微軟（中國）CTO韋青：人工智慧是拿來用的，不是拿來炒的
隨著近幾年全球各大科技巨頭紛紛入場人工智慧領域，催生了一大批技術的發展和落地：AI醫療、智慧翻譯、影象識別、智慧社交機器人、無人駕駛……這些技術的背後都離不開“深度學習”。科技改變我們生活的同時，也給我們帶來了某些隱憂：人工智慧會不會取代我們甚至統治我們？
日前，中信出版社推出了《深度學習：智慧時代的核心驅動力量》一書。本書作者特倫斯·謝諾夫斯基是全球人工智慧十大科學家之一、深度學習先驅及奠基者，親歷了深度學習在20世紀70年代到90年代的寒冬。但他和一眾開拓者，利用大資料和不斷增強的計算能力，終於在神經網路演算法上取得重大突破，實現了人工智慧井噴式的發展。中信出版社特別邀請微軟（中國）CTO韋青分享了這本書的閱讀感受，以及對人工智慧發展的判斷。
《深度學習：智慧時代的核心驅動力量》
中信出版集團出品
深度學習不僅是知識，而是思維正規化的轉變
首先我們怎麼看深度學習，它到底是新的知識，還是一種正規化的轉變？人工智慧非常廣泛，其中機器學習是一方面，深度學習又是機器學習的一個子域。 我認為深度學習不僅僅是知識，更是一種思維正規化的轉變。
愛因斯坦說過：“我們不能用製造問題時的同一思維水平來解決問題”。我們處在一個智慧的時代，機器開始解決很多人類原來以為自己擅長的，結果是機器更擅長解決問題，所以我們需要努力學習新的知識。《深度學習》這本書的作者特倫斯·謝諾夫斯基，是幾十年一直跟著業界發展的前輩和專家，他在這本書清晰的把“深度學習”的來龍去脈講清楚了。其中最大的核心點，是 這種知識要求我們瞭解人類的思維方式，並通過數學演算法轉變對世界的描述方式，讓我們理解這個世界是由很多模型構成的。
如果我們還帶著過去的思維方式，無論是電氣化時代的思維方式，還是資訊化時代的思維方式，都無法理解智慧時代人的思維方式和計算機的計算方式有什麼異同。過去的思維方式會產生兩種結果：一方面容易把人工智慧所帶來的成就神話和誇大，另一方面對數學和演算法的進步帶來的人工智慧發展成果產生誤解。現在出現很多“機器是否會代替人，機器人是否讓人類滅亡”的擔憂，都是因為沒有充分了解什麼是人工智慧。
以史為鑑，重新認識科技進步
由於技術的進步引發的新話題層出不窮，我們不斷被動地接收新的理念。越來越多的人發現，人類開始進入“無人區”，沒有一個大思想家或者大哲學家能夠告訴我們未來會怎麼樣，所以人們就產生了很多爭論，關於人工智慧的爭論，關於機器智慧的爭論，關於機器人的爭論，關於技術和人類關係的爭論等等。
微軟公司CEO薩提亞曾在一場演講中說：“未來沒有人引導我們，那麼我們可以選擇以史為鑑，看看歷史上發生過什麼。”最有代表性的就是第一次工業革命到第二次工業革命之間，由蒸汽時代進入電氣化時代。我把這個階段總結為四種態度和四種結局。
在蒸汽時代，很多有影響力的全球性公司用蒸汽力量代替人的四肢，但當電氣出現的時候，絕大多數公司態度是看不起電，因為最初電的效率並不夠高。第一類公司的想法是電力不行，效率太低，沒有未來，蒸汽力量足夠了，一百年之後這些公司被淘汰了。
第二類公司放下一些包袱，認為電是新生事物，也有潛在發展的可能性，但是仍然堅信蒸汽機的力量，堅信只要對蒸汽機進行改良一樣可以保持競爭力，這些公司也被淘汰了。
最可惜是第三類公司，他們已經放下舊的生產力，開始擁抱新的生產力和形成新的生產關係，但是思維方式沒有改變。他們認為自己全面擁抱電氣化時代，已經產生比蒸汽機時代超高的效率，更低的成本，但是他們還在跟蒸汽機相比，這些公司最終也被淘汰掉了。薩提亞提到，我們做了一些粗略的分析，只有不到5% 的公司在那個時代完成了轉型和飛躍，真正進入了電氣化時代。
當時大部分企業對於電氣化的觀念只是能點多少盞燈，或者生產線能夠提高多少效率。只有5%的公司選擇徹底放下包袱，忘記什麼是電氣，什麼是蒸汽，而是把它們都當成是工具。這些公司要的就是進入新的時代。這代表更高的效率，更低的成本和更優秀的使用者體驗和產品品質。
通過歷史上的事件可以發現， 我們現在對未來的任何預估都是不足夠的，都可能沒有完全估計到未來的衝擊力。
在歷史上的某個階段，古人類開始發現和使用工具，比如用骨頭或者石片可以敲東西，完成手完成不了的能力。著名的科幻電影《2001太空漫遊》中有一個非常著名畫面，猿人忽然有一天發現可以拿骨頭去敲另外一個骨頭，可以把別的骨頭敲碎，這就是人類歷史上大的進步。他就發現這個骨頭不僅可以敲骨頭，也可以敲肉，可以敲瓜果，敲野獸，也可以用來防身。那時候人類發現，原來可以拓展四肢的能力，利用外部工具去提高自己的能力。
