柯潔完敗，但說AI超越人類卻是胡扯

AlphaGo只能幹一件事，就是下圍棋，干這事它需要消耗440千瓦能量，人類下棋只需要20瓦能量，而且人類可以同時做很多事情——下棋、過馬路、面對面交流……究竟誰更智能？

Piero Scaruffi |文

很多人擔心機器會從人那裡搶走工作，我並不不這樣認為。就現在人工智慧的具體現狀而言，現在對這個技術的誇張的成分是比較多的，但人工智並沒有那麼厲害。同時，有一個優越於人類的智能，就是超人類智能，我不害怕人工智慧的到來。

人工智慧的兩個學派

最早的計算機，在最開始的時候，被稱為電子大腦。實際上第一部電腦的誕生也就意味著人工智慧的誕生。人工智慧有兩個不同的學派，第一個學派就是知識學派，也叫做符號學派，還有另一個學派叫神經網路學派。他們兩個學派幾乎是同時開始的，但是符號學派在人工智慧領域長期是占上峰。為什麼會造成這種局面呢？因為神經網路在當時的計算機的條件下，是非常難以實現的，但是改變這一局面的就是摩爾定律。計算機性能越來越強大，速度越來越快，價格也越來越便宜，神經網路也變得可以實施了，我們進入了深度學習時代。

首先神經網路成為了現實，再進一步就是深度學習，深度學習是在很多層的神經網路基礎上。很多人認為，2006年是深度學習的初生之年，因為2006年發現了多層的深度學習網路。2012年深度學習的網路取得了非常大的成就，就是圖象的識別。接下來每一年深度學習網路都有特別重大的突破，現在我們看到的是深度學習對於識別音頻和語言的最前沿的成果。

我們現在生活的這個時代，人機對話非常盛行。圖片識別的技術也日新月異，越來越準確。2012年，神經網路學會了去識別貓，但是，當時他們是一共用了16000個處理器才完成的這個任務。這也是現在人工智慧的一個奧秘所在， GPU這麼小的一個體積，但是性能是非常強大的。

現在機器翻譯的質量也是越來越高，所以現在許多大公司都向人工智慧的初創公司進行投資，AI的初創公司的估價現在都很高。去年有一個很大的新聞，就是一個叫AlphaGo的軟體打敗了人類的圍棋大師。雖然這並不是第一次機器打敗人類，但是因為這件事是由谷歌下屬的一個公司做的，所以有很多的媒體對此進行了大篇幅的報道。

因為現在AI的性能真的是很強大，有許多人對於AI心有忌憚。比如有個人在舊金山成立了一個組織，希望可以將AI用到有益的地位，而不是對人類有害的地方。機器人也取得了同樣的進步，甚至人工智慧也涉及到了藝術領域，去年有一個非常著名的神經網路的藝術創作者，展出了一些人工智慧化的一些畫。神經網路首先學會了人類藝術家的畫風，給它任何一個圖片，都可以轉化成這個風格的圖畫。

人工智慧的真實用處

人工智慧的成果的確也令人嘆為觀止，我也很理解為什麼人們對於人工智慧有一些恐懼。但是就現實中人工智慧的一些真實的用處，我們的體會就會大不一樣。

我們現在經常說機器人和無人駕駛汽車，但是他們只能在結構化程度非常高的程度下進行工作。我們必須製造一個環境，明確的告訴他們什麼可以做，什麼不可以做。在那樣的環境中，即使智商很低的人也可以開車。所以在那樣結構化程度很高的環境中，汽車也可以自己駕駛，就是無人駕駛。能做到這一點的秘訣在於結構化環境，無人駕駛汽車在一些美國的城市或者是拉丁美洲很難去成為現實，因為環境特別的混亂。機器能識別一隻貓，讓人覺得特別的印象深刻，但是別忘了任何一隻老鼠也可以識別貓，老鼠也並不需要16000台電腦的幫助去識別一隻貓。

AlphaGo取得的成績非常令人驚嘆，但是也看一下背後所支持的那些技術。它有一個很龐大的數據集，裡面包含了15萬場比賽。而且很重要的一個事實就是機器強大的運算能力。AlphaGo只可以干一件事情，就是下圍棋。用一個非常簡單的運算來解釋，AlphaGo需要消耗440千瓦的能量才能完成一件事情，而人類的大腦只需要用20瓦的能量。人類的大腦只需要用20瓦的能量，但是可以做很多事情，可以下圍棋，過馬路，做面對面的交流，還有許多其他的事情。也許AlphaGo真的是讓人非常的驚訝，但是440千瓦的能量，你看一下旁邊的普通的人，20瓦，究竟誰更加的智能，答案顯而易見。

