點擊藍字關注△ 回覆“1”領取今日日籤和福利大禮包

內容來源：4月20日-21日，在交大安泰EMBA承辦的“互聯網+訓練營”第9期上，智能搜索科學家、《全球科技通史》作者吳軍進行了以“迴歸本源看人工智能本質與發展”爲主題的精彩演講，筆記俠經講者和主辦方審閱發佈。

封面設計 & 責編 | 麗麗

第  3518  篇深度好文：9345 字 | 12 分鐘閱讀

三年前, 開啓了人工智能時代，“它能做的事越來越多，幾乎所有的事都可以做”，這是一種普遍的看法。

但是任何時候，如果一個事物當所有人都覺得它能做時，都有兩個可能性：一是這個事確實太厲害了；再一個可能也發展到頭了。

因爲所有人都看到的事，紅利未必還能繼續存在。這時恰是需要一個冷靜的思考。換個角度來看，就是人工智能不能做什麼。

很多時候當一條路走不通，最簡單的辦法就是直接回到原點，問題就清楚了。

人工智能基於計算機，人工智能的極限取決於計算機的極限，計算機的極限取決於計算的極限。

什麼能算以及不能算要搞清楚。這種本源問題反而是我們很多人忙忙碌碌不會思考的，而這決定了你做事大方向的對和錯。

1.圖靈的思考：計算和機械運動的關係

計算機科學之父是艾倫•麥席森•圖靈，那麼，他的老師是誰？他的想法又是從哪來的？有兩個人對圖靈在計算機發展上提供最大幫助，我們稱之爲精神導師。

分別是馮諾伊曼（著名匈牙利裔美籍數學家、計算機科學家、物理學家和化學家，曾執教於普林斯頓大學）和希爾伯特（二十世紀上半葉德國乃至全世界最偉大的數學家之一）。

馮諾伊曼當時寫了一本書對圖靈很有啓發，圖靈給出了一個很難證實但是覺得對的一個看法，就是人的意識。

人的意識是由不確定性決定的，但是計算機和更早期的牛頓力學，以及可預測的機械運動有關。

這是圖靈當時朦朧的想法，就是人的意識是由不確定決定，計算等價於機械運動。這確定了什麼可以計算，什麼不可以計算，他覺得邊界劃分就清楚了。

希爾伯特在1900年巴黎數學家大會上提出了23個最重要的問題，就是著名的"希爾伯特23個問題"。其中三問是他自問的，分別是：

希爾伯特23個問題中第10個問題就是關於該問題，裏面講了一個特例。

有任意多未知數的方程，各個未知數可以變，有各種各樣的結果，是一個不確定的方程。

你是否能有無數解，或者是否有一種方法在有限時間內可以判定該方程有無數解，無限的時間判定對我們日常生活沒有意義。

那麼，我隨便給你一個方程有沒有整數解？不知道！可能有，也可能沒有。先不說找到整數解，有沒有一個辦法能夠判定這件事有沒有解，這就是希爾伯特第十問題。

直到上世紀七十年代，前蘇聯有數學家證明說不可判定。對這個問題，沒有人能夠在有限的步驟內知道它到底有解還是沒解。

你要是連它有沒有解都不知道，你就一定解不出來。

數學不是萬能的，計算機就不是萬能的，人工智能也不是萬能的，這是我們的出發點。

圖靈當時雖然不知道這個問題的答案，但他的直覺是應該很多數學問題我們不知道有沒有答案，於是他就用一個特殊的機械裝置把數學問題一分爲二，這個裝置就是圖靈機。

 （圖靈機）

計算機是圖靈機的一種，更新後的裝置。該裝置能夠在有限時間內判斷哪一類問題能夠在有限的步驟內計算出來。

但是還有很多數學問題通過這樣的裝置在有限步驟內是解決不了的。

在計算機科學和數學上有一個新的概念，叫計算機可解決的問題，還有大量的是不可以計算的。

今天的計算機甭管多複雜，從數學上就等價於圖靈機。甭管深度學習還是雲計算，等效於這樣一個簡單的機械裝置。

這個簡單玩意兒完不成的事，“太湖之光”超級計算機用上再聰明的算法也完不成，這是從本源上來講。

3.透過世界問題看人工智能問題

我們把世界的問題進行劃分，中間有一類叫數學問題。剛纔講數學不是完備的，有一些問題不是數學問題。

可判定問題是知道有沒有答案，有一些數學問題不知道有沒有答案。

圖靈裝置把有答案問題又一分爲二，裏面很小的一部分叫做可計算問題。

可計算問題對於圖靈來說是指有限步內可以計算，有限步也可能會有很長時間，到宇宙毀滅了還沒有算完也叫有限步，只要不是無限步就是有限步。

 （世界問題的分類）

在工程上，如果刷門禁卡，你識別一秒鐘把門打開了這是有意義的，算了三天才放你進去就沒有意義，這類問題叫做工程可解決問題。

算三天就是工程上不可解決問題。工程上可解決問題裏面很小一部分是我們今天討論的人工智能問題。

我們討論人工智能，首先要清楚它的邊界在哪，清楚邊界才知道什麼事需要由人工智能解決。

在講人工智能能幹什麼以前，我先說它不能幹什麼，我們不要把原本不需要用人工智能解決的問題去用人工智能解決。

未來十年人工智能是什麼樣的，20年後發生什麼事很難有人預測出來。人們常常會高估三五年內發生的事，低估十年後發生的事。

比如有人覺得無人駕駛汽車會馬上上路，你是高估了這件事。

1. 未來10年：整個城市是一個大“機器人”

