[[222212]]

在人工智能領(lǐng)域，Michael I.Jordan被認(rèn)為是兩位根目錄人物之一（另一位是Geoffrey Hinton ）。Michael I.Jordan是UC Berkeley 著名的機(jī)器學(xué)習(xí)實驗室AMP Lab的聯(lián)席主任，是美國科學(xué)院、美國工程院、美國藝術(shù)與科學(xué)院三院院士。他門下英雄輩出，如深度學(xué)習(xí)領(lǐng)域的大牛蒙特利爾大學(xué)教授Yoshua Bengio、前百度***科學(xué)家吳恩達(dá)、斯坦福大學(xué)教授Percy Liang等都是其弟子。

本文內(nèi)容選自Michael I.Jordan在、清華大學(xué)、浙江大學(xué)、上海海事大學(xué)、混沌大學(xué)等公開場合的演講以及澎湃新聞采訪內(nèi)容。

1、我們并非處于人工智能的大爆炸時代

目前，人們講到人工智能和機(jī)器學(xué)習(xí)，可能還是覺得它很復(fù)雜。

事實上，當(dāng)你聽過我的課程，就會發(fā)現(xiàn)，關(guān)于這個話題，有很多還停留在概念性、戰(zhàn)略性的階段。當(dāng)然，也有一些投入實際應(yīng)用的技術(shù)，但這背后的理論，還是非?；A(chǔ)和簡單的。

人工智能與機(jī)器學(xué)習(xí)，其實還遠(yuǎn)遠(yuǎn)不是一門基礎(chǔ)扎實的工程學(xué)科，它并不能為現(xiàn)在用數(shù)據(jù)分析問題提供強(qiáng)大且可拓展的解決方案。

因此，我們并不能將人工智能與機(jī)器學(xué)習(xí)的發(fā)展簡單理解為一個神跡，如同高樓非一夜而起，它是必須要經(jīng)歷長時間的發(fā)展的。

大家首先要意識到，在這一領(lǐng)域，我們?nèi)蕴幱诜浅３跫壍碾A段。很多事情我們還不了解，現(xiàn)今的我們并非處于一個人工智能的神奇大爆炸時代。

可以說，我們有可能要花上百年的時間，這個高樓大廈才能真正地建立起來。

2、人工智能的商業(yè)模式，是要創(chuàng)造一個市場，而非一個算法

傳統(tǒng)的推薦，都是針對個人。

但這里的問題是，如果有一家很好的餐廳，它被推薦給很多人，那么大家都跑到這家餐廳去，就需要排長隊，人們的體驗就會很糟糕，反過來給差評和抱怨。

如此，整個系統(tǒng)就開始崩潰，形成惡性循環(huán)。

你必須要去創(chuàng)造一個市場，而非一個簡單的算法。

比如，在APP上面，不僅僅是向客戶推薦某一家餐廳。除了讓客戶看到自己附近有什么餐廳之外，你還要讓餐廳看到自己今晚可以供應(yīng)多少食材，我今天接了一場婚宴之后，還剩下多少個散客的位置。

甚至，你可以了解一下旁邊的競爭對手餐廳，他們有沒有滿座。如果旁邊滿座了，那么對我而言就是一個機(jī)會，我可以打折吸引更多的人流到的餐廳。

你要結(jié)合客戶和商戶兩端的需求。

這不僅是一個應(yīng)用的事情?，F(xiàn)在很多公司已經(jīng)著手在研究這方面的工作。當(dāng)然，這個過程要充分考慮人們不同的喜好和需求，要掌握大量的數(shù)據(jù)。

3、計算思維不是說知道如何編程和使用數(shù)據(jù)庫，而是一種思想

計算思維不是說知道如何編程和使用數(shù)據(jù)庫，而是一種思想。關(guān)于思考一個問題的抽象概念、模塊性、性能……一切你在計算機(jī)課堂上學(xué)到的東西，而不僅僅是編程。計算機(jī)背景的人應(yīng)該很熟悉這些，不熟悉的可能是推斷思維。那是已經(jīng)有超過兩百年歷史的統(tǒng)計學(xué)里的東西，不是一個新的領(lǐng)域，不是拿到數(shù)據(jù)就開始進(jìn)行操作，像做數(shù)據(jù)庫的人那樣。

