王小川：没机器干得好就会被机器取代

新浪科技讯 3月25日上午消息，王小川近日出席博鳌亚洲论坛，并参与了主题为“人工智能—探索生命疆界”的对话，在与正安中医创始人梁冬的对话中，王小川从近期火热的谷歌围棋程序AlphaGo谈起，深度解析了以AlphaGo为代表的人工智能的目前应用、未来发展，以及人工智能和人类之间的关系等。 王小川表示，在去年年初的时候考虑过AlphaGo一样的事情，但是搜狗内部没有合适的资源和精力可以做起来，直到AlphaGo相关的论文出现，自己才万分后悔懊恼，于是在AlphaGo和李世石的比赛中，花了较多时间去参与技术的解读和现场直播解说，但也可能只是“弥补了10%，还是有很大的遗憾。” 王小川还从深蓝电脑谈起，为现场观众解释了这些年里人工智能技术的变迁与进步，并表示深蓝和AlphaGo背后的其实并不是技术在量上的积累，而是已经完全有了质上的提高。 这种技术在质上的提高表现为“深度学习”的不断突破，于是王小川还运用武侠中“左右手互搏”来给大家解释了AlphaGo是如何自我学习和进化的。 此外，王小川还预测了AlphaGo的研发团队的下一步发展，可能会把AlphaGo下围棋的能力，转移到其他领域，在其他领域实现进化和学习。 不过，王小川并不认为在未来人类和人工智能的关系是“对立”的，他还是认为机器更多的是对人类的一种辅助，而且强调这种辅助早已存在，“机器可能不是一个机器人的形态，大家现在手机里或者各种智能家居都是机器的表现之一。”人工智能的大趋势是和人实现融合。 当然，对于机器取代人的话题，王小川的判断是：“如果同样一件事情，机器干得比人好，那人就会被机器取代，这是规律和趋势。” 对于搜狗搜索的发展，王小川认为下一步是从提供信息变成“你生活里的小助手”——给你答案和提供服务。并且进一步解释称会涉及更多的智能硬件应用。此外，王小川也表示AR带来的虚拟世界探索也将是科技发展的一个大趋势。（李根） 以下为王小川在博鳌论坛上的发言实录（标题为后添加）： 搜狗内部想过AlphaGo一样的事 没做起来很懊悔 去年初的时候，我们已经开始意识到了深度学习这样一个技术有机会应用于下围棋，所以我就希望在内部、外部找到适合的人一块做这个事，但是很可惜，但是限于资源、精力没有凑起来。但是我对围棋非常感兴趣，所以今年一月底谷歌的论文一登出来，我立刻说谷歌会完胜李世石，原因是看了论文之后，我发现里面的内容跟我们之前对于人工智能，对于深度学习理解的模式是非常一致的，所以一方面是自己本身有这样一个信仰，然后一看谷歌已经走在前面了，我也相信它的技术实力，也就是80%是对技术的理解，20%是对谷歌和人工智能情怀的认同，所以我们认为它们有能力做好这个事情。 所以我蛮懊悔的，这是我觉得最近几年最懊悔的一次，所以再后来我做了很多弥补工作，所以在后期我深度参与进了这件事，包括对技术的解读，参加现场直播等等，可能弥补了10%，但还是有很大的遗憾。 从电脑深蓝到AlphaGo 技术经历了哪些变化 这是一个挺技术化的问题。在场有多少人听说过深蓝？大家都知道，深蓝是1997年，在第二场比赛中把卡斯帕罗夫打败了，深蓝是IBM当年推出的RS6000型号的像超级计算机一样的机器，但是深蓝与今天谷歌的AlphaGo的计算力还差了三万倍，时代变化，接近二十年的时间里面，计算力是突飞猛进的变化。但事实上，AlphaGo并不简单的只是赢在计算力的提升，否则就不会有围棋选手一边倒的认为人类一定能赢，即便是科技圈的人，对于深度学习有理解的人，大多数的评价也都认为机器以后会赢，但这次赢不了，所以在这里面到底发生了什么样的事情呢？ 