加利福尼亚大学伯克利教授Michael I. Jordan：人工智能的未来与挑战

2018年6月13日，由上海市经济和信息化委员会、上海市商务委员会、上海市长宁区人民政府指导，上海市长宁区青年联合会、亿欧公司联合主办，拼多多协办的“2018全球智能+新商业峰会”在上海长宁世贸展馆举办。

本次峰会以“AI落地，产业升级”为主题，现场聚集超过5000位AI行业内外人士，共同探讨AI目前面临哪些挑战，当下如何商业落地，未来将会怎样发展等问题。峰会采取“1+8”的组织架构，除了6月13日的“全球AI领袖峰会”外，14-15日将举办包括 AI消费产品峰会、智能+新出行峰会、智能+大健康峰会、智能+新金融峰会、AI国际化峰会、智能+教育峰会、智能+新服务峰会、智能+零售峰会在内的8场垂直峰会。

在全球AI领袖峰会上，加利福尼亚大学伯克利分校教授Michael I. Jordan发表了《人工智能的未来与挑战》的演讲。他提到：

1、AI并不能把所有的事情解决掉，因为AI甚至会增加很多问题。更好地理解，AI就是一个新的工业里面的新技术；

2、计算机可以采集数据、通过运算做很多事情，但我们的计算机还不能理解世界，如果计算机只是看数字，同样也不能够理解人；

3、人工智能机器学习是一个非常好的领域，我们一定要保持头脑清醒，它虽然非常成熟了，但还没有到达扎实和改变世界的地步；

4、AI领域开源很重要，不找最好的算法，而是一起合作算法，没有哪个国家领先。

【Michael I. Jordan现场演讲实录】

什么是人工智能？虽然我在这个领域工作了很多年，但是我也不知道。人工智能听起来看似智慧，我也不知道什么是智慧。我们好像知道什么是学习。但是这个叫做机器，什么是AI？我们使用AI用在什么地方？

有问题了，AI帮助我们解决。我想跟大家说，AI并不能把所有的事情解决掉，因为AI甚至会增加很多问题。更好地理解AI就是一个新的工业里面新的技术，像40、50年代化工场里面，比如我的父亲，他是一名化工工人，我们能够见到非常伟大的工厂做非常伟大的事情，花了好几十年，这件事情在发生，像我们的大脑解决各种问题，人工智能并不是一个好的术语表达。

关于人工智能的观点

就像我写了一篇文章《人工智能革命》，这个革命还没有发生，我想说什么是AI？AI有什么领域？

第一、经典的“类人”。比如电影中的人工智能、交互式家庭机器人。

在我这里讲到AI，就是50、60年代定制的，我们尝试模仿人的技能。所以，我们可以看到，我们解决一些问题，但是这些问题和我们现代社会知识并不一定直接相关，我们可以看到解剖结构，解剖里面所有的这种组织结构，我们需要人总体组合起来，所以我们不需要一个解剖学的智能结构。

第二、智能增强。智能增强就是我们的搜索引擎，它能够让我们变得更聪明，让我们做的更好。像智能语言的翻译，曾经也是人工智能所承诺的，但并不是一种智慧，只是把我们语言进行切换，并不是真正的智慧。

但是对于我们人来说是很有用的，我们很想有一个智慧能够说法语、中文，能够在中国走到餐厅定酒店，我希望有这样的机器，这是有帮助的，虽然我们的系统并不是一个真正的智慧系统，但它是可以被人类利用的。

第三、智能基础设施。我们可以看到，人工智能用智慧，这个仅仅是把我们机器装着放在网络上，如果把智慧放在一起，我们思考所有的系统，我们能够做更多的事情，这些是我们的市场。比如交通、智能住宅、城市规划；大规模分布式数据流收集，以及松耦合决策。

类人智能：我们走到了哪一步？

所以我并不想花很多时间讲人类的识别，我认为类似人的智慧，还没有达到。机器模仿人类，这是非常好的，这是计算机的视觉，计算机的语言处理，这是可实现的，它是在视觉场景中标记的对象。但这些是不充分的，它不能够全面的建立起一个财务系统，建立起医疗系统。但是我们并不需要机器像我们人一样思考，这是一个完全不同的主题。

我们要讲未来，我们经常讲我们已经有很多的采集，计算机可以做很多事情，它们能够很快处理，但是我们计算机还是不能理解世界。如果计算机只是看数字，并不能够理解人。目前，计算机无法实现对视觉场景的常识性理解。