首先要考慮數(shù)據(jù)從哪來，數(shù)據(jù)背后是什么，數(shù)據(jù)獲取的過程中有什么問題，這就是推斷，還不嚴(yán)格屬于計算機(jī)科學(xué)的研究范疇。即便***得到的東西都是所謂的算法，你也必須思考背后的統(tǒng)計采樣和總體。所以其實我并不是太喜歡機(jī)器學(xué)習(xí)這個詞，我認(rèn)為并沒有什么新東西，還是統(tǒng)計思維。但是因為計算機(jī)科學(xué)家不太懂統(tǒng)計推斷的東西，所以他們?nèi)×艘粋€新名字叫做機(jī)器學(xué)習(xí)。

很多機(jī)器學(xué)習(xí)的工作都沒有考慮推斷、采樣以及總體，只是把機(jī)器學(xué)習(xí)模型應(yīng)用到數(shù)據(jù)卻沒有得到正確的答案，因為沒有考慮偏差、因果推斷等內(nèi)容。我認(rèn)為把兩者結(jié)合起來并且認(rèn)真研究是真正的挑戰(zhàn)。我我以前更多關(guān)注算法和系統(tǒng)，過去幾年越來越像個理論家，逐漸更關(guān)注理論同時在某些方面也是關(guān)注系統(tǒng)。我在實驗室里設(shè)計系統(tǒng)的過程中看到了理論性的問題，所以我去尋找計算機(jī)和統(tǒng)計的理論，它們有什么概念可以怎么結(jié)合起來。

所以我們發(fā)展了數(shù)據(jù)科學(xué)這個交叉學(xué)科，這并不容易。統(tǒng)計決策理論里有損失函數(shù)和風(fēng)險，但它的基礎(chǔ)理論中沒有運行時間的概念，你可以去查看幾十年來成千上萬的統(tǒng)計決策相關(guān)的論文，你不會看到任何一篇提及了運行時間；同樣地，在計算機(jī)這邊你可以找到成千上萬的論文討論復(fù)雜度，各種復(fù)雜度理論，但是卻找不到關(guān)于統(tǒng)計風(fēng)險的文章。而利用統(tǒng)計風(fēng)險理論可以控制基于數(shù)據(jù)的錯誤率。此外，對統(tǒng)計估計問題的深刻理解不僅僅包括學(xué)習(xí)算法、還包括學(xué)習(xí)下界，學(xué)習(xí)你可能做的***的是什么，但是在計算機(jī)理論里卻沒有太多關(guān)于下界的。有倒是有，但是不多。

4、未來十年，人工智能哪些可以實現(xiàn)？

未來十年，自動駕駛汽車甚至是無人駕駛的空中出租車是有可能實現(xiàn)的，雖然眼下這些技術(shù)的使用體驗還不甚良好，但是可以期許的是未來十年這些前沿技術(shù)應(yīng)該可以為人們所用。

在技術(shù)的可用性上面，相信十年后就可以達(dá)到一個比較理想的情況。當(dāng)然在未來十年之內(nèi)，人工智能系統(tǒng)的“智能”還非常有限，你并不會覺得它能和人類一樣智能了。我認(rèn)為未來十年這些AI系統(tǒng)還不能像人類這樣有這么高的靈活性和創(chuàng)造性。

AI系統(tǒng)往往局限于某個特定領(lǐng)域，它們能夠理解的語義也是十分有限的。至于AI系統(tǒng)在人機(jī)交互的過程中能夠產(chǎn)生什么樣的理解，是否能實現(xiàn)預(yù)測、計劃等高級智能——實際上我們離這一步還非常遙遠(yuǎn)，至少要花幾十年的時間，甚至數(shù)百年時間才能讓機(jī)器人了解人類。

