隨著近幾年全球各大科技巨頭紛紛入場人工智能領(lǐng)域，催生了一大批技術(shù)的發(fā)展和落地：AI醫(yī)療、智能翻譯、圖像識別、智能社交機(jī)器人、無人駕駛……這些技術(shù)的背后都離不開“深度學(xué)習(xí)”。科技改變我們生活的同時，也給我們帶來了某些隱憂：人工智能會不會取代我們甚至統(tǒng)治我們？

 

　　日前，中信出版社推出了《深度學(xué)習(xí)：智能時代的核心驅(qū)動力量》一書。本書作者特倫斯·謝諾夫斯基是全球人工智能十大科學(xué)家之一、深度學(xué)習(xí)先驅(qū)及奠基者，親歷了深度學(xué)習(xí)在20世紀(jì)70年代到90年代的寒冬。但他和一眾開拓者，利用大數(shù)據(jù)和不斷增強(qiáng)的計(jì)算能力，終于在神經(jīng)網(wǎng)絡(luò)算法上取得重大突破，實(shí)現(xiàn)了人工智能井噴式的發(fā)展。中信出版社特別邀請微軟（中國）CTO韋青分享了這本書的閱讀感受，以及對人工智能發(fā)展的判斷。

 

 

　　首先我們怎么看深度學(xué)習(xí)，它到底是新的知識，還是一種范式的轉(zhuǎn)變？人工智能非常廣泛，其中機(jī)器學(xué)習(xí)是一方面，深度學(xué)習(xí)又是機(jī)器學(xué)習(xí)的一個子域。我認(rèn)為深度學(xué)習(xí)不僅僅是知識，更是一種思維范式的轉(zhuǎn)變。

 

 

　　愛因斯坦說過：“我們不能用制造問題時的同一思維水平來解決問題”。我們處在一個智能的時代，機(jī)器開始解決很多人類原來以為自己擅長的，結(jié)果是機(jī)器更擅長解決問題，所以我們需要努力學(xué)習(xí)新的知識。《深度學(xué)習(xí)》這本書的作者特倫斯·謝諾夫斯基，是幾十年一直跟著業(yè)界發(fā)展的前輩和專家，他在這本書清晰的把“深度學(xué)習(xí)”的來龍去脈講清楚了。其中最大的核心點(diǎn)，是這種知識要求我們了解人類的思維方式，并通過數(shù)學(xué)算法轉(zhuǎn)變對世界的描述方式，讓我們理解這個世界是由很多模型構(gòu)成的。

 

　　如果我們還帶著過去的思維方式，無論是電氣化時代的思維方式，還是信息化時代的思維方式，都無法理解智能時代人的思維方式和計(jì)算機(jī)的計(jì)算方式有什么異同。過去的思維方式會產(chǎn)生兩種結(jié)果：一方面容易把人工智能所帶來的成就神話和夸大，另一方面對數(shù)學(xué)和算法的進(jìn)步帶來的人工智能發(fā)展成果產(chǎn)生誤解?，F(xiàn)在出現(xiàn)很多“機(jī)器是否會代替人，機(jī)器人是否讓人類滅亡”的擔(dān)憂，都是因?yàn)闆]有充分了解什么是人工智能。

 

 

　　由于技術(shù)的進(jìn)步引發(fā)的新話題層出不窮，我們不斷被動地接收新的理念。越來越多的人發(fā)現(xiàn)，人類開始進(jìn)入“無人區(qū)”，沒有一個大思想家或者大哲學(xué)家能夠告訴我們未來會怎么樣，所以人們就產(chǎn)生了很多爭論，關(guān)于人工智能的爭論，關(guān)于機(jī)器智能的爭論，關(guān)于機(jī)器人的爭論，關(guān)于技術(shù)和人類關(guān)系的爭論等等。

 

　　微軟公司CEO薩提亞曾在一場演講中說：“未來沒有人引導(dǎo)我們，那么我們可以選擇以史為鑒，看看歷史上發(fā)生過什么。”最有代表性的就是第一次工業(yè)革命到第二次工業(yè)革命之間，由蒸汽時代進(jìn)入電氣化時代。我把這個階段總結(jié)為四種態(tài)度和四種結(jié)局。

 

　　在蒸汽時代，很多有影響力的全球性公司用蒸汽力量代替人的四肢，但當(dāng)電氣出現(xiàn)的時候，絕大多數(shù)公司態(tài)度是看不起電，因?yàn)樽畛蹼姷男什⒉粔蚋?。第一類公司的想法是電力不行，效率太低，沒有未來，蒸汽力量足夠了，一百年之后這些公司被淘汰了。

 

　　第二類公司放下一些包袱，認(rèn)為電是新生事物，也有潛在發(fā)展的可能性，但是仍然堅(jiān)信蒸汽機(jī)的力量，堅(jiān)信只要對蒸汽機(jī)進(jìn)行改良一樣可以保持競爭力，這些公司也被淘汰了。

