識(shí)是人非常特殊的一個(gè)東西，我們隨時(shí)知道身體在哪里，面對(duì)的是誰(shuí)，我們的意識(shí)無(wú)處不在。植物肯定是沒有意識(shí)的，動(dòng)物里面只有少數(shù)哺乳類有意識(shí)。心理學(xué)家和腦科學(xué)家都做過自我識(shí)別的測(cè)試，就是在動(dòng)物或者人前面貼一個(gè)貼紙，然后給它/他照鏡子，如果它/他知道貼紙不是自身的一部分，就會(huì)動(dòng)它，甚至把它拿掉，這叫作鏡面自我意識(shí)。大部分哺乳類動(dòng)物都沒有通過測(cè)試，包括狗和貓也沒有通過。大部分猴子也沒有通過，我很驚訝，但大部分猩猩通過了，鯨魚和海豚也通過了。雖然大部分猴子沒有通過，但是據(jù)說經(jīng)過一個(gè)月的訓(xùn)練后，它會(huì)知道貼紙不是自身的一部分，所以猴子也是可以學(xué)習(xí)的。

　　有一本書《心靈潮汐：揭示意識(shí)的光譜》（The Tides of Mind：Uncovering the Spectrum of Consciousness），是耶魯大學(xué)的一位教授寫的，他在書中探討意識(shí)和創(chuàng)造力之間的關(guān)系，他把一個(gè)人一天的生活分成兩個(gè)階段：高譜系、低譜系。

　　高譜系就是我們?cè)缟掀饋淼臅r(shí)候，喝一杯咖啡，精神很好，做什么事情都不會(huì)記錯(cuò)，也不會(huì)算錯(cuò)。低譜系就像我們吃過午飯，打一個(gè)盹，甚至做夢(mèng)、睡著了，還有洗澡的時(shí)候，這些時(shí)候叫低譜系。

　　幾乎所有做腦科學(xué)的人得出來的結(jié)論都是：大部分人不是在高譜系的時(shí)候最有創(chuàng)造力，而是在低譜系的時(shí)候創(chuàng)造力更強(qiáng)。雖然這并不完全絕對(duì)，但還是有很多歷史上的佐證。貝多芬創(chuàng)作《第九交響曲》的時(shí)候既聾又盲；凡？高割掉了自己的耳朵，但還是可以畫出了不起的作品。

　　甚至有兩個(gè)科學(xué)家——?jiǎng)P庫(kù)勒、奧托？洛伊維。他們清楚地記起他們重要的科學(xué)發(fā)明是在做夢(mèng)的時(shí)候想到的，尤其是洛伊維，他第一次做夢(mèng)的時(shí)候，夢(mèng)到了實(shí)驗(yàn)方法，第二天早上起來，他知道他夢(mèng)到了該怎么做那個(gè)實(shí)驗(yàn)，可是他忘記了內(nèi)容，晚上睡覺又夢(mèng)到和前一天一樣的夢(mèng)，他這一次醒來后馬上把它寫了下來，最后憑借在夢(mèng)中的發(fā)現(xiàn)獲得了諾貝爾獎(jiǎng)。

　　當(dāng)然聽完這個(gè)故事，可能有同學(xué)會(huì)說想創(chuàng)造就要多睡覺，所以我要特別講凱庫(kù)勒和洛伊維都說光睡覺沒用，光睡覺最多給你大膽假設(shè)，但要小心求證，還是要到實(shí)驗(yàn)室做無(wú)數(shù)實(shí)驗(yàn)來證實(shí)。

　　我覺得更重要的是看背后的原理。很有可能兩件看似無(wú)關(guān)的事情，在神志清醒的時(shí)候很清楚地知道它們無(wú)關(guān)，但是半夢(mèng)半醒的時(shí)候，就可能看到這兩件事情的相關(guān)性，創(chuàng)新常常是在這樣的過程中產(chǎn)生的。

　　所以要做出一個(gè)有意識(shí)的機(jī)器，首先要讓計(jì)算機(jī)能夠幻想，這是很難的。當(dāng)然人在低譜系時(shí)，十道計(jì)算題可能會(huì)算錯(cuò)一兩題，但如果故意讓計(jì)算機(jī)每十題錯(cuò)一兩題，這不叫真正的幻想。

　　怎么讓計(jì)算機(jī)有真正的幻想，進(jìn)而產(chǎn)生了不起的創(chuàng)造力呢？沒有人知道。

　　智能發(fā)展的最高層就是智慧

　　弱AI這種單一用途的“黑盒”已有應(yīng)用。強(qiáng)AI是什么？事實(shí)上，就像通用AI，每樣都懂一點(diǎn)，很多東西我們不是專家，但也總能想出很了不起的想法。我的師祖約翰？麥卡錫當(dāng)年召開達(dá)特茅斯會(huì)議，人家問他這種通用AI多久可以實(shí)現(xiàn)，他給了一個(gè)很有智慧的回答：5～500年。我們知道當(dāng)然不是5年，500年又相當(dāng)于永遠(yuǎn)，所以實(shí)在不知道什么時(shí)候會(huì)發(fā)生。

