“人工智能”这个被一时间带火的“热词”，已成为当下最火热的产业之一，从苹果Siri到谷歌的AlphaGo等，AI的大规模运用，将给当下的社会生产力带来爆炸式的增长，我们曾经憧憬的未来世界，都在人工智能的撬动下，已悄然掀开了序幕。
2017年8月，资深媒体人杨澜发表了一场关于人工智能的主题演讲，从人文角度对我们如何走向真正的人工智能进行了描述，以下内容根据演讲实录归纳整理。
2016年，我和我的同事们走访了5个国家，20多个城市，30多个顶尖的实验室，采访了80多位业界的专家和当事人来探寻人工智能。在探寻人工智能和记录这个时代变革的过程当中，我的一些心得和观察让我开始思考，我们的生活将发生怎样的改变？
其实这个世界的变化，已经越来越剧烈，越来越具有颠覆性，变革之间的间隔变得越来越短。而我们每个人适应这种格局的一种方式，就是不断地学习。我想从人文的角度来看一下这次的智能革命在人类的历史当中究竟扮演怎样的角色？对于我们之所以为人的一些基本的认知，发起了怎样的挑战？让我们怎样审视自己？
01
机器能思考吗？
为什么人工智能跟以往的所有的科技革命都如此的不同？它引发的争论、担忧，甚至恐慌都是前所未有的，为什么呢？因为它第一次触及人类本质，如果一个机器替代了我们的手臂、双腿，我们都可以很欣然的接受。但是如果要替代我们思考，这似乎有一点冒犯。因为我们一直认为，我们是被造物主选择的独一无二的、地球的万物之灵。思考决定存在，那么当一个机器会思考的时候，我们怎么能不恐慌呢？
第二次世界大战的时候，年轻的阿兰图灵和一些其他在数学和博弈学方面都极具天才的青年被召集到位于英国牛津大学和剑桥大学的来持利公园，被赋予一个打败当时被称为不可击败的德军设计的密码机Enigma的任务。它是这样的，比如你按下一个字母A，它可能跳起来一个字母G，当你第二次再击打A键的时候，它跳出来的可能是H。所以如果你不知道它的密码设置原则，一个个单词去试的话，它的可能性也是一个天文数字，大概1.59万亿的可能。
在后来发展到几百人的团队中只算了18个小时，密码就被德军换掉了，第二天早晨需要从头来过。于是阿兰图灵提出了一个设想：靠人力完全不可能战胜Enigma，我们是否能够研发一个机器去战胜另一个机器呢？他们后来把这个报告提交到了最高的司令部，据说丘吉尔直接下了命令，开始制造这个被命名为炸弹的解密机。不负有心人，图灵和他的团队真的把这件事情做成了，Enigma密码机被炸弹解密机完整的粉碎了。通过炸弹解密机，在1942年的时候，英国已经知道了德军特别是德国海军的大部分军事行动内容，人们说图灵和他的团队对于二战做出的贡献，起码使二战早结束了两年。
在1950年，图灵就提出这样一个振聋发聩的问题，机器会思考吗？他当时提出了这样的一个设想，他说如果一个机器和人不是面对面的交谈，让人无法识别它的机器身份，那么这个机器就应该被认为是智能的，这就是著名的图灵实验。直到2014年才有第一个模仿9岁乌克兰男孩的一个软件，通过了图灵测试。而在计算机界最高的奖项，就被称为图灵奖。所以图灵被称为是人工智能之父，也是计算机之父。图灵机后来就变成了我们现在的电脑，所以这样一位人物，我相信是值得也是我们必须去了解的。
02
卷积神经网络和深度学习
1956年的时候达特茅斯会议，其中马文明斯基和约翰麦肯锡等等，他们发出了一个豪言壮语：说我们有信心用一代人的时间，让机器能够使用语言，形成抽象的概念，解决人类现存的问题。我们的研究基于这样的推测：学习的每一个方面和智能的任何特征，原则上都是能够被精准的描述，并且被机器模仿的。马文明斯基在麻省理工学院成立了世界上第一个人工智能实验室，后来他的同伴也是竞争对手的约翰麦肯锡在斯坦福大学成立了人工智能实验室。
