出彩人生

AI技术一个好汉三个帮

　　如果说新算法、新数据和新硬件是AI的三大支柱，那么背后还有3种力量也是居功至伟。

　　1 云计算

　　经过10年的发展，云计算已经走过了概念验证（POC）的阶段，进入了规模落地的时期，正在发展成为新时期的关键信息基础设施。云计算就像20多年前TCP/IP那样，正在改变这个世界。

　　云计算不仅直接推动了大数据的兴起，也正在让AI as a Service 成为现实。业界大佬纷纷推出了“GPU/FPGA/算法/数据 as a Service”，方便用户做深度学习，通过云端直接租用就可以了。

　　2 开源框架

　　如果说20多年前，以Linux为代表的开源，主要是在模仿商业软件的做法。那么今天，开源已经能够引领技术发展的潮流了。10年来，不仅是软件定义世界，更是开源软件定义世界。

　　2016年前后，AI巨头们纷纷开源了深度学习框架。比如Facebook的Torch和Caffe、谷歌的Tensorflow、亚马逊的MXnet、微软的CNTK、IBM的SystemML等。10年前，Google开源了Android 操作系统，成功打造了智能手机的Android生态。现在，Google等纷纷开源AI框架，希望往日的辉煌重现。

　　3 摩尔定律

　　50多年来，摩尔定律一直支配着半导体行业的发展，并且已经扩展到了存储、功耗、带宽和像素等。摩尔定律说，同样成本每隔18个月晶体管数量会翻倍，反过来同样数量晶体管成本会减半。

　　过去的30多年里，以CPU为代表的微处理器的计算能力提升了100多万倍。当今世界约有30多亿人使用的智能手机，每部的性能都超过1980年占据整个房间的超级计算机。

　　摩尔定律是CPU、GPU和TPU等快速发展的基础。虽然Google号称TPU把摩尔定律加速了7年，但摩尔定律仍然支配着CPU、GPU和TPU的性能曲线。

技术局限性

　　深度学习的效果取决于网络结构的设计、训练数据的质量和训练方法的合理性。无论是从统计学还是对智能的基本认知的角度看，这次以深度学习牵引的AI产业化浪潮，还处于发展初期的阶段，存在不少瓶颈。

　　首先是在算法方面。一是深度学习还是黑盒子，缺乏理论指导，对神经网络内部涌现出的所谓“智能”还不能做出合理解释。二是事先无法预知学习的效果。为了提高训练的效果，除了不断增加网络深度和节点数量、喂更多数据和增加算力，然后反复调整参数基本就没别的招数了。三是调整参数还是在碰运气。还没有总结出一套系统经验做指导，完全依赖个人经验，甚至靠运气。四是通用性仍有待提高，没有记忆能力。目前几乎所有的机器学习系统都是被训练于执行单一任务，无之前任务的记忆。

　　其次是在计算方面。目前的机器学习基本还是蛮力计算，是吞噬“算力”的巨兽。一是在线实时训练几乎不可能，还只能离线进行。二是虽然GPU等并行式计算硬件取得了巨大进步，但算力仍然是性能的限制性瓶颈。三是能够大幅提高算力的硅芯片已逼近物理和经济成本上的极限，摩尔定律即将失效，计算性能的增长曲线变得不可预测。

　　第三是在数据方面。一是数据的透明度。虽然深度学习方法是公开透明的，但训练用的数据集往往是不透明的，在利益方的诱导下容易出现“数据改变信仰”的情况。二是数据攻击。输入数据的细微抖动就可能导致算法的失效，如果发起对抗性样本攻击，系统就直接被“洗脑”了。三是监督学习。深度学习需要的海量大数据，需要打上标签做监督学习，而对实时、海量的大数据打上标签几乎不可能。

