人工智能可能会创造有99%闲人与1%神人的社会

核心提示：地平线上的飓风中心正在升腾而起，未来人工智能会和人类相爱相杀，究竟在未来，人工智能会对我们的生活造成多么大的变化，有哪些是人类做不到的事情，但是人工智能可以做到的，有哪些行业是马上就要被淘汰的，究竟在未来，在AI的世界里面，我们会不会面临着黑客帝国的现象发生呢？

凤凰卫视4月15日《世纪大讲堂》，以下为文字实录：

解说：来自硅谷的资深工程师投资人王维嘉为我们介绍了人工智能是如何进行深度学习的，凭借其超强的学习能力，越来越多我们曾经认为只有人类才能做到的事儿，正在被人工智能做到。当然，这还不是最恐怖的。

王维嘉：人工智能将会代替我们的大脑。没有死亡的人类是一个非常恐怖的人类，人工智能是人类历史上最大的一次科技创新。

解说：地平线上的飓风中心正在升腾而起，未来人工智能会和人类相爱相杀，《世纪大讲堂》，一场脑洞大开的思维之旅即将启程。

田桐：学术殿堂，思想盛宴，欢迎各位来到《世纪大讲堂》，我是主持人田桐。在上一周，我们请到了著名的工程师，也是著名的投资人王维嘉先生来给我们介绍在硅谷一个炙手可热的前沿的科技——人工智能。究竟在未来，人工智能会对我们的生活造成多么大的变化，有哪些是人类做不到的事情，但是人工智能可以做到的，有哪些行业是马上就要被淘汰的，究竟在未来，在AI的世界里面，我们会不会面临着黑客帝国的现象发生呢？我们有请我们今天的演讲嘉宾。

解说：王维嘉，斯坦福大学电气工程系博士，是数字信号处理、人工智能、移动网络专家。拥有12项可穿戴计算移动互联领域的美国发明专利，曾在硅谷多家高科技公司主持研发项目，也曾在硅谷创业。他创办的公司开发出了世界上第一个移动Internet手持终端和移动网络系统。从工程师、企业家到投资人，王维嘉始终活跃在技术创新的前沿。今天，他将为我们详解地平线上的飓风中心——人工智能。

田桐：好，让我们请出我们的演讲嘉宾王维嘉先生。王老师，你好。

王维嘉：你好，主持人。

田桐：欢迎您。您跟我们说一下您是从什么时候开始研究AI的，什么时候开始对它感兴趣的。因为我们的未来社会都是依托像您这样的科学家来给我们创造的。

王维嘉：我是1985年去的斯坦福大学，我的导师正好是人工智能的鼻祖之一，他1960年就开始研究人工智能。人工智能经历了很多坎坷，在80年代末期的时候又经历了一个小高潮，我正好是那时候在读研究生，所以做了一些研究。但是，80年代末期的计算能力比今天要差很多很多，所以那时候的超级计算机不如我们现在一个手机那么厉害。所以，没有产生出太多的商业应用来，就冷下去了，后来到了2006年又起来，这次是真正的起飞了。

田桐：是不是就像当年的互联网一样，把我们的生活完全改变了？

王维嘉：是，你说的完全对。

田桐：但是会改变成什么样，我们还不得而知。

王维嘉：改变会远远超过互联网对我们生活的改变。

田桐：但是我有一点小担心是因为这个事情，这个改变究竟是好的，还是不好的，我很担心我以后会失业，我也很担心我的同事们会失业。

王维嘉：你应该是最后一个失业的，因为机器人做不了有感情的东西。当然，我待会儿可能会提到，就会引起很多失业。现在关于这个问题有很多讨论，还没有一个定论，基本上两种观点，历史上比如机器每次发明都造成很多失业，比如汽车发明以后，马车夫失业了，那马车夫可以变成汽车司机，对吧。但这次到底是和历史上失业的人又变成新的，学会了新的技能，还是说绝大部分技能都被机器取代了，这还是一个非常大的问号。

田桐：我之前看过一个美国的电影，叫做《她》，讲的就是男主人公和机器智能发生了感情。我不知道如果会了自主学习、自主创新、自主写作，有没有自主感情在这个人工智能里面？

