当前页面：&&&&&&&什么人工智能不会产生“意识”？
什么人工智能不会产生“意识”？
拥有自我意识和情感的超级人工智能到底会不会出现?说实话，这个话题都烂大街了。科学家、科技大佬、各国政要们争论得头破血流，我们也不可能知道答案。
但我们想说的是，什么事都要讲逻辑。有没有一些理论或者猜想可以触发AI觉醒这个话题呢?有没有一些理论或者猜想，让我们不会云里雾里或者一腔热血地想象人工智能的未来?
巧合的是，确实有一些这样的理论，比如说著名的“中文房间悖论”。这个情景猜想在大部分情况下都被用来否定“图灵测试”。但它更深层的本意，其实是在阐释人工智能永远不可能像人类那样拥有自我意识。
什么是“中文房间悖论”
所谓的“中文房间实验”，是由美国哲学家约翰·希尔勒(John Searle)在1980年发表论文提出的一个思维试验。
这个思维实验是说，如果把一位只会说英语的人关在一个封闭的房间里，他只能靠墙上的一个小洞传递纸条来与外界交流，而外面传进来的纸条全部由中文写成。
这个人带着一本写有中文翻译程序的书，房间里还有足够的稿纸、铅笔和橱柜。那么利用中文翻译程序，这个人就可以把传进来的文字翻译成英文，再利用程序把自己的回复翻译成中文传出去。
在这样的情景里，外面的人会认为屋里的人完全通晓中文，但事实上这个人只会操作翻译工具，对中文一窍不通。
为什么人工智能不会产生“意识”？
当然了，这是个思维实验，具体操作起来近乎不可能。但这个实验里蕴含的思想却在表达这样一个可能：机器所表现出的智能(理解中文)，很可能只是翻译程序带来的假象，其实它对真正的人类智能一无所知。
这个实验本来是为了反驳图灵测试的，认为即使通过了图灵测试，机器也不见得有了智能。但或多或少有点牵强，始终也没有把图灵测试彻底反驳掉。但“中文房间悖论”却可能在技术发展之路上告诉了我们另一件事：我们所有的技术探索与研究，可能都是在完善那个中英文翻译程序，从来不是去教机器真的智能。
通用人工智能和强人工智能的界限
这里要来认识两个大家经常听到，但有可能混淆的概念——通用人工智能与强人工智能。
所谓通用人工智能(Artificial General Intelligence，AGI)，是指在不特别编码知识与应用区域的情况下，应对多种甚至泛化问题的人工智能技术。这个技术虽然冷门并遥远，但其实也有不少学术机构与企业在做，一般被认为是人工智能技术的未来发展方向。
而强人工智能(Strong Artificial Intelligence)则是约翰·希尔勒在提出“中文房间实验”时设定的人工智能级别。这个等级的人工智能，不仅要具备人类的某些能力，还要有知觉、有自我意识，可以独立思考并解决问题。
虽然两个概念似乎都对应着人工智能解决问题的能力，但我们可以把前者想象为无所不能的计算机，后者则类似穿着钢铁侠战甲的人类。
“中文房间悖论”表达的思想，是人类研究的方向根本无法逼近强人工智能。即使能够满足人类各种需求的通用人工智能，也与自我意识觉醒的强人工智能之间不存在递进关系。
现实中的技术发展好像也确实是这样的。
在通用人工智能领域，人类已经提出了一些设想与架构模型。其中最著名的应该是澳大利亚国立大学学者马库斯赫特(Marcus Hutter)在2000年提出的AIXI。这个计算模型据说可以涵盖各种算法与技术，逼近通用人工智能的本质……当然，这个算法的复杂程度奇高，根本无法执行，所以仅仅是个设想。
而OpenAI和DeepMind这样的企业在近两年则都开始了具体层面的AGI研究，其中DeepMind被认为是继承AIXI的先锋军。
从DeepMind进行的通用人工智能性质的研发与实验中，我们可以看到其“通用性”主要集中在四个层面：智能体应对复杂环境、陌生环境处理、时间变量应对、多个信息源同时处理任务。
而这些技术都指向同一个方向，就是智能体与外界的交互——也许可以理解为AI与这个世界的翻译程序吧?
