|
你愿意变成机器人吗？随着人工智能的快速发展，这个貌似荒诞的问题可能比看起来现实得多。近日，中信出版集团邀请风靡全球的《人类简史》一书作者尤瓦尔·赫拉利教授，在北京举办了一场名为“你，定义未来”的大型现场秀活动。赫拉利教授以独辟蹊径的角度展示了人类发展的历程，并对科技、机器以及人类的未来提出了思考。作为人工智能的实践者与该书的读者，搜狗CEO王小川先生作为嘉宾受邀到场，并作了题为《人机大战启示：人工智能的机遇与挑战》的演讲，与尤瓦尔·赫拉利共同探讨了科技与人类的未来。
在演讲中，王小川首先简述了深度学习的发展历史。他指出，作为一种早在30年前就已经被提出的概念，深度学习直到2006年才被系统性地进行了梳理，论证出具有很高的性价比；2012年，卷积式网络才作为深度学习的应用，第一次在图像检索的比赛中在人脸识别能力上超越了人类。
所以，今天深度学习在AlphaGo上的应用，并不是新的算法本身的革命和突破，而是得益于两件事情：一是机器计算能力的巨大提升，使得算法有了更快的速度（AlphaGo的速度比当年的深蓝快了2.5万倍）；二是网络的飞速普及和数据的大量积累使人类开始拥有可以用来进行机器学习的大数据基础，机器自我学习水平不断提升，取得了更快的进步。所以说，AlphaGo的胜利，其实是计算力和数据的胜利。
王小川介绍，这次“人机大战”中，谷歌在围棋程序上做了三件事情，一是利用卷积式网络，把棋盘视作一张图片交给机器来学习，利用感性的方法去识别棋盘；二是将蒙特卡洛树搜索同感性的网络做结合，实现感性理性的统一；三是不再将人类走棋的方式教给机器，而是让两台AlphaGo自己跟自己下棋，如果一个AlphaGo赢了，就回溯这个AlphaGo赢的时候哪几步棋走的是好的，给它加分，如果输了则给它扣分——这种自我进步使得AlphaGo实现了对原来人类学习的超越。
这次举世瞩目的“人机大战”，王小川认为是堪比文艺复兴的又一场人类启蒙运动，引领人们重新思考人工智能的意义，以及人与机器的关系：机器在某些领域上，已经比人类具有更强大、更可靠的能力。比赛结束后，有人称AlphaGo为“阿老师”，年轻的网民则亲切地称它为“狗狗”——我们与机器更加亲近，也对机器更加信任。
然而随着机器能力的增强，人类也开始担心。尤瓦尔·赫拉利教授在演讲中就提出了一个“惊悚”的问题，人类会不会变得百无一用？乐观的论调认为，即便机器在很多岗位上取代人类，也依然会有新的工作涌现，人类会转移到新的岗位，不大可能被完全驱赶出劳动力市场。但赫拉利指出，人类的两种基本能力是生理能力和“认知-心理”能力，19到20世纪，机器生产大规模地承担了那些要求生理能力的工作，比如农业，人类则开始转移到那些需要认知能力的岗位上；如今，机器也开始逐渐具备认知能力，并在相关岗位上取代人类。我们并不知道人类是不是还拥有第三种机器所不具备的能力，而当人类的能力完全可以被机器代替的时候，人类独立存在的意义也就产生了疑问。
对此，王小川提出了一个标准：如果你的工作本身环境越简单、越封闭，所需的数据越少，特别是存在标准，那么这个工作越有可能随时被机器取代，比如审计、司机；如果你的工作所需的环境越开放、涉及的信息量越大，那么你被取代的可能性就越低，比如电影导演、作家等。
人最终会被取代吗？尤瓦尔·赫拉利提出了人类对这个问题的思考。很多人认为，人工智能或许能够胜任智力劳动，但难以胜任情感劳动：如果你患上了癌症那样的可怕疾病，是希望从冰冷的机器那里得到真相，还是从贴心的人类医生那里获得善意的抚慰和治疗呢？但赫拉利认为，这个表面上的二选题其实还有第三个选项：暖心的人工智能。对于人工智能来说，人类的情感同样可以通过大量的数据分析分解为具体的生物-化学过程，它们可以通过表情和声音来识别并回应你内心的情绪变化。随着技术的发展，人工智能似乎有可能比人类做得更好——即使它们自身没有感情，你却能体验到比真人更体贴的细腻情感。