　　剛剛講到意識(shí)和創(chuàng)造力好像有關(guān)系，但是做一個(gè)有意識(shí)的機(jī)器人，本身有沒有現(xiàn)實(shí)意義呢？我個(gè)人覺得可能沒有什么意義。為什么呢？我常常舉一個(gè)例子，就是倒咖啡。假如我讓我太太幫我倒咖啡，十次里面有五次她會(huì)說“你自己有手有腳，為什么不自己去弄”，我會(huì)說“你講得太對(duì)了，我就自己去弄”。如果我今天做一個(gè)AI機(jī)器人，十次里面只要有一次它不弄，就說明它是有問題的。

　　做一個(gè)有意識(shí)的機(jī)器人代表你不能控制它，你可以想辦法給它洗腦，但是不見得會(huì)成功。所以，我覺得做一個(gè)有意識(shí)的機(jī)器人雖然在科學(xué)上很有意義，但是不見得有太多現(xiàn)實(shí)意義。

　　我還經(jīng)常舉一個(gè)例子，如果你真的要做一個(gè)跟我們一樣聰明，甚至比我們聰明又有意識(shí)的東西，我建議大家現(xiàn)在響應(yīng)政府的號(hào)召，多生一些小孩，因?yàn)槲覀儼筒坏梦覀兊男『⒈任覀兟斆?，而我們也不能控制他們?/p>

　　我們應(yīng)該怎么看待AI呢？我非常樂觀。的確，AI的關(guān)鍵是人，而創(chuàng)造技術(shù)的目的是更好地拓展人類的局限。它大部分跟工具一樣，是在幫助人類做事情，而且它跟人類很互補(bǔ)——人類有創(chuàng)造力，可是算不快，記也會(huì)記錯(cuò)，AI恰恰可以彌補(bǔ)這些問題，所以我把AI叫作大數(shù)據(jù)驅(qū)動(dòng)的知識(shí)。我們應(yīng)該很慶幸，我們是第一代跟AI一起生活的人類，而且我自己的經(jīng)驗(yàn)是，對(duì)AI的研究，幫助我更好地了解了人類智慧是怎么回事。

　　記得我小學(xué)的時(shí)候認(rèn)為會(huì)珠心算是很了不起的，現(xiàn)在我不這樣認(rèn)為了，現(xiàn)在我認(rèn)為人更高階的東西是人類智慧和機(jī)器智能的共進(jìn)化。

　　人工智能與數(shù)字化轉(zhuǎn)型

　　我們今天到底處在什么時(shí)代？是一個(gè)徹底的數(shù)字化時(shí)代，從文字、數(shù)據(jù)庫(kù)、交易、信息知識(shí)再到物聯(lián)網(wǎng)、數(shù)字化孿生等方面都有所體現(xiàn)。

　　先是文字被數(shù)字化，最早辦公是用紙質(zhì)文件，后來用軟件，所以成就了微軟這樣的公司，Office里面的Word、Excel、PPT等是第一批被數(shù)字化的東西。然后是數(shù)據(jù)庫(kù)，甲骨文、微軟、IBM這些公司取代了手動(dòng)“記賬”。再后來是商業(yè)化交易，阿里巴巴、京東等電子商務(wù)公司將交易徹底數(shù)字化。信息和知識(shí)的數(shù)字化就是我們的互聯(lián)網(wǎng)，從一開始的門戶到搜索，都屬于數(shù)字化。多媒體方面，以前有大大小小的各種盤，現(xiàn)在全部變成了流，音樂流、視頻流。

　　為什么數(shù)字化徹底改變了我們的世界呢？就是數(shù)字化孿生。任何物理世界的東西，不管是人或者是物，都會(huì)有一個(gè)數(shù)字化孿生兄弟，數(shù)字化孿生至少有兩大意義。

　　第一，預(yù)測(cè)。就像我們剛剛講的馬達(dá)、機(jī)器、引擎、醫(yī)療器械，它自己在物理世界里根本不知道快壞了，但是在數(shù)據(jù)世界的它知道快要壞了，可以做可預(yù)防的維修。人在看電影，都不知道下一部要看什么，但數(shù)字化孿生已經(jīng)知道了，并準(zhǔn)備推薦一大堆電影。

　　第二，模擬、仿真。我們就拿無(wú)人車和無(wú)人飛機(jī)舉例，它還沒有在路上走、沒有到天空中真正飛以前，一定要在它的仿真世界走上幾萬(wàn)小時(shí)，飛上幾萬(wàn)小時(shí)才會(huì)比較安全。一個(gè)國(guó)家、一個(gè)公司的政策，都可以用仿真的方法去做很多實(shí)驗(yàn)。

　　大家可能會(huì)問：為什么微軟會(huì)重回市值第一？為什么我們轉(zhuǎn)型這么成功？因?yàn)閺氐椎臄?shù)字化世界，需要無(wú)處不在的計(jì)算——智能云及智能邊緣，我們要實(shí)現(xiàn)以人為本的計(jì)算。

　　微軟CEO薩提亞？納德拉出版了《刷新》一書，該書分享了微軟轉(zhuǎn)型的經(jīng)驗(yàn)。在客戶溝通方面，微軟可以用數(shù)字和AI的方法，跟客戶拉近距離：從被動(dòng)的角度，客戶有問題時(shí)幫他們服務(wù)，叫智能客服；從積極的角度，把客戶變成市場(chǎng)運(yùn)作的一部分，讓粉絲幫你銷售，是更了不起的。在運(yùn)營(yíng)方面，微軟正在努力讓每個(gè)部門（包括我們的運(yùn)營(yíng)部門）更有效能、效率。