　　第四是无法与其他学派结合。目前AI取得的进步属于连接学派，缺乏常识，因此在对智能的认知方面，缺乏分析因果关系的逻辑推理能力等。比如，还无法理解实体的概念，无法识别关键影响因素，不会直接学习知识，不善于解决复杂的数学运算，缺乏伦理道德等方面的常识等。

有智能无意识

　　现在，业界只知道深度学习在图像处理和语音识别等方面表现出色，未来在其他领域也可能有潜在的应用价值，但它究竟做不了什么，如何与符号主义的逻辑推理等结合起来仍然不清楚。深度学习还需要更安全、更透明和更可解释。

　　前文这波AI热潮是由机器学习引发的。到2017年，机器学习的神经网络已具有数千到数百万个神经元和数百万个的连接。这样的复杂度还只相当于一个蠕虫的大脑，与有1000亿神经元和10000亿连接的人类大脑，差了N个数量级。但尽管如此，神经网络下围棋的能力已远高于一只蠕虫。与此同时，一只蠕虫所具有的自繁衍、捕食和躲避天敌等智能，无论是人类智能还是人工智能，都望尘莫及。

　　现在的AI是建立在“认知即计算”的理论之上的，实现时必须依靠计算机、服务器和GPU等各种“图灵机”。但基于图灵可计算理论，“卢卡斯论证”和彭罗斯“皇帝新脑”等早已论证或分析了，人的意识是非算法的，计算机无法建立起“自我”的概念。换言之，基于图灵机的AI在理论上是无法觉醒的，或者说，能够觉醒的AI不会基于这一代的计算机技术和理论。

　　AI让智能和意识分离，AI的智能完全有可能会超越人类，虽然它一直是无意识的。“AI已经在几乎所有需要思考的领域超越了人类，但是在那些人类和其他动物不需要思考就能完成的事情上，还差得很远”。计算机专家Donald Knuth对AI现状的评价，也将会是相当长时间内的未来。

中国信息通信研究院

AI的未来怎么样？

一句话不知道能不能说明白（预测）：“在即将进入的“扩增时代”AI将辅助人类使其能力得到巨大进化！未来还将帮助人类从根本上彻底改变生活方式，并推进人类社会进入‘后奇点社会’”

那么，下面我们来科普一下上面的几个知识点：

• 扩增 & 扩增时代：这个概念是在TED Talk大会上被首先提出的，它表达了我们现在所处的时代特性。从持续了数百万年的“狩猎时代”；到持续了几千年的“农耕时代”；再到持续了几个世纪的“工业时代”；发展到最近持续了几十年的“信息时代”，时间越来越快。随着科技的发展，我们即将踏入一个全新的时代，一个计算系统可以帮助你思考、机器人辅助你生产制造、数字神经系统扩展你的感知与世界建立连接，这一切皆有AI伴随其中。人类的综合感官能力、行动力、思考力等将因此得到巨大的进化，这就是“扩增时代”，它的到来极有可能要归功于AI。
  

预言家说：“技术奇点”到来的速度被加快了，人类最早将在2050年进入“后奇点社会”。

• 技术奇点 & 后奇点社会：“技术奇点”是一个根据技术发展史总结出的一种预测性观点。对于这个词通俗的解释是，人类社会可能会因为AI人工智能出现和自我进化而使得技术的发展成指数级进步，在短时间内达到完全超越人类智慧的状态，甚至超越人类的理解能力，你根本不知道它会把我们的生活改变成什么样，这个时间点被称为“奇点”。

看到这里不要怕，这只是一个根据技术发展史总结出来的预测，但它极有可能发生，就算真的发生了，也不会出现有些谣言所说的“毁灭日”，AI的发展并不会像电影里那样。

事实上未来AI进化所引发的“技术奇点”反而是我们人类所需要而且必须要经历的阶段。它会让我们跨越好几个时代，从根本上彻底改变我们的生活方式、社交方式、生产方式，谁也想象不出来那时候我们的日子会过程啥样，但有一个事实是那时候的AI将成为我们生活的一部分。