某漫畫家畫了一個漫畫，世界上所有的東西都連起來了，花盆都連起來了。花盆爲什麼要連起來呢？因爲要澆水。

前一陣子看到國家新出用水說明，看了農業用水量達到62%，以後農業要用滴灌（降低用水浪費）。

新疆只能用滴管，否則全揮發了。每一株植物都跟互聯網連起來了，這是比較大膽的一個假設，未來可能就是這樣。

假如這是（上海）徐家彙附近某地區，信息的流動全畫上去就是密密麻麻的樣子，類似於地球電磁場。密密麻麻帶來的好處就是萬物互聯。

萬物互聯之後，馬上就有出現一個緊迫的問題。

坦率來講，現在的4G恐怕是不夠用的。爲什麼5G這件事能成？5G來了之後網速更快。針對當下需求，目前的網速是足夠的。

要上5G只有一個可能性，就是我突然上網的設備數量要增加10倍、100倍才行。

什麼時候增加10倍、100倍？如果一株植物要上網的話，這個事就大了，所以這是有可能的。

這麼密集的網絡就是說數據量太大了，人工處理不了，需要藉助人工智能，這是很重要的一個原因。

當我們的城市是密密麻麻數據，現有的單一計算機，或者說一個公司的數據中心很難完成這樣的功能。

我們需要超級的分佈在全市或者全國的計算設施，已經不僅僅是計算機了，這裏面的程序也很複雜，所以需要智能。

2.人工智能（機器智能）的本質

那麼，什麼是人工智能，確切講什麼是機器智能？

人工智能屬於可計算問題，它跟我們人類的智能是沒有關係的。

那麼，如何判斷機器是否有智能的標準呢？因此，能不能做這樣一個客觀的判斷方法，這就是圖靈測試。

如果在屏幕背後有一個智能機器，另外一個屏幕背後有一個人，我問一個問題讓他們回答，天爲什麼是藍顏色的。

然後讓你們判斷哪個問題是機器回答的，哪個問題是人回答的。當判斷不清楚的時候，這時候我就說機器和人有同等的值。

因爲它是等價基礎上的定義，並不是說機器需要像我們人這樣思考，這是人工智能的本質。

3.人工智能的理解誤區

提到人工智能，大家有時候就想到腦科學，是不是把認知思維搞清楚了，人工智能就能做的比別人好？不是這樣的。

人工智能是從結果上判定是否與人一樣好，不是從做事方式上來判定。

TA做的事情是一個限定問題。比如說就輔導宏觀經濟學這一門課，約翰做的不比人做的差。

也就是說，宏觀經濟學這門課方面，約翰和人具有同樣的智能，但是它未必是像人一樣思考。這是幫助我們理解人工智能的一個很重要的特點。

第一階段：傳統人工智能

人工智能是1956年提出來的。美國一所私立大學10個教授思考機器智能的問題。

這10個科學家後來得了五個圖靈獎，還有一個諾貝爾獎。他們當時就在想怎麼讓計算機能夠有人的智能，那時候是人工智能一個初期階段。

當時，大家的思維方式有點像今天中國說的“民間科學家”，什麼意思呢？人類認識一個事物的時候，一開始都是一個直覺。

科學家們搞了十幾年搞不下去了，其中有一個人馬文•明斯基開始反思這個問題爲什麼解決不了。他就找到一個反例告訴大家說我們這些人都走錯了路。

什麼反例子呢？就是兩句英文話：

① The pen was in the box；② The box was in the pen。

