杰瑞·卡普兰对话李开复、吴甘沙:人工智能的未来在哪

导读：人工智能未来的发展有怎样的瓶颈？人工智能领域创业该如何突破？人工智能的发展又将面临怎样的伦理问题？

▲《人工智能时代》作者，斯坦福大学人工智能专家杰瑞·卡普兰在论坛上作了精彩演讲

2016年6月13日，在清华大学伟伦楼，由湛庐文化、创新工厂、《清华管理评论》联合主办、驭势科技协办、中国人工智能协会指导举办的人工智能时代人机高峰论坛成功举行。

论坛上，针对大家对人工智能最关注的话题，《人工智能时代》作者，斯坦福大学人工智能专家杰瑞·卡普兰、创新工厂创始人兼CEO李开复、驭势科技联合创始人兼CEO吴甘沙两两对话，为现场听众解读了当前人工智能发展的现状和未来。

以下为对话主要内容：

◆ ◆ ◆

杰瑞·卡普兰对话李开复：人工智能的未来，是裂变还是融合

▲6月13日人工智能时代人机高峰论坛上，杰瑞·卡普兰对话李开复

人工智能未来发展会有什么样的瓶颈？根据当下的技术发展，这个瓶颈多久会出现？

李开复：

其实我觉得机会要更大一些，因为其实现在所有的领域，尤其在国内，几乎都还没有用上AI，用上的领域太多了，忙不急去找投资招标的，甚至开始要想培训自己的学生，因为需要的人才远远不够，机会非常多。

它的瓶颈也是有的，比如说其实人工智能是没有办法解释它为什么做一个决定的。这个时候我们可能就卡住了，当你只知道做什么，不知道为什么，比如看AlphaGo为什么下这步棋，为什么输了，为什么赢呢？怎么输的？完全答不出来，答不出来的时候，很多领域就会有问题。

还有就是说一个机器现在还不能完整地复制自己，当然这也是一个担忧了，所以还是人的工具，自我复制能力不够强。

基本是在人所创造的框架下去做人给它布的这个局里面，去调一些参数和解决方案，它还没有自我开创的能力。

杰瑞·卡普兰：

我觉得大家好像普遍有一个误解，觉得未来所有的工种，所有的工作都能被们人工智能所取代，大家误会了。不管技术发展到什么程度，人类的部分工作是永远无法为机器所取代的，大家之所以提出这样的假象，是基于一种工程的观点，因为在工程师的眼中看到的只是一个结论，有时候会忽略整个过程。

有三大类的工作很难被计其所取代，第一类关于情感的表述和表达，有时候需要人与人之间的沟通，来给予安慰和慰藉的，这样的工作很难用机器去完成。

第二类需要成熟的艺术技能，比如作为一个小提琴家，你也不希望欣赏的是乐器的演奏。

第三类工作，哪怕在某些特定的情况下，能够用机器去制作一些高级的成衣，有时候你也希望是一些传统的手工师傅进行高级的定制，为你呈现一条手工制作的长裙，这三类工作在未来很难为人工智能和机器所取代。

除了是人工智能方面的专家，另外李开复老师又是创业者，并且像杰瑞，你是连续的创业者，因为中国现在也在双创的时代，请你能够给出人工智能领域创业的人什么样的建议？在什么样的领域是可以有所突破的？

李开复：

人工智能创业其实是非常困难的，首先我认为你一定要有非常厉害的科学家和工程师，而且有愿意解决务实问题的这种心态，这个其实带来很大的挑战。因为大部分人认为这个博士、教授、研究员不见得是很好的创业者。但是做人工智能没有这批人还真做不出来，所以我觉得工程师和这些博士要能够很融洽地在一起工作。

根据我过去在一些大公司工作的经验是非常困难的过程，因为工程师总认为是我挣的钱，科学家总认为说我读的学位更高，这两个谁都不让谁，能够在一起工作作出很好的工程产品难度是相当高的，所以千万不要低估了创业的难度。