工業革命之後，人類發現不僅靠傳統的工具，還可以靠各種機械的力量代替人類的四肢。我們現在不會無聊到說在肌肉能力方面還可以跟機器一拼，比如去和一輛汽車比賽跑步，應該沒有人會這樣做了。其實不僅是肌肉的機能，我們連計算的機能都都已經被淘汰掉了。有沒有人可以馬上開7的3次方？應該沒有。我們可以十幾塊錢買一個計算器，計算器就可以做到。我們為什麼對這種現象不會抱恐懼心理，而對人工智慧抱有莫名其妙的恐懼心理？
技術是拿來用的，而不是拿來吹和炒的
很多業界專家都有這樣的感受，現在媒體對人工智慧的炒作過熱，反而讓廣大讀者，甚至是決策者失去了對這件事的核心把握。人工智慧的核心實際上就是機器學習的能力，就是一種機器智慧。現在主要表現方式是深度學習，但並不意味著我們曾經嘗試的符號學，用邏輯推理的方式其實並沒有過時，只不過還無法實現。現階段深度學習取得了巨大突破，引領大家進入到新的未來。新的未來裡面會不會是深度學習和其他人工智慧、機器學習的方式共存的方式？我們並不知道，所以我們不要排斥這種觀點，尤其不要認為現在就是深度學習這一種學習方式。 未來應該是人類的學習能力、機器學習能力、深度學習能力和邏輯推理能力是共融共生的階段，這可能是更加客觀描述未來時代特徵的一個方面。
智慧時代之前的深度學習要靠資料的堆積去學習和驅動。但是現在的資料既不夠大，也不夠好。雖然我們有很多資料，但是並不算真正的大和好。大資料的概念並不是多，我們資料結構和資料來源沒有形成萬物互聯的社會，物聯網沒有佈設到，5G沒有到位，可能資料不夠那麼多，不夠那麼好。支撐萬物互聯的基礎架構恰恰是一個雲端計算的架構。所以倒著講是智、大、物、雲，正著去演繹是雲、物、大、智。
如何理解人工智慧
如何理解人工智慧我總結了四點：首先， 一定要應用 。如果我們去學了“學會如何學習”的課程就會發現，現在最流行的方式是Problem-Based Learning，就是以問題為導向的學習，以實際解決問題方案的學習。未來是終身學習的時代，不存在大學畢業之後就不學習了。如何終身學習？一定要帶著問題去學，這樣學得越來越深入，學得越來越有用。人工智慧也是一樣的，它是一種學習的過程。學習不能為了學而學，一定是問題為導向的。
我的第二個觀點就是，深度學習的發展不僅僅要靠數學的進步，不僅僅要靠電腦科學的進步，還要對人類自己的神經、腦神經、傳輸神經、感知神經的理解，才能知道是怎麼回事。
現在我們每個人有基礎的學習能力，機器學習也是一樣，只是通過開放的介面開放學習的通用能力。未來每個人一定要在通用能力之上，掌握行業的學習能力，才能夠真正為人類帶來更大的福祉。
第四點就是要真正產生深度學習能力，我們需要有資料，需要有人才，還要有演算法和算力。像微軟這樣專業公司可能會提供更強大的演算法和算力，更多的公司需要在人才培養，資料收集上面下很大功夫，這樣才能產生互動的促進作用。資料、人才、演算法、算力這四者缺一不可。每一方面在未來都巨大的商機，正是因為我們即將進入智慧社會，商機恰恰不是隻在智慧本身，而是各個方面。
沒有專家的時代，每個人都要終身學習
我用盲人摸象的寓言來舉例，這個時代是沒有專家的時代，我們每個人都在學習。不存在輸在起跑線上，因為每天都在新的起跑線。我們只要不放棄學習，不放棄自己，不要認為我到了某種年紀或某種地位，我就不去學了，也不要因為我是學文科或者我是學理科的我就不要再學其他的知識。未來需要的是天天學習。因為這個偉大時代還沒有來，我們最多是摸著大象的其中一部分，所以每個人都有可能成為最終摸到大象整體的那個人。
正是因為這個時代沒有專家，同時也是沒有所謂的公理的時代， 每一個理論都有可能成為當時可行的理論，但是並不意味著能夠成為永遠的理論，永遠成功的法則。 我們要去學習，不要唯各種專家，不要唯新，更重要唯實，你自己去試，小馬過河，水是深淺只有自己知道。聽別人說可以，包括我現在講的，這也只是我在微軟這麼多年的體會和理解，並不代表所有人體會和理解，尤其不代表是否是正確的。我們不妨能夠自己去試一下，大膽去試發現原來水既不像A說得那麼是深，也不像B說的那麼淺，對你來說最適合的就是最好的方法。
最後以比爾·蓋茨先生的這段話作為結尾：“人們大都傾向於高估他在一年內所能完成的事情，但又容易低估他們堅持十年後能夠取得的成就。”大家一定要明代，第一沒有專家，第二沒有起跑線，第三每天都在重新更新有新知識新理念出現，我們先不要放棄自己，同時把握最基本的對自己的自信和信念，認真學習。