 

　　最可惜是第三類公司，他們已經(jīng)放下舊的生產(chǎn)力，開始擁抱新的生產(chǎn)力和形成新的生產(chǎn)關(guān)系，但是思維方式?jīng)]有改變。他們認(rèn)為自己全面擁抱電氣化時代，已經(jīng)產(chǎn)生比蒸汽機(jī)時代超高的效率，更低的成本，但是他們還在跟蒸汽機(jī)相比，這些公司最終也被淘汰掉了。薩提亞提到，我們做了一些粗略的分析，只有不到5% 的公司在那個時代完成了轉(zhuǎn)型和飛躍，真正進(jìn)入了電氣化時代。

 

　　當(dāng)時大部分企業(yè)對于電氣化的觀念只是能點(diǎn)多少盞燈，或者生產(chǎn)線能夠提高多少效率。只有5%的公司選擇徹底放下包袱，忘記什么是電氣，什么是蒸汽，而是把它們都當(dāng)成是工具。這些公司要的就是進(jìn)入新的時代。這代表更高的效率，更低的成本和更優(yōu)秀的用戶體驗(yàn)和產(chǎn)品品質(zhì)。

 

　　通過歷史上的事件可以發(fā)現(xiàn)，我們現(xiàn)在對未來的任何預(yù)估都是不足夠的，都可能沒有完全估計(jì)到未來的沖擊力。

 

　　在歷史上的某個階段，古人類開始發(fā)現(xiàn)和使用工具，比如用骨頭或者石片可以敲東西，完成手完成不了的能力。著名的科幻電影《2001太空漫游》中有一個非常著名畫面，猿人忽然有一天發(fā)現(xiàn)可以拿骨頭去敲另外一個骨頭，可以把別的骨頭敲碎，這就是人類歷史上大的進(jìn)步。他就發(fā)現(xiàn)這個骨頭不僅可以敲骨頭，也可以敲肉，可以敲瓜果，敲野獸，也可以用來防身。那時候人類發(fā)現(xiàn)，原來可以拓展四肢的能力，利用外部工具去提高自己的能力。

 

　　工業(yè)革命之后，人類發(fā)現(xiàn)不僅靠傳統(tǒng)的工具，還可以靠各種機(jī)械的力量代替人類的四肢。我們現(xiàn)在不會無聊到說在肌肉能力方面還可以跟機(jī)器一拼，比如去和一輛汽車比賽跑步，應(yīng)該沒有人會這樣做了。其實(shí)不僅是肌肉的機(jī)能，我們連計(jì)算的機(jī)能都都已經(jīng)被淘汰掉了。有沒有人可以馬上開7的3次方？應(yīng)該沒有。我們可以十幾塊錢買一個計(jì)算器，計(jì)算器就可以做到。我們?yōu)槭裁磳@種現(xiàn)象不會抱恐懼心理，而對人工智能抱有莫名其妙的恐懼心理？

 

　　技術(shù)是拿來用的，而不是拿來吹和炒的

 

 

　　很多業(yè)界專家都有這樣的感受，現(xiàn)在媒體對人工智能的炒作過熱，反而讓廣大讀者，甚至是決策者失去了對這件事的核心把握。人工智能的核心實(shí)際上就是機(jī)器學(xué)習(xí)的能力，就是一種機(jī)器智能。現(xiàn)在主要表現(xiàn)方式是深度學(xué)習(xí)，但并不意味著我們曾經(jīng)嘗試的符號學(xué)，用邏輯推理的方式其實(shí)并沒有過時，只不過還無法實(shí)現(xiàn)。現(xiàn)階段深度學(xué)習(xí)取得了巨大突破，引領(lǐng)大家進(jìn)入到新的未來。新的未來里面會不會是深度學(xué)習(xí)和其他人工智能、機(jī)器學(xué)習(xí)的方式共存的方式？我們并不知道，所以我們不要排斥這種觀點(diǎn)，尤其不要認(rèn)為現(xiàn)在就是深度學(xué)習(xí)這一種學(xué)習(xí)方式。未來應(yīng)該是人類的學(xué)習(xí)能力、機(jī)器學(xué)習(xí)能力、深度學(xué)習(xí)能力和邏輯推理能力是共融共生的階段，這可能是更加客觀描述未來時代特征的一個方面。

 