另外一个人工智能的门槛，今天懂人工智能的人很少，所以你可以靠技术成为你的第一个竞争优势。但是长期来说，真正唯一可持续的一个竞争优势，就是你有非常大量的数据，不断地被输送到你的系统。而且你可以产生更多的数据，而且这个数据不是公开可以获取，也不是可以简单靠人来标注的。比如说产生了这个良性循环以后，你的power特别巨大，比如百度知道，谁点哪个搜索结果，淘宝知道你购买了什么商品，可以不断地修正人工智能，可以让更多人在原来假设的情况之下购买商品。face++知道谁最终经过淘宝的验证，知道谁是骗子，谁不是骗子。

一个非常好的人工智能公司往往是靠特别大量数据的滚动，而且越强的公司就会越来越强，就像google、facebook，像中国的科大迅飞，它能把数据的累积、迭代和自动标注形成一个良性的循环，这是过去的创业者从来没有思考过的问题，而现在变成了一个特别核心的问题。

下面要有非常好的商业思维和逻辑，还有很好的耐心，因为做这种人工智能的产品，有时候不是一步登天的，比如说吴甘沙做一辆无人驾驶车，要多少年的堆积和累积才能做出来的。比如说我们希望能够做到一个第四范式，需要帮银行赚钱、省钱，这个也需要很多年做出来的。

这跟过往很多的创业不太一样，以前的创业比如说某些社交、直播、手游，只要抓对了时机，产品做得够好，然后快速地起量，似乎一个“独角兽”就可能产生，失败的概率很大。但人工智能创业绝对不是这样的，一定是一个多年的累积，你要累积人才，累积数据，累积产品用户反馈，而且它不是一个2C的产品，是一个2B的产品。所以人工智能的创业是门槛相当高的，刚才几个问题，技术的问题、人才的问题、融合的问题、数据的问题，还有耐心的问题，当然还要找对投资人，像创新工厂没问题。

要不然一个VC用正常的方法推你起量、变现就惨了，就完蛋了，一定要懂你这个行业的，门槛相当高，绝对没有任何的用意希望所有人走这一行，因为前景非常得多。

杰瑞·卡普兰：

其实我的建议是这样，我觉得一个人工智能的初创公司究竟能够成功与否，并不在于人工智能本身这个技术是不是足够好，足够强，我觉得关键是一个匹配程度。

做一个创业者，您应该有这种商业的敏感，在你选择技术的时候，这个技术是不是匹配你的目标市场？匹配你的目标人群？

同时作为一个创业者，你应该有足够的知识和足够的能量，去找到现在这个未成熟的技术和目标市场之间微妙的差距，和你是不是能够弥合这个差距重要的差别？我觉得找到目标市场，找到匹配的技术，才是成功的前提。

中美谁会在AI领域领先？未来AI会带来中美之间更多的对抗还是合作？

李开复：

今天Google这一个公司在全世界领先所有公司的总和，这点是毫无疑问的，Google有汽车，有它多年做搜索累积的，有它做深度学习的收购，还有众多其他的收购所得到的知识，它这整个公司就是它的经验。

刚才杰瑞说得很的，AI不是一个纯技术和论文，它是实战的经验，我觉得现在全世界加起来也比不过一个Google。

但是我觉得这个情况会改变，因为我认为AI它并不是一个学习去学30年、20年的物理、化学知识，你给我一个特别优秀的清华本科生，大三、大四的，半年就可以把他教成一个在AI方面能够产生价值的工程师。很可能在两、三年，他就可以作出独创性的东西来。因为今天人工智能特别火，而且中国的工程师和学习特别勤奋，而且特别快速善于把握最新的事物，所以我觉得今天Google虽然领跑世界，但是我觉得中国会有大量的，我不建议大量人出来做AI创业，但是我觉得学工程的人一定考虑这个方向。这大批的工程师产生，再下一步就应该是一个让中国能够成为AI方面的大国。