换言之，人类所做的仅仅是给“那个人”更好的翻译程序，而非教他中文(当然也没法教)。所以通用智能这种已经很玄的东西，依旧与强人工智能保持着清晰的界限。
绝望的强AI：能力和意识，也许南辕北辙
让我们把“中文房间实验”极限化一点，把整个房间放在一个人的大脑里。
假如一个人记住了所有翻译程序，看到任何中文他都能调用回忆，能写出相应的回答，那么他是不是就懂中文了呢?对于人类来说，可能他自然而然就已经理解中文了。但对机器来说，即使这个过程速度再快、反应再灵敏，它也依旧没有理解任何一个汉字。
确切地说，这个人(智能体)获得的是使用中文的能力，但他(它)对中文没有意识。
能力与意识的区别，是我们在想象未来超级智能时最容易混淆的问题。但从现实的逻辑推理，就会发现这二者差别很大，而且近乎没有关联。
知识表示、机器学习、NLP等等人工智能技术，只是在不断强化人工智能模仿人类能力(这句话有点绕)，但让人工智能模仿人类意识，直到现在依旧是一片空白。
没有因，自然无果。“中文房间理论”讲述的，就是按照人类遵循的技术轨迹，智能体崛起意识这个命题将永远缺乏基础条件。
如果这个结论成立，那么对于强人工智能来说可谓是非常绝望的。它们只能继续在时空的长河里沉睡。在人类的幻想中，一如远古的神祇，一如都市传说里的鬼怪。
审核编辑（刘婷）
更多内容请访问 中国工控网（)
新闻来源： 互联网/ca800
手机扫描二维码分享本页
工控网APP下载安装
工控速派APP下载安装
提点建议：
，请填写评语后直接提交。
&&匿名留言
看过的用户还看过
数据正在加载...
扫描二维码关注微博
扫描二维码关注微信人工智能到底发展的如何呢？会不会对人类意识产生影响呢？ - 简书
人工智能到底发展的如何呢？会不会对人类意识产生影响呢？
人工智能就在我们身边，但并非所有人都能留意到它的存在。许多人只是将他视作寻常科技的一种——这牵扯到一个如何定义人工智能的问题。
历史上，人工智能的定义历经多次转变。一些肤浅的、未能揭示内在规律的定义很早就被研究者抛弃了。直到今天，被广泛接受的定义仍有很多种。具体使用哪定义，通常取决于我们讨论的问题的语境和关注的焦点。
AI就是让人觉得不可思议的计算机程序。20世纪50年代中期，IBM的阿瑟·萨缪尔开发的西洋跳棋程序可以和业余选手对抗。1996年，IBM研究团队倾力打造计算机深蓝挑战世界棋王卡斯帕罗夫，当年遗憾败北，但是人们已经看到了计算机战胜人类的希望了。1997年，深蓝卷土重来，在六局棋的对抗赛中战胜了卡斯帕罗夫后声誉大震。直到日，谷歌的DeepMind团队研发的AlphaGo于围棋世界冠军李世石对决，最后AlphaGo以4:1战胜了李世石。这件事轰动了整个世界，也引发了一波人工智能的宣传热潮。2017年元旦前后，升级版的AlphaGo更是以Master的网名悄然复出，在对弈平台上，在包括世界上几乎所有的围棋界的高手都不是其对手，更可怕的是以胜零败绩。事后谷歌官方推特才发表声明：说着Master就是AlphaGo的升级版，最重要的是这个Master在断网断电的情况下战胜了这么多人类，真是不可思议。
AI就是与人类思考方式相似的计算机程序。神经网络到底多大程度上精确的反映了人类大脑的工作方式，这仍然存在争议。在仿生学的道路上，最本质的问题是，人类至今对大脑如何学习、记忆、归纳、推理等思维过程的机理还缺乏认识，况且，我们并不知道，到底哪一个层面真实模拟人脑的运作，才能制造出可以匹敌人类智慧的智能机器。
AI就是与人类行为相似的计算机程序。无论计算机以何种方式实现某一功能，只要该功能表现的与人在类似环境下的行为相似，就可以说，这个计算机程序在某各领域的人工智能。深度神经网络内部，每层神经元的输出信号可能相当复杂，复杂到编程者并不一定清楚这些中间信号在自然语言中的真实含义，深度学习模型可以聪明的工作，最终结果看起来就像人做的一样。
