《微软洪小文：AI将成为人类未来最好的左脑.docx》由会员分享，可在线阅读，更多相关《微软洪小文：AI将成为人类未来最好的左脑.docx（16页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、微软洪小文：AI将成为人类未来最好的左脑演讲嘉宾|洪小文整理|夕颜出品|AI科技大本营ID:rgznai100导读2019年度6月14日由清华大学五道口金融学院、清华大学国家金融研究院、清华大学研究生会结合主办的“将来已来全球领袖论天下系列讲座再次开讲。应清华大学国家金融研究院院长、IMF前副总裁朱民之邀微软全球资深副总裁、微软亚太研发集团主席兼微软亚洲研究院院长洪小文以“智能简史及数字化转型的将来为主题进展演讲介绍了人工智能AI的开展现状与将来开展方向并就企业怎样借助技术的开展实现数字化转型进展讨论。以下为演讲内容整理我今天演讲的主题是智能简史中国人常讲知古见今这个演讲的目的就是祈望从过去、
2、如今看到将来。AI大热的原因我经常开玩笑AI炽热是因为“人工的反面是“天然“智能的反面就是“愚蠢因为没有人想做天然的愚蠢那当然就喜欢AI了。AI这个学科固然与其它学科相比历史并不悠久但也有很多年度了。1955年度我的师祖教师的教师JohnMcCarthy在达特矛斯会议上提出了“AIArtificialIntelligence之后AI经历了两个冬天。1992年度我刚毕业那时是AI第二个冬天的尾巴。当时学AI的人毕业都不敢讲自己是学AI的我们就讲自己是做语音的假如讲做AI是找不到工作的而如今不做AI的都要讲是做AI。AI开展以来在学术上的定义其实没有大众理解的这么广泛但今天计算机能做的大局部人都认
3、为是AI。此外AI与经济有很大的关系很多人都预测将来的经济很大一局部都要靠AI推动。人类可以制造出超人吗这张图是1950年度?时代周刊?的封面里面有一篇文章讲道“对于拥有超人力量的机器当代人已经习以为常但是拥有超人脑力的机器仍然让人们感到恐惧。超人的设计者们否认他们正在创造人类智力的竞争对手。1950年度AI还没有定义1956年度的达特茅斯会议还未召开全世界的计算机也不超过10台。当时每一台计算机都有一个房间那大其运算才能、储存甚至不如今天的智能手机。在那个时代大众很担忧有人造出了比人类都聪明的计算机。我们并不害怕大型机械飞机、汽车但是却在AI还没有影子的时候就感到害怕这代表了大众对智能这件事
4、情真是既期待又怕受伤害。这也讲明了为何大众如此关注AI包括很多人对AI产生了不太正确的看法。我把智能画成一个金字塔自底至上越来越复杂越来越接近智慧。计算记忆力在这个金字塔上最底层的是计算、记忆力。神机妙算过目成诵都是智能的表征神机妙算就是计算过目成诵就是记忆。不管是图灵机还是冯诺依曼机我们见过的机器根本都包含了CPU中央处理器和存储计算机靠这两样东西就可以运算所有的程序。回想我人生第一次挫折就是我小学一年度级时没有被选上进珠算队而今天大局部人显然都不会送小孩学算盘。在我们那个年度代珠算也分级、分段就像下围棋一样。大众觉得一个人很会用算盘是非常了不起的算盘可以算很复杂的计算甚至可以开根号做三角函
5、数。当时我的教师告诉我你的身体没有那么好课后还是回家休息吧不要参加珠算队我当时认为是自己不够聪明所以才没有入选。我感到很难过直到高中时才缓过来但如今已经没人认为算得很快有多了不起了。没有人跟计算机比计算也没有人跟计算机比记忆。我搬家3年度到如今连家里的都不记得。今天我假如写10个号码让大众记忆10分钟以后我出一串数字问是不是刚刚讲的号码的其中一个大局部人可能都答不上来。我觉得既然计算机可以帮我们计算、记忆我们就可以很放心地让它来做。计算机比我们强没有关系。我在上图用紫色代表计算机远远比我们强的局部。感悟自下而上智能从计算记忆到第二层的感悟。事实上这一波AI的复兴都与其有关比方微软在前几年度做的