　　在賦能員工方面，前一陣很多人在討論“996”，我認(rèn)為這是完全過時(shí)的想法，因?yàn)榻裉斓穆殘?chǎng)，大家在工作上可能要處理一些家里的事情，在家里可能要處理一些職場(chǎng)的事情。所以，要讓員工不但把工作做好，還把家庭照顧好，這樣才可以鼓勵(lì)員工長(zhǎng)期與公司和單位合作，還可以激發(fā)員工的潛能和創(chuàng)造力，使其能夠替公司產(chǎn)生更了不起的創(chuàng)意。

　　數(shù)字化轉(zhuǎn)型其實(shí)很多都是在自動(dòng)化、優(yōu)化，改進(jìn)決策，所以能夠產(chǎn)生新的產(chǎn)品、服務(wù)，做新的商業(yè)模型，提高生產(chǎn)力。

　　做數(shù)字化轉(zhuǎn)型，平臺(tái)和技術(shù)很重要，但人是最難改變的，這對(duì)領(lǐng)導(dǎo)力、組織、思想、文化的挑戰(zhàn)更大。

　　微軟聯(lián)合德勤會(huì)計(jì)師事務(wù)所針對(duì)全世界的大、小、中型企做了調(diào)研：90%的企業(yè)已經(jīng)認(rèn)識(shí)到數(shù)字化轉(zhuǎn)型的重要性，但是只有30%的企業(yè)認(rèn)為它們已經(jīng)開始數(shù)字化了，其中只有15%的企業(yè)認(rèn)為它們自己就可以勝任數(shù)字化轉(zhuǎn)型的任務(wù)。這其實(shí)也解釋了為什么微軟能轉(zhuǎn)型成功。同時(shí)，微軟也是企業(yè)最好的數(shù)字化轉(zhuǎn)型伙伴，是最忠實(shí)的技術(shù)和平臺(tái)伙伴，這也是最近微軟能夠有如此好成績(jī)的原因。

　　圖11.11 微軟云計(jì)算 + 人工智能平臺(tái)

　　大家很關(guān)注AI，事實(shí)上AI沒有數(shù)據(jù)和計(jì)算是轉(zhuǎn)不起來的，所以更希望大家多了解ABC（A指人工智能，B指大數(shù)據(jù)，C指智能云）。圖11.11是微軟的云計(jì)算平臺(tái)和AI平臺(tái)，如果今天要做一個(gè)平臺(tái)來幫助公司做數(shù)字化轉(zhuǎn)型，最底層就是計(jì)算，包括芯片、CPU、GPU等，還要有一個(gè)數(shù)據(jù)平臺(tái)，有結(jié)構(gòu)化的數(shù)據(jù)、非結(jié)構(gòu)化的數(shù)據(jù)，用處理數(shù)據(jù)的一些工具做數(shù)據(jù)挖掘，上面還有AI的機(jī)器學(xué)習(xí)，然后去做實(shí)驗(yàn)，把數(shù)據(jù)放進(jìn)來，最后做出AI的應(yīng)用，應(yīng)用于首先能夠在數(shù)字化轉(zhuǎn)型上得到益處的行業(yè)。

　　AI For Good（人工智能造福人類）。技術(shù)變得越來越重要的同時(shí)，與技術(shù)相關(guān)的負(fù)面隱憂也相應(yīng)增多，如隱私安全、假新聞、偏見等，甚至AI會(huì)不會(huì)取代人類導(dǎo)致大規(guī)模失業(yè)。

　　我覺得一個(gè)產(chǎn)品或是技術(shù)，最后都反映了人的價(jià)值觀，因此產(chǎn)品的建設(shè)需要多方的利益相關(guān)者來參與，除了做技術(shù)的以外，商業(yè)專家、經(jīng)濟(jì)學(xué)家、公共政策者、心理學(xué)家、律師等，都需要一起來探討。

　　當(dāng)今時(shí)代工作場(chǎng)所發(fā)生了巨大的變化，兩百多年前，絕大多數(shù)人都從事農(nóng)業(yè)工作，而今天這個(gè)比例則很小，那么其他人都失業(yè)了嗎？顯然沒有，因?yàn)楣I(yè)革命產(chǎn)生了更多新的價(jià)值。所以，與其擔(dān)心技術(shù)會(huì)不會(huì)奪走我們的工作，還不如關(guān)注如何讓我們和我們的下一代保持終身學(xué)習(xí)。

　　未來的發(fā)展道路非常漫長(zhǎng)，讓我們一起努力！

　　朱民對(duì)話洪小文

　　Q：我也是一個(gè)AI的業(yè)余愛好者，當(dāng)然不專業(yè)了，因?yàn)槲沂且粋€(gè)可憐的經(jīng)濟(jì)學(xué)家。AI發(fā)展很有意思，現(xiàn)在發(fā)展到了哪個(gè)階段？