AI就是会学习的计算机程序。2010年至今，使用深度学习模型的图像算法在ImageNet竞赛中显著降低了对象识别、定位的错误率。百度公司很早就布局人工智能，其大力研发的百度大脑，去年在江苏卫视的最强大脑上大放异彩，终于揭开了其神秘的面纱。像这些谷歌、百度、微软、亚马逊、脸书等科技巨头，都在发力人工智能，这就是下一个风口。雷军说过：站在风口上，猪都能飞起来。
在这个信息的时代，人工智能将是第四次革命，这场智能革命会颠覆这个社会上的许多行业，比如律师、快递、医生等。最大的投行高盛集团已经用上了机器人律师，就是公司遇到的一些小的法律案件都可以胜任，完全不需要在雇佣人了，节省了一些没必要的支出，大大提高了工作效率。前不久有一则新闻说：一个机器人完全独立的情况下成功做了一例阑尾炎切除术，虽然不是什么大的手术，但是可以发现人工智能在医疗方面的发展已经初见成效但愿以后能有更多的这样的智能机器人来分担如今医疗资源短缺问题，为这社会的发展做一些贡献。
深度学习+大数据=人工智能。人工智能时代，深度学习和大数据成了密不可分的一对。深度学习能从大数据中挖掘出一些以往难以想象的数据、知识和规律。简单来说吧，有足够的数据去作为深度学习的输入，计算机就可以学习爱以往只有人类才能理解的概念或知识，然后再将这些概念或知识应用到之前从没有见过的新数据上。吴军博士说过：“在方法论的层面，大数据有一种全新的思维方式。按照大数据的思维方式，我们做事情的方式和放法需要从根本上改变。”
人工智能现在分为三种：弱人工智能、强人工智能和超人工智能。我们现在好多人对人工智能有点了解就有某种担心，很多人就想知道的是：今天的人工智能到底有多“聪明”？人工智能到底会发展到神么程度？什么样的人工智能会超出人类的控制范围，甚至给人类带来威胁？其实吧弱人工智能就是一种工具，如果说弱人工智能存在风险，那也和人类已大规模使用其他技术没有本质区别。只要严格控制，严密监管，人类完全可以像使用其他工具一样去使用今天的所有AI技术。强人工智能就是能完全胜任人类所有工作的人工智能。想必就目前AI发展的态势，应该要达到强人工智能程度，还需要很长的路要走，所以嘛，大家就不要担心人工智能将会对人类造成某种伤害，强人工智能那就更不可能在短期时间内实现。
现在仿生学家都在研究人脑到底是怎么运作的？虽然已经研究了好长时间，而且有了一点点发现，就是人脑的神经元的运动相互之间的传递信息。但是到底人脑是怎么样控制这些神经元，到目前为止还不是很明确。现在的深度学习就是源于人工神经网络的研究，含多层次的多层感知器就是深度学习结构。深度学习通过组合低层特征形成更抽象的高层次表示属性类别或特征，以发现数据的分布式特征表示。
就目前人工智能、大数据、深度学习和自动驾驶的发展情况来看，虽然在某些领域有那么一点点成果，但主动权还掌握在人类的手中，人类的意识和思考，就是人类区别于其他动物特征。也就是说人类的意识会有那么一小部分会被人工智能领悟到，比如计算机视觉技术、语音识别和用户画像等，这些应用面毕竟还很专业，并不是很全面。只不过这些技术的反正需要如今大数据的推动，第四次智能革命的到来，将会给这个社会带来翻天覆地的变化，互联网时代成就了美国这个超级大国，我国处于落后，但在移动互联网时代，中国真正的走在了世界的前列，举个例子：现如今在中国几乎所有年轻人都在用手机支付，既方便有快捷，极大的方便了人们的平时消费需求。