今天说起来虽然有点遥远，有点乐观，但是我是充满信心的。

杰瑞·卡普兰：

我觉得其实对比中美两国，中国人工智能方面所获得的一些优势或者是一些益处应该是强于美国的，有两个基本原因。

第一点中国人比美国人要聪明，当然这是一个整体的概念，不是说一对一要去比。

第二是从中国的人口结构而言，我觉得在未来的30到50年之间，中国的这个自动化应用，不管是基于AI还不是基于AI的自动化应用，都会很有利于中国人口结构的发展。

◆ ◆ ◆

杰瑞·卡普兰对话吴甘沙：人机共生，时代新选择

▲6月13日人工智能时代人机高峰论坛上，杰瑞·卡普兰对话吴甘沙

我们要实现人工智能的高级水平，就是1.0到2.0，两位觉得下一个要做的工作是哪个？比如说我们人类比较重要的是处理一些隐性的知识，还有情感的问题，下一步人工智能在这个方面会不会有更多的提高？

杰瑞·卡普兰：

首先我想跟大家分析一下从长远的角度来看，人工智能究竟有哪些缺陷？现在遇到最大的问题就是我们并没有一个强有力而完整的数学理论，来支撑我们现在发展的人工智能。之前我们发展过一些数据库，数据库其实这个概念来说，是有强有力的数据理论进行支持的，包括之前提出的相对论，这些都有一些非常严格的数学理论来支持。现在我们谈人工智能，其实它的发展还在早期，所以尚未有严格的数学理论，也没有非常长远的工具来支持到它长远的发展。

我觉得短期来看，其实我们有一点在发展人工智能的过程中，忘记了我们过去取得的一些成就，没有基于它们来继续推进。比如说在过去研发中没有去积极地吸收像分类和感应、传感器加工这方面的技能，在过去20年中，其实我们在计算机逻辑推理，在知识的感知和知识的呈现方面，有很多这方面的进步。但是我们在现在用人工智能方面还没有把它进行良好的整合。

吴甘沙：

我的观点和杰瑞很相似，可以用更专业的例子说一下这个事情。

第一，我觉得现在深度学习往往被认为是一种暴力式的，没有理论支撑的方法。不应该就因为这个就抛弃它。我觉得刚才反复讲到了，什么是好的人工智能？是真正能解决问题的人工智能，就像李小龙说，最好的功夫就像水一样，它是非常柔软，非常灵活的，它倒到了杯子里面就变成了杯子的形状，倒到了茶壶里面就变成了茶壶的形状，好的人工智能应该最大地去适配问题，不用去在意它到底有没有理论支撑。这是第一。

第二，光靠今天的深度学习是不够的，因为深度学习需要大量的数据，

大家想象一下，我们现在做无人驾驶，可能需要几百万、几千万，甚至是上亿公里的数据，来去学习，来去证明我们是安全的。但是我们人只需要在驾校里面学个几十个小时，上路开个几百公里，就能够应付各种各样的情况，这说明了我们人工智能还需要提升，提升的办法，其实就像杰瑞讲的，就需要我们把几种不同的人工智能方法组合起来。在人工智能历史上出现过三种方法，一种叫做符号学派，那这些符号学派就是像杰瑞刚才讲的知识的表示、逻辑推理。

第二种叫做连接学派，连接学派就是统计学，就是神经网络。

第三种叫做行为学派，像这种强化学习，我在跟环境的交互当中不断地去学习。AlphaGo从某种程度上就是结合了这三种方法，它的蒙特卡罗数搜索就是符号学派，它的深度学习就是连接学派，它的强化学习就是行为学派，我们把这三种方法用一种创新的方式去整合起来，去解决一个新的应用问题，这就是我们要做的。我觉得未来我们可能就是需要把这样不同的方法整合起来，去解决更少数据样本学习的问题，去解决我们人对知识的表示，对推理，对理解这样的一些问题，我觉得这个可能就是杰瑞刚才讲的，怎么把这些东西连接起来。

可以预测一下人工智能产品怎么样才具有更高的多元智能？这方面有什么新的进展？

杰瑞·卡普兰：

就您刚刚提出的多元智能，完成多功能型人工智能产品不是非常乐观。因为我觉得一般来说，我们现在是提出一个问题，需要有特定的共聚合应用来解决这个问题，其实我自己工作经验中跟大家分享一下，就有利于平板电脑的推出，大家都会觉得所谓的平板电脑和传统的台式机都是同样一套系统，在我的工作中就会知道，你要去给平板电脑写系统，这种范式和格式，同传统的台式机是截然不同的，只是一般不做我们这个专业的人一套设备，一套系统。