在英語裏pen三個英文字母還有另外一個含義就是小孩兒玩的圍欄，你要把pen理解成圍欄第二句話就解釋通了。

這件事對人來說不難理解，但是對計算機就非常費解，無法判定這個時候pen是鋼筆還是圍欄，爲什麼呢？原因很簡單。

今天發現計算機能夠做一些特別難的事情，例如下圍棋等等做的比人好多了。

Google其實後來不再開發AlphaGo了，覺得已經跟人類差距太大了。相當於一個專業選手跟業餘選手下圍棋，你沒有辦法下圍棋了。

但是你讓今天最好的機器人上街打一瓶醬油，你們家3歲孩子都可以幹這件事，它卻幹不了。人工智能開始的定義是有特定範圍，不能拿最不擅長的比人擅長的。

比如，一個很簡單的人類常識，計算機是做不到的。

再舉個例子，大家覺得今天的大江無人機很厲害，但是你讓無人機像蒼蠅一樣飛就飛不了。

蒼蠅大概有10萬個神經元，但是無人機不到能幹這麼多事。這是人工智能的缺陷。

這就是我爲什麼在開始的時候講計算機的邊界。你讓計算機去模擬一隻蒼蠅很困難，說明你走模擬這條路走錯路了，我們要找一條別的路。

第二階段：數據驅動

那麼人工智能開始進入第二階段，即以數據驅動的人工智能解決方案，提出者是萊德里克.賈里尼克。

1972年，賈里尼克到IBM 華生實驗室做學術休假，無意中接觸了語音識別實驗室,兩年後他選擇了留在IBM。

在那裏,賈里尼克組建了陣容空前絕後強大的研究隊伍。IBM從六十年代開始做一些語言識別，但是都不成功，到七十年代讓賈里尼克負責語言識別等課題研究。

 （弗萊德里克.賈里尼克(Fred Jelinek)）

因爲賈里尼克是一個通信專家，所以他不把語音識別問題當做人工智能問題，而是當成通信問題。

其實又把語音識別問題拉回到原點，看看通信是什麼。我把意思表達給你，你來理解我的信息。

我把想法在腦子裏變成一串文字，這叫做信息的編碼。

編碼信息通過聲音說出來，然後耳蝸把接收到的信息解碼還原成電信號，電信號通過接收者大腦進行解碼，接收者就知道對方的傳遞信息，這是信息解碼的過程，是標準的通信的模型。

既然是標準的通信模型，就可以用通信的方式解決它。他用信源編碼和信道編碼兩個模型來描述語音識別問題。

如果要把數學模型的參數算清楚就要用大量的數據去算。爲什麼這事在IBM能做成了呢？因爲全世界當時只有IBM有數據。

IBM是商用機器公司，它是爲各大公司提供計算機，大公司之間用計算機發電傳，發傳真。因此，IBM擁有大量商業電傳文本，所以它做成這個事了。

這就是工作方法和思維方式的重要性，思維方式常常比技術本身更重要。你沿着原來的老路用技術再走，也走不到前面去，就是一個死衚衕。

但是當時的數據也僅僅只能解決語音識別的問題，不能解決圖像處理問題，圖像處理問題數據的絕對數量是語音識別的100倍。

所以當時是不可能的。後來，賈里尼克手下一個人提出機器翻譯的模型，這個人叫彼德•布朗（Peter F. Brown）。

當時英語的翻譯思路是走得通的，但是由於沒有數據，翻譯效果不好。

在沒有互聯網的情況下，世界上能找到的數據只有2個，一是各個國家都有的聖經，另一個是聯合國幾個官方語言之間的文件數據，數據都非常少。彼德•布朗的模型在當時沒有得不到很好的結果。

