吴恩达谈当前人工智能的能力与不足

全球顶尖人工智能专家、百度首席科学家吴恩达在《哈佛商业评论》撰文讨论了当前人工智能的能力与不足。吴恩达谈到：

许多企业高管问我人工智能够做些什么，他们想要知道人工智能会如何颠覆其所在的行业以及他们可以如何利用人工智能来重塑自己的公司。但最近的一些媒体报道对人工智能能力的描绘有点不切实际，如人工智能会统治整个世界。人工智能现在已经改变了网络搜索、广告、电子商务、金融、物流、媒体等领域。作为谷歌大脑（Google Brain）团队创办人、斯坦福人工智能实验室（Stanford Artificial Intelligence Laboratory）主任以及百度千人人工智能团队的现任负责人，我有幸培养了许多全球领先的人工智能团队，并创造了许多拥有亿万用户的人工智能产品。我已经看到了人工智能的影响，人工智能会改变许多行业，但它并不是魔法。为了弄清人工智能对具体业务的影响，让我们抛开那些天花乱坠的言论，看看人工智能现在究竟能够做些什么。

令人惊讶的是，尽管人工智能的影响范围十分广泛，其部署类型却仍然极其有限。几乎所有人工智能的最新成果都是通过一种部署类型获取的，即使用一些输入数据（A）快速生成一些简单响应（B）。构建这种A→B软件的过程在技术术语上称为监督式学习（supervised learning）。A→B这种系统距离科幻小说中设想的存在情感的机器人还有很远的距离，人工智能的能力也远比A→B系统的能力强得多。这些A→B系统正在快速发展，目前，最好的A→B系统采用名为深度学习或深度神经网络的技术构建，它们都受到大脑的启发，但这些系统远远不像科幻小说中描述的那样神奇。许多研究人员正在探索其他形式的人工智能，其中一些已在特定的环境中被证明有用；也许还能找到其他突破口开发出更高级的人工智能，但目前还没有发现实现这一目标的明确路径。

目前的监督式学习软件有致命弱点，那就是它需要海量数据。您需要向系统展示大量的A、B范例。例如，开发照片标记软件需要成千上万张图片（A）以及用于提示图中是否有人存在的标签或标记（B）。构建语音识别系统则需要成千上万小时的音频（A）和转录脚本（B）。

A→B系统可以做些什么呢？以下是一个关于其颠覆性影响的经验法则：

表：就监督式学习进行思考的简单方法

如果一个普通人通过思考完成某项思维任务所需的时间少于1秒，那么我们也许可以在现在或不久的将来使用人工智能将这项任务自动化。

目前由人类完成的许多有价值的工作可以在1秒内完成：检查安全视频中是否有可疑行为、确定车辆是否会撞到行人、查找并删除辱骂性的网络发帖，是时候对这些任务进行自动化了，但它们通常只是一个大环境或业务流程的一部分，找出它们与业务中其他部分的联系同样重要。

人工智能研究需要谨慎选择A和B，并提供必要的数据来帮助人工智能确立A→B关系。有创造性地选择A和B已经变革了许多行业，并且有望带来更多变革。

了解人工智能的能力范围后，企业高管们下一步应将人工智能与自己的战略融合，即了解什么可以创造价值以及创新点。人工智能社区具有极高的开放性，有许多顶尖的研究人员在其中发表和分享自己的想法或甚或开源代码。这个开源世界中的稀缺资源包括：

（1）数据。在顶尖的人工智能团队中，许多团队最多只需一到两年就能复制其他团队的软件，但要获得其他团队的数据却极为困难。因此，数据（而不是软件）才是许多企业的防御对象。

（2）人才。仅下载其他公司的开源软件并将其“应用”于您的数据并不能起什么作用，需要根据自身的业务环境和数据对人工智能进行自定义，这也是为当下诸多企业纷纷争抢能够完成这项任务的稀缺人才的原因。

关于人工智能能够反映人性中最好的一面和最坏的一面的潜力已有诸多报道，例如，我们看到人工智能能够通过对话为孤单的人们提供慰藉；我们也看到有些人工智能牵涉到种族歧视问题。但人工智能在短期内对个人可能造成的最大伤害在于失业，这是因为我们可以使用人工智能自动完成的工种大大增加。作为人工智能领域的领导者，确保我们构建的世界能够让每个个体都有发展机会是我们义不容辞的责任。了解人工智能能够做些什么以及如何将其与您的发展战略融合只是这一进程的开始，而非终点。