---

2017年6月21日至22日，騰訊·云+未來峰會在深圳舉行。人工智能領域的世界級泰斗邁克爾·歐文·喬丹（Michael I.Jordan）進行了主題為“機器學習：創新視角，直面挑戰”的演講，與大家分享他對人工智能的未來與挑戰的見解。

邁克爾·喬丹：

大家早上好！很榮幸受邀來到這里。我是一名人工智能和統計學方面的研究者，今天我非常高興來到這里，好像大家都非常地了解我，我也非常高興能夠和騰訊這樣頂尖的公司合作，能夠分享我們對于未來的發展趨勢的預見。

我們要非常清晰地了解，哪些技術是會出現的，哪些是不可能存在的，而哪些是我們現在所存在的問題，以及未來我們會看到什么樣的技術的發展。這就是我今天這個演講的主要內容，就是標題所說的“創新視角，直面挑戰”。

---

簡單回顧一下到底人工智能是如何發展成現在這樣的

---

首先我們簡單回顧一下到底人工智能是如何發展成現在這樣的。

“人工智能”這個說法是上世紀60年代第一次出現的。那時候我們說要造一個機器人，讓它可以和人一樣思考，跟人一起互動，加入到人的世界當中來。那個時候大部分人工智能的電影向大家展示的是機器人最終進入到人的世界中，那時候很多的研究也都是關于視覺系統、語音系統，寄希望于這些技術就能夠讓機器人越來越像一個人。

“IA”（Intelligence Augmentation），智能增強

但是在80年代、90年代以來出現了另外一個趨勢，這個趨勢對我們來說也是非常重要的，我們叫做“IA”（Intelligence Augmentation），也就是智能增強技術。搜索引擎就是這種技術的體現，我們可以靠搜索引擎中獲得關于這個世界的各種知識而不用背在腦子里，比如中國最長的河流是什么，法國首都是什么，只要在搜索引擎中打字就可以獲得答案。所以人類的智能得到了增強。還有語言方面的技術，電腦可以通過自然語言處理做語言轉換，我說的是英語，但是說其它語言的人也能用自己的語言聽到我的表達。我們可以看到這些技術目前正在發展，而機器幫助我們有了更好的存儲能力，更好的溝通、交流的能力。

“II”（Intelligent Infrastructure），智能基礎設施

還有一個部分是 “II”（Intelligent Infrastructure），也就是智能基礎設施，這對我們來說是最重要的。現在我們的交通和金融行業，在我們身邊的每一個行業、每一個模塊，現在都出現了智能化的趨勢，我們也發現世界更了解我們了，能夠根據我們的需求提供服務。所以在我們前方是有一個系統的，如果你要說云的話，這個系統就是云，這個云變得更加智能。我們溝通的對象不是機器人，而是這個云的架構和云的基礎設施在和我們溝通。

現在有一個問題是，之前我們大部分的研發都是智能機器人、掌握自然語言方面的，但是這些技術和IA以及II所需要的技術迥然不同。所以，現在我們在建立基礎智能設施的的時候就會遇到很多新問題，在騰訊也是如此。

比如，我們要對相關的大型的設施做出相應的決定，比如說我們要做一個金融系統、交通系統，或者向人類提供醫療決策的時候，一個單獨的機器人如果要僅僅根據周圍的信息做決策是很不好的，有時候機器了解的信息是不夠的，一個機器做出的決策往往是不對的，它沒辦法意識到我們周圍環境的變化。如果說單個機器人犯錯了以后還可以自我學習更正，但是如果這種事情大規模地發生，那就是危險的。

如何分享競爭性的數據

以及，我們應該如何分享競爭性的數據呢？我們可以看到模型訓練技術的發展，可以用數據幫助業務的發展。但是這些數據都是停留在各個公司內部的，他們怕別人也有了這樣的數據以后就會有競爭優勢，但是這并不是最好的做法。如果能把信息進行分享，比如說詐騙信息，每個公司都能看到危險的一小部分，然后我們一起不斷地把問題進行整合，就可以讓問題進行更好的解決，同時大家也不會失去競爭力，每個人都可以從中獲益。但目前從技術和思維的角度來說還沒有辦法完全解決

云和終端設備互動

然后有這個云和終端設備互動的問題，到底我們的知識在哪里？知識是在每個地方不同重復的，在每個地方會出現不重疊性，以及在發展中不同的問題會得到不同的答案。所以我們如何在數據之間取得協調，既包括在云端，也包括在終端上時得到相應的解答，這是很難做到的。