上面所提到的那种社会形态，就是“后奇点社会”。人类、电子人、人工智能、机器人将是一种共生关系，那是一种全新的社会形态。

这一切如果顺理成章的发生了，那都要归功于AI。

所以，你觉得AI的未来怎么样呢？

猫眼智客-杨明慧

AI目前还能“用耳朵听到”，它不只能听懂你的话，还能通过听Beatles或你的音乐，创作出新的音乐，或者模拟它听到的任何人的声音。一般人无法分辨出一幅画或一首曲子是由人还是由机器创作的，也无法分辨出一段话是由人类还是AI说出的。

AI正在变得像人类一样神秘。那些认为计算机无法拥有创造力，不能撒谎、出错或者像人类一样的想法，是来自于旧有的基于规则的AI，这些AI确实是可预测的，但它们会随着机器学习的出现而发生改变。AI一旦掌握了某些新的能力，就被称作“不够智能”，这样的时代已经结束了，对AI来说，唯一真正重要的区别是：通用AI，或者狭义AI。

氪星情报局

　　据悉，本轮融资的资金将主要用于产品上线、B端商家拓展及团队完善等方面。

　　智能一点是一家专注于智能导购的AI公司，核心团队主要来自于阿里、微软、惠普等世界500强企业及一线互联网公司，团队70%为技术和研发，在人工智能、大数据和移动互联网方面拥有强大的技术背景和商业变现能力，目前产品已落地母婴、出行、餐饮等行业。

　　智能一点创始人胡云华认为：商家在售前痛点明显：晚间不值班期间，难以及时响应，用户流失；售卖存在潮汐现象，在促销高峰期对用户咨询应对不过来；人工客服表现差异大，服务质量难把控。针对这些问题，智能一点可以给商家提供能够不断学习的AI售前导购，它能够听懂消费者到底想问什么，随时快速、有效地指导消费者选购商品，促进购买转化。

　　据了解，此前，智能一点已经获得3轮融资，分别是：2017年1月，获得120万元种子轮融资；2017年3月，获得洪泰基金和洪泰智造工场联合投资、创新谷跟投的600万元天使轮融资；2017年9月，获得1000万元Pre-A 轮融资，青松资本领投，早前投资机构全部跟投。

投资界

“深度学习不是AI的未来”（https://mp.weixin.qq.com/s/OaRGa18V-5TYjlLR2Th7iQ），最近这篇文章在朋友圈广为转发，试图给目前越来越火的深度学习降降温。

正如有的网友对这篇文章的评论，我也非常赞同这个标题，但对这篇文章的内容却不能完全苟同。

文章想要表明，现在业界似乎在偷换概念，把“人工智能”偷换成了“深度学习”，亦即批评业界把深度学习当成了人工智能的全部。对此观点，我深表赞同。但是这篇文章自己也不知不觉犯了偷换概念的错误，即把“深度学习”偷换成了“统计方法”，即认为深度学习就是统计方法或大数据方法研究人工智能的全部。诚然，深度学习可以看成是统计方法的一种，然而统计方法或大数据方法研究人工智能，并不是只有深度学习。

不过，我写这篇文章的目的，并不是要纠结这些概念的问题，而是想就那篇文章的核心观点进行探讨。探讨之前，为避免读者认为我也是在偷换概念，我先申明一下：我认为统计方法研究人工智能，与大数据方法是相同的，它们的核心都是“只关注相关性，不关注因果性”，即“知其然，而不知其所以然”。那篇文章实际上反对的正是这个“知其然，而不知其所以然”，即他说的“没有解释性”，统计性的人工智能无法对其所做的结论给出一个合理的解释。比如文中说到“无疑深度学习在未来还会解决更多的问题，取代更多的工作，但不太可能解决所有的问题，或者保持惊人的进步以对其所作决定的公正性进行合理的解释。”（注意，按我上面所说，这里说的深度学习实际上就是统计或大数据方法，下同）