6、ResNet这就是一种感悟。事实上我们的老祖宗也很厉害“聪明这两个字就是耳聪目明计算机视觉很强听力很强这就叫“聪明千里眼、顺风耳都是形容感悟。例如在以前语音识别可以完全听懂人讲的话是不可思议的。但如今它已经有了很多应用场景如法院的书记员、智能音箱、智能助手都有这方面的应用看起来似乎计算机超越我们了事实上也确实是这样。再如假如你在海关工作假设有500个嫌疑犯你的目的是监察这500个嫌疑犯通过关口我相信很多人还是会辩认错误而且这样的工作也非常枯燥。假如计算机可以帮助我们去做这样的工作并且可以做得很好那么感悟这局部我们就让给计算机吧认知还有一个概念叫做认知英文是Cognition。在心理学中认知心理
7、学是非常重要的一支它是指我们对一件事情的理解并可以做出推理、方案最后做出决策。认知其实是工作、生活中最有用的东西。工作时每天要做很多决定之后制定政策。政府官员要制定政策公司的指导必需要看市场或者做产品的策略这些都是认知。你必须解析、认识、知道以后才能做出决定。我们来看看计算机以及人在认知方面做得怎样。去年度微软在自然语言方面有很大的打破微软亚洲研究院机器浏览系统在SQuAD挑战赛中率先超越人类程度。考过英文试卷的都有经历高考、托福、GRE、SAT都有这种浏览理解大多数人是考不了总分值的而计算机在这方面可以超越人的平均程度从识别到理解非常困难但计算机已经可以做得很好了。另外一个是翻译微软中-英机
8、器翻译程度已经可以“与人类媲美。我们都知道翻译的前提是理解计算机固然没有理解但是翻译可以做得非常好。我本人根本不会讲法文但是可以利用机器翻译到法国巴黎就可以靠机器翻译顺利买到歌剧的门票。微软小冰不仅做智商层面的问答还有情商方面的问答小冰这类对话机器人在学术历史上非常重要。图灵是计算机的始祖他在AI还未被定义为AI的时候就想到了“图灵测试。他讲道有两个房间一个房间里是真人另一个放置机器人与机器进展对答假设40%-60%的人分不出哪个房间里是真人哪个房间里是机器图灵测试就通过了。很多人通过图灵测试判断AI有没有通过人的智能考量。小冰固然没有做很严格的图灵测试但微软一直用用户每一轮对话大概交互的次数
9、作为衡量的KPI。在微信上我们与最熟悉的朋友、亲戚对话每一轮也大概不过五次。大众明明知道它是一个机器人还愿意与它交谈二十次以上是因为与它议论了一些有意义的东西让你欲罢不能。从某种意义上讲小冰已经远远超过了图灵测试。我们让小冰变成人们可信赖的伙伴并以它为根底开展一些商业应用更重要是做一些科学实验。大局部商业行为里用到的都是所谓的认知它可以用一张图来解释我甚至认为人类所有行为都可以变成进化来自于反应这样一个闭环。有了假设或者要做实验时我们要做的第一件事情就是先分析然后做出决策最后到实际的物理世界执行并通过传感器采集数据。物联网是指与物理世界打交道其中传感器用来采集数据执行器用于在物理世界中执行动作
10、。几乎所有的事情每完成一次闭环就可以有所改良包括做社会心理学分析、做实验、做假设、做产品或者是做互联网。如今因为数据很容易获得分析与决策就可以用AI假如在一个闭环中有方法采集到数据就可以把它自动化。很多AI的商业应用都可以抽象为是在做这样的事情。制造业是首先享受AI成果的行业如今已变成常态比方可预防的维修。例如蒂森克虏伯thyssenkrupp电梯集团是微软的客户之一发生电梯故障时利用AI他们首先在电梯里装传感器采集速度、声音、温度等数据。我们可以把它当作一个黑盒传感器采集数据以后系统起码可以做以下两件事情第一异常分析。区分正常以及非正常状态下数据区段用深度学习或者机器学习方法建模。当数据出如
11、今快要出故障的区段公司就可以做可预防的维修可以先派人到现场很多时候可能加几滴油就够了。第二数据采集足够多后还可以做分类工作公司不但知道电梯快坏了甚至还可以分成不同的情况每种情况分别有处理方法比方加油、换零件。同样的道理可以运用到许多其他领域比方汽车维护有了车联网可以将所有车里的数据上传到云端实现可预防性的维护。人工智能VS人类智慧1982年度有一位斯坦福心理学系的教授用“中文房间实验来挑战图灵测试假设房间中有一个不懂中文的人给他一本词典每次给他递进去一张写着中文的纸里面的人通过词典查纸上的每个汉字假设他可以查到所有的文字可以对照列出字词的组合。这个实验证明即使通过了图灵测试也不一定是真正的智能