5、人工智能研究還有哪些是在我們有生之年很難實現(xiàn)？

可以說，創(chuàng)造力和智能對于人工智能系統(tǒng)來說還很難實現(xiàn)，推理和抽象能力的實現(xiàn)也似乎遙不可及。例如在社交媒體上，人們時常會創(chuàng)造出一個新的詞匯，而其他人也能很容易理解這個詞在這個語義背景下的意思，而不需要像計算機(jī)一樣通過讀幾千個句子來理解。此外，對于AI系統(tǒng)來說，讓它主動做一個長遠(yuǎn)的規(guī)劃是非常困難的，而人類卻經(jīng)常會給自己主動設(shè)定一些雄心壯志的目標(biāo)。

此外，AI技術(shù)的發(fā)展還存在著許多其他的限制，它遠(yuǎn)沒有一個正處于成長期孩子那樣強(qiáng)大的學(xué)習(xí)能力。孩子可以通過少量書本上的圖片和信息了解世界，但是AI即使看過了無數(shù)張圖片和信息，仍然很難對世界產(chǎn)生自己的“理解”。我并不覺得在可見的未來有什么超人類AI的存在。當(dāng)然有些并不是AI研究領(lǐng)域的人會鼓吹以后會出現(xiàn)超人類的機(jī)器人。我并不認(rèn)為這種情況會發(fā)生，也沒有理由會發(fā)生。

當(dāng)然你也有可能不認(rèn)同這種觀點，例如你會覺得計算機(jī)比人類的處理能力要強(qiáng)大得多。但人們目前對“智能”的了解十分有限，因此也無法預(yù)估實現(xiàn)真正的人工智能需要多強(qiáng)的運算能力。我們現(xiàn)在能看到的是計算機(jī)能夠處理大量的數(shù)據(jù)，但它在做假設(shè)、推理等方面的能力還是非常有限的。計算機(jī)雖然能識別這些場景，但是它無法了解場景的作用和意義。人類目前花費大量的精力在幫助機(jī)器理解現(xiàn)實世界，但計算機(jī)是沒有主動學(xué)習(xí)能力的。計算機(jī)和人類的差異巨大，更遑論自我認(rèn)知等更高層面了。

6、AlphaGo 只是大眾的一場夢，要用AI重塑整個世界

無論是在美國，還是中國，AI 都是被高估的。一方面 AlphaGo 讓很多公眾開始了解 AI 這個概念，也因此有很多炒作圍繞 AlphaGo 而展開。AlphaGo 是在一個有限的領(lǐng)域中，通過精良的反復(fù)模擬而達(dá)成的一種成功的模式，但機(jī)器很難模擬整個世界，也因此一場 AlphaGo 的勝利很難說是 AI 的全面超越。

很多領(lǐng)域中，計算機(jī)是可以打敗人的，但它不是智能。公眾大多沒有真正地了解 AI 是什么，也很難理解為什么 AI 是很難實現(xiàn)的。另一方面，在 AI 概念的驅(qū)動之下，很多公司都開始說「我們是做 AI 的」，但實際的產(chǎn)品和功能并不好。又或者人們會對這些公司報以不切實際的期待，覺得他們會打造出來和人一樣的產(chǎn)品。Jordan 教授強(qiáng)調(diào)，對于整個行業(yè)來說，我們都需要冷靜地理解 AI 的能力和邊界，并努力尋找新的方向，這個過程很漫長，也需要更好地管理公眾預(yù)期。

實際上，在中國，有很多傳統(tǒng)的行業(yè)，正在使用所謂的 AI 進(jìn)行能力提升。比如，教育行業(yè)利用語音識別和云端服務(wù)，實現(xiàn)隨時隨地一對一地口語訓(xùn)練服務(wù)，等等諸如此類?？梢钥吹剑@樣的趨勢在中國正在逐漸變成主流。我們不應(yīng)該把 AI 當(dāng)做是一個了不起的、能夠打敗人類的技術(shù)，而是應(yīng)該將它看做一種新的元素，能夠讓我們用它重塑整個世界。