对此王小川认为，目前机器还有两件事做不到：其一是《人类简史》中所提到的，机器不具备人的想象力。机器算法里面不支持想象、不支持复杂的抽象、不支持对语言的理解，所以无法具备想象力。另一件则是目标的设定，目前的机器，都需要人类为其设定具体的执行目标。目前人类给机器的目标都是很纯粹的，即完成一件事，只要有具体的目标，机器就不是对人类本身的取代。只有当机器的目标设定为“生存”，环境设定为整个地球时，机器才有可能去尝试生存、和人类做竞争。
王小川引用了谷歌技术总监Ray Kurzweil的论断：“2030年，人脑将能与’云’直接联通。我们的思维将是一种生物与非生物思维的结合物。人类将是一种人工智能生物。”在王小川看来，人终究是要与机器融合的。机器不会取代人，而是与人进行协同，成为人类的延伸，就像今天人们戴眼镜提高视力一样。王小川总结道：“这个世界是属于人的，未来也会是属于机器人的，但终究是属于会造机器的人的。”
以下为王小川先生演讲实录：
王小川：大家晚上好，我也是《人类简史》的读者之一。发生在今年3月份的AlphaGo的世纪大战，有多少人记得这个比分，4：1？这样一个比赛,跟《人类简史》一样，对我们产生巨大的冲击。在这个比赛当中我正确预测到了这个比赛机器能够完胜，在今年2月份我在知乎上写了一篇预测文章，解释了为什么AlphaGo会胜利。回顾起来，发现有几类人关注：其中一类人是围棋的顶尖选手，在比赛当中的新浪直播和在腾讯的直播当中，我面对的都是围棋九段的选手，他们坚信机器是输给人的。另外一个做判断的群体是IT界——离人工智能更近的群体，大多数的声音也都是讲机器未来会赢，但这一次赢不了。当时我非常深入地研究了这个算法，并看了谷歌的论文，我想说的是最后结论不只是证明我正确，更多是我们很多人低估了人工智能到来的步伐。
在这样的一个比赛当中，我们看到有很多突破，是人工智能爆发了吗？是新的突破吗？以专业的角度我可以告诉大家，事实上今天我们提到的深度学习这个词，不是新玩意，实际上在1985年就提出来了。人工智能深度学习这样一个概念离现在已经有30年的时间，为什么现在才开始爆发？因为之后发生了几个事情，一个是2006年一篇论文提及，深度学习方法是个性价比很高的方式，2012年卷积式网络第一次在图像的检索比赛里面，用图像分类做人脸识别开始超越人，这个理论发明接近30年之后，终于开始得到应用。为什么能应用，不是新的算法本身的革命和突破，而是两件事情发生了，一件事情是今天的计算力得到了巨大的提升，使得这个算法有基础的速度。我在90年代上大学的时候，大家提到这个算法说这个计算力是完全不够的，迅速提升的计算力使得这样一个算法有机会登上这个舞台。我们今天看到的AlphaGo做比赛用的机器是1997年IBM深蓝这个计算机计算速度的25000倍，这意味着20年后计算机具备了25000倍的速度的提升。另外一件事情就是我们开始拥有了大数据，以前的算法是基于人去写规则，谷歌这一次是从一个KGC国际围棋的比赛的服务器上，收集到16万局6段到9段的历史比赛，并且把数据录到系统当中去，16万局大概有3000万步。通过这样一个数据的收集和计算力的提升，谷歌实现了算法上的突破，他做了三件事情，一个是利用卷积式网络，把一个棋盘视作一张图片，让机器来学习，谷歌利用感性的方法去识别棋盘。第二件事情是蒙特卡洛树搜索，跟感性的网络做结合，所以第二个结合是感性理性的结合。第三件事情，在这个方法里不是把人类怎么走棋的方式教给机器，而是让两个AlphaGo自己跟自己下棋，如果一个AlphaGo赢了，我们就回溯这个AlphaGo赢的时候哪几步棋走的是好的，给它加分，如果AlphaGo输了，给它扣分，使得它能够再继续有一个对原来人类学习的超越。
