摘要

　　顯然，國內對于人工智能的炒作已經脫離了它的本意。

　　「我們不能用制造問題時的同一思維水平來解決問題」，這句出自愛因斯坦的箴言，對于身處智能時代的人類社會而言，意義匪淺。引用此言的是微軟（中國）CTO韋青。

　　如何看待人工智能，又應怎樣理解深度學習？如果依賴于電氣化時代和信息化時代的固有思維方式，人們就無法深刻理解智能時代，人腦的思維方式與機器的計算方式之間異同點。

　　人工智能解放人類手腦的同時，也在唾棄平庸無為之輩。一些人習慣把傲慢與偏見對準「人工智能」，另一群人則是對 AI 迷信到底。很明顯，「人們還沒有了解人工智能到底是怎么一回事」，韋青直言不諱道。

　　人工智能亦敵亦友

　　你曾否思考過，人類是如何形成視覺感知能力的？ 

　　科學告訴我們，人眼中的自我并非「真我」，而是視網膜上的視錐細胞和視桿細胞把光子轉化成電子，電子再通過視神經傳輸到大腦皮層，經過層層分析，大腦對電信號進行計算，最終才得以讓我們擁有開眼看世界的可能。

　　科普了視覺原理，我們就能更深層次地理解，利用算法處理視覺信號、視頻信號，從而對圖形、圖像和視頻進行分析的全套流程。 

　　要知道，人工智能并不是近十余年才興起的前沿技術。早在 1956 年舉辦的達特茅斯會議上，關于人工智能的設想照進現實。翻閱過往歷史，人工智能先后迎來了三次興盛時期，其中最被人熟識的，當屬 2016 年 3 月 AlphaGo 以 4:1 的成績完勝世界圍棋一號人物李世石的封神之夜。AlphaGo 被世人矚目和敬仰的同時，也讓人工智能深不可測的技術實力得到真正量化。

　　此后，Deepmind 祭出了 AlphaGo 若干個增強版本，深度學習技術賦予它橫掃千軍的實力，令它在世間求一敗而不能。

　　彼時，人工智能已足矣讓部分人坐立不安了，這種「技術碾壓」不禁讓人細思極恐。前有霍金，后有埃隆·馬斯克，業內權威專家學者對人工智能表現出的高度警惕，令人深感憂慮。不少人在「人工智能威脅論」蔓延和發酵的過程中倒戈，失去了昔日的樂觀與振奮。

　　的確，我們需要對技術懷揣敬畏之心，但人工智能遠沒有想象中那么糟糕。關于馬斯克等人的觀點，絕大多數人都是斷章取義、管中窺豹。韋青解釋：「馬斯克想表達人工智能這一新生事物非常強大，超乎人類的想象空間。擁有這種能力的人類將變成一種超人類，這種超能力一旦掌握在居心不良人手中，極有可能對普通人造成壓迫式的打擊」。

　　正如諸多科幻題材的影片情節一樣，馬斯克的確不相信人類能夠把控住自己。讓人工智能發展處于停滯狀態顯然不可行，反不如努力友善擁抱這項技術，把它變為「公器」，而不是私器。

　　有一類觀點認為，一旦實現「技術平民化」，再厲害的能力和工具都會為廣大民眾產生福祉。

　　因此，馬斯克給出的解決辦法是「Open AI」——這個由他在內的多名硅谷商業精英共同創建的人工智能非營利組織，目的是預防人工智能的災難性突變，推動人工智能向健康積極的方向發展。目前，這一組織已經開放了諸多 AI 算法，例如 OpenAI 最近發布的通用語言模型 GPT-2。

[[257902]]

微軟（中國）CTO韋青

　　「Open AI 背后的含義和世界經濟論壇的方法如出一轍，都是要解決數字鴻溝的問題」，韋青表示。 

　　經過幾年的發展，深度學習已經走過了晦澀的啟蒙階段。「行業門檻逐步拉低，行業學著把各種算法全部開源了」，韋青直言，如今人工智能的壟斷或鴻溝并不是在算法層面，而是數據層面的壁壘，「很多企業在布局人工智能，但很多個體沒有明白這一點，他們沒能努力擁抱這種變化，只是平白無故地擔心自己是否會被淘汰」。 