人工智能的发展极大地促进了一些前沿科技科技的进步，中国智造和文明的升级，中国从勤劳革命到了智能革命，一次很大的进步，新工业自动化才能契合人类多样性，走向物联网与精细化生产，未来物联网的成熟加上大数据、云计算、深度学习等技术人类的生活将彻底改变。举个例子就是，你正在上班还有半个小时就下班了，你拿出手机点开，家里的灯打开，窗帘也拉上了，浴缸里放好了你最适宜温度的水，机器人已经给你做好了晚餐，智能音箱放着你喜欢的安静的音乐，空调已经调到了最适宜的温度，下班了，你叫了一辆无人驾驶出租车，上车后，车里放着你喜欢的音乐，并且舒适的温度和座椅，昏暗的灯光，促使了你小憩了一会，到家了，你下了车走回家，洗个澡吃饭看会最近电视向你推荐的一些片子。躺在床上，灯光自动开启夜灯，你在安静的音乐中睡着了，第二天早上，智能闹钟在轻柔的音乐中是你醒来，早饭已经做好了，根据你的身体需要，是能调节你的食谱，窗帘自动采光。就这样的生活，在不久的将来就要实现了，想想人类还是很幸福的。
人工智能最多的还是帮助人类去做一些事，是人类的一个小帮手，也可以胜任人类还不能做的事。还远远没有到影响人类意识的时候，更何况人类的意识到目前为止还是很神秘的，并不那么容易就被代替被发现。人工智能的发展能促进人类意识的进步，并不能凌驾于人类意识之上，只能说对人类的好处更有意义。
对于人工智能来说，前60年的人工智能历程，可以用“无穷动”来形容；后60年的人工智能发展，可以用“无穷大”来期许。 （本文系BT传媒·《商业价值》杂志4月刊封面文章，小长假钛媒体深度阅读重磅推荐） 1956年的夏天，一场在美国达特茅斯（Dartmouth）大学召开的学术会议...
“我准备考虑一个问题：‘机器能思维吗？’”—阿兰.图灵，1950，《Computing Machinery and Intelligence》 前段时间在忙着炼丹（Deep Learning），还有几场大数据培训，很久没有动笔了。今天想和大家谈谈人工智能（Artificia...
个人学习李开复在喜马拉雅上的音频后的干货总结： 完整的喜马拉雅FM音频链接在：http://t.cn/R0MTrWI 目录 一、人工智能是机器人吗？ 二、人工智能已经进入到我们的生活了吗？ 三、AI真的会挑战人类吗？ 四、人工智能的分类有哪些？ 五、三次AI热潮指的是什么？...
姓名：于川皓 学号： 转载自：/question/ 【嵌牛导读】：随着深度学习技术的成熟，AI人工智能正在逐步从尖端技术慢慢变得普及。AlphaGo和人类的对弈，并不是我们以往所理解的电子游戏，...
2016 年 7 月，在国务院印发的《“十三五”国家科技创新规划》中，人工智能被作为新一代信息技术中的一项列入规划。2017 年 3 月，“人工智能”首度被列入政府工作报告。今天，国务院又下发了《新一代人工智能发展规划的通知》，通知中写道，“到 2020 年人工智能总体技术...
早晨公园去散步， 看到河边一柳树， 树下围着一群人， 个个昂首往上瞅， 一边瞅来一边喊， 小猫咪你小心点。 只见树上有只猫， 小小个头黄色毛， 爪子虽小抓得牢， 瘦小身材挺灵活； 高高在上无畏惧， 爬上爬下任性跳； 偶尔也有危险状， 吓坏树下老大娘， 小乖乖呀慢一点， 你呀...
icon、字体、色彩icon大小是否一致、风格是否一致、形状粗细是否一...... 一、整体风格：APP icon、主题色、辅助色、字体风格 主题色是否符合产品想要表达的内涵，是否符合产品定位； 二、细节风格：（主要元素是否遵守设计规范的一致性） 设计语言前后要保持一致性 ...
安装GIS10.0的ArcGIS desktop时出现错误1606，无法连接到网络nulldesktop -打开终端使用命令regedit 查找esriHKEY_LOCAL_MACHINE\SOFTWARE\Wow6432Node\ESRIHKEY_LOCAL_MACHIN...
