本篇文章4798字，读完约12分钟
一个普遍接受的观点是，人工智能的发展速度将是指数级的，现在看起来可能很愚蠢，但是在你意识到它已经变得更强大之前，它会越过那个“奇点”，很快超过你，然后把你远远地甩在后面。
后来，一些人开始意识到奇点理论确实被夸大了。但是人工智能对我们的生活有什么影响吗？事实上，很多时候，你可以感觉到一些怀疑论者的观点并没有被夸大。最近，有人甚至说，随着人们越来越依赖机器根据大数据和各种算法做出决策，我们实际上已经把生命交给了机器人。
在这个勤奋的公开课上，我们邀请了微软亚洲研究院院长洪小文博士向我们解释，随着人工智能(I)的迅速发展，人工智能能否与我们的智力相提并论。
微软高级副总裁、微软亚太R&D集团董事长、微软亚洲研究院院长洪小文。他对微软sapi(语音api)和语音引擎技术的发展做出了公认的突出贡献，并获得了多个不同类别的荣誉和奖项。他也是美国电气和电子工程师协会的ieee会员和国际公认的语音识别专家。现为中国传媒学会传播学编委，在国际著名学术期刊和会议上发表学术论文100多篇。他与人合著了《口语处理》一书，该书被世界上许多大学作为语音教学教材。此外，他在各个技术领域拥有36项专利发明。
洪小文一直负责基础研究和产品开发。同时，他涉足了许多研发领域。目前，洪小文博士是微软亚太R&D集团董事长、微软亚洲研究院院长，全面负责微软在亚太地区的研发和产品开发战略推广，以及与中国和亚太地区学术界的合作。他认为，他多年来形成的“双重视角”可能有助于中国年轻学者把握正确的方向。
▎如何评价人们对人工智能的恐惧？大多数公众对人工智能的恐惧源于一些科幻电影和小说的影响以及一些媒体的全面报道。所以我认为这种恐惧是很自然的。
公众对人工智能的恐惧具有一定的合理性和规律性，这可以从以下两个方面看出:
人工智能，连同所有计算机的软件和硬件，确实有一种非常强大的能力:人们喜欢比自己强大的东西，在某种程度上，感到恐惧是很自然的。
人们对聪明的东西感到好奇，但又担心它们(智力):人们总是对智力和智力感到好奇，并希望增加他们的智力，但他们害怕别人或其他东西会比自己聪明并控制自己。正是因为人工智能赋予计算机一定的智能，它们才不同于其他新事物。
人们对人工智能的恐惧有其根源。1950年美国时代杂志的封面表达了人们对计算机智能的担忧。那时，计算机并不流行，但是与像飞机和卡车这样的大型机器相比，人们开始担心人工智能是否会比他们自己更聪明，这将对他们自己构成威胁。
▎人工智能的工作机制是做出各种概率性的选择，而人类的生活也在不断地选择。这两者之间有什么相似之处和不同之处？的确，有相似之处也有不同之处。
相似性:当人和机器做出选择时，它们相当于做出一个概率性的选择。
今天的人工智能系统，尤其是1990年以来的人工智能系统，无论是基于统计模型、大数据还是深度学习，实际上都是一个基于概率框架不确定性的选择过程。人类在做任何事情的时候经常会面临做一些决定的问题，我们做的很多决定对未来来说都不是100%可预测的，所以我们也是基于概率框架来做决定的，甚至是随机的，所以我认为在这方面也是相似的。
不同的是:人们做出的许多决定都是不可逆转的、不可重复的。
就像选择我们的伴侣，选择学校和专业，选择职业，每一个决定，即使有相似之处，也是不同的决定。我们都是在数据和信息不完整的情况下做出决策的。相比之下，机器为我们做出的决策有一半以上是重复的。由于可重复性，它可以收集数据并使用各种机器方法对其进行优化。例如，从概率的角度来看，当一件事情必须做很多次，甚至是无限次时，概率就会被反映出来，而且它一定是你最想要的答案的概率最高的事情。
相反，即使我们知道概率分布，人们可能不会选择概率最高的，但可能会选择个人最满意的、产出比最大的，甚至会做出一些不合理的选择，因为这只是一次。这个一次性的决定，概率对我们没什么帮助。当一台机器做出决定时，它需要收集尽可能多的数据，然后根据这些数据优化一些重复性的东西，然后做出决定。