我们知道自深蓝之后技术有了三次跨越，深蓝的技术其实就是靠人写的一些规则来指导机器做搜索，你下一步棋，我下一步棋，然后下了十几二十步之后，它就开始判定棋局上谁占优，机器搜索的方法其实是依靠人在里面做的很多的设定，“每一步该怎么走”这样输入到机器里面去，所以其实除了开局有棋局以外，大体上是暴力的搜索，我算过一次，大概搜索十三到十四层，每次展开三到四个页为节点。 今天我们用一个台式机，甚至一个笔记本就已经可以赢顶尖的国际象棋选手，计算力的提升已经使得象棋问题彻底被解决了，甚至能够让顶尖的国际选手一个兵甚至到两个兵，然后再做开局也能赢，所以人类在国际象棋里面已经碾压了，只剩下一个底线，也就是围棋没法突破。有一句话很简单地解释了剩下围棋的原因：因为国际象棋和围棋在搜索空间的大小上有巨大的差距，国际象棋搜索空间其实不够大，现在的笔记本就够用了，而围棋的变化数比宇宙间的原子总数还要多，所以如果只是用穷举这种暴力方法是不可能的，用原来的搜索方法就不行了。 我们往下就开始向人去学习，把人的思考方法交给计算机，进行了三步变化，第一件事情就是我们把人已经懂得的规则交给机器，这是原来的方法，所以以前的工程师不管是做下棋还是做医疗的，或者写电饭锅控制程序的，都是把我们懂得的规则写成一个代码交给机器，或者把数据给它，然后人在里面做指引“什么数据要怎么处理”，来教会计算机对当前的真实物体建模型，把它变成一种特征，然后在里面去做一些分类算法之类的工作。就是给它一些数据，但是人需要像教小孩一样，在里面把数据的特征描述出来，告诉机器方法，所以第一件事情是人告诉机器求解的方法，这是传统的机器学习。 但是很多时候我们自己都不知道方法是什么，比如我们说梁冬兄，你看见他的时候知道他是梁冬，但是你要如何告诉别人你是怎么知道他就是梁冬的？这就难了，你的眉毛粗还是脸方？所有的描述其实不支撑通过建立模型把他识别出来，所以在有些问题里面发现我们人已经很难把方法告诉机器，甚至自己都没有一个方法的理解，这件事困惑了我们非常久。即便到2006年之前，我们都很难应对这种说不清道不明的事——怎么办呢？ 2006年有篇论文叫做《深度学习》出现，它其实提倡的是使得我们的计算机去仿照人的大脑皮层的工作，就是人当你视觉看到了一个图像之后，其实是在大脑皮层从第一层里面变成刺激你的神经元，然后神经元把这个信号传给下一层，然后它就很广泛的连接，下一层如果一部分被点亮了它就往下传递，传递几层之后就能做这样的识别。神经元是有参数的，什么样的刺激你有什么样的反应，这是人识别的基本工作的原理。这个时候机器开始仿照人之后，就变成了我不用告诉机器这个方法，我的神经元模型里面只告诉输入是梁冬的头像，最后告诉他这个头像叫梁冬，就只告诉答案了，因此这个之后变成了我们深度学习变成了一个方法，是不告诉机器方法，只告诉机器你的输入条件和答案是什么，让机器进行学习。代价是需要更多的数据，所以这样的一个变化其实带来了我们一下子人会变得更加轻松了，我们的工程师对于医疗对一些图像、语音，原来这些领域里面没有足够多knowhow的地方，现在我们都敢于进去，只要告诉机器答案是什么，机器就可以自己去思考怎样求解。我们教小孩也进入到新的一步，不用告诉小孩过程是怎样的，直接告诉他答案是怎样的。没有特征提取和过程。 AlphaGo是如何学下棋的？ 谷歌就是我不告诉你这个方法了，我也不知道方法是什么，像人下围棋也是棋感，跟人脸识别一样的。所以谷歌就把KGS的服务器上人类棋手六段以上对弈的30万盘棋放在机器面前，就是当前在什么局势下，人是怎么落子的，30万盘棋大概有接近三千万棋局和答案，就让它去学习，学习之后机器不仅把这30万盘棋学会了，它自己这个过程里面会产生对类似问题的分析能力，所以棋局变了之后，它也能够根据以前的经验，它能够去做判断。