人工智能经典台词(人工智能经典台词中英文)

文/许伟军 亿欧专栏作者

本文内容选自Michael I.Jordan在、清华大学、浙江大学、上海海事大学、混沌大学等公开场合的演讲以及澎湃新闻采访内容，亿欧编辑整理。

1、我们并非处于人工智能的大爆炸时代

目前，人们讲到人工智能和机器学习，可能还是觉得它很复杂。

事实上，当你听过我的课程，就会发现，关于这个话题，有很多还停留在概念性、战略性的阶段。当然，也有一些投入实际应用的技术，但这背后的理论，还是非常基础和简单的。

人工智能与机器学习，其实还远远不是一门基础扎实的工程学科，它并不能为现在用数据分析问题提供强大且可拓展的解决方案。

因此，我们并不能将人工智能与机器学习的发展简单理解为一个神迹，如同高楼非一夜而起，它是必须要经历长时间的发展的。

大家首先要意识到，在这一领域，我们仍处于非常初级的阶段。很多事情我们还不了解，现今的我们并非处于一个人工智能的神奇大爆炸时代。

可以说，我们有可能要花上百年的时间，这个高楼大厦才能真正地建立起来。

2、人工智能的商业模式，是要创造一个市场，而非一个算法

传统的推荐，都是针对个人。

但这里的问题是，如果有一家很好的餐厅，它被推荐给很多人，那么大家都跑到这家餐厅去，就需要排长队，人们的体验就会很糟糕，反过来给差评和抱怨。

如此，整个系统就开始崩溃，形成恶性循环。

你必须要去创造一个市场，而非一个简单的算法。

比如，在APP上面，不仅仅是向客户推荐某一家餐厅。除了让客户看到自己附近有什么餐厅之外，你还要让餐厅看到自己今晚可以供应多少食材，我今天接了一场婚宴之后，还剩下多少个散客的位置。

甚至，你可以了解一下旁边的竞争对手餐厅，他们有没有满座。如果旁边满座了，那么对我而言就是一个机会，我可以打折吸引更多的人流到的餐厅。

你要结合客户和商户两端的需求。

这不仅是一个应用的事情。现在很多公司已经着手在研究这方面的工作。当然，这个过程要充分考虑人们不同的喜好和需求，要掌握大量的数据。

3、计算思维不是说知道如何编程和使用数据库，而是一种思想

计算思维不是说知道如何编程和使用数据库，而是一种思想。关于思考一个问题的抽象概念、模块性、性能……一切你在计算机课堂上学到的东西，而不仅仅是编程。计算机背景的人应该很熟悉这些，不熟悉的可能是推断思维。那是已经有超过两百年历史的统计学里的东西，不是一个新的领域，不是拿到数据就开始进行操作，像做数据库的人那样。

首先要考虑数据从哪来，数据背后是什么，数据获取的过程中有什么问题，这就是推断，还不严格属于计算机科学的研究范畴。即便最后得到的东西都是所谓的算法，你也必须思考背后的统计采样和总体。所以其实我并不是太喜欢机器学习这个词，我认为并没有什么新东西，还是统计思维。但是因为计算机科学家不太懂统计推断的东西，所以他们取了一个新名字叫做机器学习。

很多机器学习的工作都没有考虑推断、采样以及总体，只是把机器学习模型应用到数据却没有得到正确的答案，因为没有考虑偏差、因果推断等内容。我认为把两者结合起来并且认真研究是真正的挑战。我我以前更多关注算法和系统，过去几年越来越像个理论家，逐渐更关注理论同时在某些方面也是关注系统。我在实验室里设计系统的过程中看到了理论性的问题，所以我去寻找计算机和统计的理论，它们有什么概念可以怎么结合起来。