　　智能時代之前的深度學(xué)習(xí)要靠數(shù)據(jù)的堆積去學(xué)習(xí)和驅(qū)動。但是現(xiàn)在的數(shù)據(jù)既不夠大，也不夠好。雖然我們有很多數(shù)據(jù)，但是并不算真正的大和好。大數(shù)據(jù)的概念并不是多，我們數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)來源沒有形成萬物互聯(lián)的社會，物聯(lián)網(wǎng)沒有布設(shè)到，5G沒有到位，可能數(shù)據(jù)不夠那么多，不夠那么好。支撐萬物互聯(lián)的基礎(chǔ)架構(gòu)恰恰是一個云計(jì)算的架構(gòu)。所以倒著講是智、大、物、云，正著去演繹是云、物、大、智。

 

 

　　如何理解人工智能我總結(jié)了四點(diǎn)：首先，一定要應(yīng)用。如果我們?nèi)W(xué)了“學(xué)會如何學(xué)習(xí)”的課程就會發(fā)現(xiàn)，現(xiàn)在最流行的方式是Problem-Based Learning，就是以問題為導(dǎo)向的學(xué)習(xí)，以實(shí)際解決問題方案的學(xué)習(xí)。未來是終身學(xué)習(xí)的時代，不存在大學(xué)畢業(yè)之后就不學(xué)習(xí)了。如何終身學(xué)習(xí)？一定要帶著問題去學(xué)，這樣學(xué)得越來越深入，學(xué)得越來越有用。人工智能也是一樣的，它是一種學(xué)習(xí)的過程。學(xué)習(xí)不能為了學(xué)而學(xué)，一定是問題為導(dǎo)向的。

 

　　我的第二個觀點(diǎn)就是，深度學(xué)習(xí)的發(fā)展不僅僅要靠數(shù)學(xué)的進(jìn)步，不僅僅要靠計(jì)算機(jī)科學(xué)的進(jìn)步，還要對人類自己的神經(jīng)、腦神經(jīng)、傳輸神經(jīng)、感知神經(jīng)的理解，才能知道是怎么回事。

 

　　現(xiàn)在我們每個人有基礎(chǔ)的學(xué)習(xí)能力，機(jī)器學(xué)習(xí)也是一樣，只是通過開放的接口開放學(xué)習(xí)的通用能力。未來每個人一定要在通用能力之上，掌握行業(yè)的學(xué)習(xí)能力，才能夠真正為人類帶來更大的福祉。

 

　　第四點(diǎn)就是要真正產(chǎn)生深度學(xué)習(xí)能力，我們需要有數(shù)據(jù)，需要有人才，還要有算法和算力。像微軟這樣專業(yè)公司可能會提供更強(qiáng)大的算法和算力，更多的公司需要在人才培養(yǎng)，數(shù)據(jù)收集上面下很大功夫，這樣才能產(chǎn)生互動的促進(jìn)作用。數(shù)據(jù)、人才、算法、算力這四者缺一不可。每一方面在未來都巨大的商機(jī)，正是因?yàn)槲覀兗磳⑦M(jìn)入智能社會，商機(jī)恰恰不是只在智能本身，而是各個方面。

 

 

　　我用盲人摸象的寓言來舉例，這個時代是沒有專家的時代，我們每個人都在學(xué)習(xí)。不存在輸在起跑線上，因?yàn)槊刻於荚谛碌钠鹋芫€。我們只要不放棄學(xué)習(xí)，不放棄自己，不要認(rèn)為我到了某種年紀(jì)或某種地位，我就不去學(xué)了，也不要因?yàn)槲沂菍W(xué)文科或者我是學(xué)理科的我就不要再學(xué)其他的知識。未來需要的是天天學(xué)習(xí)。因?yàn)檫@個偉大時代還沒有來，我們最多是摸著大象的其中一部分，所以每個人都有可能成為最終摸到大象整體的那個人。

 

　　正是因?yàn)檫@個時代沒有專家，同時也是沒有所謂的公理的時代，每一個理論都有可能成為當(dāng)時可行的理論，但是并不意味著能夠成為永遠(yuǎn)的理論，永遠(yuǎn)成功的法則。我們要去學(xué)習(xí)，不要唯各種專家，不要唯新，更重要唯實(shí)，你自己去試，小馬過河，水是深淺只有自己知道。聽別人說可以，包括我現(xiàn)在講的，這也只是我在微軟這么多年的體會和理解，并不代表所有人體會和理解，尤其不代表是否是正確的。我們不妨能夠自己去試一下，大膽去試發(fā)現(xiàn)原來水既不像A說得那么是深，也不像B說的那么淺，對你來說最適合的就是最好的方法。

 

 

　　最后以比爾·蓋茨先生的這段話作為結(jié)尾：“人們大都傾向于高估他在一年內(nèi)所能完成的事情，但又容易低估他們堅(jiān)持十年后能夠取得的成就。”大家一定要明代，第一沒有專家，第二沒有起跑線，第三每天都在重新更新有新知識新理念出現(xiàn)，我們先不要放棄自己，同時把握最基本的對自己的自信和信念，認(rèn)真學(xué)習(xí)。