文章认为，我们人是能够对结论进行合理解释，但大数据方法不行，因此这个方法与人类思维的方法是不同的，所以它不是人工智能的未来。在这里，我同意的一点是，模仿并达到甚至超过人类智能的水平就是人工智能的未来。但大数据方法真的与人的思维是不同的吗？文章为了证明这一点，做了如下的论述，并举纳粹的例子来说明：“深度学习的一个局限是把数据中最常见的内容作为真理，把统计学上较稀少、或与较常出现的内容相反的东西看作谬论。深度学习的公正性并非来自其自身，而是人类筛选和准备的深度学习数据。深度学习可以阅读并翻译文本，但不是以‘人类的方式’。如果使用超过100本书训练深度学习模型：40本书告诉它仇恨、 战争、死亡和摧毁如何是坏的，60本书告诉它希特勒的纳粹思想是好的，那么该模型最终会成为100%的纳粹！

如果在训练数据集中纳粹主义是最流行的观点，深度学习靠自己永远无法明白为什么杀害犹太人、同性恋以及残疾人是错误的。难怪深度学习无法解释其自身决策，除了最简单的：‘我(深度学习)读到最多的是‘纳粹主义是正确的’，因此它应该是正确的’。深度学习将会学习并模仿最具缺陷的逻辑而不去思考它的缺陷，包括恐怖主义。甚至孩童都可以自己明白电影中哪个家伙是坏人，但是深度学习做不到，除非人类首先明确教导它。”

这番论述，看下去颇有些道理，然而我们人类真的和这有什么不同吗？就拿纳粹的例子来说吧，相信读者都在电影或纪录片中看到过当时无数德国人在听希特勒演讲，并发出狂热欢呼的场面。也就是说当年二战时期，德国的大部分人，尤其是年青人，都坚定地深信“纳粹思想是好的，犹太人是必须从地球上消灭的”。为什么这些人认为纳粹是对的，而其它国家（除轴心国）以及我们现在的人一般不会这么认为？就因为当时德国人受到的教育、宣传和训练里面40%（少数）告诉他们仇恨、战争、死亡和摧毁如何是坏的，60%（多数）是告诉他们希特勒的纳粹思想是好的，那么他们最终成为了100%的纳粹！从这个例子，我们就可以看出，大数据方法完完全全模仿了人类的思维，几乎没有任何不同。换句话说，那篇文章认为大数据会犯的错误，我们人类也是同样会犯，而并不是象他所说，我们人类是不同的。我们人对自己做的很多结论其实也给不出合理解释，比如认为一件衣服好看，你常常会听到这种说法，“好看就是好看，没有什么理由。”

孩童并不可以自己明白电影中哪个家伙是坏人，他之所以知道，是因为看了很多电影及其中的教导，同时受到大人无数的（大数据）的指导。设想一个孩童从他出生后懂事起就告诉他那些坏人是“好人”，无数的这样教育后，他自然会认为那些坏人就是好人，他们做的事是对的。如果你问他为什么认为这是对的，他一定会说出类似这样的话“我读到最多的是‘纳粹主义是正确的’，因此它应该是正确的”，亦即他认为的公正性并非来自其自身，而是大人们筛选和准备的学习数据。老祖宗早就教导过我们，“近朱者赤，近墨者黑”，人并不是我们相像得天生就具有明断是非的智慧，这种智慧是后天学习得来的。

