卡內基梅隆大學計算機學院教授、圖靈獎獲得者Raj Reddy

卡內基梅隆大學計算機學院教授、圖靈獎獲得者Raj Reddy爲我們帶來了一場題爲“重新審視人工智能：以歷史的視角”的精彩講座。Reddy教授從歷史的視角出發，帶領我們回溯了60年來計算機科學和人工智能領域的成就，回應了大衆對“人工智能威脅論”的疑慮，並對未來的“超智能”作出了展望。本文是演講的文字精簡版。

60多年前，我們的行業先驅開創了計算機科學、人工智能這些全新的研究領域。但是直到今天，人們對人工智能依然抱有大量的誤解和恐懼，認爲人工智能將取代人類、統治世界。面對這些質疑，我認爲，只有理解我們從何而來、身處何處，我們未來將去往何方，纔不會對這些關於人工智能的誤解感到困惑。

人工智能將永遠無法統治世界，相反，由於人工智能可以成爲每一個人的“超能力”，人類是平等的，沒有誰將因爲使用人工智能而凌駕於他人之上。如果我們向前回溯科技發展的歷程，我們會發現，人工智能的發展與以往任何一次的技術進步都是相似的，不同的是我們比過去多了幾百萬倍的數據庫，這些數據庫正是我們今天所獲得的一切成就的基礎——無論是機器文本翻譯、語音翻譯，還是機器問答，這些創造性突破都離不開數據和計算能力的強有力支撐。

在達特茅斯會議之後的第一個十年裏，當時我還是斯坦福大學的一名學生。那時，人們認爲電腦能夠看、聽、說並不是智能的表現，因爲每一個普通人都可以做到這一點。但事實證明這種想法是錯誤的，從第二個十年開始，我們就開始研究製造機器人，讓計算機能夠說話，也開始了計算機視覺等新領域的研究，我們一路走來，歷經困難，也有了許多新的突破。

某些人認爲只有通用人工智能才能解決某些常識性問題，事實上，根本就不存在通用人工智能，所有的智能都是應用於某一特殊領域的智能。馬文·明斯基在《心智社會》(The Society of Mind)中提到，人腦的智能不是整個大腦一起運作的，而是分爲成千上萬個區域，每一片區域具有一種特定功能。大腦的研究人員發現大腦有大約1立方厘米的區域專門用來識別媽媽的臉。當然，大腦會把負責圖像識別的區域和負責語言的區域連接起來，這樣一來我們就會把媽媽本身和“Mother”這個單詞聯繫起來，所以連接就成爲智能最重要的一部分。

我們希望計算機可以實現那些人類可以做的事情，比如說話、學習等等。然後，大家開始研究專家系統、機器人、自動駕駛汽車等等。到了20世紀末，我們用AI技術實現了幾個對人類來說非常容易或者稍微有些困難的工作，比如，證明理論、下象棋等。隨後，我們遇到了技術轉折點，我們擁有了足夠的計算能力、儲存和帶寬來實現那些我們過去認爲永遠無法實現的能力。

AI已經可以完成某些被認爲是人類才能完成的任務。未來，AI能不能完成人類沒辦法做的事情？這不僅僅是通用人工智能，而是超智能。我認爲未來這一點是可以實現的。回到AI和計算機科學的定義，我在1965年有過一個定義——AI和計算機科學是提高大腦能力的學科。你的大腦可以做的任何事情，計算機和AI都可以做地更好更快，甚至可以完成一些人類沒辦法完成的事情。

與20世紀相比，21世紀的人工智能有兩點不同：

第一，我們經歷了一個範式轉換，在21世紀，計算機科學的重大突破將由大數據來驅動——微軟技術院士、圖靈獎得主Jim Gray將大數據命名爲繼實驗科學、理論推演、計算機仿真三大範式之後的“第四範式”。因此下一代人工智能系統就是數據驅動的人工智能系統。

第二，20世紀人們在訓練人工智能時使用的知識大多來自書籍，而到了21世紀，我們需要運用人工智能和大數據去發現各個行業裏的新知識。龐大的數據量將超過人類的處理能力，人工智能、機器學習就成爲了大數據時代的核心，也許有一天，計算機將學會自己編寫它們需要的程序。

那我們怎麼運用人工智能去自動發現新知識呢？我們今天的機器學習、深度學習都在使用大數據，但當下深度學習面臨的一個問題是我們無法解釋正確答案是如何被找到的。這個問題可能在未來的5-10年內會得到解決，也是我們接下來的任務。

最後我想重溫一下人工智能領域已經取得的成就。1963-1969年間，我在斯坦福人工智能實驗室，當時實驗室已經開始着手機器人、語言、知識工程、計算機視覺等方向的研究。60年代，我們發明了“所見即所得”的圖形編輯器、PIECESOF GLASS（POG）、計算理論等。70年代，出現了知識中心型人工智能，還有一場關於太空探索的熱潮，我們在思考如何將人工智能應用於太空探索，這個問題我們至今仍未解決。80年代，我們在卡內基梅隆大學建立了機器人實驗室，研究如何讓機器人自動處理自己的系統。90年代，機器人成爲了世界象棋冠軍，已經學會了閱讀理解、回答問題，等等。

一直以來我感興趣的一個問題是，人工智能技術是否能夠被沒有受過教育的人所使用，他們如何使用？我們現有的技術可以做語言翻譯、發音，這個過程中包含語音識別、轉錄、翻譯等技術。多語言之間的翻譯已經可以用技術部分實現，但還沒有完全實現，因爲世界上還有一百多種語言的元數據沒有收集，而收集數據需要大量的時間和金錢。

爲什麼我們能夠實現這些突破呢？因爲它們都是在大數據和機器學習的幫助下成長起來的，計算機已經開始有能力做一些人類無法實現的事情。在今年11月份的“二十一世紀的計算”大會上，我將會爲大家介紹認知放大器（cognition amplifier）和守護天使（guardian angel）的內容，同樣是關於計算機完成一些人類無法完成的任務。舉一個簡單的例子，假設地震引發了一場海嘯，如果我們對此毫不知情，這將成爲一場傷亡慘重的大災難，但如果我們有一個守護天使，能夠預測10分鐘後即將到來的巨大海浪，我們就能夠拯救很多生命。如果馬航的MH370航班上有一個守護天使，檢測到機長沒有按照原定航線行駛，他就會接管飛機的控制權，就近降落，那麼所有人都會被拯救。

所以這就是未來，我們創造技術的目的是保障人類的能力，拓展人類的侷限。我們每個人都將可以使用大規模的人工智能系統，它們就像我們的守護天使，可以保護人類、幫助人類、延伸人類的知覺與能力。放眼看更遙遠的未來，我認爲我們將不僅僅只有人工智能和人類智能，更會出現超人類智能。但別忘了最重要的一點，由於它們是高度專業化的智能機器，所以它們永遠都不會統治世界，更不會奴役我們。謝謝大家！

Raj Reddy簡介

Raj Reddy，卡內基梅隆大學計算機科學學院教授，1994年圖靈獎獲得者，美國國家工程院、美國藝術與科學院院士，1999年至2001年曾擔任克林頓總統信息技術諮詢委員會（PITAC）聯合主席。Reddy博士在人工智能、語音理解、圖像識別、機器人、多傳感器應用、智能代理等領域有超過50年的研究經驗。

☞來源：微軟亞洲研究院

意向合作，文章轉載， 均可聯繫堂博士