　　A：大概就在中間“認(rèn)知”這個(gè)階段的一半。

　　Q：往上還能走多遠(yuǎn)？

　　A：剛剛講到認(rèn)知這里，就是“黑盒”模式和“白盒”模式，現(xiàn)在還是不可解釋的AI階段（“黑盒”模式），如果能做到可解釋的AI階段（“白盒”模式），它有可能再往上推。

　　Q：可能的途徑是什么？因?yàn)椤昂诤小焙汀鞍缀小笔莾蓚€(gè)完全不一樣的概念，從“黑盒”到“白盒”遷移的過程可能會(huì)怎樣發(fā)生？

　　A：我先講比較實(shí)際的，這些大數(shù)據(jù)會(huì)幫助我們走向“白盒”，毫無(wú)疑問，我們也不能夠完全空想，因?yàn)闆]有數(shù)據(jù)。

　　所以，從這個(gè)角度來看，其實(shí)“黑盒”已經(jīng)幫助我們做了一些“白盒”的因果關(guān)系分析了，當(dāng)然今天討論的是能不能全自動(dòng)做因果關(guān)系，假以時(shí)日絕對(duì)可以往上推，但是能不能推到100%我不敢講。我覺得人跟機(jī)器最后可能還是有差別的，今天的AI大部分是大數(shù)據(jù)，人類的智慧大部分是小數(shù)據(jù)，甚至是無(wú)數(shù)據(jù)。

　　一百多年前愛因斯坦根本沒有什么數(shù)據(jù)，但他推測(cè)出了黑洞和引力波。一百年以后，我們用今天最好的科技，勉強(qiáng)測(cè)到一些黑洞、引力波的信號(hào)，還要一大堆最了不起的科學(xué)家合起來才能夠做到。所以我也不知道愛因斯坦是怎么在沒有數(shù)據(jù)的情況下想出很多觀點(diǎn)來的。

　　Q：小文是卡內(nèi)基梅隆大學(xué)的高才生，本科畢業(yè)于臺(tái)灣大學(xué)，是AI的祖師爺約翰？麥卡錫的弟子的弟子，所以是正宗的傳人，符合金庸寫的出身名派。那您相信奇點(diǎn)嗎？

　　A：我其實(shí)不太相信。提出奇點(diǎn)理論的是雷？庫(kù)茲韋爾，他很聰明，但是我不太同意他講的。奇點(diǎn)理論就是指人工智能的能力超越人類的某個(gè)時(shí)空階段。

　　為什么我不同意呢？我還是有科學(xué)根據(jù)的，比如20世紀(jì)的幾大難題，大部分被解決了，但是不能解決的東西，到現(xiàn)在也沒人會(huì)解決。我的意思就是，當(dāng)我們解決了一個(gè)難題，下一個(gè)難題會(huì)更近嗎？其實(shí)不見得，我們今天還有很多未解的問題，每個(gè)領(lǐng)域都有一些未解的問題，包括我們從哪里來、宇宙有沒有大爆炸、我們會(huì)走向哪里等問題。

　　Q：您這個(gè)說法跟您前面的判斷是矛盾的。您現(xiàn)在的這個(gè)判斷是，人類發(fā)展的道路，每一步前進(jìn)不意味著未來也可能會(huì)繼續(xù)前進(jìn)。

　　A：對(duì)啊，是不知道的。

　　Q：但是跟您前面的推斷是不一樣的。您在“智慧金字塔”的推斷是，AI通過不斷學(xué)習(xí)，可以逐漸走向智慧。

　　A：但是我不知道要多久。

　　Q：您不知道多久，我也沒講多久，500年、5000年都可以，但是這兩個(gè)推斷的邏輯是不一樣的。您在“智慧金字塔”邏輯中，明顯對(duì)AI的發(fā)展更為樂觀，現(xiàn)在則是對(duì)未來充滿了未知。未來是未知還是可知？

　　A：未來也可知，也不可知。

　　Q：經(jīng)濟(jì)學(xué)家回答問題的方式，被科學(xué)家用了，（可知與不可知）這件事情有點(diǎn)兒麻煩，怎么解釋？

　　A：這里有好幾種解釋方法，第一種是比爾？蓋茨講的。他說人通常對(duì)于短期的事情過分樂觀，但是對(duì)于長(zhǎng)期的東西又過分悲觀。就是說很多人樂觀地認(rèn)為，AI走向智慧再有幾年就可以做到了。

　　Q：其實(shí)這句話講得很精彩，您覺得我們現(xiàn)在對(duì)AI過分樂觀嗎？

　　A：肯定有些人過分樂觀，像你提到的奇點(diǎn)理論，就是過分樂觀了。但是長(zhǎng)期，到了500年，或許……

　　Q：就是我們對(duì)它潛在的未來看得不夠？

　　A：對(duì)，關(guān)于這個(gè)問題我只代表自己，我真的覺得有可能有些東西人類是永遠(yuǎn)不會(huì)得到的，包括我們到底可不可以創(chuàng)造一些東西，甚至我們能不能知道到底有沒有神，或者是人類將會(huì)走向何方。因?yàn)槲矣X得，如果我們知道所有事情的結(jié)果，可能很多人會(huì)認(rèn)為再活下去就沒什么意思了，探索未知本身就是人的使命。萬(wàn)一我們最后探討，人類所處的世界其實(shí)是外星人做的一個(gè)實(shí)驗(yàn)，我相信很多人會(huì)很悲觀。