王维嘉：这个电影我没看过，但是我听过很多类似的讨论。首先第一是机器人能不能会有自我意识，目前还没有科学研究可以表明它可以产生自我意识。另外更重要一点，机器学习和人的最重要差别，它没有死亡的概念，海德格尔说过，人是面对死亡的存在或者是乔布斯说过，死亡是上帝给人类最好的礼物。因为有了死亡，我们才有食，才有色，还有感情。所以，目前机器是不知道什么叫死的，因为它不知道什么叫死，所以它就没有感情。

田桐：好，究竟我们现在的人工智能走到哪一步了，未来的生活和社会又会是什么样，我们把时间交给我们的演讲嘉宾王维嘉先生。

王维嘉：谢谢，谢谢。下面我想讲一下，就是人工智能能做哪些人类做不了的事情，或者比人类做更强的事情。如果能把我们已经做的一些简单工作取代掉的话，比如说做一个机器保姆，到今天没有一个机器人保姆能够比我们的真的保姆要做的好，更比不了菲律宾的保姆。但是，它们能做一些非常非常我们做不了的事情，比如说下围棋，去年年底和今年年初，阿尔法狗隐形出现在网络上，挑战中日韩的一流的围棋大师，在座的可能看到过这个消息，下了56盘，赢了56盘。当时很多围棋的棋手看这个机器下的这个棋风，完全看不懂，怎么还能这样下，最后居然赢了。我们国家围棋的九段柯洁说了一句很沮丧的话，我们人类两千年连围棋的边都还没有摸到。为什么一个机器的围棋能有这样一个我称为上帝的视角。我们看这张图，机器下棋其实也是一样，我要找到群山中的最低的那个地方，就是我错误最小的，也就是我的最优解。人类因为大家知道，一个棋盘是19乘19，它有多少种摆法，它的摆法加起来比宇宙中所有的原子都要多。也就是说人类我一辈子所有的地球上的人去下围棋，也只能去触摸到它里面很少很少一部分。但用这样一个群山的模型来解释，就我上边画了一个白的圆圈这个东西，就人类两千年前就在这小地方在打转，师父下出了很多残局，徒弟根据残局就在这周围下，根本他没有能力，也没有时间去把这群山去摸索一遍或者寻找一遍。但是对于机器来讲，它可以一晚上或者是最多一天就可以把人类的几百万盘残局全部学一遍。这样做完了以后，也就是人类的那些区域它已经摸完了，这时候它就达到了和人类一样水平，但是它超过不了人类，因为它学的是人类的残局。下面一步它做什么，搞一个阿尔法1，一个阿尔法2，俩哥们自己打，然后它们的打法就完全是和人类不一样的了。在这个群山图里头就可以看得出来，它就跑遍了群山各个地方，一直找到了一个真正的最优点。也就是说，由于机器的运算速度，它可以在这种很多变量、很多可能性的时候，它的搜索的区域远远超出人类时间和能力所循允许的操作区域，所以它就能找到最优解。

第二个事情，机器比较擅长的是什么，就是人类自己都说不清的技能，比如说最近美国有一个王牌的空军飞行员和机器驾驶的这个飞机在模拟器上打了十几盘空战。这个王牌飞行员每一盘都输掉了，这个很简单，因为一个飞行员，什么是一个好的飞行员，就看你飞多少个小时，一个好的飞行员也许飞五千个小时、一万个小时，对吧，撑死了。但是，这个机器它可以在几分钟之内把人类所有的飞行数据都喂给它，它可以飞几百万个小时，你有多少小时，我就飞多少小时。也就是它可以在很短的时间内就超过人类所有的飞行员，所以人类是不可能打败它的。

第二一点，在空战这种上面，你的反应速度是非常重要的，当你看到导弹过来，你要做一个动作躲闪，人的神经反应速度是很慢的，十几毫秒，对吧。机器的反应速度比你快得多得多，所以由于机器它的经验比你多，它的数据比你多，它的反应速度比你快得多，所以说我可以大胆地预测，下一场的大规模的空战不会再有人类飞行员了，因为人类飞行员一定打不过机器，一定是双方的人工智能的机器人在开着飞机在打。