在达特茅斯的豪言壮语之后，人工智能经历了两起两落。直到21世纪，实际是以下这两位科学家做出的巨大的突破性的贡献，让人工智能今天得以广泛的应用。一位Yann LeCun，他是纽约大学的教授，现在在Facebook做科学家。当时他进一步完善了所谓的卷积神经系统。他做出来的这个卷积神经网络是什么意思呢？过去的人工智能，也是模仿人类的神经系统，但是它的层次非常少，也就是在每一个层次上，机器要完成的计算量都特别大。
那么Yann LeCun和他的同事们就发现，为什么我们不能学习人的视觉神经系统。人的视觉系统，有一种去粗取精的过程。Yann LeCun就想我们为什么不能增加机器的识别层次，不要让他一次干太多活，每次就干一点活。比如说第一先把像素稍微聚焦一下；第二步让面前出现的各种像素的边缘的状态和他们的方向感再聚拢一下，看清楚他们的边界究竟是怎样的；然后再进一步看到他们之间的关系是怎么样的；最后辨认出一张人的面孔。同时我觉得还有一种非常具有天才性的研究，它做了一个反馈系统，就是机器在反馈的过程中，它有一种自我纠错的能力。在不断地纠错当中，与日俱增自己的能力。
Hinton教授是加拿大多伦多大学的一位教授，他写了一篇论文叫做《深度学习》。第一次用“深度学习”这个词，他发现卷积神经网络和一种反馈理论。在语音识别、人脸识别，自然语言处理等等方面，具有得天独厚的优势。当他把这一套系统，用在斯坦福大学李飞飞教授发起的全球图象识别的测试当中，一下子把准确率提高了10几个百分点。这是很不容易的，因为每一次大家的计较或是竞争，就在零点几个百分点。但是他一下子提高了很大的幅度，让全球震惊。于是在不断地运用、纠错、训练当中，“深度学习”就成为了一个现在被人工智能各个领域都广泛采用的一种算法。
03
谷歌大脑
谷歌大脑连接了1万台计算机，有10亿个链接。就像飞机模仿鸟儿的飞行，但是并不需要有鸟儿的翅膀，或者说去扑打翅膀一样。计算机的这个大脑用一万台计算机来模仿人头脑的神经网络工作方式，它成功了吗？怎么知道它能成功呢，以闻达教授和他同伴们为首的一些科学家为谷歌大脑输入了数万小时的视频。突然就有一天，他的一个学生跑回来说：不得了，我们的大脑认出了一只猫，在这之前没有任何人给谷歌大脑输入一个程序，说猫长得是这个样子。
但是他们发现每当在视频上出现猫的形象，不管大小、颜色、花纹等等，计算机都会表现出非常活跃的一种反映。而看到狗的时候就没有，于是科学家们认为这个大脑在自我的训练当中，认识了一只猫，这可了不起。但是你要跟人类的一个1岁的孩子说，这是一只猫，他或许明天就能告诉你，那是一只猫了。但是总是有一个第一步要走出去，所以谷歌大脑让我们看到了机器在一个黑匣子无人监督的学习当中，居然认识了一只猫。
那么这一次的智能革命和以往那些天才们告诉我们的自然世界的规律有什么不一样呢？这是一个很大的不同，如果说过去我们是依靠一个天才，靠一个苹果打在脑袋上，突然想到一个主意的话。那么这一次是数以亿计的人都参与到这一次的技术革命过程当中。如科大讯飞，在中国被称为是中国的深谷。在语音的训练方面，它可以识别很多地方的方言，甚至少数民族的语言。它是怎样做到的，怎样跟自己的背景声或者是跟其他的一些方言能够区别开来的？其实就是因为在中国有数以亿计的用户，在不断地培训它。
回到这个应用场景，我们让机器从看到看见，从听到听见，这个是一个巨大的革命。而且由于视觉识别和语音识别，是一个非常广谱性的一种技术。所以它将来就可以被植入你的电脑、电视、空调、洗碗机、洗衣机、冰箱等等。通过物联网无处不在，所以说未来人工智能就是家里的水和电，一点都不夸张，因为这些功能，其实现在就已经在我们的手机上，让我们随时离不开它了。
最后， AI改变我们，谁来改变AI。
我想说的是，我们每一个人都可以改变AI，而不仅仅是科学家们。无论是它的应用、培训，还是说我们要向社会治理、公共政策提出好的建议，怎样让人工智能更加普惠到社会的各个层面，而不只是成为某些阶层的谋利工具。
其实无论科技怎样发展、世界怎么变化，我们还是需要心里有爱，有慈悲。这件事机器做不来，而我们必须要做。
责任编辑：