很有意思的是彼德•布朗的論文是今天做機器翻譯引用最多的論文，引用的高峯不是在九十年代剛剛發表論文的時候，而是在2000年以後當數據量大的時候。

那麼，彼德•布朗是什麼人呢？世界上最牛的投資基金叫文藝復興，彼德•布朗原來是文藝復興科技公司IT總監，現在擔任文藝復興的副總。

所以他後來就去預測股票了。由於缺乏數據，因此八九十年代人工智能進入了低谷。

到了2004年、2005年，人們看到一點曙光了。最先讓大家覺得很興奮的事機器翻譯的水平基本上可以達到人的水平了。

Google有一個團隊參加了美國國家標準化和技術研究所的測評，相當於中國標準化局的一次評測。

這一次評比的結果贏的是Google，跟第二名大概差5個百分點。

全世界科學家努力一年大概能提高0.5%，提高5%差不多10年。今天技術相差十年你們倆不在一個水準，差一代。

Google是第二個做這個事情的公司，憑什麼一下子成爲世界第一，而且是遠遠的第一名呢？

原因也很簡單，Google把原來世界上做機器翻譯最好的一個科學家請到了Google去。

爲什麼跳個槽，結果就提高了5個百分點呢？因爲他用了別人一萬倍的數據，就這麼簡單的一件事，算法沒有變。

這就是爲什麼叫數據驅動的方法，也就是在這之後深度學習開始慢慢熱門起來了。

基礎的算法在七十年代已經奠定了，現在用了當年一萬倍的計算資源，但是怎麼用這些計算資源是一個本事。

我講這些想是想告訴大家人工智能和我們人腦的智能完全無關，是一種基於數據驅動的機器學習方法。

如同鳥是振動翅膀來飛行，飛機是不振動翅膀飛行，實際上飛機飛行跟鳥類飛行沒有太大關係。

飛機飛上天是人類對空氣動力學的研究，而不是對鳥類的飛行進行研究。

今天瞭解人工智能是思考怎麼讓計算機這些鋼鐵等材料組成的盒子在回答問題的時候能超過人，而不是說研究人腦的結構。

有一個簡單的方法判定人工智能是真還是假。如果說這個人工智能和認知科學有很深的關係，這是騙你的。

如同說發明了一個飛機，翅膀是可以振動的，是一樣的道理。如果跟你講有數據驅動的，數學模型怎麼好基本上是真的。

人工智能發展到今天，好消息是說它得到了全世界的認可，LeCun、Hinton、Bengio得到了圖靈獎。

壞消息是說從人類找到數據驅動方向的時候，人工智能用光了40年技術積累的紅利，之所以今天有這個結果，是40年前的人在給你栽樹， 40年前栽的樹在今天開花結果了。

大家不要覺得人工智能突然發展這麼快，會不會接下來20年又有一個巨大的加速？我告訴你不會的。

爲什麼？因爲20年後產生巨大加速的事情，可以在今天的學術界預測。今天學術界所做的一些研究課題沒有太多新的。

當今的科學家們比較努力，人數也多，大概也要20年才能積累出一個讓人感覺非常興奮、非常驚喜的理論基礎。

好的是什麼呢？因爲這40年的成果在一些領域被證實了可以開花結果。

AlphaGo用它下棋可以用，彼德•布朗用它可以在股票上掙大錢，現在包括無人駕駛汽車，語音識別、機器翻譯、醫學影像識別，人臉識別等都做的很好。這些成果證明這項技術已經成熟到了我們可以把它們用到各行各業去。