12、因为这个人不可以真正理解中文的含义。所以他认为这种模拟思路并没有思维以及理解叫做弱AI有思维、真正解析的AI是强AI。只有理解才有可能做所谓的白盒推理而人最重要的是可以做因果分析。事实上今天AI大多做的相关性做不出因果关系我们必需要知道因果关系才能举一反三。比方机器不能胜任做投资、并购因为并购不是封闭系统会受到许多外部因素的影响而且这些因素无法预测也没有足够多的数据。我们人生中重大的决定都是这样你可以做各种分析但是最后还是会受很多未知因素的影响。今天我们所谓的深度学习是一个不可解释的AI它是一个黑盒做不了因果关系的分析。所以如今可解释的AI是一个很重要但非常难的研究方向。三十年度前一位图灵奖得
13、主同时是加州大学洛杉矶分校的一位教授讲到他做了一辈子因果关系分析但估计AI起码还要在十几、二十年度以后才可以解释为什么以及白盒分析。?人类简史?、?将来简史?和最近的新书?当代简史?中提到将来大数据能做所有的决定甚至包括我们的婚姻我对此持不同的看法中国人的婚姻讲究先看八字但是我们也没有全信。将来是未知的把如此重要的事全部交给黑盒似乎有所欠妥但是这不代表AI没有用。AIHI所以我们需要让AI以及HI人类智慧一起做分析以及决策人做决定时要看大数据机器可以做一些简单的问题且非常有效但这不代表大数据会决定一切。同时我们也不要妄自菲薄人类的智慧很多时候在做分析时得出一定成功的率但最后不见得选择最大机率的
14、方案就一定成功还会受到很多随机因素的影响。关于智能金字塔从计算以及记忆力、感悟到黑盒的认知AI已经做得很好了。但是在认知局部我用了两个颜色紫色以及绿色。创造力用绿色表示代表目前人能做得更好。近些年度深度学习可以用于“创作比方诗词创作。去年度我们用此技术教微软小冰写诗并出版诗集。如今通过大数据分析小冰不但能写诗还可以看图写诗甚至作歌、作词、作曲。这是否代表计算机真的有创造力其实创作十分是艺术创作还是要有人类自己的想法。今天AI可以产生这些东西不代表它知道为什么产生因为它是一个黑盒。再讲围棋可怜的李世石先生可怜的柯杰先生他们的算法来自于自己还要用自己的脑袋计算而AlphaGo的算法来自于10多个科
15、学家用上万台机器在云端进展计算这本身就是一个不公平的比赛因为计算机可以计算得飞快人做不到。假如李世石以及柯杰还有一点点祈望赢的话他们的算法肯定有独特的地方。如今人们经常讨论某AI将取代人类事实上大众忘记了一件事那就是今天计算机所有的算法都来自于人假如有人讲有一台计算机可以自己想出算法那绝对是吹牛。从这个角度来看人类大可不用担忧计算机超越人类这根本不可能。假如你仔细看脑神经科学家归纳的左脑以及右脑的特征会发现左脑负责逻辑、顺序、分析、数字化、理性、事实等右脑那么负责知觉、随机、综合、主观事实上计算机是一个最好的左脑。所以其实计算机与人类正是左右脑互用的关系我们需要右脑来做创造提出新的算法。?金庸
16、小讲?中的智慧与“睡出来的诺贝尔奖讲到智慧在金庸小讲?倚天屠龙记?中张三丰教张无忌太极剑法张三丰第一次舞剑时问张无忌是否能看懂张无忌答复看懂七成张三丰讲很好不错第二次舞时张无忌讲只看懂五成张三丰讲很好有所进展第三次舞张无忌讲糟糕这次完全看不懂了张三丰讲好你已经贯穿了可以上场了。我个人理解这就是接近了智慧意识是人独有的我们知道身处何地面对谁我们的意识无处不在。有一本书叫做?TheSpectrumofConsciousness?是一位耶鲁大学教授所著这本书讨论了意识与创造力之间的关系他把一个人一天的生活分成两个阶段高频谱以及低频谱。高频谱就是我们早上起来喝一杯咖啡精神很好做什么事情都不会记错也不会
17、算错低频谱就是我们吃过午饭打一个盹甚至做白日梦、睡着、洗澡这些时候是低频谱。几乎所有脑科学实验得出来的结论都是大局部人不是在高频谱的时候最有创造力而是在低频谱时这并不完全是绝对的但是在低频谱的时候人们似乎创造力更强。贝多芬做?第九交响曲?时既聋又盲梵高晚期割掉自己的耳朵但还是画出了不起的作品。此外两位诺贝尔奖得主的科学家凯库勒以及奥托都清楚地记得他们重要的科学创造是在做梦时想到的尤其是奥托他表示他在第一次做梦时梦到了一个东西第二天早上起来时忘记了细节所以他第二天回去睡觉又梦到一样的梦这一次他把梦的内容写了下来因此得到了诺贝尔奖。但是凯库勒以及奥托都提醒道只睡觉没用因为不要忘记睡觉最多只能给你一