《淮北市》 相山怀抱显通寺，惠我南黎乾隆笔。 相王古城四千载，汉侯马援葬身地。 共工迁都烈山遗，隋唐运河润柳堤。 春秋宋都临涣郡，淮海战役定胜利。 烈士陵园双堆集，小李庄上谋千里。 濉溪老街百步石，口子美酒千家醉。 龙脊山月映濉水，南湖风光多旖旎。 皖北江南山水画...
世间纷扰，我们存在于世间，如一叶孤舟浮在漫漫无际的水面上。
也曾迷茫，也曾彷徨。
看不见未来路途的终点，望不到过去记忆的开始。
因为我们预料不了未来，也不能记起开始的一切。
我们只是按照每天的计划，过着自己的一生。看着被排的满满的时间表或者盯着...百度首席科学家吴恩达：人工智能也能具备意识
[摘要]人工智能技术当前的进步更大程度上源于计算机科学原理，而非神经科学原理。【AI世代编者按】首席家吴恩达近日接受科技博客GigaOM采访时表示，创造力并非深不可测，人工智能不仅可以获得创造力，甚至有可能具备意识。以下为原文内容：吴恩达2014年5月出任百度首席科学家。他负责领导该公司的全球人工智能战略和基础设施建设。他领导百度北京研究院和百度硅谷研究院，带领技术团队在语音、大数据和图片搜索领域开展研发工作。除了任职于百度外，吴恩达还是斯坦福大学计算机科学系的兼职教授。2011年，他领导开发了斯坦福的MOOC（大规模开放在线课程）平台，并教授了一门在线机器学习课程，听课学生已经超过10万。他后来参与创办了Coursera，至今仍然担任董事长。在此之前，吴恩达还是()大脑深度学习项目的创始负责人。他署名和联合署名的机器学习、机器人及相关领域论文超过100篇。他2013年入选《时代周刊》评选的“全世界最有影响力的100人”。他先后在卡内基梅隆大学、麻省理工学院和加州大学伯克利分校获得学位。他将于2月15日至16日在旧金山举行的Gigaom AI大会上发表演讲，以下是我们对他的采访。问：请给我们讲讲你在百度的日常工作。你的人工智能团队都做些什么？答：我们会开发基础的人工智能技术，从语音识别到计算机视觉，从神经语言程序学到数据仓库，再到用户理解。我们会利用这些技术支持百度的很多内部业务，还会孕育新的方向。例如，在百度内部，我们所有的重要业务领域都已经被人工智能改变。从网络搜索和广告投放到机器翻译和餐厅推荐。所以人工智能已经在百度随处可见。除此之外，我们还看到了很多由人工智能创造的新机会，例如更好的对话式医疗助手——它采用聊天盒子的形式。我们还使用面部识别开发了十字转门，可以在有权限的人接近时自动打开。所以说，我们的团队正在追求垂直领域的各种新机会。问：你做的事情有没有涉及基础研究的内容？你有没有做过一些或许有用，但还不知道具体如何使用的事情？答：我们会从事很多基础研究。有些研究最初是一项非常成功的基础研究，经过一段时间之后，当你从中看到实用价值后，它就没有那么基础了。我们有很多这样的研究。我们在百度开展的早期面部识别工作最初就像是基础研究，但现在已经成为融入产品的一项服务，供数以亿计的用户使用。我们早期在神经机器翻译领域的工作最初也是基础研究。事实上，此事包含着鲜为人知的一面：神经机器翻译是一项最早由中国开拓、发展和推出的技术。美国公司在这方面远远落后于百度，这个例子可以说明我们的中国团队处于领先地位。我感觉我们在面部识别领域展开的计算机视觉基础研究同样处于先驱地位。我们目前正在学习机器人和机器学习等领域展开广泛的基础研究，涵盖从基础研究到应用的整个过程。问：百度的团队是什么样子？你们是否普遍采用小团队形式？是否以开发人员为主？你们认为怎样才能有效分配有限的资源？答：这是个复杂的问题。我们的很多项目一开始都很小。比如一年前，自动驾驶团队只有22人。但在取得一些进展，展示出最初的前景，并制定了经过深思熟虑的商业计划后，便可因此投入更多资源，现在的团队可能已经有几百人了。