所以我们发展了数据科学这个交叉学科，这并不容易。统计决策理论里有损失函数和风险，但它的基础理论中没有运行时间的概念，你可以去查看几十年来成千上万的统计决策相关的论文，你不会看到任何一篇提及了运行时间；同样地，在计算机这边你可以找到成千上万的论文讨论复杂度，各种复杂度理论，但是却找不到关于统计风险的文章。而利用统计风险理论可以控制基于数据的错误率。此外，对统计估计问题的深刻理解不仅仅包括学习算法、还包括学习下界，学习你可能做的最好的是什么，但是在计算机理论里却没有太多关于下界的。有倒是有，但是不多。

4、未来十年，人工智能哪些可以实现？

互联网小常识：弹性分组环（RPR）是基于动态分组传输技术的（DPT）,其标准是IEEE802.17。环形结构是目前城域网的主要拓扑结构。弹性分组环网络采用双环结构这一点与FDDI相同，在RPR环中，两个结点的裸光纤最大距离为100Km，将顺时针的环称为外环，逆时针的环称为内环，外环和内环都可用统计复用传输和控制分组，同时可以实现环自愈能力。

未来十年，自动驾驶汽车甚至是无人驾驶的空中出租车是有可能实现的，虽然眼下这些技术的使用体验还不甚良好，但是可以期许的是未来十年这些前沿技术应该可以为人们所用。

在技术的可用性上面，相信十年后就可以达到一个比较理想的情况。当然在未来十年之内，人工智能系统的智能还非常有限，你并不会觉得它能和人类一样智能了。我认为未来十年这些AI系统还不能像人类这样有这么高的灵活性和创造性。

AI系统往往局限于某个特定领域，它们能够理解的语义也是十分有限的。至于AI系统在人机交互的过程中能够产生什么样的理解，是否能实现预测、计划等高级智能——实际上我们离这一步还非常遥远，至少要花几十年的时间，甚至数百年时间才能让机器人了解人类。

5、人工智能研究还有哪些是在我们有生之年很难实现？

互联网小常识：由于Winmail邮件服务器支持基于Web方式的访问和管理，因此在安装邮件服务器软件前要安装IIS.

可以说，创造力和智能对于人工智能系统来说还很难实现，推理和抽象能力的实现也似乎遥不可及。例如在社交媒体上，人们时常会创造出一个新的词汇，而其他人也能很容易理解这个词在这个语义背景下的意思，而不需要像计算机一样通过读几千个句子来理解。此外，对于AI系统来说，让它主动做一个长远的规划是非常困难的，而人类却经常会给自己主动设定一些雄心壮志的目标。

此外，AI技术的发展还存在着许多其他的限制，它远没有一个正处于成长期孩子那样强大的学习能力。孩子可以通过少量书本上的图片和信息了解世界，但是AI即使看过了无数张图片和信息，仍然很难对世界产生自己的理解。我并不觉得在可见的未来有什么超人类AI的存在。当然有些并不是AI研究领域的人会鼓吹以后会出现超人类的机器人。我并不认为这种情况会发生，也没有理由会发生。

当然你也有可能不认同这种观点，例如你会觉得计算机比人类的处理能力要强大得多。但人们目前对智能的了解十分有限，因此也无法预估实现真正的人工智能需要多强的运算能力。我们现在能看到的是计算机能够处理大量的数据，但它在做假设、推理等方面的能力还是非常有限的。计算机虽然能识别这些场景，但是它无法了解场景的作用和意义。

人类目前花费大量的精力在帮助机器理解现实世界，但计算机是没有主动学习能力的。计算机和人类的差异巨大，更遑论自我认知等更高层面了。

6、AlphaGo 只是大众的一场梦，要用AI重塑整个世界

无论是在美国，还是中国，AI 都是被高估的。一方面 AlphaGo 让很多公众开始了解 AI 这个概念，也因此有很多炒作围绕 AlphaGo 而展开。AlphaGo 是在一个有限的领域中，通过精良的反复模拟而达成的一种成功的模式，但机器很难模拟整个世界，也因此一场 AlphaGo 的胜利很难说是 AI 的全面超越。