不是记住这30万盘棋，而是30万盘棋有个泛化能力，一下子就变成了人下棋的方法，数据表明，给它一个棋局，它往下怎么走子的仿人的能力达到了57%，就是每一百个子下下去，其中57个子跟人的第一个下法是一样的，这件事情已经有巨大的突破了。这件事情做完之后，剩下43%跟人不一样的不代表它不好，所以它具备了很高的棋力，根据评判，它已经达到了五六段的水平，学习了棋感的过程，以前教它靠搜索或者规则开始建立棋感。但这并不是谷歌能力能赢人的地方，毕竟30万棋下去只是六段，它跟人的思考能力还是有距离。 然后谷歌就进入了第三个阶段，觉得还不够，谷歌就把AlphaGo变成了神经分裂成两台机器了，就是按照刚才人下棋的方法它自己可以做少量随机的变换去下。就像金庸小说里的老顽童左右互博，有可能这局赢了，那局输了，就是自己跟自己打，打输的这台机器我告诉它你输了，打赢的我告诉你赢了，然后让机器倒着去推，你这步棋怎么没走好？ 第三步的做法我不是给你答案也不是给你方法，只是在最终我告诉你在目标上是更接近还是更远了，你接近了我这个系统给你奖励，你赢了，然后让你倒着推，你要输了我就告诉你，自己回去算怎么输掉的——这就变成第三步的走法，这个走法也像是我们跟人互相之间的学习是有关系的。比如小孩子被杯子烫了，不是我告诉你不要碰，而是他自己感到痛苦，知道以后不能碰——这种学习我们叫做巩固学习或者增强学习，这个学习是既不给方法也不给你答案，而是只是让机器自己找到答案之后，我去评价你这个答案是让你更好了还是更差了。 这个时候机器就追逐赢的目标，而不是追求每一步棋怎么走。我认为这是跟人学习一样的，给你方法、给你答案还是最终只是评价你，但这个事情我们觉得机器在赢这件事情，在AlphaGo上是非常局限的，它的赢有两个条件：第一个只是下棋赢，赢棋是我的唯一目标；第二个，它经历的这个状态，在什么情况下下棋，只是在19×19的棋盘上，只是在一个封闭的环境中，这跟环境跟外界是没有关系的，所以它学习的数据是非常的少。所以我们今天如果下棋，把棋盘从19×19变成20×20，机器就傻了，它的环境发生变化了，如果是人下棋，变换棋盘其实对水平影响不大。 第二个，人还有种能力是把学到的经验转移到其他事情上去，我们知道围棋选手第一思维会很缜密，第二下棋里面教会他做一种利益交换，下棋不是光把别人就打掉了，他是在想到底走先手还是走后手，局势里面互相之间能够得到一种平衡，人的思考会把一个经验转移到其他领域里面去，他有这样的变化，而今天的机器还远不到，所以你叫它有意识有智能，它只是在一个局限的环境里下棋的一个机器。 AlphaGo之后的发展，可能是转移学习 我再补几个细节的东西，你刚刚题目叫转移学习，就是把一个领域学习的知识运用到其他领域去，这是DeepMind在做的一件事情。这个团队是英国的，谷歌大概花了四亿英镑全资做的收购，当时20人，现在200多人了。我们刚刚看到这个机器通过用监督学习把人类历史的30万盘棋先学会了，像人一样，然后再自己跟自己下去超越人，所以它是先学习人再超越人，是这样一个路径，就把人类四千年来人经验的提升甚至人类在棋问题上的进化变成自己的一个基础，然后再去超越进化，这个时候谷歌还干了另外一件事情，它就想我如果不要去学习人之前下棋的方法，或者下棋的这样一个答案，我就让这个机器自己跟自己下，一开始可能很傻，这两个机器随机落子，但是最后也能告诉你输赢，然后这个时候说你输了你赢了，让它从一个白痴开始去进化，是否它最后也能变成一个下棋的高手？现在在做这件事情了，这个时候这样的一台机器以下棋为目标的时候，它已经脱离了人之前的一种经验，有可能它会进化出来一台跟人走棋风格完全不同的机器。 