【文字实录】人工智能：让生活更美好（4）

[陈因] 谢谢国际电信联盟肖勒先生的精彩致辞，下面有请中国科学院院士张钹作演讲，大家欢迎！ [2017-12-04 09:30:06]

[中国科学院院士张钹] 各位领导，各位来宾，很高兴有机会来讲一下，我今天重点围绕让人工智能使得我们的生活更美好。大家都知道，从两年前围棋程序实现了“三级跳”，在“阿尔法狗”出现之内，国内外做很多的围棋程序，基本上只能做到业余水平。为何一夜之间围棋程序能够实现“三级跳”？从业余到专业，从专业打败世界冠军，又从打败世界冠军现在远远超过世界冠军？大家做了很多的解读，其实这两头就是一个最重要的问题是思想上的转变。我们过去做围棋程序时都将它看成跟下象棋一样是一个理性分析的过程，后来发现下围棋和下象棋完全不同，下围棋是通过感性、直觉、棋感，并不是理性分析的，因此，“阿尔法狗”完全将下围棋作为模式识别问题来做，所以这个问题一下迎刃而解，如果你是一个模式识别问题，有三个因素就非常容易解决这个问题，这便是大家常说的它背后的深度学习算法，所谓人工智能算法，数据和计算机的能力充分应用上去。这就是靠数据的力量、算法的力量和计算机的能力使得围棋程序一下战胜了人类。而且大家都觉得非常奇怪，为什么围棋能够从零开始最终用36个小时达到和超过了人类的水平，这就是围棋带给我们的思考。 [2017-12-04 09:31:07]

[张钹] 利用数据，利用人工智能算法，我们可以不要任何的围棋知识，就能够做这个事情。那我们需要思考的问题是很多人对“阿尔法狗”超过人类，一方面觉得很鼓舞，另外也觉得很担忧，像下围棋对人类来讲这么困难的事情计算机可超越人类，那我们的很多工作是否会被它所代替？所以，我们下面要分析一下哪些工作是能够被计算机代替的。这里要分析一下围棋对人类来讲是非常困难的，但对计算机来讲，它不困难。 [2017-12-04 09:32:57]

[张钹] 原因在哪儿？这就是我这里列的五个条件，围棋尽管非常复杂，它是根据非常简单的规则在哪儿发展的，它是完全信息的，对下棋双方来讲，对方怎么下，我怎么下都是透明的，没有不确定性，它是一个确定性的，且是单个任务单个领域。如果符合这五个条件，计算就非常容易解决，如果我们的工作符合这五个条件，计算机就能够很容易被代替。那哪些工作是A类工作？这A类的工作是严格照章办事，就像下围棋一样按照一个完全确定的规则来做的，而且这里头的场景无变化，完全信息，确定性的，流线知识的。如果我们的工作符合这几个条件就跟下围棋一样很容易被机器所代替，这个工作大家都说过很多了。我这里举出来的这一类工作都符合下围棋的五个条件，对计算机来讲是容易的，对人类来讲可能有一定的困难，但对计算机来做是容易的，所以这一类工作肯定会不断地被机器所代替。 [2017-12-04 09:33:48]

[张钹] 当然机器还可以做人类难以做的危险的工作，这是没有问题的。刚才讲的那些工作被代替，对人类是不是威胁？实际上不威胁，因为这一类工作也是人类做不了的或是危险的。上面讲的任务都属于规范的日常事务，这种工作有一定的重复性，所以对人类来讲大多数人还是不愿意做或是不善于做的，所以这种代替对人类来讲还是受欢迎的。你用这个去训练它，猫，你要用不同背景下和不同情况下的猫去训练它，我们要成千上万个样本去训练它，它认识猫了。如果你用一个背景，从来没见过猫的给它看，它不认识。原因是它本质上没有认识什么是猫，它只是将不同的图片区分开来，这就是深度学习，所谓数据驱动本身所造成的。这就非常危险，计算机做出来的决策在人类看起来完全是错的，但你不知道它错在哪儿，这是不可解释、不可理解。所以，目前人工智能的主攻方向是往可解释可理解的人工智能方面走。 [2017-12-04 09:35:59]

[张钹] 比如说这两张图，人类一看起来，一个男一个女，它肯定认为这是两个人，但你给计算机去看的话这绝对是一个人，因为这两个人太像了，所以这里头我们要看到计算机的系统，特别是用深度和大数据学习的系统，它缺乏智能，它只是一个机器来区分不同的物体，所以我们现在的任务就是要将这种机器提升到人的智能的水平上去，这就是我们目前面临的任务，因为这个任务在决策系统中是至关重要的。模式识别系统理论错了，识别率就少一点，问题不太大，而且在模式识别系统，你将双胞胎认错了，也算一个错，将石头看成人，也算一个错，但在决策中，你把石头看成人，这在决策中就是大错。 [2017-12-04 09:36:40]

[张钹] 所以很显然，这完全是通过生数据黑箱学习的结果，数据驱动的方法就是黑箱学习，如果用生数据来进行学习，没有领域的知识，过去我们说这是一个优点，但同时带来致命的缺点，所以我们未来走向可解释人工智能，我们要将这个黑箱打开，最近我们和外国人都做了很多工作，把这个黑箱打开，问题究竟出在哪儿？根据这个问题我们加以解决，只有两条路，没有别路，向大脑学习，这是当前的脑计算。还有将知识驱动和数据驱动结合起来，不能没有知识，我们人类的智慧绝大部分产生于知识，不是产生于数据，这样建立的系统就可以很好地进行人机交互、人机合作，让我们的工作和生活更美好。谢谢大家！ [2017-12-04 09:37:54]