還有一個很重要的事實，就是神經智能只有在很大的數據集的前提下才可以工作。我做了一個這樣的數據的列舉，這些是神經網路背後的數據級的量級。比如說李飛飛建立了龐大的數據集，三年以後圖象識別的技術取得了非常長足的發展。如果說你讀到一個新人說神經網路取得了什麼樣的進步，你一定要注意在這個成就取得的許多年前，肯定有人已經建立了一個相關的龐大數據集。有人就建立了這個邏輯數據集，希望神經網路可以去學習。

大家別忘了，神經網路是依靠計算機的速度越來越快而實現的，如果說計算機的發展終止了以後，神經網路將去往何處呢？下場將如何呢？在這個過程中要看到人工智慧的有限。

非人類智能的發展

我覺得我們周圍充滿了非人工智慧。我說的不是上帝，我說的是動物。我們以蝙蝠為例，它可以在黑暗中飛行，也可以躲避物體，還可以捕捉昆蟲，甚至可以倒掛在天花板上。你能做到這一點嗎？這就是非人類智能，聽起來嚇人嗎？至少我聽起來不害怕。

實際上我們發明了很多物品，可以做到人類不能做的事情。拿鐘錶來舉例，鐘錶發明於1000年以前，可以干一件人類不能幹的事情。比如說我們做某個事情，計算時間，1秒、2秒、3秒……我相信沒有人可以做到這一點。現實中可以舉很多這樣的例子，機器可以做到人類不能做的事情。人們害怕機器人，因為在好萊塢的電影中，機器人都是來勢洶洶，把人類消滅掉。下一次你坐飛機的時候，一定要自己提醒一下自己，飛機就是機器人。現在天空上就有成千上萬架飛機在飛行，它並沒有殺死任何一個人。

人工智慧並不可怕

人工智慧並不可怕，只是一種技術，有進步但是也有自己的局限性。我們需要機器嗎？當然，答案是肯定的。我們現在在生活中就有這些機器人可以幫我們做一些簡單的工作。他們並不會傷害別人，他們可以做一些簡單的事情，但是對人來說是非常有用的。

現在也有一些家用機器人活躍在廚房中，但更重要的是一些工業用的機器人，是在工廠中。工廠就是一個機器人用處的很好的例子，因為現在的工業機器人實際上性能是非常的精密，非常複雜的。為什麼呢？因為工廠擁有結構化程度很高的環境。很多國家，比如說日本、歐洲，他們現在人口老齡化的問題越來越突出，他們需要機器人的幫助。機器人就可以解決這個問題。機器人也可以從事一些危險的工作。

我最喜歡機器人的應用的場景，就是醫療方面的。

有一次我去採訪飛利浦的時候，飛利浦的健康中心工作告訴我，每年有1350億個醫療圖象產生。你知道現在的醫療圖象拍的時候只是針對一個問題，而且只有一個醫生能看到這個圖象。可能這個圖象中也包含了一些其他的醫生沒有發現的一些問題。醫療的人工智慧可以每一天同時看1350億個圖象，拍這個片子是因為可能有人在胸腔里有一些什麼樣的問題，也有可能這個圖象中也反映了這個人可能有心臟的問題。

有兩個最新的醫療方面的AI的進展。斯坦福大學最近開發了一個可以診斷皮膚癌的應用，診斷的精確率跟一個皮膚癌專家的準確率是一樣的。這一周在英國也開發了一個神經網路，是可以發現醫療圖象中的心臟病。每一年有兩千萬人因為心臟病而離開這個世界，這個神經網路就可以很大程度上預防這樣的疾病。

我們需要人工智慧，我們需要機器人，人工智慧還是有很大的局限性。 我不能相信沒有常識的機器，沒有常識的機器肯定沒有任何的結論，就不會識別這是什麼，那是什麼。常識是非常重要的，我們每一天都用到常識。我們今天舉的案例是非常近期的案例，人是不需要讀大學，不需要有學位就可以都有常識的。

去年在英國發生了一件事，當時警方的直升機在天空中飛行，在追捕盜賊。地面上有一些孩子想幫助警方，孩子在面上不能向直升機喊話，但是又想幫助警察，他們怎麼做才能讓警察知道逃犯往哪個方向跑呢？他們組成了一個人肉的箭頭。沒有人教這些孩子，他們就是自己想到了這個辦法，他們組成了一個箭頭，去告訴警察，盜賊往哪個方向跑了。

現今的時代，真的是生活處處可以看到機器，機器人已經來到了。我們需要人工智慧，而且人工智慧所打造的社會將會為我們創造現在無法想象的工作機會，所以不用害怕機器人的到來。

本文為作者在正略讀書會第128期「智能的本質與AI技術的未來高端分享會」上的演講，點擊左下角閱讀原文