这一开始是一个基础研究项目，但现在成为了全新的业务方向。所以我们有很多项目最初的团队规模都很小，但在取得一些进展，价值越发明确后，便会将团队规模扩大到几十人，甚至几百人。问：你认为当今人工智能技术有哪些难题可以在5年内解决? 有哪些事情如今看来很难实现，但5年后会变得稀松平常?答：从研究角度来看，我认为迁移学习和多任务学习是我需要探索的领域之一。当今机器学习技术的多数经济价值都是应用学习，学习许多标签化的数据，以此完成你希望解决的具体任务。例如，利用庞大的标签化人脸数据库学习识别人脸。对于很多任务而言，我们在特定的垂直领域根本没有足够的数据来构建自己的系统。所以今后的一大领域是迁移学习，你可以让一套机器学习系统从事不同的任务。比如让它学会识别常见物体。学会了识别常见物体后，可以利用其中的多少知识来从事面部识别这项具体任务？从研究角度来看，我认为这很有前景，而且有一些技术目前已经广泛应用于迁移学习，但我认为相关的理论和最佳实践仍然处于早期阶段。我们之所以看好迁移学习，是因为现代深度学习技术已经可以为具备海量数据的问题提供不可思议的价值。这可以为很多应用模式的发展提供巨大的动力。以语音识别为例。我们在某些语言上拥有海量数据，比如普通话。某些语言的使用人数很少，永远不可能有这么庞大的数据。因此，可以将我们从普通话学到的知识迁移到这种语言，从而则针对只有少数人使用、数据量很小的中国方言提供语音识别。我们的确有这方面的技术，我们目前也在从事这方面的开发，但我认为这一研究领域的进步可以帮助人工智能解决更多问题。问：人工智能是否为我们提供了有用的信息，帮助我们了解人类智能？或者反过来，我们是否利用对人类智能的了解改进人工智能的效果？又或者它们虽然都有“智能”这个词，但实际上却截然不同？答：神经科学领域的知识对最近的人工智能发展只起到了一点作用。从现实角度看，尽管神经科学经过了几个世纪的发展，但我认为我们至今对人类大脑的工作方式仍然很不了解，所以我们对人类大脑工作方式的了解并没有给人工智能带来太多启发。但实际上，人工智能技术当前的进步更大程度上源于计算机科学原理，而非神经科学原理。尽管如此，人工智能已经非常擅长自动处理人类所能从事的事情。例如人类非常擅长识别语音，而人工智能语音识别也在从事相同的任务。人类非常擅长识别人脸，人工智能也在这一领域取得了快速进步。结果就是，我们的工具更擅长自动处理人类所能完成的工作，而不是解决人类都无法胜任的任务。原因有很多，但其中之一在于，当我们选择一项人类能够完成的任务，然后让人工智能介入其中之后，就会努力研究为什么人类完成任务的速度更快。所以，如果你看看人工智能的各种垂直领域，肯定会发现一些连人类都不太擅长的任务。我认为现在为我推荐的书甚至比我妻子推荐的还好。要知道，我妻子对我非常了解。之所以出现这种情况，是因为亚马逊汇总了海量数据，了解我浏览过哪些书，在网站上看过哪些书。从这个角度看，它远比我的妻子更了解我在看什么内容。虽然也有一些例外，但当人工智能试图处理人类力所能及的事情时，我认为整体的进步速度很快。问：谈到人工智能所能完成的任务，你总是显得很保守。我猜之所以这样，部分原因在于过高的预期曾经对科研工作产生过极大的影响，尤其是在资金方面。是这样吗？答：我通常很务实，也很实际。但我希望提供一个略有不同的视角。如果我要组建一个团队来治愈人类所有的疾病，那肯定值得庆祝。这是个伟大的任务。但说实话，有时候把目标定得太高会付出代价。在当今的硅谷，这显然不受欢迎，而且逆势而为。硅谷现在都喜欢谈论登月那种级别的目标，因为即便你失败了，仍然会成为明星。但实际上，我认为把目标定得太高会付出代价。