整个人工智能有一套自然的流程，有的技术是解决通用性的问题，有的特定性的问题，两者之间没有截然的泾渭分明，也不是说你解决特定问题发展到一定程度，就自然而然在通用问题上的解决达到一个新的高度，这个可能还得看技术未来自然的演变。

吴甘沙：

多元智能是一个很高的目标，先考虑通用人工智能来说，因为通用智能考虑到你情绪方面，对自然交互方面，音乐方面有很多，但是我们先想要考虑的是通用人工智能，我有没有可能一种人工智能去解决不同实际生活当中的问题，这事实上也代表着人工智能历史上不同科学家的探索。

在最早的时候，不要说通用的人工智能了，就说计算机视觉，我识别一瓶水是用一种算法，识别一个杯子又是一个算法，完全是不同的算法。但是生物学方面的一些进展，其实启迪了人工智能的研究者，他们对生物学大脑进行了一些解剖和功能性的研究，它做了一个有趣的实验，他把听觉神经剪断，连到了你的视网膜上，那过了一段时间呢，在大脑皮层上原来是负责听觉的这部分区域，可以用来去做视觉。这个启迪了大家，说原来人脑其实是用一套算法来去处理不同的感觉，来去处理不同的认知，这个从某种程度上推动了深度学习的发展。

深度学习大家可以看到，它已经可以用来做语音识别，可以用来去各种各样物体的计算机视觉，可以用来去做自然语言处理，从某种程度上它已经把我们往前推进了一步。

但是我们现在深度学习只能够保证我在任何一个单项领域上去超过人，但是我不可能有一个网络，一个模型能够是一个全能冠军。所以这意味着，既使是通向人工智能之路上，还有很多工作要做。这至少代表了一种方向，一种我们的探索，未来我们可能会达到一种通用的人工智能，进一步达到强人工智能，达到多元的智能。

在自动化对人类的贡献方面，一个是工作的自动化，生活的自动化，一个是决策的自动化，你可以预测一下这三类自动化，哪类人工智能会更加领先？

吴甘沙：

我觉得可能最先可以去做的就是决策的自动化，这是最简单的。它只有在虚拟空间里发生，那么工作的自动化肯定是第二步的。其实我一直有个理论，大家一直觉得蓝领工人很危险，其实蓝领工人还未必比金领、白领危险？为什么呢？其实现在你看机器人，它在感知，在认知上面已经做得不错了。但是就是这个灵巧控制事实上是很难，就马文·明斯基一直说，这个东西我们一直用电机去实现，做得一点都不好。

刚才杰瑞秀了一张图，是一个机器人来去叠衣服，大家知道这个机器人多少钱？40万美金。而它的成本当中，大量的成本是在电机，在控制上面。一条胳膊要4万美金，一只手要15000美金。所以大家可以想像，这样一种灵巧控制的工作，事实上目前来说工人是很保险的。

但是反过来想一想，比如说一年会出现几十万篇新的医学论文，没有一个医生能够读完那么多论文。但是我人工智能可能是在一秒钟之内，把所有的论文都处理完了，所以它很快就能够取代医生，同样在律师行业也是这样。

所以像这样的一些金领的工作，就是工作的自动化可能也是非常危险的。

生活的自动化可能给我们每个个人带来的好处是非常大的。但是我觉得它可能会排在前面两个后面。

杰瑞·卡普兰：

刚刚吴老师讲的无论是逻辑还是内容，我没法超越，所以我就稍稍补充两点。

还是想提醒一下大家，所谓的机器人和人类，它们是两种完全不同的生存的业态，我们也不要把这种机器人和人类去强行对比，因为在有的工种上的确是机器人做得好，有的当然是人类比较擅长，为什么今天我们一定要说谁取代谁，而不能换一种思维方式，两者之间能够在一个系统中共存呢？当然共存的过程中会产生很多复杂的社会情况，但是两者之间应该找到自己的一些优势点，去找自己擅长做的，而不是简单地说机器人就把人类的饭碗给抢走了。