▎:我们应该把人工智能看做生活中的什么角色？在大多数情况下，人工智能给人类带来了好处和便利，但一切都有两面性。在享受这些好处和便利的同时，可能会有一些相应的风险。这些风险包括以下两个方面:
对人工智能的依赖
例如，人们依赖于方便易用的技术/事物(如记忆电话号码)。现在很多人用智能手机存储电话号码，我现在记不起我家的号码了。
在更深的层次上，人们不能被说服，因为他们不知道计算机背后的具体细节，这导致降低人们解决问题能力的可能性。
例如，全球定位系统导航，现在很多人不知道为什么全球定位系统应该制定这样一个计划的路线。另一个例子是阿尔法戈或深蓝击败人类，但它为什么采取这一步？背后的原因尚不清楚。
人工智能或深度学习的最大缺点之一是他们可以用这些模型做出许多伟大的决定，但是在它的背后，人们不知道为什么他们应该做出这个决定，并且他们不能被说服。事实上，人工智能技术在这方面非常薄弱，尤其是在今天的深度学习中，你不知道它为什么这么做。我们解决问题的能力将来可能会减弱，因为我们无法洞察这些微妙的部分和推理部分。
▎的研究人员希望开发出强大的人工智能，但担心开发出强大的人工智能后无法控制。你认为这个问题怎么样？最近，越来越多的人被问到强人工智能和弱人工智能。在这里，我将向你解释什么是强人工智能和弱人工智能。我们可以先告诉你，强大的人工智能并不那么强大，但是脆弱的人工智能可以非常强大。
弱人工智能
实际上，我个人喜欢另一种说法——有限人工智能或狭义人工智能。弱人工智能实际上说它只能做一件事。它以前被称为专家系统，但今天我们称之为深度学习或其他名称。几乎所有的深度学习(如物种识别、语音识别等。)只能做他们擅长的一件事。
例如，如果我们做一个项目来预测北京的天气，我们只能预测北京的天气。因此，弱人工智能实际上是一个专业人员的概念，它在早期被称为专家系统，与人类专业人员非常相似。木匠、裁缝和天文学家都非常擅长他们自己的领域，弱人工智能可以被视为像他们一样的专业人士。
强大的人工智能
与弱人工智能相反，强人工智能像人类一样是多面手。像人类一样，他们可以看、听、跑、做算术、理解语言、翻译、画画、思考等等。与人类相似，他们有通才智能，称为强人工智能。
众所周知，多面手和专业人士是有区别的。如果你把一切都与专业人士相比较，你就不能把他们与通才相比较，但是专业人士可能不像通才那样全面。例如，爱因斯坦，作为最伟大的科学家之一，在他自己的生活中可以说是笨拙的，不一定能与普通人相比。
这就是为什么强大的人工智能实际上在每个项目中都很弱，只是它有通才的能力。
事实上，有很多例子，例如，人类不能像一些动物跑得一样快，所以我们发明了汽车来让我们跑得更快。另一个例子是，人类不能像鸟一样飞，所以我们发明了飞机让我们飞向天空。因此，可以说每辆车和每架飞机都是专业的。因此，弱人工智能或窄人工智能是好的。到目前为止，人类已经创造了许多工具，每个工具都有特殊的功能，这实际上是一个专业。作为一个通才，我们人类把这些专业人员带到我们自己的使用，所以我们可以完成许多我们不能完成的事情。
有些人可能会问，这些都是机器。我们能不能把弱人工智能和强人工智能结合起来，创造出一个多才多艺但各方面都很强的机器？
这种可能性肯定会存在，但真的很难。正如我们知道机器是专业的，人类是多面手一样，如果你想要某样东西，而且每样东西都很强大，人们会害怕这样的东西是可以理解的。不要谈论机器或人工智能。如果一个人今天在各方面都是专业人士，每个人都会感到可怕。因为它与我们所知道的不同，我相信这种可能性永远不会出现。但是如果发生这种情况，那就太可怕了。
有可能吗？
人是多面手，他有很多缺点:跑不快，飞不快，不够快，不够准确。发明电脑比我们的更准确、更快。人类最伟大的东西是创造力，但创造力似乎与人类的弱点有关。