所以，跟组建团队来治愈人类所有的疾病相比，更有成效、对世界更有利的做法或许是解决疟疾问题。所以我认为，我们可以通过人工智能技术给世界带来一些重大改变。可以用无人驾驶汽车改变交通状况，也可以利用人工智能技术改变物流行业，甚至可以用人工智能技术彻底改变医疗技术。可以借助人工智能技术给世界带来重大变革。因此，我的很多工作都瞄准了这些具体而务实的目标，因为我认为，相比于花时间描绘科幻小说那种几百年可能都无法实现的场景，这样做对世界更为有利。我知道这种思维方式在硅谷已经不再流行，甚至逆势而为。尽管如此，作为一个社会，我们应该从事各种各样的事情。所以我认为世界会变得更好，有的人会通过盖茨基金会和世界卫生组织解决疟疾问题，我们在对抗疟疾的过程中或许已经取得了实质性进展。但同时也有一些人在解决人类的所有疾病。以不同方式分配社会资源是件好事。但我的确认为，如果能够思考“我们有信心解决哪些任务？”而不是“我们应该投资哪些遥不可及的梦想？”肯定有助于我们所在的领域取得进步。我们团队有一部分人在从事这些工作，但仅占很小一部分。问：你相信有可能实现强人工智能（AGI）吗？如果相信，你认为这有可能借助摩尔定律，在我们所知的技术革命道路上实现吗？或者，要实现强人工智能，是否需要借助全新的突破，甚至我们不曾预料的突破？答：要实现强人工智能肯定需要很多突破。这很可能发生。既包括软件算法突破，也有可能包括硬件突破。但究竟是在十年、百年还是千年以后实现，我很难预测。问：你认为人类的创造力（例如创作剧本或伟大的小说）需要借助强人工智能技术，还是利用现有的技术即可完成？答：我认为很多时候，当我们不知道某个东西的创造流程时，会思考很多创造力方面的东西。例如，加里·卡斯帕罗夫（Garry Kasparov）曾经说过，他从深蓝的招数中看到了创造力。而作为技术人员，我了解国际象棋程序的运行规则。通过海量计算，它们使出的国际象棋招数甚至能被象棋大师视作创造力。当我自己参与到创造流程之后，我发现创造力是很困难的事情，需要将很多小东西逐渐拼凑起来，然后形成一个似乎不知来自何处的大东西。但如果有人没有看到所有的小东西，那就很难将所有小东西拼凑成有创意的东西。有的时候，与从内部观察相比，从外部观察创造力会感觉这更像是一种魔术。我的艺术家朋友会反复训练自己的笔触，一遍一遍不厌其烦地绘制相同的东西，逐渐取得进步。我的祖父是一名画家，他通过日积月累的进步创造出优异的作品，当你见到最终的作品而没有目睹整个过程的点滴进步时，我认为你更会感觉这像是一场魔术。但如果你本人需要从事各种工作来实现这个点滴进步的过程，恐怕就不会有这么强烈的冲击。问：你的言外之意是说，人类的创造力是可以通过计算获得的。在某个时间范围内是合理的。这并不是什么超凡脱俗的神秘能力，并没有超越我们的认知。是这样吗？答：没错。无论是偶尔令人眼前一亮的象棋妙招，还是找到一句人类未曾思考过的句子解释，抑或创造一件简单的艺术品，我认为机器的行为在某些人的眼中已经具备了一定的创造力。我们可能会继续看到点滴的进步，而机器最终也将在未来几年更具“创造力”。问：你的团队在上是如何分布的？多数人都在哪里？答：主要在北京，我们在美国大约有一个100人的团队，北京有几个大型团队，在上海和深圳还有几个小团队。问：有了机器人，你可以看到国家和地区的重点开始浮现。例如，与其他地方相比，日本更重视提升机器人的友好度，让人类可以与之建立情感联系。人工智能领域是否也是这种情况？因为你之前提到面部识别已经进入中国。不同公司、不同地区或不同国家对于人工智能的看法是否会有差异？答：我认为面部识别就很好地证明经济压力和一流的商业模式已经推动中国实现了很大进步.。从产品角度来看，不同的商业压力和产品优先级导致不同国家对不同领域的投资力度有所差异。