很多领域中，计算机是可以打败人的，但它不是智能。公众大多没有真正地了解 AI 是什么，也很难理解为什么 AI 是很难实现的。另一方面，在 AI 概念的驱动之下，很多公司都开始说「我们是做 AI 的」，但实际的产品和功能并不好。又或者人们会对这些公司报以不切实际的期待，觉得他们会打造出来和人一样的产品。

Jordan 教授强调，对于整个行业来说，我们都需要冷静地理解 AI 的能力和边界，并努力寻找新的方向，这个过程很漫长，也需要更好地管理公众预期。

实际上，在中国，有很多传统的行业，正在使用所谓的 AI 进行能力提升。比如，教育行业利用语音识别和云端服务，实现随时随地一对一地口语训练服务，等等诸如此类。可以看到，这样的趋势在中国正在逐渐变成主流。我们不应该把 AI 当做是一个了不起的、能够打败人类的技术，而是应该将它看做一种新的元素，能够让我们用它重塑整个世界。

7、智能之后带来的挑战

大众都非常关心自己未来的工作是否会被人工智能给替代。人工智能代替一部分人的工作岗位是很正常的。这正是社会向前发展的一环，几百年前的工业革命让一部分人失去了工作，但同时也有更多新岗位的出现。只是人们必需花更多的时间来学习和适应这个转变。

其次，人工智能的安全问题。当前，人工智能的发展还面临着黑匣子的问题。即机器实际上并不清楚自己为何做出这个决定，也不知道给出的结果会带来什么样的问题。这样的情况在沟通和对话的智能系统中，出现问题并不可怕。但在医疗和金融领域，一旦机器医生给出的结果出现问题，那带来的后果会不堪设想。在医疗和金融领域里，必须要提高正确、清晰、无误的结果。这也是未来需要解决的。

第三，数据共享。为了让更多的研究人员参与到人工智能的开发中，许多公司会选择开源自己的人工智能程序源代码。开源意味着每个人都可以对这个代码进行自己的修改、添加。但乔丹指出，尽管谷歌、百度等公司都对外宣称开源，实际上只是放出了部分代码。公司间的竞争导致了这样的情况，但这也给大学提供了机会。乔丹认为，大学应该免费推出更多的开源软件，而且和公司相比，大学在研究领域必定是胜出的一方。

8、几百年内AI不会觉醒，谷歌也不一定能赢

霍金很担心人工智能，但他不是人工智能的研究者，他是一个外行。计算神经生物学近期不会有太大的突破，大概几百年后才能有进展，但我还是保守看好这方面的发展。

计算机视觉领域已经有很好的突破，但我比较看好人机对话、自然语言处理的突破，这些是正在改变或即将发生的改变，譬如谷歌的翻译系统最近有非常不错的成果，下一个领域的突破就是在家用机器人方面，小机器人在日常生活中与人的人机互动，这是多方面应用的人机交互，既有计算机视觉，还有人机对话，以及综合场景处理。家用机器人了解你日常生活的模式，并对此进行学习，然后进行下一步的服务，这是正在进行中的突破。

还有一个就是精准医疗，我非常看好，虽然前景并不非常明确，因为需要了解病人的历史数据，再对可能要到来的疾病进行诊断、预测和治疗。谷歌现在在各个领域都能帮助人，不是谷歌什么都知道，是谷歌可以搜索，或了解这些知识。人工智能的下一步就可以帮助人们做决断，帮人做出决定，这是更深层次的逻辑运算。

在人工智能方面最先获得突破的是谷歌、亚马逊这些大公司吗？Michael I.Jordan认为，就2016年来说，研究机构还是最有可能获得突破的，未来如何不好说，但过去30年的经验，人工智能的研究，研究机构一直领先。

文章版权属北京亿欧网盟科技有限公司所有。文章内容系作者个人观点，不代表亿欧对观点赞同或支持。