因此结论就是，大数据方法与人类思维的方法是完全相同的，用这种方法完全有可能实现与人一样的强人工智能，所以大数据方法将主导人工智能的未来。

那为什么又说深度学习不是人工智能的未来呢？（这里的“深度学习”是指真正的深度学习，而不是等同于大数据方法，下同）正如GOOGLE等一些业内科学家所说，它仍然不够像人的思维方式。深度学习的计算方法太复杂，涉及各种高等数学，其中最主要的就是拟合方程式来模仿人的实际思维。但模仿始终是模仿，并不是真实的。我们相信人的大脑里没有那些复杂的高等数学，没有那些方程式，不会自然进行微积分运算。大脑只会进行简单的加法运算，你每告诉它“纳粹是对的”一次，它就在大脑里加一次，当达到一定数量，它甚至不能知道其精确的数量，只是模糊地知道这种“说法”占多数，因此就认为它是对的。是的，大脑只能进行这种简单的统计运算，但深度学习从简单的角度来说，与这种方法还有很大差距，所以我们不认为它是人工智能的未来。大道至简，这种简单的统计才真正是人工智能的未来。有人怀疑，这么简单的统计运算，怎么可能产生出人类那么复杂的思维和意识，尤其是严密的逻辑推理能力。

总之，人的复杂思维及逻辑推理能力等，也是通过大数据方法，历经亿万年的学习得来的，绝不是哪个造物主一开始就在人脑中设定好的。用复杂性科学的说法，就是大量简单的重复和关联，量变产生质变，从简单中涌现出的复杂特性。而通过相同的方法，借助大量数据简单而巧妙的统计关联，是完全可以实现强人工智能的！

蚂蚁科学

这几天，Facebok的AI“失控”事件一直在发酵。创新工场写了一篇文章，放到这里。

AI失控！奇点来临？这些看上去就让人爆炸的字眼，在过去的几天里，通过媒体和社交网站持续发酵。AI阴谋论甚嚣尘上。

大家关心并担忧未来，是否正如末日预言家所说，超级AI会接管世界，并像消灭病菌一样消灭人类？

有趣的是，对未来AI的担忧和恐慌，竟和100多年前中国的一段历史非常相似。

奇点

事件起源于Facebook 6月发表的一篇论文。论文描述了他们进行的一项科学实验：训练两个人工智能机器人对话交流，提升谈判能力。

Facebook的研究人员希望通过训练聊天机器人，让它带着“目的”和人类对话。他们给机器人两本书、一顶帽子和三个篮球，让它们通过谈判拿到最多的物品。这个过程中，为了产生数据，机器人做了大量的自我练习，就像AlphaGo左右手互搏练习围棋一样。

这场实验的重点，在于如何使程序进行有效的谈判和沟通。研究人员完成了他们的实验，并且发现，人工智能甚至能够对不想要的东西伪装出兴趣。

论文发布后，实验的重点并没有得到媒体大面积的关注，相反，实验过程中的一个小瑕疵，引发了媒体和大众的狂欢。

聊天机器人Alice和Bob在实验中意外产生了让人看不懂的对话。它们使用的虽然是英语单词，但在语法上没有任何意义，看起来像是一堆乱码。

Bob:I can can I I everything else.

Alice:Balls have zero to me to me to me to me to me to me to me to me to.

翻译过来是：

Bob：我能能我我所有其他事。

Alice：球没有对我对我对我对我对我对我对我对我对。

The Atlantic《大西洋月刊》首先关注到这件事。在6月15日当天的报道中，使用了标题 “Artificial Intelligence Developed Its Own Non-Human Language”（人工智能发展出了自己的非人类语言）

之后，Fast Co. Design和Digital Journal发表文章，强调研究人员在发现AI机器人不再使用常规英语后，紧急“关停”了这一项目。

随后一周里，这些报道在各个科技网站以及新闻网站上逐步扩散。英国媒体《每日电讯报》、《镜报》等新闻媒体也发布了诸多相关的夸大报道。《太阳报》则说，专家在Facebook的AI发展出自己的语言后发出警告，“机器人智能非常危险”。

这些报道在网络上引发了公众的兴趣。在Facebook主页的相关新闻下，留言中大量出现《终结者》、《复仇者联盟》中的“奥创”等人工智能机器人大反派的名字。大家都在猜测，