　　Q：您相信嗎？

　　A：我不知道，我只能說我不知道，不知道本身是一件好事。

　　Q：我曾經(jīng)和一群世界級(jí)的天文學(xué)家討論這個(gè)問題，大部分人相信這是有可能的。

　　A：我覺得有可能，但是不能證明。

　　Q：我們的悟性還不夠，還看不到。所以，我想問您，AI通過技術(shù)和數(shù)據(jù)的演化，會(huì)不斷地逼近人的智慧，這是可能的嗎？

　　A：有可能。

　　Q：“黑盒”有可能走向“白盒”？

　　A：有可能。

　　Q：但是這條路很長(zhǎng)、很曲折，這條路怎么走，什么時(shí)候走到“白盒”，會(huì)不會(huì)走到奇點(diǎn)？您表示懷疑？

　　A：我覺得基本上不可能，你這樣想，奇點(diǎn)要發(fā)生，就是說AI它可以自己去解決問題，或者是自己想出新的算法，而且它也不會(huì)累，它就可以把全世界的問題都解決了。這樣的話，我覺得人活著的意義可能就減少了一大半，人類探討未知，至少科學(xué)家在探討未知，假如有一個(gè)人幫你全部解完了……

　　Q：但是人永遠(yuǎn)處于低譜系的狀態(tài)不是很好嗎？用您的說法，可以創(chuàng)新，做別的不也很好嗎？

　　A：我雖然不是經(jīng)濟(jì)學(xué)專家，但是有可能我哪一天一做夢(mèng)，去創(chuàng)造出對(duì)理解經(jīng)濟(jì)很了不起的東西，這是可能的，這種希望讓我覺得我的生命很有意義，我覺得希望本身就是一個(gè)很有意義的東西。假如說以后沒有希望了……

　　Q：這是一個(gè)哲學(xué)問題。

　　A：對(duì)。

　　Q：這真的是智慧。您非常驕傲地講到了微軟小冰，小冰的成長(zhǎng)過程中可能發(fā)生過一些很有趣的現(xiàn)象，比如它學(xué)會(huì)了說粗話，比如它有性別意識(shí)和種族意識(shí)，機(jī)器在和人的交流中，會(huì)把人的一些不良行為進(jìn)行分辨、分析、儲(chǔ)存、記憶，并且變成它的行為，這怎么解釋呢？

　　A：我認(rèn)為AI的關(guān)鍵還是人。我舉個(gè)例子，一把菜刀，大部分是被好人用來切菜，極少數(shù)情況下被壞人用來殺人，最后能說是菜刀的錯(cuò)嗎？一定是人的問題。

　　Q：您又一次提到了大數(shù)據(jù)和小數(shù)據(jù)，在ABC（人工智能、大數(shù)據(jù)、云計(jì)算）里面，數(shù)據(jù)是個(gè)大數(shù)據(jù)，但是從AlphaGo到AlphaGo Zero（阿爾法元），其實(shí)是完成了從大數(shù)據(jù)到小數(shù)據(jù)的改進(jìn)，AlphaGo Zero是沒有數(shù)據(jù)的。

　　A：這個(gè)我不同意。AlphaGo Zero沒有數(shù)據(jù)是說它沒有以前真正下過棋的數(shù)據(jù)，但是有一個(gè)東西就是你在下棋，因?yàn)槟愕牟竭€是有限的，游戲是可以自己產(chǎn)生數(shù)據(jù)的。你其實(shí)自己可以假設(shè)，任何一步都可能有人下，只是說下這步的人多還是少。所以，今天所有在用游戲做AI的，有一個(gè)東西是不公平的，那就是AI可以造數(shù)據(jù)。在商業(yè)行為中，數(shù)據(jù)可以造，但最后并沒有幫助。但是下棋不一樣，我剛剛講了，任何一步都有人下，你不能說那個(gè)是假數(shù)據(jù)，它可以自己造數(shù)據(jù)。

　　Q：它是封閉性的。

　　A：對(duì)。

　　Q：所以下棋是一個(gè)例外？

　　A：對(duì)，下棋是一個(gè)例外。

　　Q：它的特點(diǎn)是封閉、規(guī)則和博弈。

　　A：對(duì)，所以它自己可以造數(shù)據(jù)，AlphaGo Zero是自己造數(shù)據(jù)的。

　　Q：未來大數(shù)據(jù)和小數(shù)據(jù)的結(jié)合，計(jì)算和悟性的結(jié)合這條路怎么走？

　　A：到底AI以后是更接近人，還是走“大數(shù)據(jù)和小數(shù)據(jù)的結(jié)合，計(jì)算和悟性的結(jié)合”這樣一條路，我個(gè)人更相信后者。

　　今天的AI叫以繁治繁。左腦和右腦對(duì)比，你會(huì)發(fā)現(xiàn)左腦要用大數(shù)據(jù)，因?yàn)樗治?；右腦是直覺，可以是零數(shù)據(jù)或者小數(shù)據(jù)。所以，我們覺得什么人最聰明？是以簡(jiǎn)治繁。機(jī)器是以繁治繁。