7、智能之后帶來的挑戰(zhàn)

大眾都非常關(guān)心自己未來的工作是否會被人工智能給替代。人工智能代替一部分人的工作崗位是很正常的。這正是社會向前發(fā)展的一環(huán)，幾百年前的工業(yè)革命讓一部分人失去了工作，但同時也有更多新崗位的出現(xiàn)。只是人們必需花更多的時間來學(xué)習(xí)和適應(yīng)這個轉(zhuǎn)變。

其次，人工智能的安全問題。當(dāng)前，人工智能的發(fā)展還面臨著“黑匣子”的問題。即機(jī)器實際上并不清楚自己為何做出這個決定，也不知道給出的結(jié)果會帶來什么樣的問題。這樣的情況在溝通和對話的智能系統(tǒng)中，出現(xiàn)問題并不可怕。但在醫(yī)療和金融領(lǐng)域，一旦機(jī)器醫(yī)生給出的結(jié)果出現(xiàn)問題，那帶來的后果會不堪設(shè)想。在醫(yī)療和金融領(lǐng)域里，必須要提高正確、清晰、無誤的結(jié)果。這也是未來需要解決的。

第三，數(shù)據(jù)共享。為了讓更多的研究人員參與到人工智能的開發(fā)中，許多公司會選擇開源自己的人工智能程序源代碼。開源意味著每個人都可以對這個代碼進(jìn)行自己的修改、添加。但喬丹指出，盡管谷歌、百度等公司都對外宣稱開源，實際上只是放出了部分代碼。公司間的競爭導(dǎo)致了這樣的情況，但這也給大學(xué)提供了機(jī)會。喬丹認(rèn)為，大學(xué)應(yīng)該免費推出更多的開源軟件，而且和公司相比，大學(xué)在研究領(lǐng)域必定是勝出的一方。

8、幾百年內(nèi)AI不會覺醒，谷歌也不一定能贏

霍金很擔(dān)心人工智能，但他不是人工智能的研究者，他是一個外行。計算神經(jīng)生物學(xué)近期不會有太大的突破，大概幾百年后才能有進(jìn)展，但我還是保守看好這方面的發(fā)展。

計算機(jī)視覺領(lǐng)域已經(jīng)有很好的突破，但我比較看好人機(jī)對話、自然語言處理的突破，這些是正在改變或即將發(fā)生的改變，譬如谷歌的翻譯系統(tǒng)最近有非常不錯的成果，下一個領(lǐng)域的突破就是在家用機(jī)器人方面，小機(jī)器人在日常生活中與人的人機(jī)互動，這是多方面應(yīng)用的人機(jī)交互，既有計算機(jī)視覺，還有人機(jī)對話，以及綜合場景處理。家用機(jī)器人了解你日常生活的模式，并對此進(jìn)行學(xué)習(xí)，然后進(jìn)行下一步的服務(wù)，這是正在進(jìn)行中的突破。

還有一個就是精準(zhǔn)醫(yī)療，我非?？春?，雖然前景并不非常明確，因為需要了解病人的歷史數(shù)據(jù)，再對可能要到來的疾病進(jìn)行診斷、預(yù)測和治療。谷歌現(xiàn)在在各個領(lǐng)域都能幫助人，不是谷歌什么都知道，是谷歌可以搜索，或了解這些知識。人工智能的下一步就可以幫助人們做決斷，幫人做出決定，這是更深層次的邏輯運算。

在人工智能方面***獲得突破的是谷歌、亞馬遜這些大公司嗎？Michael I.Jordan認(rèn)為，就2016年來說，研究機(jī)構(gòu)還是最有可能獲得突破的，未來如何不好說，但過去30年的經(jīng)驗，人工智能的研究，研究機(jī)構(gòu)一直領(lǐng)先。

【編輯推薦】