　　業界很多專家學者始終想和廣大受眾強調：不要把機器能力神化，機器自始至終都在充當替代人的某種機能的角色，目的是減輕人的負擔。那么，人類究竟會不會被所謂的人工智能替代？韋青的答案是「既會也不會」。

　　「會」是因為當你自我放棄，沒有主動地擁抱這種技術，自然被擁抱這種技術的人淘汰；「不會」則是因為人類是不會被某項技術所淘汰，而是被掌握更高技術的人踢出局。按照這一角度去理解，會發現埃隆·馬斯克與比爾·蓋茨、霍金、世界經理論壇上企業家們的觀點如出一轍。他們的核心觀點有兩個：一是人工智能的能力非常強大；二是誰在擁有這項技術。

　　第四次工業革命路在何方

　　由于深度學習技術的進步在全球范圍引發的新話題層出不窮，越來越多的個體意識到，人類正在進入「無人區」。迄今為止，沒有任何一個大思想家或者大哲學家能夠預測，以人工智能技術為首的第四次工業革命的社會進程和時代脈搏。我們不妨以史為鑒，從歷史中搜尋規律。

　　非常具有代表性的時期是工業革命到第二次工業革命，由蒸汽時代即將邁入電氣化時代的過渡時期。當時很多具有全球影響力的的公司，用蒸汽力量替代人力。但當電氣出現的時候，絕大多數公司極其不屑，因為最初電能的效率遠不及蒸氣動能。韋青把這段歷史總結為四種態度和四種結局：

• 頭一類公司的想法是電力不行，效率低，沒有未來，蒸汽力量足夠了，一百年之后他們被淘汰了。
• 第二類公司放下一些包袱，認為電是新生生物，也有潛在發展的可能性，但是仍然堅信蒸汽機的力量，堅信只要對蒸汽機進行改良一樣可以保持競爭力，這些公司也被淘汰掉了。
• 第三類公司最可惜，他們已經放下舊的生產力，開始擁抱新的生產力和形成新的生產關系，但是思維方式沒有改變。他們認為自己全面擁抱電氣化時代，已經產生比蒸汽機時代超高的效率，更低的成本，但是他們還在跟蒸汽機相比，這些公司最終也被淘汰掉了。
• 第四類公司吹響了勝利的號角。當時，大部分企業對于電氣化的觀念封閉，眼光只聚焦于點亮多少盞燈，生產線能夠提效多少。只有不到 5% 的公司在那個時代選擇徹底放下包袱，完成了轉型和飛躍，真正進入了電氣化時代。

　　上世紀五六十年代，全中國人民對未來社會的憧憬是「樓上樓下電燈電話」，這在當時似乎是比較前瞻性的暢想，全民仿佛看到了理想社會的終點。幾十年之后再看，固定電話已經被互聯網和智能手機取代。

　　通過上述歷史時間不難發現，人類對未來的預估力不足，注定不能預測劃時代的沖擊。

　　深度學習是知識，更是全新的思維范式

　　人工智能的概念相對寬泛，機器學習僅是其中之一，而深度學習又是機器學習的一個子域。韋青認為，作為人工智能的一種方式，深度學習不只是新知，更代表著傳統思維范式的轉變。

　　無論是早期的圖靈時代、馮·諾依曼時代、香農時代，他們都對計算機和人工智能有著獨到理解。在機器學習成為主流之前，「邏輯關系」試圖站穩腳跟。遺憾的是，這種以邏輯思維為主導的方式，試圖解讀人類的決策機制困難重重，業內專家紛紛認為此路不通，轉而把精力投入到「模仿腦神經的機制」來做決策。

　　在韋青看來，深度學習的核心，實際是數學算法對世界描述方式上的轉變。大眾也需重新解構人類傳統的思維方式，認知到我們的世界是由無數個模型構成的。

　　他閱讀了特倫斯·謝諾夫斯基的著作《深度學習》后，有了全新的啟發和感悟。「人類的思維方式和思考能力等同于某種模式的識別，它和數學算法存在著天然關聯」，他說，「業界知名的人工智能專家和學者通常覆蓋多個研究領域。一是以數理化為主的科學領域，另外是以醫學、生物學、神經學為主的領域，兩者的結合恰恰順應了智能時代的潮流」。