同样的还有很多说不清道不明的，比如说骑自行车，在座各位有谁是看这个说明书学会骑自行车的，都是你上去咔碴摔两跤，然后就学会了，左拐右拐，就学会了。然后让你教你的孩子或者教你的爱人说骑自行车，你也说不清楚，你就上去吧，我就扶你一下。所以，这些技能我们把它叫默会技能，就是只可意会不可言传的技能，人类有很多知识是这样的知识，甚至绝大部分的知识是这样的知识，人类真正能把它表达清楚的知识只是非常小的知识。人工智能机器学习最擅长的就是学这种默会的知识，你越说不清，我越学得好。

解说：上一节，我们已经在王维嘉博士的讲述中领略了人工智能是如何在围棋、空战领域中完胜人类的。海量的数据处理和快速的反应能力使得机器可以在短时间内即获得人类需要经年积累才能获得的经验，而接下来王维嘉博士将给我们透露机器学习的又一致胜法宝，更是让人类望尘莫及。

王维嘉：还有一个很牛的地方，就是叫群体学习，这是人类做不到的。什么叫群体学习？我来举个例子，左边这张图是一个机械手，这是谷歌的一个机械手，这机械手下面有一个盘子，盘子里头放了各种各样形状的物品，有方的圆的，有笔什么之类的。任务是做什么，让这个机械手从这盘子里头把这东西抓出来，因为它形状不一样，你要抓得很准，对吧。人不教它任何东西，让它完全从头学起，那机械手很笨了，一开始就总空中咔碴一抓，什么都没抓着，当它的指头碰在一起的时候，就说明犯错了，没抓着东西。那它的位置就换一下，直到它摸索到这个地方能抓着东西了，它就开始学会了。好了，这个很简单，大概比如说经过一天以后，这个机器就能把各种形状的东西都抓出来了，自己学了。但是谷歌做了一个很重要的一个实验是什么，他说我搞20台机器同时来学，每个盘子放一样东西，这时候发生了什么，机器学习的时间变成了原来的二十分之一，为什么？因为当一台机器学会这个技能的时候，同时它用网络就传给了其他20台机器。大家可以想像，一个非常非常复杂的，比如说开飞机、开战斗机这样一件事情，你需要学一万个小时，假如我有一台一万台机器在学的时候，我就学一个小时，我有十万台机器的话，我就学十分钟，这个机器不一定是真正的机器，它的软件就可以了。如果有一百万个并行的软件在学一个非常复杂的功能的话，它可能一秒钟就可以学会人类很长时间才能学会的东西。

下面就有这么一个例子，2001年诺贝尔的物理学奖颁给了三个激光物理学家、实验物理学家，他们做了一件什么事儿。上过中学的物理都知道，我们物体有三个状态，气态、液态和固态，实际上它有第四个状态，叫凝聚态。凝聚态是什么概念，就是当你把温度降到开尔文绝对零度的时候，它就出现一种新的状态，这种状态和固态是不一样的。比方说它有什么性能，光线进去以后，光线会变慢，有很多奇特的状态，人类非常好奇。但是，自然界是不可能有这么冷的温度的，一定要在实验室里做出来，实验室也做不到，这些科学家就想出了一个办法，左上角这个图玻璃腔体里面一个小的东西就是这个固体的东西，它用激光器。大家知道所谓的气体的状态，就是因为它分子活动的范围很大，分子的活动范围小的时候就变成液态，当分子被固化在一个结构里面的时候，变成固态。那好了，这分子一直是只要是有热它就运动，那如果是它运动的时候，我能精确知道它运动的状态，我用激光去打它，把它打回去，它刚一动，把它打静止下来。所以，这个仪器装置下面看左下角这么复杂一个装置就是很多很多台激光器对着这一块小东西在射它，然后一直把它的温度逐渐逐渐降到开尔文零度。这件事情，科学家用了很多很多年，调试这样一个复杂的仪器是非常非常难的，因为你几台机器要配合，它的光强度、它的射的时间等等等等，用人去调，这三个科学家把它调出来了，把这个东西做出来了，就得了诺贝尔物理学奖。