比如中原武学有很多流派，一个人说想把中原武学都学会了，然后再研发自己的杜门绝迹，但是大体上你是个中原人，但如果这个人从来没有在中原呆过，一开始只是武功为基础，在另外一个地方训练，那可能就需要西域的一种打法，如果说这个机器过一段时间如果它能够把这个计划做成，可能谷歌宣布跟柯洁再打一仗，那他压力就更大了，它面对的不是有人类经验的棋手，而是完全进化出来的一个棋手，它的风格跟你完全不一样，它的目的不只是赢棋了，而是好奇智慧和经验从零开始进化的时候，是否只有人类这一条道路。 从这个延伸下去我们再想另外一个问题，如果机器的目的不是赢棋或者输棋，它的目的是这个机器能够存活下去，甚至能够产生自己的繁衍，把这个当成目标，同时机器不只停留在19×19的棋盘上，而是变成你要生存在地球，或者一个实验室里面，我觉得它们就在创造生命了，生命的本质无外乎在这几千万年里面自己存在下去，所以人开始进化，发展出两条腿两条手，发展出眼睛鼻子，开始有智力，甚至有了情感，有了社会的道德。 人工智能的“生命意识”和预测未来 有可能，现在国外科学家在做这样的试验，所以从AlphaGo里面我们看到的不只是下棋的一个机器，不只是看到一个智能这个词，而是看到怎么在推动一种进化，而这种进化有目标，我一旦设立了目标设立了环境，如果我有合适的算法，我最后在这个环境或者目标下培养出来了一种能生存的能力，谷歌的AlphaGo是赢棋的能力，但如果它是生存的能力，它就变成一种我们认为生命，生命其实就是生存和繁衍，所以在AlphaGo的道路里面我们在国内只关心机器打败人，但是确实在技术里面它们做得更远。 这是很大的问题，我大概已经想了十五六年了，然后也有自己的一些答案。从理解生命的时候，我先讲一个研究生时候的事情，我当时的工作是搞计算机和生物信息，就搞基因的，所以我的毕业论文做的是基因测序。那会儿我就开始接触基因，我就开始理解到，发现基因的一个变化，从DNA变成人的过程中是一个机器复杂的过程，我们说苹果落地是特别简单的一件事情，或者说公司倒闭——所有的现象里都能预测它的未来怎么变，但是基因核心是能够把自己变成一个蛋白质，DNA上有很多基因，变成蛋白质，蛋白质后面就变成你身体的一个组成部分，或者是一种催化剂，称为有机催化，它比无机催化速度会快一万倍。在座各位如果上过中学，且没有把书本还给老师的应该知道这一部分。 我们理解人的身体是无时不刻不再变化，这种变化我们是否能够去给你一个DNA，然后计算出来这DNA最后长成什么样的生命，我们就好奇这个问题，以我十几年前的技术到今天的技术一样是不可解的，甚至AlphaGo的能力也做不到。我们其实给了你DNA之后你很难去预测它未来长成什么的样子。我们听过蝴蝶效应，蝴蝶效应就是指在一个混沌的复杂的系统里面，一点微弱的变化，误差就开始产生积累，最后就完全不一样了，这就是之前的一个情况。 但是这种情况下，我认为在基因里面也应该有蝴蝶效应，原始点的变化最后结果就不一样。每天上亿次的变化，我觉得不可思议的事情是最后一但DNA长成人了，可能三岁的小孩子，七岁开始换牙，然后长成成年人，最后还要衰老，还要长成男人女人，还长得不一样，而且还有亚洲人、欧洲人，甚至跟老爸老妈还长得挺像——这个事情其实在中间我发现，简单讲我们今天觉得特别自然一件事情，但是我们用计算机模拟，以它的变化去模拟的时候，你发现这件事情计算力是完全无法支撑的，我们通常认为只要一点变化，人最后就长“没”了，所以当时我特别好奇这样一个问题。做基因的时候我们实验室还有另外一个项目叫做告天气预报，我们今天能预测几天？ 可能两天还比较准，你要预测七天就很难了，要预测十天基本是不可能了。这种情况下我们要用多少数据？第一个，我们要把整个地球的数据都采集到，如果我只有中国的数据没有蒙古的数据，那蒙古的风一吹过来就发生变化了，所以全球协作，采集全球的数据。第二个，计算力极大，我们要把空间分成小格子，每个小格子里有温度、湿度、气压，用微分方程做迭代，预测后续的变化，这样一点点迭代去预测。