5月31日上午，卡內基梅隆大學計算機學院教授、圖靈獎獲得者Raj Reddy蒞臨微軟亞洲研究院，為我們帶來了一場題為“重新審視人工智能：以歷史的視角”的精彩講座。Reddy教授從歷史的視角出發，帶領我們回溯了60年來計算機科學和人工智能領域的成就，回應了大眾對“人工智能威脅論”的疑慮，並對未來的“超智能”作出了展望。本文是演講的文字精簡版。
60多年前，我們的行業先驅開創了計算機科學、人工智能這些全新的研究領域。但是直到今天，人們對人工智能依然抱有大量的誤解和恐懼，認為人工智能將取代人類、統治世界。面對這些質疑，我認為，只有理解我們從何而來、身處何處，我們未來將去往何方，才不會對這些關於人工智能的誤解感到困惑。
人工智能將永遠無法統治世界，相反，由於人工智能可以成為每一個人的“超能力”，人類是平等的，沒有誰將因為使用人工智能而凌駕於他人之上。如果我們向前回溯科技發展的歷程，我們會發現，人工智能的發展與以往任何一次的技術進步都是相似的，不同的是我們比過去多了幾百萬倍的數據庫，這些數據庫正是我們今天所獲得的一切成就的基礎——無論是機器文本翻譯、語音翻譯，還是機器問答，這些創造性突破都離不開數據和計算能力的強有力支撐。
卡內基梅隆大學計算機學院教授、圖靈獎獲得者Raj Reddy
60年前，當我的導師John McCathy在1956年的達特茅斯會議上首次提出“人工智能”這一概念時，當時的初心是想讓電腦像人一樣智能地幫助人們完成一些繁瑣的任務，人們就有更多的時間從事自己喜歡的事業。事實上，60年前機器就能幫助人們完成一些任務了，比如加減乘除的運算。於是人們繼續發問，機器還能幫助我們完成其它任務嗎？科學家們就開始了嘗試，圖靈說他相信機器可以擁有某些智能，Arthur Samuel開始研究如何讓計算機學習下棋。所以機器學習在50年代就出現了，那時的機器學習是簡單的規則學習，探索機器是否能發現、辨認和使用模式（pattern）。所以在人工智能的最初階段，人們探討的都是下棋、玩遊戲、理論驗證這樣的問題。接下來人們開始探索計算機能不能擁有解決問題的能力，他們編寫程序讓計算機嘗試處理一些數學問題。由於這些問題只需要窮盡所有的可能性就可以解決，所以計算機解決得比人類更好更快。
在達特茅斯會議之後的第一個十年裡，當時我還是斯坦福大學的一名學生。那時，人們認為電腦能夠看、聽、說並不是智能的表現，因為每一個普通人都可以做到這一點。但事實證明這種想法是錯誤的，從第二個十年開始，我們就開始研究製造機器人，讓計算機能夠說話，也開始了計算機視覺等新領域的研究，我們一路走來，歷經困難，也有了許多新的突破。
某些人認為只有通用人工智能才能解決某些常識性問題，事實上，根本就不存在通用人工智能，所有的智能都是應用於某一特殊領域的智能。馬文·明斯基在《心智社會》(The Society of Mind)中提到，人腦的智能不是整個大腦一起運作的，而是分為成千上萬個區域，每一片區域具有一種特定功能。大腦的研究人員發現大腦有大約1立方厘米的區域專門用來識別媽媽的臉。當然，大腦會把負責圖像識別的區域和負責語言的區域連接起來，這樣一來我們就會把媽媽本身和“Mother”這個單詞聯繫起來，所以連接就成為智能最重要的一部分。
我們希望計算機可以實現那些人類可以做的事情，比如說話、學習等等。然後，大家開始研究專家系統、機器人、自動駕駛汽車等等。到了20世紀末，我們用AI技術實現了幾個對人類來說非常容易或者稍微有些困難的工作，比如，證明理論、下象棋等。隨後，我們遇到了技術轉折點，我們擁有了足夠的計算能力、儲存和帶寬來實現那些我們過去認為永遠無法實現的能力。
AI已經可以完成某些被認為是人類才能完成的任務。未來，AI能不能完成人類沒辦法做的事情？這不僅僅是通用人工智能，而是超智能。我認為未來這一點是可以實現的。回到AI和計算機科學的定義，我在1965年有過一個定義——AI和計算機科學是提高大腦能力的學科。你的大腦可以做的任何事情，計算機和AI都可以做地更好更快，甚至可以完成一些人類沒辦法完成的事情。
20世紀，計算機科學家們所做的就是對已有知識進行編程，採用各種各樣的方式來讓機器學習自己解決人類的任務。從比較簡單的解數學題、下棋，到理解語言、語音、圖像，再到機器人可以畫畫、創作音樂、完成股票自動交易這些更有創造力的任務。