我们可以预测一下人工智能能不能解决中国的产能过剩问题？或者说人工智能是不是工业4.0更好的生产方式？

杰瑞·卡普兰：

首先我来讲一下刚刚您所说的中国产能过剩问题，我觉得如果随着人工智能以及机器人的发展，产能过剩问题是不可能得到优化，不可能得到解决的，它反而会恶化。但是现实情况又告诉我们，你不可能走回头路，历史不可能开倒车，你不可能说把这些机器人都给扔了，还是把这些产业工人请回来吧。

我记得之前有一位经济学家，是英国的，叫弗里曼是这么说的，为说现在有这么多工人在工厂里工作呢？雇主是这么答的，因为现在我们有很多失业，你要把工人给请回来。那么经济学家反问了，如果觉得工人这么多，为什么你们不给工人一些铲子呢，让他们去铲地，而要请到生产线上来，因此历史不能开倒车。

中国解决产能过剩问题要找到这些产能，而不要盲目地扩大再生产了，而不跟人工智能相关的。

吴甘沙：

这个我很同意杰瑞·卡普兰教授的看法，现在要解决产能过剩的问题，现在流行一个词叫供给侧改革。供给侧怎么改革？不是靠人工智能，是靠大数据的分析，能够减少产跟需之间的信息不对称。我觉得这个是靠大数据，我们不要把所有的东西都扔到人工智能的框框里面去，通过大数据的分析能够更好地去做供需的预测和平衡。

杰瑞·卡普兰作为伦理学的教授，实际上现在人类面临两大伦理问题，第一个就是人工智能和人的关系，第二个其实就是人造生命的问题，你能不能预测一下人造生命和人工智能将来有什么样的影响和相互的作用机制？

杰瑞·卡普兰：

首先我觉得刚刚您问的这个问题，其实我觉得在座应该没有谁能够完整而准确地回答出来，因为这些问题实在是太过于深邃和宏观了。

第一部分比较好答，关于人类和人工智能之间的关系？这一点比较赞成吴老师所做的，他在从事这方面工作的时候，他在做无人驾驶，会让这些无人驾驶的车辆相当于是去遵守社会的伦理道德的框架，比如说在开车的时候，它要遵循人类开车一些基本最高道德原则，让礼让，去符合技术所忽视的板块，技术是不会遵守，只有人为技术赋予这些道德才去遵守。

你问这种基因技术、克隆技术就更加严肃了，因为之前在人类历史上反复探讨过基因技术、克隆技术是否有伦理方面的挑战，现在包括在生物学界还有旷日持久的纷争，这些技术更加谨慎一些，在座各位都不是很适合回答。

人工智能可能是西方技术和科学的产物，今天你来到了东方，你有机会去感受一下中国的气功和日本的禅宗，还有印度的瑜伽，人工智能会不会在东方文明里面得到一些新的启示和发展？

杰瑞·卡普兰：

我觉得我赞成刚刚您的这个问题中的一些前提，因为在整个西方的逻辑体系中和哲学体系中，我们基本上是以技术，以机器为本位的，因为我们觉得有了好的技术和机器几乎是无所不能。

在东方哲学体系中似乎更强调精神，人和人之间的关系，比如硅谷，我觉得技术和知识的发展几乎成了一种新的宗教，他们觉得只要有技术和科技，就会帮助人类解决一切的问题，这种无所不能的、过分乐观的态度，我觉得其实不乐于人和人之间的一些分享，人和人之中关系的建立的。包括像现在很多人在沉迷技术的同时，我觉得在长远看来是会伤害人和人之间的关系，我希望听了您刚刚的介绍之后，我回到硅谷之后，能够和我的硅谷同事也分享一下，如何把这种东方人本主义的精神引入到技术发展过程中，缓解技术控所带来的一些社会问题。

文字和图片来源：论坛主办方

《人工智能时代》

作者：杰瑞·卡普兰