人的意志就像光谱。当光谱很高时，也就是说，当人们的意识很强时，他们做事情准确，但有时当人们的意识很弱时，他们的创造力相当高。例如，古代的诗人和作家，如李白和白居易，在醉酒时往往能写出艺术造诣很高的诗歌，贝多芬在晚年完全失聪时创作了伟大的第九交响曲；梵高割下耳朵后，用痛苦和软弱的意志创作了举世闻名的画作。在现代，凯库勒梦见一条蛇变成六边形，咬了他的尾巴。他受此启发，发明了苯的结构，这对有机化学的发展产生了巨大的影响。因此，当人们的意识薄弱或不集中时，就有可能把两个看似不相关的东西联系起来，做出大胆的假设，当然，它们必须经过仔细的验证才能产生如此强大的创造力。强大的人工智能当然有它的优点。没有人有所有的特色菜。然而，当我们的意识薄弱时，我们往往能产生强大的创造力，而且没有机器能模拟这种创造力。一些人正在讨论是否有可能创造出没有创造力的强大人工智能。不要说在计算机世界里，不管是生物学、心理学还是神经科学，每个人都同意没有意识就很难拥有强大的人工智能。人们还远没有强大的人工智能。
▎如何让人们客观理性地思考人工智能，而不是抱着极端的态度？事实上，你不必对人工智能太消极。
从专家的角度来看，我们应该制造可控技术。
几乎所有的工具都可以被我们控制，包括人工智能，包括电脑、飞机、刀具和我们制造的其他工具。以汽车为例，如果我们把汽车开到东边，它必须被控制。但是当我在家的时候，我让我的妻子倒了一杯咖啡。也许她10次中只会去5次。她会说你有五次手和脚。你为什么不自己去呢？这反映了一个问题。我们对人和机器有完全不同的要求。
因此，我们必须是可控的。我想每个人都同意你无事可做。不能控制它有什么意义？我经常讲一个笑话，如果你想创造一些聪明的东西，但你不能控制它，那不是我们的孩子吗？我们都希望我们的孩子比我们聪明，但我们无法控制他们。如果我们真的想成为一个无法控制的人，生孩子是件好事。如果我们制造机器，我们必须控制它。
人工智能是人类编写的算法，人类的算法高于机器的算法。
上面给大脑一张左右脑的图片。可以看出，我们所说的计算机的大部分功能和属性属于左脑，发散性、创造性和创造性与右脑有关。电脑充其量只是最好的左脑。这个问题有两种算法1+2+3+4+...在高斯求和算法之前，它是缓慢添加的。有一位数学家，名叫高斯。有一次，老师让他从1加到1000，他以为要花半个小时，但他用n (n+1) /2n算法在几秒钟内给出了答案。
从1+2+3+4+有两种算法...+n .今天，如果我们想把一个数加到无穷大，如果计算机用一种愚蠢的方法来计算，而人们用一种好的高斯方法来计算，我可以保证计算机仍然比我们快。但是我们不应该忘记，人与计算机之间的竞争，总是一个算法+实际计算的两个结合的竞争。
在上一次比赛中，除了算法之外，阿尔法戈还增加了至少数万台机器进行幕后计算。我觉得李世石很“可怜”，除了算法之外，他还会用脑子计算。我们知道，人们的计算无法与计算机相比，无论是加法、减法、乘法和除法，还是开一个根数，都是在向石头扔鸡蛋。所以如果只是算法的话，我想也许李世石的算法仍然高于阿尔法戈的算法。
因此，我的结论是，在计算机能够自己编程并自己生成下一个算法之前，计算机比人类更聪明，没有可比性。我们的创造力在于创造一种新的算法来解决一个未解决的问题和一个已解决的问题。这个解决方案比其他的更好。这就是所谓的算法，今天所有的算法都来自人类，包括深度学习。
最后，机器、计算机和人工智能今天所做的(99.99%)是重复的。
例如，记住电话号码、全球定位系统导航、所有大数据操作和深度学习都是搜索大量大数据并将它们导入预设算法进行优化的选项，具有最高的概率或期望。我想大多数人都会同意我的观点。我们非常乐意让机器人或人工智能做重复性的事情。我们将做最高层次的事情——那些一生只能做一次的决定。这种事情是我们的创造力需要解决的问题。基于这些问题，我们将考虑发明一些算法。这种事情也是我们人类应该发展的方向。
关于
自2006年以来，基础理论的深度学习没有取得很大进展！但是现在这个行业热情高涨，我们在盲目地推动什么呢？
现在，每个开源平台都没有快速发展，是开发人员的水平跟不上，还是推动开发平台的大公司的功能不完善？
作为微软亚太R&D集团主席和微软亚洲研究院院长，如何确保研发项目的创新和领先？
……
它将在我们的下一篇文章中介绍，所以请期待它！