什么是可行的？如无人驾驶汽车和无人驾驶出租飞机等机器人，还有包括可以在一系列服务角色和秘书角色中代替人类的对话系统。但是人工智能系统仍然会是非常有限的智能。

我们不太可能看到具有人类的智力灵活性和创造性的人工智能系统，它的语义理解能力有限，处理复杂语言、推理抽象事物、在复杂环境下做计划及应变计划的能力有限。

在我的有生之年，我想计算机只会像一个很聪明的小孩，能看到很多，但并不能真正理解。当然，我们不会看到明显比人类更智能的“超人类人工智能”。这不是我们今天所面临的问题，很多的公司并不需要处理这个问题，我想我们超人类的智慧现在不需要思考，也许很多年之后会有。我们可以看到很多人，经常在这方面的讨论上浪费了很多时间。

多重决策：负载均衡问题

我经常花很多时间研究面临的挑战，如我们近期面临的挑战。我们必须要面对行业和科研工作所面临的挑战，有些我们现在还不需要面对，我们需要有很多在计算机上工作的公司。我们之前都在做决策，比如说在医药领域、交通领域，需要一分钟之内同时做上百个决策；在金融领域，金融机构每秒内做数十万个决策。

如果AI系统替代我们，替代医生，整个医疗系统如果犯了一个决策错误，它不会让你导致犯一堆的错误，所以我们现在要谈的是什么？比如说金融，在2008年的金融危机，其实也是一个AI的危机。其实当时有很多的个人选择，个人赌博都是建立在一些猜测基础之上的，风险因此被评估了，但是这些决策放在了其他几百万、几千万的决策之中这就导致了灾难性的后果，我们不希望在医疗系统中出现这样的问题，否则的话，一个错误导致一千个、一万个错误，这可就不是金融危机这么简单的事情了，这是人死亡的问题。交通系统也是一样的，所以确实要考虑一下这些比较严重的问题。

谈一下市场的问题。因为我觉得这是能够带领我们向前走的一个方向，我们不光是讲大数据的自主性，要切实谈一下怎么做不同的多重选择，我脑子中有一些推荐系统叫亚马逊、阿里巴巴，他们在推荐方面做的非常好。

我去阿里巴巴的网上买一些东西，然后它就会给我推荐，淘宝会说你可能对这个感兴趣，这个就是机器学习，这个就是人工智能，20年前已经有这样的东西了，这样的公司就会变得越来越强大，越来越真实。这些决策都是一个时刻做出的一个决策，不是同时做很多个。

比如说输入一个电影的名字，可能它会推荐我一本书，可能推荐我一个讲座要听，可能会告诉我，明天有某某人会在阿里巴巴做一个讲座你要不要去听。像这些推荐有些有关系，有些没关系。但是它可以推荐给别人，可以推荐给我，甚至几千万个人，这样的推荐可能是一个问题。

比如说，在过去的20年中，其实我可以把一部电影推荐给很多人，这样就不是区别性对待，比如说我给大家推荐一本书，大家都看，我印一万本，让大家都看这本书，也就是说阿里巴巴可能要印一万本，一千万本书，这就是说客户决定的打印数量，但是这并不是资源稀缺的问题。

谈谈资源稀缺。比如说出去饭店吃饭，你上网买东西，大家可能知道你的口味，可能就会给你一些投放广告，建议你一些饭店，比如说你今天在上海，可能不爱吃川菜，可能爱吃这个那个，大家可能推荐你一些，比如说爱吃的川菜，比如打八折的活动。

这些都是有市场导向的，但是如果我们用老的办法去做怎么样？其实就是同一个川菜馆推荐给一万个人，但是这一万个人都要去那边等排位，大家吃不上饭，就没有人开心，这叫“交通堵塞”，这边去虹桥机场怎么走比较好？如果我们建议一百个人，让他们从同条路走到虹桥机场，这不成了天下最大的堵塞了吗？

更可怕的就是建议做金融服务，我建议中国15亿有钱的人投资某个东西，一支股票。我建了一个软件，我让大家去搞股票，如果我推荐的是同一支股票，我让500万人一起去买，这个股票市场简直就会崩溃，我想说的就是，这种推荐方法是不行的，这样的话会导致交通堵塞，各种服务的堵塞。

那怎么解决呢？我觉得可能是建立一个有稀缺性的市场，比如说饭店里面的座位不够多，我们没有办法照顾到所有的客人，那么饭店的经理提供某某服务，比如某些座位，顾客有权利不要这个推荐的，座位满了他们就不能再去了。