去年他们突发奇想，说为什么我不能用机器来做这个仪器的调试？结果，大家猜一猜，机器用多长时间就做出了凝聚态的物质来？一个小时。那这意味着什么，就意味着人类的基础的科学研究也可以被人工智能取代了。在英国还是加拿大，我忘了，有这么一个实验，大家知道我们做一个研究的时候，第一件事儿做什么，要把历史上所有的这个学科的文献都要查阅一遍，我才知道哪些问题解决了，哪些问题没解决。比如我在做博士论文的时候，我至少花一年时间看文献，但我一年能看多少篇文章，我一年看300篇文献我撑死了。为什么？因为一天看一篇，还要理解，这已经是很多了，对吧？但是我这个领域有多少文献？可能有三万篇，所以这件事儿就是他们做了一个实验，在这个医学的一个癌症的领域里头有40万篇文献，让这个机器全部读了一遍。然后这个机器做了什么，就把历史上所有的研究，哪些问题解决了，用什么样的方法解决的，还有哪些问题没有解决，可能用什么方法可以去解决这些没有解决的问题，全部总结出来。它唯一没有做的就是提出解决问题的方法，那人就可以做最后一步，也就是人类的基础的研究过去比如说你的博士论文要做五年，这个可能做三年、做两年就够了。

我们刚才举了很多科学研究的例子，我们来看一个艺术，这是一副典型的北欧的风景照片。好了，那我如果想把它变成一幅大师的风格，比如我很喜欢梵高，我说能不能把我这个变成一座梵高的风格？我怎么做，左边这个图就是梵高的著名的《星空之夜》，我就把梵高所有的画都输给机器，喂给它，让它学一遍，然后它就学会了梵高的风格。右边这幅画就是我刚才那幅北欧的城市图片，变成了梵高的风格。大家可以看看，它左右两个相比，它的颜色的对比，它的笔触，它的风格，这是学的惟妙惟肖。同样，如果喜欢马蒂斯的风格，左边这个戴帽的女士是马蒂斯的非常有名的一幅画，右边就是刚才那幅照片用马蒂斯风格画出来的。

解说：琴棋书画，看起来人工智能已经不在话下了；吟诗作赋它是不是也可以？清华大学的研究人员就曾公布了一组机器诗，和我们人类作的诗混在一起，你还能分辨得出来吗？请听题，第一首《云峰》，白云生处起高峰，鬼斧神功造化成；古往今来谁可上，九重宫阙握权衡。第二首《画松》，孤耐凌节护，根枝木落无；寒花影里月，独照一灯枯。第三首《悲秋》，幽径重寻暗比苔，倚扉尤似待君来；此生永失天台路，老凤秋梧各自哀。第四首《春雪》，飞花轻洒雪欺红，雨后春风细柳工；一夜东君无限恨，不知何处觅轻松。哪首是机器做的？

王维嘉：有人说2、4，还有谁说？1、3，2、3，1、4。大家的回答都不一样，这不奇怪，我一开始我也看不出来。答案是2、4，2、4是机器。大家看一下其实还是有端倪可寻的，我们看这个人作的诗，每一句话你都应该能懂，白云生处起高峰，很容易懂，对吧？然后，有画面感，但是机器作的《画松》，孤耐凌节护，谁给我解释一下这句话什么意思？实际上它所谓机器学习就是比如说把唐诗一万首全输进去，它就把唐诗最常用的词它的节律、平仄，它的押韵的方法，哪些词之间会经常出现，哪些句子之间出现，对仗等等都学会了。但仍然它在模仿的过程中，它对这个意义和画面感今天还是没有产生出来。所以说，包括第四首，飞花轻洒都很不错，飞花轻洒都能懂，雪欺红，这好像我们就脑子不太理解了，但是已经做的非常好了，远远超出我的水平。

这是一篇科学论文，我反正也不懂它大概是一个分子式，我觉得写得很专业，这是机器读了大量的科学论文以后写出的科学论文。其实这些论文本身就没有任何意义，但是它的格式让你看得非常专业。

《世纪大讲堂》节目在凤凰卫视中文台播出【节目专区】

想看更多金牌时评、热点解读、主播风采、幕后猛料？嘘！悄悄加入凤凰私享会（ID：phtvifeng），让小凤君带您走一走凤凰卫视的小后门。