任何一次技術革命，掌握核心技術的可能是2%的人，但是剩下來得有無限應用它的可能性。

1.弱人工智能

比如美圖秀秀，這是一個非常好的人工智能的應用，雖然你沒有覺得它很聰明，其實它在圖像處理方面蠻聰明的。

華爲手機（P20以上）裏面加入了很多圖像識別功能，不僅是人臉識別，還能識別各種各樣的物體。大部分人可能關注的是華爲手機把顏色調的很亮麗，把人照的年輕一點。

你們願意的話，還可以測試華爲手機目標識別的功能。比如，你們去（上海）陸家嘴，用華爲手機照一張大樓（低處往上拍攝），然後保存原文件，大概40M大小。

然後你查看照片發現樓是直的，這是不對的。因爲從下往上看應該有一個傾斜角度，說明手機做了大量目標識別和後處理工作。

這其實就是人工智能的應用，雖然你可能不覺得那麼聰明。

2.強人工智能

你們常想到的聰明的人工智能，例如人工智能下棋或者給你看病，這就是第二層發展水平強人工智能。

①  理解自然語言（比速記員要好，能夠回答問題、寫作）

例如做速記，今天科大訊飛的語音識別和人對講話內容做處理已經差不了太多。當然裏面有一個原因是科大訊飛的語言庫資料比較大。

② 病（已經達到了醫生的平均水平）

人工智能看病診斷能達到醫生的平均水平，疑難病症可以達到專家水平。爲什麼呢？因爲醫生看病在某種程度上來講就是人肉大數據，必須見到足夠多的病例水平才足夠高。

③開車（絕大多數時間比人做得好）

人工智能駕駛絕大部分時候做的都比人好。在無人駕駛汽車方面Google是唯一梯隊的公司，現在基本上經過測試能夠做到每7000英里左右干預一次。

你從中國最北邊開到最南邊，或者從最東邊開到最西邊一個來回干預一次就夠了。

3.超人工智能，是否存在？

一直有科幻片在探索超人工智能是不是存在的。其實超人工智能存在有否，與你們的生活關係不大。

我問大家一個問題，鬼存在不存在？有人相信鬼存在，也有人不相信。

不管鬼是否存在，你們都不擔心鬼的存在對不對？例如你們去到某個恐怖地區，你們是怕鬼還是怕恐怖分子？答案很顯然。

很多人現在寫文章，說將來人工智能發展下去不得了了，人類活不下去了。這種擔心就是等於怕鬼。我們擔心的不是鬼，而是背後的人裝神弄鬼！

所以超人工智能不可怕，可怕的是應用人工智能控制你的生活以及無形中已經改變你生活的人，這些纔是可怕的。

今天對人工智能有所擔心，不是人工智能本身，而是人工智能背後開發程序的公司和個人。

1. 摩爾定律

今天的手機和十年前的手機速度差了100倍。因此華爲手機才能夠做到實時處理圖像信息。計算機的速度如果不夠快，我問了內部的一些人，三四十張合成一張。這就是摩爾定律的作用。

2. 數據

多50%，多一倍、兩倍、十倍不一定有結果，多一萬倍就會有結果了。

3. 數學模型

之前提到計算機能解決的是數學問題。你如果想用人工智能解決問題，就需要能夠對它建立起數學模型。

復旦下面一家人工智能研究所大概有三撥人。第一撥人是學MBA的，他們到客戶那裏瞭解客戶業務邏輯；第二撥人是學數學的，根據業務邏輯搭建出數學模型；第三撥人是學計算機的，把數學模型變成計算機算法。

大家在做人工智能的時候有三種態度，分別是模擬人，取代人，超越人。

1.模擬人

模擬人就是說原來人能做的一些事由它來做，有人就談到服務機器人。但我個人未必覺得是一個很好的思路，爲什麼呢？

舉個簡單例子，比如說養老機器人，家裏老人是想跟機器人聊天還是想跟兒女聊天呢。

又比如生病了，你是希望機器人給你送藥打針還是護士來跟你說兩句話？也許這個領域恰恰是人更合適的。

人工智能並非能解決所有問題，有時候要分清這個問題。當大家都涌到加州淘金，賣水的人掙着了錢。

加州很有名的礦泉水公司當年就靠賣水發家起來了。還有一家牛仔褲公司也在淘金時期發展起來。

2.趕上人

人工智能在很多事上很容易趕上人。比如說天爲什麼是藍的可能比你想的還清楚。

我家裏有一個對話機器人。有一次在家裏和朋友聊天聊到amazon，機器人馬上問“你們是不是要買東西”？家人逗它說要買東西。

後來它說“高爾夫球好像快沒了，是不是還要買”？他說那就買吧！

它接着問“是不是還買上次那個牌子”？我們說是的。

幾天之後，商品就寄過來了。

你在FACEBOOK上點贊達到100次，它會比你家人都瞭解你的需求，點到200次可能比你自己還了解自己。這些事是人工智能可以完全解決的。

3.超越人

某些事情，例如無人駕駛汽車，包括一些疾病的診斷，我個人覺得人工智能會比人做的更好。

疾病診斷誤診、漏診其實是蠻多的，有些時候比我們想象的要大得多。

假設你是放射科的專家看片子的，看片子可能就會漏掉很多的細節。機器做這件事是非常穩定的事。

今天講了很多計算機和人的邊界。要用不同的方式去看待計算機的智能，千萬不要跟人等價。它的感知世界和人是不一樣的。

關於人和計算機的智能區別，邁克爾•喬丹教授（美國人工智能專家）提到計算機的智能是網絡行爲，人是個體行爲。

它獲得的智能是網絡判斷的結果，不是單個計算機的智能。這是計算機和人的智能的差別。

當然這也帶來一個風險，一旦出錯就不是一個人出錯，可能導致整個社會系統的癱瘓！

我們的主題叫超級智能時代，在這個時代還有很多細分領域有人工智能應用的機會，就看你們怎麼把握呢！

如果你相信未來20年是一個還不錯的發展機會，你就會採用不同的人生態度和不同的做事方式來抓住未來，也希望每個人都抓住未來。

謝謝大家！

*文章爲作者獨立觀點，不代表筆記俠立場。

來GMIC廣州2019

與筆記俠一起

親身體驗前沿科技的真實魅力

與全球業內精英齊聚一堂，

探索未來科技的無限想象

快把握最後一波六折福利

截至4月30日！

掃描下方二維碼立即購票

筆記俠好文推薦：

做一切健康謠言的粉碎機 | 正直的丁香醫生

敬畏實體，敬畏勤勞，敬畏二三四線，敬畏90後00後

成長的5個底層邏輯

嘿，你在看嗎？