迎接人工智能的未来

我们可以看看支撑人工智能发展的技术，比如CPU的芯片、存储器、光纤、移动通信、超算、大数据等等，在十年间，成本下降迅速，有些是60多倍，有些是两万倍。光纤通信用10年时间达到了100倍容量提升，移动通信用10年时间达到了1000倍的速率提升，超算能力1000倍的提升。互联网发展到今年已经是第50年了。50年的互联网到现在还保持互联网流量年增60%，这些增速也会对未来人工智能技术的发展给予很大的影响。

比如深度神经网络，就算你写本书告诉计算机什么是猫什么是狗，它也学不会，但如果像人类对待小孩那样的教学方式，感性地把一堆猫和狗的视频送到深度神经网络，它就会分类。分类结束后，如果照片视频上有标签，它就会知道分的这类是猫。

所以说，深度神经网络实际上是个分类器，你告诉它是什么，它就学会了。

机器学习是深度神经网络的主要技术，从近10年间机器学习的论文里可以发现现在机器学习的技术热点有哪些，也可以看到神经网络和进化编程等计算密集型算法在机器学习研究中的出色表现。

比如李世石与AlphaGo下棋。人每天吃饭大概要输入2500卡路里的能量，卡路里换算成焦耳大概是1000万焦耳，下围棋5个小时大概要消耗人类3.3兆焦耳。AlphaGo跟李世石下棋时用了1000多个CPU、176个GPU，一个CPU功率100W，1个GPU功率200W，换算出来是173000W（这是以秒计的），如果5小时就是3000兆焦耳，这相当于李世石用的能耗是AlphaGo能耗的千分之一，也就是说，人工智能目前还需要很大的能量支持。

后来隔了一年，AlphaGoZero进行改进，换算成TPU，它只是AlphaGo原有1/12的能耗，用1/12的能耗跟AlphaGo下棋，100比0。当时AlphaGo还要搜集所有的围棋棋谱，然后训练三个月，AlphaGoZero只需要了解围棋的规则，两个AlphaGoZero互相对应，能把所有人类没有走过的棋谱都走完，它就能战胜了。所以优化算法、改进硬件，包括用GPU替换CPU（提高了三倍），用TPU替换GPU（提高了15到30倍）。

在医学领域，刚刚过去的几个月，谷歌在机器学习方面开发了AlphaFold，在蛋白质结构预测的国际竞赛里，打败了所有由人组成的各种团队。换言之，如果能解释蛋白质的结构，人类的很多疾病可能就会找到解决办法。

我们知道门捷列夫开发元素周期表用了很长时间，现在假设我们不知道元素周期表，利用人工智能程序，几个小时就可以把元素周期表重新定义出来。也就是说，人工智能确实能做好多事。

在语音识别方面，人工智能已经超过了人工水平。一般人类语音识别的错误率是5.1%，现在百度对汉语的语音识别、微软对语音识别已经比这个水平要高了。当然，在嘈杂噪声环境下，识别率现在也只有54%，不过人更识别不了，人还达不到这个水平。

在人脸识别方面，上海依图科技的人脸识别差错率在万分之一，误失率前提下可以通过98%，而银行柜台工作人员用肉眼比对，误差一般在1%，也就是说机器准确性是超过人的眼睛的。

语音识别可以用于医学，还有图像识别，可以重建三维影像，比如医学教育，包括在增进医疗手术的辅导可以起到很好的作用。

在产业上，影像电路板很复杂，可以看看该连的线是不是连了，不该连的线是不是没连，人的肉眼很容易错检，但利用机器视觉就可以发觉人的肉眼不能发现的问题，每年的经济效益为9000万美元。

统计指出，人工智能可以改进劳动生产率，可以增加激发消费需求，可以提高产品质量。有权威机构预测，到2030年，人工智能对劳动生产率的贡献超过GDP的55%，其中中国占了全球将近一半。2030年人工智能会带来7万亿美元的GDP增长贡献，占GDP的26.1%。

在AI指数比较高、应用效果比较好的领域，一是医疗保健行业，二是汽车行业。而金融服务业相比较来说次之，制造业反而比金融服务零售业还要低一点。

麦肯锡预计，到2025年，自动驾驶带来的经济规模将达到万亿美元，同时会降低交通事故发生概率，每年将能挽救3万到15万人的生命，减少废气排放90%。麦肯锡还认为，到2030年，人工智能可以为全球额外贡献13万亿美元的GDP增长。

围棋很难，尤其是围棋的棋局空间很大，但它的信息是完全确定的，具有静态和结构性特点，所以计算机没问题，它不怕难、不怕烦，可以做到。但打麻将就不一样了，这是非合作对弈，虽然有规则但很难掌握，所以在麻将比赛上，AlphaGo不一定能打过人类。电子游戏也一样，在《星际争霸》这款游戏里，人工智能还达不到一般专业水平。

自动驾驶在简单路况中是容易运行的，但是其应对复杂路况就有难度了。因为行人和司机不一定都遵守交通规则，很难用训练的办法掌握，还需要驾驶员的经验和知识。而且人类犯错是偶然的，机器一旦犯错可能就是系统性的。

人工智能可以检测肿瘤，但医院还不敢这么用，因为人工智能本身可以告诉你应该做什么，但它不会告诉你为什么。比如人工智能诊断一个病人，最后得出结论“锯掉一条腿”，但不告诉你为什么，医院也不能按照结论来治疗病人。

还有很多功能是人工智能难以胜任的。神经网络是以输入为导向的算法，首先的前提是大量数据，而且数据要比较准确。目前机器学习还有很多不足。图灵奖的获奖者说，目前机器学习只是曲线的拟合。诺贝尔经济学奖得主Judea Pear则认为“人工智能不过是统计学”，也就是说目前还是有很多不够的地方。

当然，神经网络现在还在演进，关键是怎样选择正确的框架以及训练。清华大学的张钹院士说，我们要把感知和认知放到同一个空间里，不是简单用概率统计的理论，要用模糊级的理论来重新定义它，否则我们没办法跟机器人交流，机器人之间也没办法交流。

机器学习着重于通过数据了解环境，而人类能够同时洞悉不同的环境，群体学习是人类与生俱来的本领，而电脑是不具备的。

我曾经跟一个搞人工智能的公司說，识别语音、下围棋都不算什么，能不能组织11人的机器人足球队，什么时候踢赢一场比赛了，那你就算厉害了，因为11人的机器人足球队是要群体活动的。

刚才谈到就业，实际上人工智能确实会取代很多现在的就业，49%的劳动人口可能会被取代，但一半以上的人是不会被取代的。因为人工智能没有情感，有情感创作的文艺工作是不能被取代的，人工智能不能取代文艺，要由人来做。

美国高德纳咨询公司在世界经济论坛发布的《2018未来就业》报告中指出，人工智能取代了一部分工作，但会新增一些工作岗位。

人工智能会带来数字鸿沟，在发达国家、先进企业里，还会拉大社会贫富差距，高智能岗位会增加，一般劳动岗位会减少。

清华大学张钹院士说，我们现在正在通往AI的路上，现在走得并不远，在出发点附近，但人工智能永远在路上，大家要有思想准备，而这也就是人工智能的魅力。

人工智能会使我们的生活更美好，或是走到我们的反面，这一切取决于人类自己。

（本文根据邬贺铨在2019影响力峰会上发表的演讲《迎接人工智能的未来》整理而成，未经本人确认。）