AI專家JerryKaplan：人工智能如何引領產業變革
在日前蘇州舉行的2017英特爾中國行業峰會上，國際知名人工智能專家及技術創新企業家、暢銷書《人工智能時代》作者、斯坦福大學人工智能與倫理學教授JerryKaplan在他的演講《全球視野：人工智能如何引領產業變革》中，針對人工智能領域的發展歷史，當前及未來的行業應用方向，以及如何引領產業變革的話題進行了分享。他強調，美好的未來還是要由人來親手創造的，機器只是實現的重要工具，如何使用這些技術全靠我們，同時也對中國如何更好地發展人工智能產業提出了建議。
以下是JerryKaplan教授的演講實錄。
來自硅谷的問候，我自己住在加州，非常非常榮幸能夠借英特爾的邀請，這次來到蘇州參加會議，非常感謝各位的支持，我深感榮幸，能夠有這樣一個機會，與大家分享一下人工智能引領產業變革。不管是作為個人還是作為我的企業，我們與英特爾合作已久，如果沒有英特爾，PC行業的變革甚至根本不會發生，今天我為大家介紹一下人工智能，簡稱AI。首先讓我們確定一下人工智能究竟是什么？然后讓我們再來去介紹一下人工智能的發展歷史。它現在又處在什么樣的階段？在這兩大背景了解之后，我們為大家簡單介紹一下AI領域全新的業務機會，對我們各個行業有什么樣的影響。我想借此機會為大家提供一點建議，如何更好地將自己的業務與人工智能相融合。最后，我也希望聚焦一下中國市場，中國政府如何能夠幫助企業去更好地迎接AI所引發的技術革命。
首先想問大家一個問題，那就是人工智能究竟是什么？絕大多數人提到人工智能，我們都會擔心，機器變得太智能了，甚至會進化出取代人的能力，會偷掉我們的工作，導致大量的失業，它甚至會直接控制整個世界，為什么會這樣想？因為我們在電腦里面看到的，例如《終結者》。剩下的太嚇人了，我就不放了。不管怎么樣，電影里面都是非常讓人恐慌的，但是我覺得人工智能還是非常光明的。電影里的不見得就真的成為現實，我們在這些科幻小說還有電影里面的看的實在是超出想象了，而且是有點過分，有點想象過度了。想想今天的機器人，人類的最有技巧的工程師們，再對比一下我們所開發出的機器人，在美國國防部的一些任務上能夠實現多么驚人的成績？大家可以看一下，這個機器人到底能做什么事情？今天的機器人實在是太蠢了。但是如果能夠對他們進行優化和升級，他們真的能發展成終結者那樣的智慧機器人嗎？他們真的能起來反抗人類，最終統治世界嗎？答案是否定的。因為機器人他們沒有自己的欲望，沒有自己的想法，他們只會去做人類給他們預先設置好的任務。哪怕是在他們去實現人類預定的這些目標當中，他們都是按照規定的程式來進行呈現。再回到最開始的問題，人工智能的定義究竟是什么？
一個官方的定義是這樣的，研究和開發與模擬人的智能，比如像視覺感知、語音識別、決策和語言翻譯，來執行任務的計算機系統。
但是，這個定義我覺得其實很不全面，我們經常會使用計算機做大量的任務，比人類的效率要高很多，我們打造的系統，也是希望能夠遠遠超過人本身的效率，并不只是簡單地照搬人的能力。人工智能簡而言之，并不是讓系統以及設備像人一樣思考，人工智能的本質在我看來，是自動化，而并非是智能化，這是我對人工智能的一個詮釋以及理解。新一代的設備，總是可以不斷地提高人的效率的，不管是智力還是體力運動，以及相關的工作都可以獲得大幅的提升。他們在執行這些任務的時候，要比人類更好，更快，而且成本更低。否則，那我們開發出來這些設備就沒有什么用了嘛，但是走向未來，KUKA機器人示教器維修，人工智能能夠幫助我們做的會更多。它將會繼續實現自動化，并不僅僅是因為機器更加智能，而是機器是人類開發出來的非常重要的工具，它們讓人類更加有價值，讓我們從冗雜的程式化的工作當中解放出來。