学术界有时候质疑，为什么AlphaGo能够上Nature这样世界顶级的刊物，并没有理论突破。AlphaGo确实在工程上有了新的创新，不只是下围棋，在一切棋里面现在都能取胜，有人问麻将或者德州扑克行不行？最新的实践表明德州扑克已经攻克了。这是谷歌的一个胜利，我们想到，这个胜利不是在理论上有重大的突破，而是基于原有的理论。80年代的理论到90年代的理论，在数据量、计算力上的突破，再加上他们天才般的工程能力。为什么我们觉得这么震撼，所有亚洲人，特别东亚人，包括我们、日本人、韩国人，疯了一般来追逐这个事情，大疯狂的讨论，在一次直播里有6000万人在线去看。
为什么，把它当成一场启蒙运动？人类在以前，因为一个技术发生的启蒙运动，就是文艺复兴。那是因为有了印刷术，有印刷术之后，我们每个人能够得到一本圣经，所以人离上帝的距离变得平等，我们开始寻找人与人的关系的时候，我们知道人是平等的，这是几个世纪前发生的事情。AlphaGo这个事情，在我看起来是另一场重要启蒙运动，我们通过这场比赛开始寻求人与机器之间的关系，我会用一个词来形容它叫“恍如隔世”，3月8号开始第一场比赛，一周时间以内下了五盘棋，之前我们对机器是处于一种无感的状态，机器什么样，能取代人吗，能比人聪明吗，大部分人觉得不会的。但是这五场比赛打完之后，我们开始重新理解机器，它很厉害，它能在一些领域里面比我们思考的更好，甚至让围棋选手整体产生崩溃。这五场比赛当中，我觉得还有一个好的巧妙的有趣的数字，4：1的胜利。我们想象，如果说机器胜利是5局都赢了会怎么样，我们可能觉得有一丝害怕，机器好像无往不胜。但是当它输掉一局之后，我们开始觉得它也有缺陷，让我们更容易接受这样的机器。这个事情发生后，我们对机器的态度发生了变化，它很巧妙的，输掉第一局之后，在围棋的排分序里排到了第四名，第五局又赢了李世石，排到了第2名。人类保住了第一的身份，但是我们也承认机器在里面很有自己的能力。
有人尊敬地称它为“阿老师”，我们给它一个人的名字，很多年轻的网民们把它称为“狗狗”，很亲切。我们对一个陌生的机器不是在恐惧它，而是认为它能变得很友好。如果没有AlphaGo的这场比赛，假如你去医院做体检，给看个诊断报告，说是机器给你做的报告，你会相信吗？你可能会很害怕机器是否能做出好的诊断。但今天变了，今天说这样的结果是机器做的，我们可能更信任。
这场运动会使我们重新理解跟机器的关系，有时候我开玩笑，中国的A股，咱们知道多么不靠谱，人工智能概念可能因为这场比赛就拉了几个涨停板，事实上也是，有更多的投资人，更多的程序、设计师们、技术人员们，开始投向了人工智能的创业，我的员工有发短信给我，说老板，我一定会更努力干活，我发现我作为工程师我自己更有价值了。因此在今天之后，这样一个事件带来了21世纪最重要的变化，我们开始理解到，机器开始复兴，开始具有这样的智能。以后当我们遇到无人驾驶汽车，遇到机器在里面做诊断等等，我们可能心里面得到一丝安慰。这是我对机器智能历史时刻的判断。
机器到底能干什么事有什么变化，我这边不用特别严谨的学术方式定义，我把人工智能分为三个层次，在深度学习之前，我们做人工智能更多的方法是让人把规则交给机器，人我想明白了这块怎么办，我找到一些特征，描述给机器，机器学习之后带来一个做决策的能力。最古老的人工智能，比如电饭锅，工程师告诉它说，一旦你的温度测量到103度，就停止加热。这就是机器通过测量来感知环境，在一个规则下创造了这样一个答案，这是以前的方式。在之后很长时间里面我们对机器做训练，我们都需要把人的规则、判断、经验，告诉机器。这件事情有个挑战在于，我一定要比机器更懂，我要很好的描述。