我們在公平、質量和多樣性之間如何取舍，我們現在還沒什么辦法能夠同時達成這三者。我們現有的系統只能滿足一種某一種取向，有多種取向的情況就無能為力。

安全

還有一個問題是安全問題。假如大批量的系統受到攻擊，如果我們不進行處理，它們就無法正常工作，這是比較大的問題，這是我們要重視的。這些都不是小問題，都是大問題，這就是我對智能的一個想法。

---

從人工智能的角度來看，我們看看哪些是可能的，哪些是不可能的

---

下面回到我們的機器人、智能發展，包括從人工智能的角度來看，我們看看哪些是可能的，哪些是不可能的。

機器視覺

我們看到機器視覺，在過去幾年，我們已經可以通過攝像頭對場景中的物體進行識別，但是它還是沒有辦法能夠像我們清晰的了解到所有的情況，就像我在這里站在臺上，大家在臺下，或者了解到所有人的注意力在哪里，讓人工智能系統完全理解語義很難，我們現在還不知道要怎么才能做到。我們現在可以把語音轉化成文字，文字也可以轉換成語音，在各種語言上都可以實現，但是我們的機器人還沒辦法幫我們了解聽覺、視覺之后的真正的意義。

自然語言處理

還有一點就是自然語言的處理，我們可以看到到目前為止，自然語言的處理得結果還沒有達到我們需要的發展，我們現在有大量的語言的翻譯，但是大部分的語言和語句因為沒有辦法得到有效的語義的闡述，沒辦法讓我們的受眾了解到這個語義的意思，有時候我們問問題僅僅能了解部分的答案，而不能了解全部的答案。

對機器人來說也是如此，我們看到世界上有很多工業可編程的機器人，他們也在和我們溝通，但是它們沒辦法了解到我們的環境、處境以及我們的情緒。如果我們都覺得機器智能以后將會無處不在的話，其實這是不太可能的。

機器人沒有辦法了解和處理抽象思維

對于我們來說，在過去幾年的發展，特別是在機器人的發展上，我們的機器人還只是一個雛形，之后可能會出現一些有效的對話，特別是像這樣一個自我導識的機器也會出現，但是智能方面它目前還是比較有限的。我相信在未來，短期內不會出現太多的像人這樣的靈活性和可變化性。也許機器可以了解一些事實，它們看上去非常有知識，但是它們沒法真正得到人這樣一種高級智能，甚至像小孩一樣的高級智能，它沒有辦法了解抽象思維，沒有辦法進行抽象的處理，機器人還不能實現這方面的能力。這些機器人就像小孩一樣，他們知道一些非常棒的現實，他們知道每條河流、每個國家，但是它們仍然沒有很高的智能進行人的抗衡，所以在這方面，我們還是很難看到“超越人類的人工智能”出現，這個技術可能要很多年的發展才能夠出現。我相信我們真正要關注的不僅僅只是這樣一種技術的發展，畢竟我覺得我們這代人身上還看不到這種高水平的人工智能的出現。

人工智能還沒有辦法進行抽象、識別語義

但是除此之外，雖然人工智能還沒有辦法進行抽象、識別語義，但是計算機的計算能力不是要比人的大腦高出很多嗎？機器人以及人工智能可以幫助我們大批次的處理數據，能夠通過數據了解未來一些事件的走向，同時能夠保證我們的數據結果不斷地提高，可以發現一些人類發現不了的事情。但是它們沒辦法像人類同一樣地理解這些洞見，當面對各種信息的時候也無法分辨哪些是真的。所以這個機器人并沒有辦法實現像人一樣的能力，假設讓一個機器人做公司的CEO，那它沒有辦法引領這個公司的發展，在我們這代人身上，在機器上還沒能力做出這樣的決定

---

我們到底應該關注什么，應該擔心什么呢？

---

我們到底應該關注什么，應該擔心什么呢？

擔心高度類人化的人工智能的發現

如果我們擔心這種高度類人化的人工智能的發現，我們應該關注，我們所謂的人工智能看上去很智能，但是它并非如此。比如說在醫療行業中，我們讓機器做很多的醫學診斷，這是不太可能的，有很多人會因為這種不暢的診斷，可能會劑量出現問題，特別是結果間有沖突的情況下，如果出現任何問題，這個機器沒有辦法做出有效的診斷，我們的病人都有可能去世。

關注機器人可能會造成大量的工作的流失

與此同時，我們要關注機器人可能會造成大量的工作的流失，以及許多人因為丟了工作沒有辦法得到收入。在過去我們可以看到工業的發展，在七八十年代都是如此，但是在過去50年中，人們在不斷地調整，現在我們可以看到未來10到20年，人們沒有機會更多的調整，機器人會取代更多的人，獲得更多的工作。