　　深度學習之于人工智能，為何在智能時代如此重要？

　　他強調，深度學習不僅是人工智能從業者的研究方向，也是政府決策者、普通民眾需要了解清楚的科普內容。隨著數學和人類思維方式的進步，勢必影響著人們對學習方式的重新理解。

　　倘若不能摒棄固有思維，我們就無法理解智能時代人腦和計算機在思維方式和計算方式的異同點。這回直接招致兩種后果：一是容易把人工智能所帶來的成就神化和夸大；二是技術上的進步，對人工智能取得的成果造成負面影響。后者最典型的例子就是不明真相的民眾對「機器會否替代人，或機器人會否讓人類滅亡」產生過分擔憂。

　　填補機器學習之外的空白

　　雖然我們稱之為是人工智能，它是機器學習的方法，而現在又是一種深度學習的方法。深度學習只是一種數學和算法對人的一種思維方式的模擬，對自然界模型的模擬和認知。只要能夠通過數學方法，把自然界能夠產生某種模型的模式識別出來的領域，都是現階段以深度學習為代表的機器智能更大發揮手段和場景。

　　可以看到，機器學習或深度學習已經在金融、安防、教育等場景下廣為落地。這是因為視覺和聽覺信號的傳播和識別的方式，恰恰能夠被數學的矩陣方式來描述。我們有理由相信，不管是未來的五年還是十年，假使有人發現了某種數學表達方式能夠形容味覺、嗅覺、觸覺的話，人類的更多身體機能還會被機器所代替。事實證明，數學能夠更精確地表達人類產生的某種信號，而且可以做得更好。

　　取得這些成就時，我們更多地把 AI 長掛嘴邊，韋青認為：「當我們只提 AI，不說 ML，不說馮·諾依曼，不說圖靈，不說 GDPR 的話，往往會造成誤導，讓大家誤以為我們已經進入了 AI 時代，實際上我們還有很多最基本的概念沒有解決」。

　　「高校現在忽然出了很多 AI 院系、AI 教材，實際上課程還是圍繞機器學習。這種情況下我們要問試問，所謂『AI』到底是『真智能』，還是僅僅局限于模型識別」，如果一下把目標機器學習上升到 AI 層面，反而可能錯失很多入門的途徑。

　　中國特點是我們有海量的數據，有海量人口，還有數量眾多的公司。所以我們很有這種優勢在這輪技術進步中形成突破。但是如果抓錯了點，沒有去深刻理解，為什么這本書叫《深度學習》，不叫機器學習，也不叫人工智能，這本身就說明很大問題。 

　　關于 AI 的含義，韋青更認同微軟亞洲研究院院長洪小文的詮釋。他提出「AI=MI+HI」，即「Machine Intelligence+Human Intelligence」。

　　一些業內人士心明如鏡，國內對于人工智能的炒作已經脫離了它的本意。

　　舉例來說，國內外學者更愿意用「Machine Learning（ML）」來撰寫論文，而不是 AI。「包括 NIPS 在內的會議名稱都不以『AI』來命名，這是國內需要深思的議題」，韋青強調，業內沒有專家學者反對 AI，只不過他大家普遍認為 AI 時代遠未到來，更何況現代科學尚未破解早先「專家系統」的迷題，暫時選擇用概率論和數據，模仿神經學習的方式向人工智能靠攏，「而且只是模仿人類的神經網絡運行的很小一部分，沒有完全理解神經網絡的運行方式」。

　　「我們也不能忽視另一種思潮，已經有一些專家致力于研究后馮·諾依曼時代的計算架構」，韋青表示，馮·諾依曼的架構很難做太多的并行計算。如果不破解這一架構，就無法模仿人類神經行為的并行計算。此外，還有人提出能否再突破圖靈機的限制，尋求一種「超圖靈」的能力。他呼吁業內更多地專家和學子，不妨先去研究圖靈和馮·諾依曼的理論，破除一些局限之后，或將成為 AI 真正的突破窗口。