與20世紀相比，21世紀的人工智能有兩點不同：
第一，我們經歷了一個範式轉換，在21世紀，計算機科學的重大突破將由大數據來驅動——微軟技術院士、圖靈獎得主Jim Gray將大數據命名為繼實驗科學、理論推演、計算機仿真三大範式之後的“第四範式”。因此下一代人工智能系統就是數據驅動的人工智能系統。
第二，20世紀人們在訓練人工智能時使用的知識大多來自書籍，而到了21世紀，我們需要運用人工智能和大數據去發現各個行業裡的新知識。龐大的數據量將超過人類的處理能力，人工智能、機器學習就成為了大數據時代的核心，也許有一天，計算機將學會自己編寫它們需要的程序。
我想舉一個大家熟悉的例子。中國目前的基礎教育還存在地區、性別不平等的現象，比如西部地區的孩子可能很難通過高考擠進高校教育的金字塔尖，在某些領域女性的數量遠遠不及男性等等，美國加州的教育也存在類似的不平等，那些來自普通學校的學生將無法和頂尖學校的學生一樣展現自己良好的學術水平。我們可以基於大數據做一張地圖來呈現和分析這個話題，使它成為政府決策的有效依據。所以在21世紀，我們要儘可能地發現、使用數據驅動的知識資源去解決我們社會中的問題。
那我們怎麼運用人工智能去自動發現新知識呢？我們今天的機器學習、深度學習都在使用大數據，但當下深度學習面臨的一個問題是我們無法解釋正確答案是如何被找到的。這個問題可能在未來的5-10年內會得到解決，也是我們接下來的任務。
最後我想重溫一下人工智能領域已經取得的成就。1963-1969年間，我在斯坦福人工智能實驗室，當時實驗室已經開始著手機器人、語言、知識工程、計算機視覺等方向的研究。60年代，我們發明了“所見即所得”的圖形編輯器、PIECESOF GLASS（POG）、計算理論等。70年代，出現了知識中心型人工智能，還有一場關於太空探索的熱潮，我們在思考如何將人工智能應用於太空探索，這個問題我們至今仍未解決。80年代，我們在卡內基梅隆大學建立了機器人實驗室，研究如何讓機器人自動處理自己的系統。90年代，機器人成為了世界象棋冠軍，已經學會了閱讀理解、回答問題，等等。
一直以來我感興趣的一個問題是，人工智能技術是否能夠被沒有受過教育的人所使用，他們如何使用？我們現有的技術可以做語言翻譯、發音，這個過程中包含語音識別、轉錄、翻譯等技術。多語言之間的翻譯已經可以用技術部分實現，但還沒有完全實現，因為世界上還有一百多種語言的元數據沒有收集，而收集數據需要大量的時間和金錢。
回到我們的主題，20世紀的人工智能領域已經完成了很多重大突破，也留下了一系列棘手的問題，諸如通用語言翻譯、自然語音識別等，我曾經認為它們在我有生之年都不會實現。但在21世紀的第一個十年，這些問題很快就有了突破，我們有了通用語言翻譯、語音對話、自動駕駛汽車、深度問答系統、撲克機器人冠軍等等。
為什麼我們能夠實現這些突破呢？因為它們都是在大數據和機器學習的幫助下成長起來的，計算機已經開始有能力做一些人類無法實現的事情。在今年11月份的“二十一世紀的計算”大會上，我將會為大家介紹認知放大器（cognition amplifier）和守護天使（guardian angel）的內容，同樣是關於計算機完成一些人類無法完成的任務。舉一個簡單的例子，假設地震引發了一場海嘯，如果我們對此毫不知情，這將成為一場傷亡慘重的大災難，但如果我們有一個守護天使，能夠預測10分鐘後即將到來的巨大海浪，我們就能夠拯救很多生命。如果馬航的MH370航班上有一個守護天使，檢測到機長沒有按照原定航線行駛，他就會接管飛機的控制權，就近降落，那麼所有人都會被拯救。
所以這就是未來，我們創造技術的目的是保障人類的能力，拓展人類的侷限。我們每個人都將可以使用大規模的人工智能系統，它們就像我們的守護天使，可以保護人類、幫助人類、延伸人類的知覺與能力。放眼看更遙遠的未來，我認為我們將不僅僅只有人工智能和人類智能，更會出現超人類智能。但別忘了最重要的一點，由於它們是高度專業化的智能機器，所以它們永遠都不會統治世界，更不會奴役我們。
閱讀更多 人工智能風雲 的文章