我们知道滴滴已经在做这个事情了，滴滴司机在虹口区，已经拉了一个活儿，不能拉别的活儿，其实这个东西已经非常好了，我们希望这种思考能够在其他的领域也发扬光大。

比如说医疗、金融、服务等等。我再举个例子给大家。音乐还有娱乐产业，我觉得AI可以为我们创造更多的工作，因为大家都在说AI肯定抢走很多人的工作，大家会失业，我觉得他会给我们带来很多作用。比如说，我们现在知道很多人在网上做音乐，在我自己的苹果电脑上可以自己搞一支曲子，很多人周末没事在网上上传自己的歌曲，平时拉滴滴，周末做音乐，如果音乐做得好，他们可以在网上下载获得点击量，可以播放自己喜欢的音乐，大家可以听很多音乐，但是你知道这些做音乐的人，他不知道谁在听他们自己的自创音乐，也不能赚钱，这个市场是不行的。

数据和市场

但如果数据在流动的话，我们为什么不能用一下，把它经济变现呢？数据流动的地方，经济价值也可以流动。比如说美国已经有一个公司联合大师和一些公司合作了，他们知道谁在听什么样的音乐，这个是机器学习的内容，就是说能够提供给音乐人一个平台，比如说在中国，我们有一个大的地图，我们能够时时看到谁在听音乐，听的音乐来自哪里，比如说在成都有多少人正在听我做的曲子，我知道了，你知道吗？

这个数据流动就是钱，数据促使价格形成，进而形成报价和销售。我可以去成都开个演唱会，可能挣三四万美金，如果每年去三四次成都见面，我不用开滴滴了是不是？我觉得这样的话，我们推而广之，几千万的滴滴都有饭吃。

比如我知道了一个网上歌手，跟我联系了以后，我过生日可以来唱歌，这就是市场这就是钱。这不是谁雇佣什么人的传统方式，而是说大家用数据流量变现，同时这样的公司可以拿一个中介费，这个中介费可以让他变得非常富有，一切都是在数据上，在平台上。

所以大家可以把它推而广之，不光是娱乐，很多的服务都是可以的。比如说剪头发。很多人擅长美发，但是没有美发专业，没有在美发厅，可以是业余时间，和滴滴司机一样，很多这样的方式都是需要我们去思考的。你可以用算法、数据、流量来变现，这就是用经济的方式去思考数据，这可不是人工智能。

最后我谈谈多重决策的问题，其实，我们也知道每个人都不是做一个决策而已，其实会想很多，今年、明年、下半辈子怎么样。

RAY

现在我们知道很多研究，比如说AlphaGo，在围棋中确实是一个决定性的领域，但是在真正的人类社会中复杂极了，我们很难做。

伯克利目前在做一个系统，我觉得AI是可以从统计到分配系统进行转换的，所以我们正在做一个叫Ray系统的平台，所有的数据放在一起，找到一个框架分布出去。

这个Ray是做什么？就是编写一个非常有效的时时分布的程序，更加简单，尤其是机器学习和人工智能的程序，它会非常关注如何把这个对象储存在合适的地方，而不是一个传统意义上的建筑框架，它更是大规模、大数量的框架。

通过数据可以看到，每秒钟我们能做到一百万个任务，这个数据很了不得。下面的数据有60个节点，比如说一个模拟器，这个机器人如果模拟的对，我们就奖励它，如果做的不对就不奖励它，这样的一个效果比评判有用，直接教会它怎么走。

这个就是正在学走路的一个机器人，你看到它走的确实不怎么好，但走的方向还是挺对的，上身很稳了，大概走了600多步，之后走的越来越稳了，因为它学了更多的东西，它边走边在学，现在走了一千多步，基本上有点像一个人了，其实就是它自己在探索，好像在拉自己往前走，但是我们不能说这个能够解决天下一切问题，但是你们不觉得，其实可以推广到很多地方吗？

比如说这样的一个例子，它也是在学走路，学跑步，用自己的方式去学，还有一些什么其他的应用呢？比如说，明天我们去了火星，我们怎么走？肯定不能把车运上去，火星重力跟我们不一样的。这个视频其实就是一个步行者，是美国航天旅行局，就是模拟它上火星怎么走，会建造得非常轻，非常抗阻击。

我觉得其实没有必要大惊小怪，AI不会给我们带来这么大的冲击，AlphaGo只是AlphaGo，最后我想说，Ray是开源的，开源非常重要，并没有一个国家在领先，没有什么美国、欧洲在领先，我们是开源，什么叫开源？就是开放源头。我们不是找什么最好的算法，而是合作一起去算法，欢迎更多的企业过来和我们一起开发这个东西。

我最后总结一下，人工智能机器学习是一个非常好的领域，我们一定要保持头脑清醒，它虽然非常成熟了，但还没有到达扎实和改变世界的地步，我们一定要控制好这个东西。

谢谢！