惡意使用人工智能

同時它還可以幫助現有的智能設備的發展，在世界上也有很多人會惡意使用人工智能的系統。如果出現人工智能系統的誤用，我相信也會有問題。機器人本身是沒有任何惡意要傷害人類的，只是使用這些及其人的人本身含有惡意。

---

未來人工智能的發展

---

在這里我特別要和大家談到近期機器學習方面一些比較大的挑戰，我相信這些挑戰都是我們大家已經意識到的，但是現在還沒有解決，如果我們能夠確保未來要建立起一個人工智能的系統，我們必須要解決這些問題，否則沒有辦法保證未來人工智能的發展。

設計一個系統

首先是我們必須要設計一個系統，這個系統可以帶來有意義的經過校準以后的信息，能夠應對一些不確定性，比如說在醫療行業，還有在策略規劃的角度，如果你是公司的CEO，你必須要清楚地了解到，一種做法和另外一種做法之間的差別，你不可能只有一個做法。與此同時，我們還要保證我們的系統能夠真正地解釋它們自己所做出的決策，如果機器做出了一個決定，我們必須要讓機器向我們闡釋為什么做這樣的決定，是否還有其它的潛在方法。還有我們要找到問題發生的原因。

另外我們要找到一個系統，這個系統可以實現長期目標的追溯，同時可以主動的收集在實現目標相關的數據。

實時

還有一點是實時，我們可以看到很多的數據和機器需要花幾天、幾個小時來學習這些數據，但是到目前為止，我們的機器學習方面還沒有辦法能夠達到真正的實時操作。

意外情況下怎么辦

還有在意外情況下怎么辦，還有在外部事件上的連接，包括數據和其他的要求，需要和政府的合作，和法律部門、和社會科學家的合作。

以上這些就是我們正在努力解決的技術挑戰，雖然不一定都能完全解決，但它們需要我們的關注。我們做AI，或者做計算機視覺，并不是為了贏下來一些對人類的比賽就好，我們需要像工程師一樣解決一些問題。

---

更難的大規模的挑戰

---

還有一些大規模的挑戰，這對我們來講是更難的。

語義方面

比如說在語義方面，現在世界中有什么、未來在世界中會發生什么，需要有能夠理解這個世界的概念。我們在機器學習上，我們講的更多的是表面的東西，我們需要了解真正的世界上需要什么。我們需要能夠理解上下文的機器人。現在的機器人了解我們的一些情況，但是它們不清楚我們的過去，也沒辦法深刻地理解我們。一段時間過去以后我們就會覺得厭倦，我們不想要這樣的互動或者交互。

云端和終端的互動

然后有云端和終端的互動問題，這也是挑戰非常大的。如果把數據放到云上，你需要關注成本、加載速度的問題。同時你還要考慮現實的情況，有時候云和終端的距離太遠，云和終端獲取到的信息有區別，就有可能會做出錯誤的決定，所以我們現在需要有更好的方案。

不確定性

當然還有不確定性，這也是人類的一個非常重要的特點，圍棋比賽其實并不是一個很好的例子，因為你知道棋盤上的東西，但是人的生活有很多不確定性，比如說我不知道今天會發生什么事情，我不知道將來會發生什么，這就是所謂人的一生，這和圍棋是不一樣的。這樣的問題需要從更深層次才可能改善。

---

總結

---

最后總結一下。我很高興來到這里和大家講人工智能，我也期待著看大家在AI方面會做什么，看看其它企業會做什么。我們需要一起合作，我覺得這相當于3000年以前，兩個人一起來建立合作，大家去建大橋、建房子。大家都很興奮，大家一同帶來了新的發展，同時也會面臨一些災難，大樓可能會倒閉等等，因為他們當時沒有什么科學。然后我們一起創建了土建工程，與全世界分享這些知識。這些知識指導著我們實踐，我們由此建立了自洽的體系，那么全世界不同的地方都會用共通的方式去建造，因為已經證明了這是可信任的，它不會再垮塌。

但是人工智能的發展還沒有達到這一步，現在還沒有建立這樣完善的體系。這需要付出幾十年的努力，所以我們需要一起合作，共同認真思考怎么解決這些挑戰。

---

參考文獻

---

人工智能泰斗邁克爾·喬丹分享機器學習要義：創新視角，直面挑戰

總結

以上是生活随笔為你收集整理的人工智能泰斗迈克尔·乔丹分享机器学习要义：创新视角，直面挑战的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。