在以前，我们大概八九十年代看新闻联播经常听见说美国超级计算机不能输出给中国，原因是你会拿计算机可能去算核弹或者导弹的方程，中国说“我冤枉啊，我是用来算天气预报的”。我们知道要模拟天气就需要巨大规模的计算，即便这种计算下我们可能也就计算几天后的情况，是不会太久的，但是你要知道，人类体内的基因变化或者带来人体的化学反应，它里面可能比一个地球的大气要复杂，而且这种基因驱动我们不止七天后的稳定性，它甚至注定你六十年后你会长成什么样子。所以这样一种力量让我产生了想去理解这种现象，怎么理解这种变化，所以我们认为说生命其实蛮奇迹的，它能够绕过世间很多的不确定性，比如生之前老妈喝一口水一个蝴蝶效应，你就长成水牛了吗？不会，或者说今天我不高兴，我打了你一拳，以后会有变化吗？它其实是能收敛回来的，所以我开始相信宇宙里有很多万事万物是能够去对抗环境的变化。 你看到DNA的时候还没有讲周围的家庭怎么样，一个国家怎么样就能知道你能长成什么样的结果，所以很神奇，一个局部的因在很长的时间里面带来一个确定性的结果，这是我当时对生命一个特别好奇的地方。后来我就发现说当我们去做科学研究的时候，科学是干嘛的，它有个定义，是我们用来解释过去或者我们用来预测未来。我觉得另一个词也是，比如迷信也是用来解释过去和预测未来。 在我们人类所谓的智慧里面，其实我们核心的一个工作就是能对过去的原因找到，对未来能够去做这样的一个预测，能预测，你就要想一个问题，未来是否是可预测的？它是否有确定性？以蝴蝶效应看，我们其实很悲观，我们世间万物有太多的不确定性，但是以生命的视角看，我觉得很多事情冥冥之中就会走到那个结果里去。未来如果它变成一个能确定事情的时候，我才有研究的基础，所以我就开始在想，宇宙中间到底什么事情时候是能够被确定的？先回到这个问题，而且是变成一种不是偶然现象，是一种必然的，甚至越来越确定，或者它确定的概率变高的，就开始研究什么东西确定？或者是这个宇宙里什么样的现象是越来越确定的？ “确定”如果换成专业词的话就叫“有序”，有序跟混乱是对应的，叫无序和有序，物理学里有个词叫熵——如果越确定那未来的可能性就越少，越有序，熵值就越低。如果未来越不可确定，可能性就越多，越无序，熵值就越高。定义熵之后我们有一个很悲观的叫热力学第二定律，就讲到封闭系统，熵值是单增的，也就是说一个封闭系统一定会走向无序的。但是事实上我们今天看到的还好，我们这个系统是开放的，它是不断有能量的注入甚至有物质的交换，不是一个封闭系统，就能开始产生有序，而且有些有序的系统或者子系统，它还能够影响周边让自己有序变得更多，这种现象我们怎么定义？后来我看一本叫做《复杂性》的书，这本书是诺贝尔物理学家、生物学家、经济学家一块做的，它里面定义生命，其实生命做定义我觉得很有意思，我问过好多人，在座各位每个人都觉得给你一个东西都能判断，这个有生命吗？你说不是，话筒是不是？只看一个手掌是么不是。但是人是一个生命，一棵树是一个生命，我们每个人都能够很容易判断生命，但当你定义生命的时候很困难，什么是呢？有意思？会说话？这显然是不对的，在这里面我找到了到迄今为止对生命解释最好的定义，用了两句话——第一句话是叫做“性状相对稳定”，就是你要表达它，它是什么东西它就是，它是四条腿不会突然变成六条腿，如果我砍了你一下，你可能流了血，但是你会开始愈合，就是你要在环境面前让自己回到原来的状态里，回到原来有序的确定性里面；第二句话叫做“能够自我复制”，就是能把自己的这种状态，这样一种确定性变得更多——满足这两条叫做生命，到目前为止我认为这样定义是不错的。 人工智能的发展实质是生命边界的探索 如果一个机器能够让自己存在，而且让自己产生复制，那就开始进入到生命的领地了。