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。