　　下棋就是一個(gè)很好的例子，人下棋希望歸納出一些原則，原則越抽象，越好學(xué)。機(jī)器下棋怪不得會(huì)贏，因?yàn)樗苑敝畏?，相?dāng)于如果是這樣的局勢(shì)，就走這著；如果是那樣的局勢(shì)，就走那著。我們提到過人記不了這么多東西，所以以繁治繁我們比不過機(jī)器，但是以簡(jiǎn)治繁可以，人類最了不起的叫作“吾道一以貫之”。

　　大家學(xué)物理的話，會(huì)知道愛因斯坦為什么提出相對(duì)論。因?yàn)楫?dāng)年有牛頓力學(xué)、量子力學(xué)、電磁波，他想找一個(gè)定律來解決這些問題，這就是以簡(jiǎn)治繁，我覺得以簡(jiǎn)治繁和以繁治繁是互補(bǔ)的，因?yàn)槭澜缟虾芏鄸|西不見得可以以簡(jiǎn)治繁，物理學(xué)家也沒有找到一個(gè)統(tǒng)一的理論。

　　Q：左腦和右腦在人的身體上可以溝通和交流，但是AI方面如何呢？

　　A：AI+HI。

　　Q：這是一個(gè)封閉系統(tǒng)？

　　A：對(duì)。如果不封閉，HI就要引入不封閉的東西，因?yàn)槿诉€是可以接觸到其他東西的。

　　Q：您也說了這是一個(gè)封閉系統(tǒng)，如果是封閉系統(tǒng)，我們現(xiàn)在面臨一個(gè)問題，所有的自動(dòng)化、數(shù)字化，結(jié)果都是云通過算法、AI、機(jī)器學(xué)習(xí)，不斷地自我學(xué)習(xí)、自我更新、自我發(fā)展，人做什么呢？

　　A：算法都是人做的。

　　Q：但是算法已經(jīng)通過深度學(xué)習(xí)自己來改進(jìn)了。

　　A：不，算法還是來自人，深度學(xué)習(xí)也來自人，而且在里面建模的時(shí)候，沒有一個(gè)系統(tǒng)是沒有人的參與的，包括AlphaGo，寫算法、寫編程的一定是人。

　　你剛剛講的封閉系統(tǒng)，它真的可以自己去進(jìn)化，假設(shè)從經(jīng)濟(jì)學(xué)的角度來看，它的數(shù)據(jù)分配沒有變，就真的可以一直在上面轉(zhuǎn)。但是，有一天如果這個(gè)封閉系統(tǒng)變成開放系統(tǒng)，一是一定要搜集新的數(shù)據(jù)，二是可能還要引進(jìn)其他算法。

　　Q：現(xiàn)在AI都是關(guān)聯(lián)性邏輯，而關(guān)聯(lián)性如果能運(yùn)行得足夠好，以至于我們能完全放心，那么是不是可以不走因果關(guān)系的邏輯呢？

　　A：其實(shí)也沒有。就像我剛剛講的可預(yù)防的維修，“黑盒”告訴你數(shù)據(jù)和需要預(yù)防的維修有關(guān)聯(lián)性，但具體是加油，還是換零件，還是需要技師去現(xiàn)場(chǎng)看一看呢？可能大概是換個(gè)零件，換了以后電梯就好了。那么我們就把這個(gè)記下來，使得相關(guān)數(shù)據(jù)和這個(gè)零件有一個(gè)因果關(guān)系，測(cè)到這樣的數(shù)據(jù)模式時(shí)，就去換零件。如果這個(gè)理論是對(duì)的，事實(shí)上就已經(jīng)找到一個(gè)因果關(guān)系了，只是靠關(guān)聯(lián)性把這個(gè)因果關(guān)系運(yùn)轉(zhuǎn)起來。

　　所以，今天機(jī)器要真正知道怎么去做，還是要有因果關(guān)系，否則到底換哪個(gè)零件呢？要不然就用窮舉法，窮舉法也是在做因果關(guān)系。想要真正有成效，還是要因果關(guān)系，只是這個(gè)因果關(guān)系較難發(fā)現(xiàn)。

　　Q：無(wú)論AI多聰明，還是需要科學(xué)家的。

　　A：是的，還是需要各行的專家。

　　現(xiàn)場(chǎng)問答

　　Q：我是清華大學(xué)的學(xué)生，我在南京AI大會(huì)看到沈向洋老師展示了夏語(yǔ)冰（微軟小冰），我也去中央美術(shù)學(xué)院看了夏語(yǔ)冰畫的畫，它現(xiàn)在基本達(dá)到了研究生的水平。我剛才聽您說到很多關(guān)于繪畫、AI這一塊的東西，能否請(qǐng)您細(xì)致地講一下，AI是怎樣學(xué)習(xí)繪畫技能的，比如印象派等各個(gè)流派？

　　洪小文：就是用大數(shù)據(jù)去歸納。其實(shí)畫畫本身也是很機(jī)械化的，以印象派為例，最早寫實(shí)派畫得跟照片一樣，而印象派就是把顆粒變大，但還是保持原來光影的相對(duì)性。事實(shí)上如果把繪畫放到幾何里，就是一個(gè)機(jī)械化的動(dòng)作，只是我們用人的方法去做那件事情。所以，機(jī)器能夠畫畫本身不是一個(gè)意外，我覺得難的在于為什么會(huì)有這種想法，要去畫印象派，甚至到后來的抽象派，我為什么要用這種抽象表示那個(gè)意思，我覺得背后有EQ的部分，如果今天搜集了這些數(shù)據(jù)，我歸納去做也是可以的。