这是在今天话题里面蛮重要的一个观点——我们理解什么是生命。我相信大多数人可能没有认真的去定义过这个问题。 生命的本质我们看上去是奇迹，但是在宇宙里面是很广泛的，在地球上任何犄角旮旯里面都有生物，都有生命，特别寒冷的地方甚至就开始产生这样的一种繁衍。生命怎么产生的？有一个诺贝尔化学奖的人，他提出了好善结构理论，核心讲的就是在无序中间怎么能够产生有序，他甚至用数学方程式去证明这件事情。 他说满足三个条件，第一个，这是个开放系统，它需要跟外界做物质和能量的交换，第二，这个系统本身里面的反应是非线性的，它的变化是能被放大和积累的，第三，这个系统当前是不平衡的，只要满足这三条，在无序当中就能够产生有序，这个事情成为二十世纪非常重大的最后的一个哲学思想，无序和有序其实代表了无机和有机两个世界，以前我们认为无机跟有机世界是隔离开来的，但是他在理论上证明了在无序的世界里面是能够变得有序的。 可以做这种转换的，这就打破了我们很多固有的思想。在数学层面，在科学层面，它已经有一些对应的解答，从无到有的过程是自然的一个过程。 没错，这件事情是我在研究生的时候重大的一个思想转变，还有一些其他的生命可能是我们体内的一部分，或者你刚刚讲到的是能够比你更大，生命是能够性状相对稳定，就是有序，还能自我复制，那么你体内的细胞是什么？体内每个细胞也是相对稳定性状的，它有细胞膜，有线粒体，有细胞核，细胞进行分裂，我们身体的DNA是什么，双螺旋结构，这个双螺旋结构有非常清晰的有序性和性状稳定，然后在适当的酶的刺激下会产生PCR的过程，会变成两条DNA，然后把其他的核糖核酸放上去产生复制，这太可怕了，我体内的细胞或者我的DNA也是一种生命，要去接受这样一个现实，那么就改定义，定义改来改去改不出来一个恰当的描述。往上走，一个公司其实有它自己稳定的性状，而且很多公司也很相象，公司也要维持自己的稳定，如果这个市场发现收入减少了，那这公司就一定会说我去另外开拓一个市场活下去，就像人，我今天没有面包那就吃馒头，公司也是一样的，而且公司也有跟人一样的性格，擅长什么不擅长什么，有的公司人数特别多，反而人浮于事，所以在这种情况下，在人之外往下走我们看到了自己的这些DNA，看到我们的细胞，往上走我们看到了一个公司或者一个国家，它都有很多类似的这样一些特征，在这种情况下，我就更没有让自己特别自大的理由，不断想我就是在大环境中的一部分，突然理解说我们的性格甚至我们的欲望怎么来的？我们讲的是食色性也，这种本性其实你可以认为是被你的DNA驱动的，DNA通过各种酶的作用，通过多巴胺的分泌，通过奖励惩罚机制，让你有了这种食色的这样一种性。 另外我们还有很多所谓的道德，我们每个人都有自己的荣誉感，我内心把它称为道德，人是活在了欲望之上，活在你的道德之下，我们在另外一种有序的生命里面要找到自己的位置，我们今天很多人想长生不老，甚至不仅长生不老还子孙满堂，如果对一个社会而言你就叫癌症，你会破坏它的组织，所以在这样一种思想里面，我们会打破很多的执念。我们其实很痛苦的，像早年间我们开始有了哥白尼，他发现了地球不是宇宙中心，已经引起了一次恐慌，大家知道我们人的存在意义变小，或者大航海时代的到来，发现了新大陆，这次AlphaGo里面，我发现最受打击的一个群体是围棋的专业选手，我第一场比赛的时候是跟余斌总教练在一块，我是不会下棋的，下棋之前才知道黑子是优先走的，我看不懂棋，但是我会知道这个棋局好不好，我看他脸色就行了，最后当他埋着头整个人处于一种精神恍惚的状态，然后我还在跟他讲投资，讲机器花多少钱买的，他生气了，说你学会下棋了再跟我谈这个事，其实我很尊重他，他作为棋手自己的尊严和自己的一种使命感，就是我是一个棋手，但是如果突然间告诉你棋手几十年来的意义不存在了，那他就产生了自我的否定，其实这种恐慌对于我们每个人可能都会有一些。 