下面讓我們看一下人工智能的發展史，它從創始到現在出現了怎樣的變化，為什么人工智能會出現這樣的變化？
人工智能的發展，從邏輯推理到機器學習
人工智能實際上是在1956年達特茅斯會議上誕生的，一些科學家在這次會議期間進行了專門的討論，在達特茅斯大學我們見證了這個人工智能詞語的誕生。這次會議的與會者認為智能背后的關鍵是邏輯推理，因此，在當時那場人工智能奠定基礎的會議上，大家覺得邏輯推理的基礎是什么？我們假設孔子是人，第二點，所有人都會死，都是凡人，這個邏輯放到計算機的程序當中，利用這樣的聲明做出一個結論就是孔子會死，這是非常簡單的例子。這是基于邏輯的方法，它有很多的應用，并且當下仍然有很大的影響，包括給我們正確的駕駛方向；在倉儲中使用這些邏輯的方法進行更好的倉儲、庫存的管理、與此同時，對于計算機芯片，來滿足它的規格，也需要這部分的邏輯推理，英特爾在這樣的技術方面也是一個領先者，領導者。而在進入到其他的領域，光靠整個1956年達特茅斯的會議上所提出的這些邏輯推理能力難以解決，包括話語之間的翻譯、語意理解，計算機視覺等等這是其中的幾個例子，問題到底在哪里？這些問題背后究竟有什么共同點？它背后需要很多的是非常混亂的，非結構化的真實世界的數據是沒有辦法得到很好的解釋，包括我們提到的這些聲音，包括很多的圖像語意，因此需要一種不同的方法能夠讓人工智能來進行更好的發展。而現在我們也用這個詞，機器學習來代表。
機器學習背后是一系列的應用，包括軟件技術，包括選擇各種不同的使用模型、案例，包括大量的事例來提取模型。對同一領域的數據進行收集，如果這個體量足夠大了，大到足以找到一些模型，但是你能夠充分地利用那些模型來進行數據預測或者歸類，特別是對于同一領域的新數據的事例進行預測或者分類。因此在另一方面，機器學習也是一個非常好的例子，對于你的未見的未來進行更好的預測、假設，機器學習的程序是用來識別圖像，識別對象，而圖像包括不同的貓貓狗狗的照片等，它能夠找到其中的相關性，這個相關性也許是任何一樣東西例如股價的相關性，他找到這個相關性之后能夠用來做股票，包括證券的銷售等等。大家是這方面的專家，大家知道了邏輯推理和機器學習是兩種不同的人工智能領域，不同的兩條路。
但是又有一個問題出現了，邏輯推理為什么在過去的幾十年里如此風靡全球，現在反而機器學習變得大行其道呢？如果要說它背后簡單的答案，也許是有不同的存儲、網絡、計算，數據正在發生深遠的變革。他們變化的體量不是一點點，也不是許多，我想說這個詞，是一個巨大的天量的海量的變化，而這樣的變化也是讓許多可能變得有更多的無限的可能。回顧過去的幾十年的發展，在速度和內存上面差不多每一年提一倍，它的能力就能翻一番，這意味著當下的計算機，現在的能力比過去的三十年里，應該是翻了二十多倍，如果看到他的指數，是2的20次方，產生的體量應該是超過1百萬了，因此甚至超越了我們直覺的分析和知識，來理解這巨大的海量，一百萬代表的是速度方面，就是我們一個蝸牛的步行的速度和一個航天飛機，如果把它放到同一個階數下面，他們的差別是多少？50萬。再看蘋果手表，蘋果手表它的計算能力和傳統的美國之前的航天項目，這是最早的，比1965年登月時候的計算能力要大得多，同樣發生變化的也包括數位化的數據，所發生的體量也是海量巨大的。