18、个大胆的假设但还需要小心求证在实验室中做无数实验证实。我认为更重要的是这个故事背后的原理很有可能两件无关的事神智清醒时人们很清楚地知道它们之间无关但是在半梦半醒时可能看到这两件事情的相关性而创新常常是在这个经过中产生的。所以要做出一个有意识的机器首先要让计算机可以梦想但这很难如何让计算机真正地梦想才有可能产生了不起的创造力没有人知道。弱AI这种单一用处的黑盒很有用。强AI类似于通用AI什么都懂一点很多东西我们并不是专家但也总能想出了不起的想法。我的师祖JohnMcCarthy当年度召开达特茅斯会议时有人问通用AI多久可以实现他给了一个智慧的答复5-500年度。我们知道当然不是5年度可500年度
19、相当于永远所以何时会出现通用AI没有人知道。我认为做一个有意识的机器人代表着你不能控制它你可以想方法去洗脑但是不见得会成功。所以我认为做一个有意识的机器人固然在科学上很有意义但是不见得有过多意思。AI是大数据驱动的知识我们应该怎样对待AI呢我持非常乐观的态度AI的关键是人它很大程度上与工具一样是在帮助我们做事且与人互补人类有创造力但计算慢记忆也会出错所以我把AI称为大数据驱动的知识。我们应该庆幸我们是第一代与AI一起生活的人类。我小学时认为可以计算、会珠算很了不起但如今我不这样认为了如今我认为人更高阶的东西是一种人类智慧以及机器智能的共性化。数字化转型与AI接下来是数字化。为什么数字化彻底改变
20、了我们的世界数字孪生是指任何物理世界的中存在的事物都会有一个数字孪生兄弟。数字孪生至少有两大意义1.预测如在数据世界预测马达、机器、引擎、医疗器械状况可以做可预防的维修2.模拟、仿真比方在仿真世界训练无人车以及无人飞机公司、国家的政策都可以用仿真的方法做实验。微软重回市值第一其中一个重要的原因就是彻底的数字化世界。数字化转型其实很多都是在自动化、优化、改良决策所以可以产生新的产品、效劳以及商业模型有更高的消费力。对于数字化转型来讲平台以及技术很重要但人是最难改变的这对指导力、组织、思想、文化的挑战更大。微软与德勤针对全世界的的企业大、小、中型企业进展调研结果显示90%的企业已经认识到数字化转型
21、的重要性但是只有30%的企业认为他们已经开场数字化了其中只有15%的企业认为他们可以自己完成数字化转型。大众可能更多地在关注AI事实上没有数据以及计算AI是转不起来的所以我更祈望大众多谈ABCAI、大数据、智能云。AIForGoodAI时代技术变得越来越重要人们有很多与技术相关的负面隐忧如平安、隐私问题、假新闻、偏见甚至担忧AI是否会取代人类的工作。我认为一个产品或者技术最后都反映了人的价值观。我们需要多方利益相关者介入其中牵涉到除了技术之外的商业专家、经济学家、社会经济、公共政策者、心理学家、律师、政府需要大众一起来讨论。所以微软全球执行副总裁微软人工智能及微软研究事业部负责人沈向洋博士与微
22、软公司总裁施博德BradSmith先生联袂编著了?计算将来人工智能及其社会角色?一书祈望以赢得信任的方式设计人工智能我们提到七个原那么合法与主权、负责、透明、公平、可靠与平安、隐私与保障、包容。一百至两百多年度前90%的人从事农业工作如今这一群体可能只有10%其它90%的人并未失业这是因为工业革命产生了更多新的价值。所以与其担忧技术是否会改变工作还不如关注我们应该怎样训练我们以及我们的下一代怎样终身学习。将来的开展非常漫长让我们一起努力谢谢大众*本文为AI科技大本营整理文章转载请联络1092722531精彩推荐 “只讲技术回绝空谈2019AI开发者大会将于9月6日-7日在北京举行这一届AI开发者大会有哪些亮点一线公司的大牛们都在关注什么AI行业的风向是什么2019AI开发者大会倾听大牛共享聚焦技术理论以及万千开发者共成长。目前大会盲订票限量出售中扫码购票领先一步推荐浏览人工智能六十年度技术简史你点的每个“在看我都认真当成了喜欢