中国就有一些现成的例子：在中国，通过手机键盘输入中文比输入英文更痛苦。由此便产生了很多压力，催生了更好的手机语音识别技术。所以我感觉，百度引领的很多语音识别突破都源自产品压力，必须为用户提供有效的语音识别功能。具体到机器翻译，美国针对神经机器翻译展开了很多公关工作。但鲜为人知的是，神经机器翻译是由中国率先开拓、发展和推出的。美国大型公司后来才开始发展这项技术。我认为，之所以出现这种现象，原因之一在于中国人很需要把公开内容翻译成中文。而英文世界里已经有很多英文内容。中文内容同样很多，但外国内容也在快速翻译成中文。这就像一种文化现象。由于世界上有很多英文内容，我认为说英语的人接触外语内容的压力较小。面部识别业务在中国进展飞快，因为作为一个优先使用移动设备的社会，中国人已经习惯了开展重大的财务交易。例如，你可以向百度申请教育贷款，我们就会根据你在手机上的行为贷给你很多钱。而当我们通过手机给某人汇去很多钱时，就很希望能验证此人的身份。所以面部识别就成为这一领域的关键技术。正是因为面对这些压力，才使得面部识别在中国实现了快速发展，速度超过其他国家。中国和美国都在人工智能领域展开了很多创新。我猜还有其他领域。英国在人工智能游戏领域进行大举投资，我本人并没有投入这一领域的研究，但我估计不同组织有着不同的兴趣和重点。我认为当今的人工智能发展已经成为一个全球化的现象。我感觉中国还有很多创新是英语世界的人没有意识到的。问题不在于保密与否，关键是缺乏流畅的交流能力。例如，我几周前刚刚参加了NIPS大会。短短一天内，NIPS上的多数重要讲话都已经总结和记录成中文，并发表在中国的网站上。也就是说，把巴塞罗那的英语会议上的知识翻译成中文的速度很快，效率很高。这样一来，很多中国研究人员一天之内就能看到这些内容的中文翻译。我认为，正是因为很多中国人都能用英语流利地阅读和讲话，才使之成为可能。可惜的是，把中文翻译成其他内容的速度却慢得多，这完全是因为中国之外的很多研究人员都不说中文。所以虽然中国发明了很多东西，也有很多东西广为流传，但英文世界的人却并没有注意到。有的时候，英语世界的公司可能要到一年以后才能发明类似的东西。因此，我希望能够帮助人们加快知识的反向传播速度。因为，如果我们建立一个更加国际化的研究社区，全世界都将取得更快的进步速度。我觉得还有一些更具体的例子。一年多以前，普通话短语的语音识别率已经超过人类，但这个结果直到最近才在全球广为人知。我还见过很多例子，从语音识别进步到神经机器翻译进步，再到GPU开发流程的进步。但我希望在中国发明出来之后，能够尽快传播到美国。问：你能否介绍一些网站或期刊，方便我们找到这些信息？答：中文的知识传播方式与美国不同。人工智能知识在中国社交媒体上传播速度极快，如果你不亲身体验，就很难理解这种模式。此外还有很多网站，但很多都是中文网站。你可以在Twitter上关注我，看看我能做点什么。问：你对人类意识有什么看法？或者更具体地说，你是否相信人类的意识本质上也是一种计算？答：我不知道意识是什么。从哲学上讲，关于你周围的人是真的有意识，还是行尸走肉，抑或是通过计算表现出意识的机器人，一直都有争论。毕竟，我们如何知道自己之外的其他人真的有意识，而不是机器人？我不认为意识是计算机永远无法达到的，但目前还不清楚究竟如何实现，需要多少年才能实现。（编译/长歌）推荐：人工智能汹涌而来，未来已变！关注“AI世代”微信号（tencentAI），关注未来。
正文已结束，您可以按alt+4进行评论
责任编辑：jionghuima
扫一扫，用手机看新闻！
用微信扫描还可以
分享至好友和朋友圈
Copyright & 1998 - 2017 Tencent. All Rights Reserved