微軟全球副總裁沈向洋：人工智能最大的瓶頸是對人腦不了解

圖片來自網絡

2017年4月2日，由深圳市人民政府、數字中國聯合會主辦的“2017中國（深圳）IT領袖峰會”在深圳五洲賓館舉行，億歐作為支持媒體受邀參加。

出席此次峰會的企業方嘉賓包括阿裏巴巴集團董事局主席馬雲、百度董事長兼首席執行官李彥宏、騰訊董事會主席兼首席執行官馬化騰、微軟全球執行副總裁沈向洋、創新工場創始人、董事長李開複、數字中國聯合會常務理事田溯寧等。

微軟全球執行副總裁沈向洋參與《人工智能：中國機遇與挑戰》的高端對話，以下為沈向洋現場主要觀點提煉：

1、這一波人工智能興起有三個原因：互聯網+物聯網提供了更多的數據，強大的運算能力和深度學習突然突破；

2、人類的智能主要體現在兩方麵，一個是感知方麵、一個是認知方麵；

3、每一個商業應用都會被顛覆掉；

4、人工智能裏麵最重要的一件事情是對話；

5、閱讀能力接下來5-10年可能是人工智能很大突破的地方；

6、可以解釋的人工智能將是一個很熱門的研究方向；

7、直接將數據分享不現實，要做標準化、安全化處理。

以下為圓桌環節沈向洋的講話整理：

1、這一波人工智能技術興起有三個原因：更多的數據、強大的運算能力和深度學習突破

我從研究生開始學習人工智能，也有二三十年時間。現在看到人工智能如火如荼，非常激動。因為我們90年代中畢業的時候出來工作都找不到，現在大家恨不得見到一個懂人工智能都投錢。人工智能經曆了多少個冬天，之所以今天有這樣的發展機會，主要還是因為三個方麵原因：

第一件事情，是因為互聯網的出現，互聯網+物聯網提供了更多的數據。

第二件事，強大的運算能力。摩爾定律到現在，大家覺得應該會死掉，但是還沒有死掉，還有更多新的計算方法。

第三，過去五六年深度學習突然突破，包括騰訊研發領域充分運用到深度學習，令大家突然看到很多不能解的問題現在可以解掉。

2、人工智能的兩個非常不一樣的階段：感知和認知

從人工智能基本和研究方向來講，還是兩個非常不一樣的階段。一個是人類感知這件事情上，我們講人工智能，原來對人工智能的定義就是跟人類智能相比較。人類的智能體現在哪？主要是兩方麵，一個是感知方麵、一個是認知方麵。感知方麵，剛才我提到這幾個原因，所以在接下來5-10年進展會非常快。具體表現在計算機語音和計算機視覺發展，我覺得AI會超過人。很多人會同意我這個說法。

第二方麵問題大家今天還沒有搞的很清楚的地方是人工智能的認知方麵，包括自然語言、知識的獲取以及你對一般情況下這種解決的方法的思考，包括情感，這些東西今天我們還都是不知道。所以我是覺得現在是非常好的時代。激動之餘的話，我覺得我們作為科研人員還是要有一個平常心，因為很多科研進展還需要一些時間。

3、每一個商業應用都會被顛覆掉

從微軟公司來講，我們的覺得人工智能短期之內是有非常非常大的商機，你看到底有哪些行業已經相對而言有相當量的數據，而且同時在這個行業裏麵從事人員是不高興的，那你就有商機了。如果這樣看的話，到今天來講，幾乎所有的商業應用，從市場銷售到HR部門招聘，到客戶支持這方麵，所有的都會被顛覆掉。我是覺得接下來可能是五年最多的AI應用的商機，我這樣講並不是說自動駕車不重要、圍棋下棋不應該做研究。從我們來講最大的商機在哪，就是每一個商業應用都會被顛覆掉。