什么样的工作将被机器取代？ 这个时候我们就回到机器学习的本质，虽然它很多事情做不到，比如语言机器没有掌握，在有限时间里机器做翻译是蛮困难的，因为它没有概念没有推理，但是拉回来我们怎么来思考这个问题，机器能干什么？以现在的方式，机器是有两个限制条件的，第一个限制条件是它的工作环境是相对封闭的，只是在棋盘上或者它输入的信息是有限制的，所以如果我们干的活，我们处的环境让我们做决策做解答的时候，我们输入信息是一些固定限制的信息，比如做审计师，如果你看的都是财务报表，你输入的数据都是在一个封闭的环境里面的数据，然后你的答案都是标准化有解答的，这种岗位就最有可能被机器取代，答案越标准，而你所要应对的问题越是这种单一，越集中在一个有限的数据驱动你做事情，这种岗位就更有可能被机器干掉，一旦机器干的话就比人干得好。比如司机，司机其实面对的环境数据是有限的，无外乎你就看看窗户外面的数据，你的最终目的就是别撞了，把车开到目的地。环境越简单，你最后的动作越标准，这样的工作岗位最容易被取代。 你可能了解整个世界整个人文，了解所有发生过的探索更大边界，不仅你们村的事，美国的事情中国的事情你都知道，边界越大，然后你输出的解答越开放，没有固定的答案，那会更难被取代。 人工智能实际上无处不在，不是一个机器人形态而已 今天我们做的研究人工智能的时候，不是简单做个人形机器人，可能这个东西就是在你的手机上，在你家的电饭锅里面，无处不在，产生它对于环境的识别和应对能力。 我们以前徒步的时候，手机没电了，焦虑，旁边朋友掏出一个充电宝说，“来，吸一口”，可开心了。 谈人工智能带来的变化和搜狗发展方向 之前我们搜索引擎是让你获得知识，让你获得答案，但它是一种初级的形态，你得给他一个关健词，然后他从数百亿网页里面找十条最好的给你，这是以前的方法，但是随着人工智能的发展，这个产品形态会发生变化，第一它可能会更懂你，你会用自然语言的方式去跟它沟通，从语音的识别到语义的理解，甚至个性化理解，让它懂你；第二件事情，它本身原来只给你十条联接，其实它不知道对不对，未来我们突破的重点就是让机器开始具有对概念理解的能力，理解之后形成推理，所以最后它知道最后你要什么，然后通过计算最后给你一个它认为正确的答案，而不是给你十条联接，不管今天的谷歌、百度还是我们，这十条答案它都不知道意味着什么。这时候随着智能的上升，从懂你到开始给了你一个可靠的答案，慢慢变成你个人的秘书或者你个人的助理，每个人都有这么一个，它就能提供答案、服务，它能代表你，我觉得这是我们往下的发展方向。 下一代我觉得大的机会来自于硬件或者网络联接的变化，其实PC时代到手机时代会产生一些变化，往下的话我觉得一个大的领域里面就是两个很重大的方向，一个事情是AI的发展，就是人工智能的发展，我们以后讲的大数据、物联网都不这么提了，我今天打了AlphaGo之后我们大数据就OUT了，我们开始提人工智能，周边连的也不叫物，而是有智能的一些设备，所以我觉得这是中间的一个领域，可穿戴设备以后甚至就嵌在你的脑子里都有可能，这种变化可能会超出大家的想象，在不焦虑之间过渡到了新兴人类，这种事情我觉得二十年的时间就开始会有这种苗头在了，所以智能化这是中间的方向。 另一个方向就是VR，虚拟现实的技术。我是蛮勤奋的一个人，我要读一本书，这本书如果没给我什么收益，或者只是一个小说我会把它放下，浪费我的时间。你看一个电视剧，电影，要不能让你进步，你也会把它放下。