MichaelI.Jordan：我們并非處于人工智能的大爆炸時代
現今的我們，并非處于一個人工智能的神奇大爆炸時代。
在人工智能成為炙手可熱的話題之后，前百度首席科學家吳恩達的導師、被譽為人工智能領域的根目錄之一的MichaelI.Jordan教授希望能通過自己的課程讓人們更準確地認知AI領域。
*以下根據MichaelI.Jordan9月9日在混沌大學的課程《人工智能-機器學習：觀點與挑戰》整理而成。
授課老師｜MichaelI.Jordan
加州大學伯克利分校教授、美國三院院士
目前，人們講到人工智能和機器學習，可能還是覺得它很復雜。
事實上，當你聽過我的課程，就會發現，關于這個話題，工業機器人維修，有很多還停留在概念性、戰略性的階段。當然，也有一些投入實際應用的技術，但這背后的理論，還是非常基礎和簡單的。
人工智能與機器學習，其實還遠遠不是一門基礎扎實的工程學科，它并不能為現在用數據分析問題提供強大且可拓展的解決方案。
因此，我們并不能將人工智能與機器學習的發展簡單理解為一個神跡，如同高樓非一夜而起，它是必須要經歷長時間的發展的。
大家首先要意識到，在這一領域，我們仍處于非常初級的階段。很多事情我們還不了解，現今的我們并非處于一個人工智能的神奇大爆炸時代。
可以說，我們有可能要花上百年的時間，這個高樓大廈才能真正地建立起來。
準確認知人工智能的現在與未來
本節要點
目前的智能系統還無法做到對場景的常識理解；
我們不太可能看到所謂的超級人類AI。
拋棄那些外界的宣傳，我們需要實際且準確地理解人工智能。我們來講，目前的人工智能有哪些可能性，以及，哪些技術還沒有實現的可能。
計算機視覺
可能：在可視場景中標記對象
目前尚無可能：對視覺場景的常識理解
比如，一個會議室的攝像機，把它連接到電腦上后，讓它區分哪些是人臉。在目前，人工智能也許可以標記對象，但卻不能理解這個場景。
作為人類，我知道這個會議室有很多人，出口在哪里，我要小心臺階不能掉下去。這是我的常識性理解，但計算機是做不到的。
語音識別
可能：多語種語音到文本和文本到語音的轉換
目前尚無可能：對聽覺場景的常識理解
我的聲音可以通過話筒接到電腦中并轉化為文本，轉化為語音。但如上所述，電腦并不能對文本背后的常識進行理解。
人們可以馬上理解一個很復雜的句子來預測下一步行動，但計算機做不到。
自然語言處理
可能：最低限度的翻譯和問答
目前尚無可能：語義理解、對話
自然語言中有很多東西，機器是做不到的。機器只能死記硬背，卻沒有辦法真正地回答問題。
當你和電腦交流的時候，KUKA機器人維修，它可以回答你中國最大的城市是哪一個，那是它通過中國、城市、最大這三個關鍵詞，在百度搜索的答案。
但如果你的問題是中國不在河邊的第二大城市是哪一個，電腦給你的答案一定是對你一點用都沒有的。因為在此之前可能從來沒有人做過這個問題的相關數據，沒有這個問題答案的數據列表。
但在未來的十年，上述被列為尚無可能的部分，將至少可實現基本形式。
十年，就技術而言，是一個很長的時間窗口了。事實上有一些技術已經開始出現，只是目前在比較原始初級的階段而已。
比如自駕車以及自駕式空中出租車，它們還是會出現的。盡管不會是超級智能，但肯定會越來越好。
但請注意，人工智能系統仍然是非常有限的智能系統。我相信，我的AI同事們也會贊同我的觀點：我們不太可能看到和人有同等智力的靈活性與創造性的AI系統。
首先，人類每時每刻都在以新的方式思考怎樣用新的語言來表述，就像我現在講的每一句話都是有創造性的，我在講話中可以不斷講新的內容以及新的理念，使用隱喻、反諷等修辭。
在現實中，AI系統還做不到。AI可以幫你做一些基礎工作，比如幫你在網上訂一張票，但是它無法和你談人生。
此外，人類還非常善于做新的抽象推理。
比如，Blank從上海走到杭州只花了3個小時。作為人類，你會做很多推理：Blank會移動，而且從上海走到杭州只花了三個小時，它的運動速度一定很快。那么，你會針對Blank問很多問題。
但AI系統就做不到，它需要反復、重復用海量的數據才能得出一個答案。
最后，人非常擅長計劃和規劃。而AI系統只是擅于捕捉目前的數據，而不可能對未來做出一個長期的、有條不紊的規劃。
很多人在講超級人類AI，這類人一定沒有在AI領域工作過，他們根本就不知道AI領域中存在的技術問題有多難。
AI系統可以知道世界所有的城市、餐廳、電影院，然而它也只知道這些事實而已。