4、人工智能裏麵最重要的事情是對話

人類進化多少萬年下來以後，每天講很多的話，你可能不知道，其實男人在一天大概講幾千句話，女士一天可能講超過一萬句話。大多數的話並不是說講一句話一定要完成一件什麼工作，我老實講大多數人一天講的話很多都是廢話，但是這個講話很重要，講話是人工智能裏麵最重要的一件事情，在很大程度上你的EQ是體現在你怎麼去講這個話。我們推小冰的過程中學到了很多東西，我們現在主推的方向，研究和產品的方向就是所謂的對話式人工智能。

5、人工智能的發展最大的問題是對人腦不了解

我蠻讚成李彥宏剛才講的，人工智能這件事情發展，今天最大問題是對人腦不了解。腦科學今天還是非常初步的科學，你每次要講科學的話，首先要一定要有數據，要能夠做試驗，而且做重複的試驗，今天就沒有辦法真正監測到，因為實驗要輸入數據到人腦，再輸出來。接下來N年應該有更多的人投身基礎科學研究腦科學這件事情。看今天計算機體係結構，馮諾伊曼結構，跟人腦結構完全是兩碼事。可能也像張教授說飛機的模仿並不是真正像鳥一樣，我覺得肯定是這樣的情況。

6、“可以解釋的人工智能”將是一個很熱門的研究方向

接下來很多方麵肯定叫弱人工智能也好，這些很多的人的智能方麵我們能夠想象得出來，今天人能夠做的事情在不遠將來，絕大多數事情，人工智能都可以達到。

我舉一個小的例子，比如今天大家講你今天可以做視覺識別了，物體識別了，你今天可以做語音識別了，那今天人還有什麼事情很了不起，大家覺得通過學習的方法，我們可以達到一個什麼樣的高度。很重要一件事情是機器閱讀，閱讀的能力。我要考高考、考SAT，閱讀一篇文章後，你問一個問題，我可以答一個問題。像這樣的問題接下來5-10年可能是人工智能很大突破的地方。

而一旦有突破後，搜索也好、社交網絡也好、其他商業應用也好，有很多這樣的機會。今天大家覺得激動人心的地方是因為以前是完全符號式、公式這樣做，今天是神經網這樣一種解法，它的區別在於以前符號式做法，你覺得用符號式做法解了一個問題，你覺得可以懂的，你可以解釋的。而今天這種神經網解法，包括Pony做的圍棋機器人，他很難去解釋為什麼下這個。接下來有一個需要研究的問題，從符號式到神經式怎麼樣回過頭再到符號式。就是研究行業很熱門的方向，叫做可以解釋的人工智能。

7、直接將數據分享不現實，要做標準化、安全化處理

作為大公司來講，特別是成功大公司來講，我們對社會有一個責任，對行業有一個責任。當我們行業做的很成功，第一件事情就是開研究院。現在Pony也開研究院，唯一做的不對的就是開到微軟門口去了。我也想分享一下在微軟的工作經驗，你說叫這些公司把數據拿出來，讓初創公司或者其他公司去用，我覺得不見得很現實、不見得很容易。Pony剛才解釋的很好。但是我想鼓勵大家，很多的數據如果我們願意花時間、花精力做一點處理，比如Pony剛才講的。然後讓研究人員去用，完全是可以做到的。我們微軟出了兩個數據集，一個是計算機視覺標準方麵的集，這樣可以做數據分割、物體分割。最近做了另外一個數據集是在自然語言，希望有一批新的做問題問答。這樣推動研究領域，大家在標準集下，不斷把標準集數據越做越多。我們做的方法是用搜索引擎數據，非常小心處理過，包括很多隱私的問題等等。拿出一些數據讓大家做研究是非常實際的，完全可以做到。

本文作者許偉軍，億歐專欄作者；微信：xuweijun24（添加時請注明“姓名-公司-職務”方便備注）；轉載請注明作者姓名和“來源：億歐”；文章內容係作者個人觀點，不代表億歐對觀點讚同或支持。

賞

29

34