但是我发现，对于更多的消费者而言不是这样的，就是我们看过电影我们觉得很开心，我们体验了一个世界这就很美好了，我不寻求里面有什么意义对自己有帮助，我们玩游戏也不需要有什么样的意义在，这是人本性里面的一部分，这种情况下我们需要把它呈现在另外一种虚幻的世界，这个世界里面往下其实大的武器就是VR虚拟现实，能够让你进入到另外一个世界里去，你看到的听到的都跟现实可能是一种隔离，但是这里面的游戏会更加投入，电影也让你更加的沉浸，这个事情会带来很大的变化，这是两个技术驱动的领域。 两个AlphaGo比赛谁能赢？ 在这样一种游戏里面的时候，就像奥运会一样，比如说今天有了汽车有了飞机，我们人干嘛还要去跑步？这是少数人所参与的，使人获得最后一点尊严去拓展能力的一种游戏，它是一种游戏，并不使得我们每个人都训练自己，包括现在看在美国的教育里面，我知道很多是开卷的，考试可以拿计算器，所以我们已经尽可能让机器能够承载的事情或者不需要发挥创造力的事情，我们把它最后简化，让你去用就行了，所以你刚才提的方式只是在游戏里面去，比如国际象棋在平时训练的时候，这些人是拿机器辅助训练的，看怎么走棋，但是正式比赛的时候是不能带手机不能联网，所以你刚刚提的我觉得是在游戏里面怎么着都行，这是中间的回答。 第二是说两个AlphaGo，今天其实机器还没有穷举的能力，它里面还带有一些随机性，它用的是蒙特卡罗搜索，在这里面它是按照概率去排的，这种情况下有可能中间实力相当，假设这是公平的，有可能这个赢有可能那个赢，现在谷歌正在干这个事，它有随机性，但是我们换个角度，如果问题假设这个机器变得足够聪明，虽然是做不到的，如果它足够聪明，聪明到了它已经把全局都扫描过了，那两只AlphaGo下棋的时候会怎么样？我们听过一个段子，一只AlphaGo一只β狗，AlphaGo黑子先走了一步棋，β狗想了一会儿认输了，都知道足够聪明是可以做出这种事情来，但今天不是这样的，因为棋的规则里面就有限定。 人工智能的未来趋势是和人实现融合 王小川：这个话题非常有意思，我们在研究人工智能的时候，我觉得有两个流派，有两个方向，一种方向是研究出来一个更聪明的能够独立思考的机器，我刚才在讲这个AlphaGo给你方法到给你答案，再到最后给你一个目标，这个过程其实我们本身不止在创造人工智能，我们就在创造一种生命，如果我给你这样的一个目标是存在且能够复制，然后你的环境足够开放，我们再重演一次进化史，这是一种方向在进行。这种方向比较难，研究出人工智能最后还不如直接生孩子比较好，成本又低，然后最后的性价比又特别的高，各种好。 另一种道路是机器它其实属于人的一种辅助，像搜索引擎一样的，为你所用，不是说最后你的人工智能的目标是存在和存在更多，我让你每一个人工智能目标是解决专业的问题，这就变成我们的一种工具或者一个附件，就像手机一样的，也许最后手机变得特别聪明，甚至有可能跟我的大脑做联接，这是由两个不同的目标制定的。 我们还有一条道路是让我们自己进化，也许有一天我发现我割个鼻子让我更美，我就愿意做这个手术了，植入的东西能让我更聪明，那我们干吗？有可能我们在未来的阶段里面不管用机械的技术，还是生物的技术，我们在人工智能的帮助下我们也会变得更加强，这种强是我跟技术走在一块之后，今天如果没有技术，大家其实很惨的，第一衣服没的穿冻死了，第二没有电，大家爬楼梯累死了，所以今天我们技术走在一块，但以后人工智能不仅在体力上让我们解放，在智力里面也会让我们拓展，所以我们跟人工智能不是一战，而是融合，我们变成新的人类，也许我们今天觉得恐惧，但是其实我觉得还有另外一层含义，你自然而然就会接受了，从猴子变成人的时候，猴子会很痛苦，你变成人了，我不想变人吗？他一定会有这个愿望，以后也一样的，当以后变成人工智能、跟技术相结合的新人类的时候，我们也不会像猴子一样停在原地的，我们会昂胸阔步的走向新兴人类的时代。

本文 中视在线 原创，转载保留链接！网址：http://51569.com/a/30991.html