　　Q：我是多倫多大學(xué)計(jì)算機(jī)系的學(xué)生。您對(duì)“黑盒”的定義，是說“黑盒”與“白盒”之間是可解釋和不可解釋的，是一個(gè)比較明顯的定義。比如人理解問題，你可以用邏輯去解釋這個(gè)問題。但是比如用深度神經(jīng)網(wǎng)絡(luò)去解釋，你就說看不懂每一個(gè)參數(shù)提出來的特征是什么，那么就說這是一個(gè)不可解釋的“黑盒”系統(tǒng)。但是從這個(gè)角度來看，你也不能解釋人的大腦里每一個(gè)神經(jīng)元信號(hào)的激活代表了什么。您是不是覺得現(xiàn)在我們只是沒有找到一個(gè)可以好好解釋深度學(xué)習(xí)的方法，還是您覺得它從根本上就不用解釋？

　　朱民：這個(gè)問題提得很好，多倫多大學(xué)是深度學(xué)習(xí)的大本營(yíng)?！昂诤小焙汀鞍缀小笔谴_實(shí)可以分開的嗎？其中的計(jì)算過程是怎么完成幫助、轉(zhuǎn)移的？

　　洪小文：科學(xué)家一直在探討這個(gè)問題，腦神經(jīng)科學(xué)家就在探尋你講的“大腦里每一個(gè)神經(jīng)元信號(hào)的激活代表了什么”，在找“白盒”。事實(shí)上不管任何學(xué)科，都是在找因果關(guān)系，只有找到了因果關(guān)系，才有可能去做推論。除了貝葉斯定理，今天包括深度學(xué)習(xí)的幾乎所有AI，都在找因果關(guān)系。但是大家不要認(rèn)為“黑盒”是不好的。

　　《黑匣子思維》一書提出，“黑盒”是不會(huì)有偏見的，“白盒”會(huì)產(chǎn)生偏見，因?yàn)椤鞍缀小边€得考慮其他因子，所以人事實(shí)上是有偏見的?！安还芎谪垺棕?，會(huì)抓老鼠的就是好貓”，這句話是一個(gè)“黑盒”理論，它是一個(gè)很公平的理論。所以，“黑盒”也有“黑盒”的好處，“黑盒”和“白盒”最后還是要混合利用的，也不是說“白盒”就絕對(duì)好。

　　Q：我是北大智能科學(xué)系的，也是微軟亞洲研究院的實(shí)習(xí)生，也算是您的員工。我想同時(shí)問洪院長(zhǎng)和朱院長(zhǎng)一個(gè)雙向的問題，AI作為一個(gè)工具，金融行業(yè)非常需要AI，如果從朱院長(zhǎng)的角度來講，金融行業(yè)對(duì)AI最期待的是什么？反過來的話，如果從洪院長(zhǎng)的角度，AI對(duì)金融行業(yè)最大的期待又是什么呢？我感覺這是一個(gè)雙向的問題。

　　朱民：他希望我們倆辯論一下。這個(gè)問題提得很好，對(duì)于金融界來說，最根本的問題還是算法和數(shù)據(jù)?，F(xiàn)在的微貸、中小企業(yè)貸款，都是根據(jù)數(shù)據(jù)和算法進(jìn)行放貸的。算法意味著效率，數(shù)據(jù)意味著準(zhǔn)確和風(fēng)險(xiǎn)控制。現(xiàn)在做理財(cái)、做支付、做貸款、做存款、做供求等無(wú)數(shù)金融交易的案例，核心是對(duì)數(shù)字結(jié)構(gòu)的理解和算法。而我可以說，到現(xiàn)在為止，AI為金融行業(yè)提供的數(shù)據(jù)和算法還是非常有限的。

　　舉個(gè)例子，實(shí)際上AI企業(yè)、金融科技企業(yè)現(xiàn)在對(duì)小微企業(yè)放貸都無(wú)實(shí)質(zhì)性的作用，真正可以提高效率的都是消費(fèi)貸款，現(xiàn)在只能做到消費(fèi)貸款這一級(jí)別。中小企業(yè)貸款的定義是500萬(wàn)～1000萬(wàn)元。10萬(wàn)元以下的消費(fèi)貸款，AI可以做得非常安全，不良率可以控制到1%以下。螞蟻金服可以做到“320”——3分鐘接受一筆貸款申請(qǐng)，2分鐘放款，0人干預(yù)，每筆貸款的成本是2.44元，普通銀行一般發(fā)一筆中小貸款的成本是2400元。但是AI技術(shù)就是無(wú)法突破10萬(wàn)元線上放款的限制，為什么？答案在于數(shù)據(jù)、算法。在純線上的情況下，我們對(duì)客戶的描述精準(zhǔn)性和算法的控制還是達(dá)不到要求。所以，歸根結(jié)底我覺得這個(gè)在理論上其實(shí)還是有很大期待的。以上是從金融的角度來看這個(gè)問題。