但实际上在之前到后来的做法就不够用了，最典型的例子是人脸识别，在座各位都知道说，我们看这张脸立刻知道他是谁，这是我们与生俱来的本事。但是看他脸圆、脸方、眉毛粗，这些初步的判断没法对人脸进行识别。很长时间里我们并没有能力把一个机器调教到能做好人脸识别，因为我们不知道怎么描述规则，不知道怎么取特征。但是在深度学习的时候我们用更通俗的方法，给你更大的数据做训练，一张照片识别不了，我给你一千张，具体怎么看懂是谁的脸，我不告诉机器。因此在计算力的提升和数据提升之后，我们不用告诉机器规则，我们告诉机器原始的数据和答案，机器就能学会。这也是AlphaGo胜利中很重要的部分，我们给了他3000万局棋，每一局是在什么情况下人是怎么走的，不告诉他为什么这么走，只告诉他人这么走了。这是第二个阶段。这种情况下我们还得告诉机器一个答案，是否机器能找出比我们更好的答案，之后用了强化学习这个方法，这个方法上机器自己给个答案，然后我们只是判断这个答案好不好，越来越懒了，从给它规则到给它答案，到答案不给它，只告诉你最后你的做法对不对。在AlphaGo后来训练里，人只告诉机器你之前的答案，串起来是赢了棋还是输了棋，让机器自己去反思。这是未来一个很重要的方向。人工智能在未来的大方向上是告诉机器目标，你到底做这个事的目的是什么，就像我们训练小孩一样如果这个小孩碰这个杯子，杯子很热，被烫了，不告诉小孩说这是热水，他自己就知道。这是我们现在对机器训练的一个新的思路。
我们很好奇一件事，未来什么地方我们会被机器取代，我们还有意义吗，用一句简单的话来讲，如果你工作本身的环境是越简单的，意味着你要做决定用的这个数据是越少的越封闭的，那么你的这样一个工作越有可能被取代，特别是给了标准的。看下围棋这件事情，虽然咱们知道围棋的比赛上面的变化数字是10的172次方，比宇宙中的原子数还多，但毕竟就是个19×19的棋盘，产生结论产生答案的数据是越少的越局限的，对不起，这个领域机器更容易把你取代。但如果你做一件事情，信息量无限大，这个很难被取代。比如我们拍电影，写电影剧本，需要你更多的生活阅历，这种行业里面就会更难被取代。对于创业者而言，这个领域做人工智能更有机会取得成功。
回到一个终极问题，人最终会被取代吗，目前为止我认为机器在两个事情里还做不到，第一件事，跟《人类简史》里面提到的概念一样，机器现在不具有想象力，想象力是人类具有的一种抽象能力，比如语言，比如我们对艺术的追求，这些有关想象力的能力，机器的算法里是不支持的，不支持复杂性的抽象，不支持对语言的理解，这是它的一大局限性。另外一件事情如果我们本身的目标设定成是让机器变成一种存在，而不是有具体的工作目标，那我们的做法里面其实是创造一种生命。如果我们设定它的目标是生存，这个机器可能会取代人。还好，今天做人工智能的人一定会给机器具体的目标，当给机器具体的目标的时候，它就不是跟人做竞争的关系。现在给机器的目的都是很纯粹的，完成一件事情，只要有具体目标的机器就不是对人类本身的取代。
机器跟人怎么相处，它不会取代人，而是有一种协同。在未来不用害怕技术，举个例子，今天很多人是戴眼镜的，眼镜是个技术，当你戴上眼镜的时候变得更加强大了，但是不戴的时候会变得更弱，这是我们跟技术相处的浅显的理解。我们因为拥有了技术，能够在谷歌上做搜索，变得更加强大，但是离开技术之后变得更弱。现在技术是在体外工作，慢慢也会侵入体内。未来人工智能也好，技术的发明也好，不管是基因工程还是技术本身，最终跟人产生融合，带来一种新的人类——我们害怕吗？就跟问一只猴子说你愿意变成人吗，猴子可能很茫然。问你愿意变成机器人吗？我们可能很茫然。提这话我不觉得是自大，我反而认为说人不会被机器所影响的人才叫做自大，所以我觉得这个世界是属于人，未来也是属于机器人的，但终究是属于会制造机器的人的。
|
