吴军：未来20年，人工智能可能不会有巨大的发展！

新疆只能用滴管，否则全挥发了。每一株植物都跟互联网连起来了，这是比较大胆的一个假设，未来可能就是这样。

假如这是(上海)徐家汇附近某地区，信息的流动全画上去就是密密麻麻的样子，类似于地球电磁场。密密麻麻带来的好处就是万物互联。

万物互联之后，马上就有出现一个紧迫的问题。

坦率来讲，现在的4G恐怕是不够用的。为什么5G这件事能成?5G来了之后网速更快。针对当下需求，目前的网速是足够的。

要上5G只有一个可能性，就是我突然上网的设备数量要增加10倍、100倍才行。

什么时候增加10倍、100倍?如果一株植物要上网的话，这个事就大了，所以这是有可能的。

这么密集的网络就是说数据量太大了，人工处理不了，需要借助人工智能，这是很重要的一个原因。

当我们的城市是密密麻麻数据，现有的单一计算机，或者说一个公司的数据中心很难完成这样的功能。

我们需要超级的分布在全市或者全国的计算设施，已经不仅仅是计算机了，这里面的程序也很复杂，所以需要智能。

2.人工智能(机器智能)的本质

那么，什么是人工智能，确切讲什么是机器智能?

人工智能属于可计算问题，它跟我们人类的智能是没有关系的。

那么，如何判断机器是否有智能的标准呢?因此，能不能做这样一个客观的判断方法，这就是图灵测试。

如果在屏幕背后有一个智能机器，另外一个屏幕背后有一个人，我问一个问题让他们回答，天为什么是蓝颜色的。

然后让你们判断哪个问题是机器回答的，哪个问题是人回答的。当判断不清楚的时候，这时候我就说机器和人有同等的值。

因为它是等价基础上的定义，并不是说机器需要像我们人这样思考，这是人工智能的本质。

3.人工智能的理解误区

提到人工智能，大家有时候就想到脑科学，是不是把认知思维搞清楚了，人工智能就能做的比别人好?不是这样的。

人工智能是从结果上判定是否与人一样好，不是从做事方式上来判定。

举个例子，前两年慕课公开课很流行。美国一所学校大量使用计算机教学，课上常常有TA，TA有些时候到课堂上帮助教授答疑。

这所大学会评全校最好的10个TA，有一年评了一个TA，就叫他约翰吧。但是没有人知道约翰其实是一个机器人，大家并没有见到他，这是十个最好的TA之一。

TA做的事情是一个限定问题。比如说就辅导宏观经济学这一门课，约翰做的不比人做的差。

也就是说，宏观经济学这门课方面，约翰和人具有同样的智能，但是它未必是像人一样思考。这是帮助我们理解人工智能的一个很重要的特点。

三、人工智能的历史发展阶段

第一阶段：传统人工智能

人工智能是1956年提出来的。美国一所私立大学10个教授思考机器智能的问题。

这10个科学家后来得了五个图灵奖，还有一个诺贝尔奖。他们当时就在想怎么让计算机能够有人的智能，那时候是人工智能一个初期阶段。

当时，大家的思维方式有点像今天中国说的“民间科学家”，什么意思呢?人类认识一个事物的时候，一开始都是一个直觉。

举例：鸟飞派 vs 空气动力学派

大家看《全球科技通史》里面会看到人类对飞行的认识，最早的时候就是模仿鸟飞，后来才知道要搞出空气动力学的一套理论。

今天飞机飞的方式和鸟是完全不同的，但是从效果上来讲比鸟飞得快。人工智能一开始也是这样的，大家一开始都让它模仿人。

举例：猴子摘香蕉

学过人工智能课的人可能知道一个经典问题叫猴子摘香蕉。天花板上放一个香蕉猴子够不着，房间里面有可移动的桌子、椅子。猴子通过移动桌子，把椅子再放上去把香蕉摘了。

人工智能开始做这件事时，先让它有猴子的智能可能不难，但是有人的智能就比较难了。

科学家们搞了十几年搞不下去了，其中有一个人马文•明斯基开始反思这个问题为什么解决不了。他就找到一个反例告诉大家说我们这些人都走错了路。

什么反例子呢?就是两句英文话：

① The pen was in the box;② The box was in the pen。

在英语里pen三个英文字母还有另外一个含义就是小孩儿玩的围栏，你要把pen理解成围栏第二句话就解释通了。

这件事对人来说不难理解，但是对计算机就非常费解，无法判定这个时候pen是钢笔还是围栏，为什么呢?原因很简单。

第一，我们知道小东西要放在大的东西里，你是怎么知道的?这是常识。

第二，如何判定钢笔有多大?我一说钢笔你们马上就能想到多大，你不会想到汽车这么大。

计算机怎么知道钢笔多大?即使让它像人类似的那样分析语法，分析语义等等也得不到这种知识。

今天发现计算机能够做一些特别难的事情，例如下围棋等等做的比人好多了。

Google其实后来不再开发AlphaGo了，觉得已经跟人类差距太大了。相当于一个专业选手跟业余选手下围棋，你没有办法下围棋了。

但是你让今天最好的机器人上街打一瓶酱油，你们家3岁孩子都可以干这件事，它却干不了。人工智能开始的定义是有特定范围，不能拿最不擅长的比人擅长的。

比如，一个很简单的人类常识，计算机是做不到的。

再举个例子，大家觉得今天的大江无人机很厉害，但是你让无人机像苍蝇一样飞就飞不了。

苍蝇大概有10万个神经元，但是无人机不到能干这么多事。这是人工智能的缺陷。

这就是我为什么在开始的时候讲计算机的边界。你让计算机去模拟一只苍蝇很困难，说明你走模拟这条路走错路了，我们要找一条别的路。

第二阶段：数据驱动

那么人工智能开始进入第二阶段，即以数据驱动的人工智能解决方案，提出者是莱德里克.贾里尼克。

1972年，贾里尼克到IBM 华生实验室做学术休假，无意中接触了语音识别实验室,两年后他选择了留在IBM。

（编辑：孝感站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!