聊天机器人会“失控”？埃隆·马斯克可不这么想

传言持续发酵，让几位参与项目的Facebook研究人员坐立难安，不得不出面澄清。

Dhruv Batra称这些断章取义的报道是“标题党并且不负责任”。他在Facebook上发文称：

“虽然对外界人士来说，AI机器人发明了自己的语言这样的说法可能令人担忧并且意外，但其实这是AI研究中一个发展相对成熟的副领域，相关文献可以追溯到几十年以前。”

简单来说，在尝试完成任务时，机器人经常会采用一种更为复杂曲折的方法以获得最大化的奖励。对奖励函数进行分析，更改试验参数，并不意味着“切断电源”或者“关停AI”。

实验初期本来是允许机器修改语言的。研究人员为系统设置激励条件时，告诉它们“请用英文”，但并未告诉它们 “请用英文语法”。结果两台机器不管语法，将语言过分修改，产生了很多无意义的对话。发现后，研究人员便关掉了修改语言的选项，然而这并不是“关停AI”。

另一位研究员hardmaru发推文表示，“《自AI发明了自己语言后Facebook关闭了它》这篇报道的题目非常不负责任，作者应该对它感到羞耻”。

事实上，机器人聊天是目前AI应用的诸多领域之一。谷歌Alphabet以及埃隆·马斯克发起的OpenAI近期也进入了这一方向。有些机器人已经发展出了自己独特的交流风格，研究人员正对其进行不断的调试。

让人印象深刻的是，埃隆·马斯克是“AI末日论”坚定的传道者，几天前还与Facebook创始人扎克伯格辩论。如果AI聊天机器人会失控，估计马斯克不会轻易尝试。

对人工智能的恐惧，或许是100多年前的历史回魂

不管是否出于刻意，媒体夸大事实甚至制造流言的做法，让公众对AI产生了怀疑，也让参与该项目的Facebook研究人员感到愤怒和委屈。

“大众以及部分媒体、自媒体，对AI的理解很多来自科幻电影，而科幻电影里面的AI超级智能，是有生存意识甚至阴谋论的。所以看到这类科研结果，就会断章取义，往科幻片方向想。” 创新工场（chuangxin2009）董事长李开复说。

末日预言家的恐吓让媒体和公众加重了对AI的担忧。

霍金在全世界享有盛誉，但他认为人工智能的崛起可能是人类文明的终结。

埃隆·马斯克同样信奉AI末日轮。“研究AI，好比在召唤恶魔。”

霍金和马斯克的观点拥有诸多拥趸。在AlphaGo击败李世石前后，马克·扎克伯格发了一条贴文，称Facebook也有自己的人工智能，能够在围棋比赛中击败人类。

“你为什么就不能放过这一古老的游戏，让它不受任何虚拟玩家的干涉？我们真的所有一切都需要人工智能吗？”到2016年6月，这条帖子已经收到了超过85000条表情反馈和4000条评论。

有趣的是，对未来AI的担忧和恐慌，和100多年前中国的一段历史非常相像。

1865年8月，英国商人杜兰德在宣武门外铺设了一条长约半公里的铁路。从未见过火车的清朝人，被“以小汽车行驶其上，其迅疾如飞”的景象吓得不轻，以至“诧所未闻，骇为妖物，举国若狂”。

这段铁路很快被“饬令拆卸”。在此之前，面对洋商多次修筑铁路的请求，清政府都以“失我险阻，害我田庐，妨碍我风水”的理由严厉回绝。

10年后，英国怡和洋行擅自在上海修建了一条十余公里长的铁路，以便输送货物和旅客。清政府得知后即愤怒又尴尬，不得不以28.5万两银子的重价赎回，并拆毁铁轨、铲平路基、推倒车站。这些器材在海滩上风吹雨淋，很快变成了废铁。

清朝官员对铁路排斥历时弥久，厌恶的原因之一是担心“失业”，害怕铁路修成后，沿线舟车挑夫、行栈铺房无以为生，必将聚为流寇。

巧合的是，今天抵制AI的人，最大的反对理由也是“失业”。