　　洪小文：微軟通常都是通過銀行、保險(xiǎn)等合作伙伴來為金融行業(yè)賦能。微軟提供的是技術(shù)和平臺(tái)，金融機(jī)構(gòu)有數(shù)據(jù)，知道背后的商業(yè)邏輯，大家合起來做一些事情。比如智能投顧，我們?nèi)〉玫某晒ê献鞣皆趦?nèi)都非常滿意。我個(gè)人非常同意朱院長(zhǎng)講的，其實(shí)有了很多數(shù)據(jù)以后，就會(huì)知道這個(gè)人一定還得起，就可以把錢借給他。這個(gè)功能的實(shí)現(xiàn)，其實(shí)大部分的功勞是在數(shù)據(jù)，而不是在算法。我希望將來金融和AI兩者可以深度結(jié)合，做一些更普惠的東西，真正幫助到被忽略的群體，同時(shí)又能夠幫它控制風(fēng)險(xiǎn)，我覺得那是更有意義的。

　　朱民：AI說到底是一個(gè)數(shù)據(jù)問題，就是對(duì)數(shù)據(jù)的理解，是數(shù)據(jù)和統(tǒng)計(jì)的技術(shù)，而計(jì)算是第二步。當(dāng)然，這也可能只是我這個(gè)經(jīng)濟(jì)學(xué)家講的外行話。

　　Q：我本人是做投資的，沒有學(xué)過計(jì)算機(jī)，但是我對(duì)您講的AI特別關(guān)注，因?yàn)槲覀兺顿Y了這個(gè)方向，最近我們接觸的很多行業(yè)都是跟AI相關(guān)的。想跟您探討一下，剛才說道，現(xiàn)在AI在智能金字塔還停留在半認(rèn)知的階段，但當(dāng)有一天達(dá)到智慧階段時(shí)，算法是不是可能自己會(huì)延伸新的算法，而不需要人了？所以未來AI一定會(huì)超越人類嗎？

　　洪小文：看來你比較相信奇點(diǎn)理論，但我個(gè)人認(rèn)為非常困難，而且真的有那一天的話，算法它可以主動(dòng)解問題、證問題，不再需要數(shù)學(xué)家、物理學(xué)家、計(jì)算機(jī)科學(xué)家，我們的世界也不會(huì)是現(xiàn)在的樣子了。

　　假如這個(gè)世界所有的問題，甚至包括人類從哪里來、將走向哪里，你都知道答案的話，我不確定，但我想那有可能是一個(gè)很殘酷的世界，甚至結(jié)論是我們的世界是某一個(gè)外星人做的實(shí)驗(yàn)，或者是所有的這些都是一個(gè)偶然。

　　達(dá)到奇點(diǎn)理論非常困難，而且實(shí)現(xiàn)創(chuàng)造力的算法本身是否真的有一個(gè)系統(tǒng)化的做法呢？我們一天到晚希望我們的小孩有創(chuàng)造力，如果有這樣的東西，沒有人需要學(xué)習(xí)了，程序會(huì)自動(dòng)幫人類創(chuàng)造、解析問題，那么這個(gè)世界已經(jīng)不是我們今天所了解的世界了。

　　朱民：這個(gè)回答很精彩，這就是智慧，我想快速地總結(jié)一下。

　　第一，AI正在迅猛發(fā)展，在智能的金字塔上已經(jīng)走了一半的路程，現(xiàn)在到了認(rèn)知階段，包括理解、洞察、推理、計(jì)劃、決策，再往上走就是創(chuàng)造階段了，我們只是不知道它將怎么往前走，“黑盒”和“白盒”之間如何發(fā)生轉(zhuǎn)移和融合。小文相信技術(shù)一定會(huì)往上走，但能否走到最終的奇點(diǎn)，還是超過了今天他的想象，也超過了我的想象，我們不知道。我們相信這一天可能不會(huì)到來，因?yàn)槿诉€是遠(yuǎn)遠(yuǎn)超過機(jī)器的，人如果沒有這個(gè)信心怎么能活到現(xiàn)在呢。我們既對(duì)AI有認(rèn)識(shí)，也對(duì)它很謙卑，因?yàn)槲覀儾恢牢磥頃?huì)怎么樣，但是它正在如此迅猛地發(fā)展。

　　第二，現(xiàn)有的AI技術(shù)已經(jīng)有無(wú)限廣闊的應(yīng)用了，小文舉了很多例子——交通、城市、建設(shè)、醫(yī)療、安全等，這個(gè)世界正在被AI的發(fā)展不斷推向未來，剛才那位提問的投資者充滿信心，雖然他不太懂AI，但是會(huì)投資很多AI項(xiàng)目。AI在改造我們的世界，使我們身處的場(chǎng)景發(fā)生了很大的變化，我不想把它說成一個(gè)挑戰(zhàn)，我只是說我們都在其中，這是我們的運(yùn)氣。

　　第三，我們需要改變我們自己，認(rèn)識(shí)到AI正如此洶涌地走向我們，改變世界，我們根本不知道它會(huì)走向何處，所以保持謙卑、持續(xù)學(xué)習(xí)，是我們未來最好的方向。