吴恩达的博导：人类暂时不必对人工智能感到焦虑
自AlphaGo横空出世，打败韩国棋手李世石、世界围棋第一人柯洁后，人们关于人工智能代替人类的讨论一直热度不减。尤其是近日，DeepMind公司推出了AlphaGo的最强版本AlphaGo Zero，更是大众了解了机器智能的极限。那么，在不久的未来，机器智能真的会代替人类吗，它是不是也有极限？
迈克尔?乔丹教授在大会上作主题报告。 上海海事大学 图
10月25日，在由上海海事大学、上海市思维科学研究会承办的第二届智能科学国际会议上，现为美国科学院、美国工程院、美国艺术与科学院三院院士、加州大学伯克利分校教授的迈克尔·乔丹（Michael I. Jordan）做了题为《人工智能：前景和挑战》的报告。
乔丹在演讲中给出的答案是：未来十年之内，人工智能系统的“智能”还非常有限。
在人工智能领域里，提到深度学习大神之一的Yoshua Bengio、前百度首席科学家吴恩达、贝叶斯学习领域权威Zoubin Ghahramani，你一定非常熟悉。而这三位大牛有一个共同点，他们都师出同门，他们的老师就是迈克尔·乔丹（Michael I. Jordan）。
不要误会，这不是打篮球的乔丹，而是机器学习领域最重要的奠基人之一，他被外界誉为人工智能领域“根目录”之一，算是教父级人物。他的研究主要是指出了机器学习与统计学之间的联系，并推动机器学习界广泛认识到贝叶斯网络的重要性。
有限的智能
“创造力和智能对于人工智能系统来说还很难实现，推理和抽象能力的实现也似乎遥不可及。”乔丹说。比如，人们可以通过语境，对一个新词有一个快速的理解，但是人工智能却很难做到。在他看来，人工智能在过去10多年来飞速发展，其实质是机器语言的增长和统计学的发展。无论是人工智能的发展亦或是机器语言的发展，核心都是依赖数据的积累和发展。
例如，人工智能会根据各项数据分析，给出一家最好的饭店名称，但系统其实并不知道是如何做出搜索，甚至不会知道提供结果后会产生什么样的结果。“给出最高的评分后，很有可能会造成顾客蜂拥而至，但饭店服务质量反而下降的情况。但人工系统并不知道这些。”
乔丹提到，人们一说起人工智能，就觉得应该是电影《我，机器人》的样子，他能很好地与你互动、沟通，照顾你。但现实生活中，人工智能还未达到这样的地步，更常见的反而是增强智能（Intelligence Augmentation），简称为IA。这就好比你用搜索引擎搜索某个关键词，你会发现它能在很短的时间内返还给你数量庞大的结果，这些结果凭人脑的力量是完全无法记祝而增强智能就像搜索引擎这类工具，它能够帮你完成一些人力所不能及的任务。此外包括推荐系统、机器翻译等也都智能算是增强智能。
“我更愿意将人工智能（AI）称为机器学习（ML）。而现在所谓的智能，是我们根据参数汇集起来的数据算法，它们只能复制、模仿、模拟人类的行动，而不是真正的智能。说到底，相比我们真实的世界，围棋的复杂程度要低很多，因为真实的世界充满不确定性。”乔丹说。
除了只能提供搜索结果和数据外，乔丹认为，现在人工智能的学习能力也远不及一个远没有一个正处于成长期孩子的学习能力。孩子可以通过少量书本上的图片和信息了解世界，但是AI即使看过了无数张图片和信息，仍然很难对世界产生自己的“理解”。
智能之后带来的挑战
在不断的有*发布人工智能报告、提出战略性政策，以及越来越多的公司投入大量人力和资金后，人工智能的发展似乎迎来了最好的时代。在演讲中，乔丹除了希望大众对人工智能有个冷静的理解外，还提到了未来人工智能发展会遇到的挑战。
首先，大众都非常关心自己未来的工作是否会被人工智能给替代。乔丹表示，人工智能代替一部分人的工作岗位是很正常的。这正是社会向前发展的一环，几百年前的工业革命让一部分人失去了工作，但同时也有更多新岗位的出现。只是人们必需花更多的时间来学习和适应这个转变。
其次，人工智能的安全问题。正如前文所说，当前，人工智能的发展还面临着“黑匣子”的问题。即机器实际上并不清楚自己为何做出这个决定，也不知道给出的结果会带来什么样的问题。乔丹认为，这样的情况在沟通和对话的智能系统中，出现问题并不可怕。但在医疗和金融领域，一旦机器医生给出的结果出现问题，那带来的后果会不堪设想。在医疗和金融领域里，必须要提高正确、清晰、无误的结果。这也是未来需要解决的。
第三，数据共享。为了让更多的研究人员参与到人工智能的开发中，许多公司会选择开源自己的人工智能程序源代码。开源意味着每个人都可以对这个代码进行自己的修改、添加。但乔丹指出，尽管谷歌、百度等公司都对外宣称开源，实际上只是放出了部分代码。公司间的竞争导致了这样的情况，但这也给大学提供了机会。乔丹认为，大学应该免费推出更多的开源软件，而且和公司相比，大学在研究领域必定是胜出的一方。
虽然给当前的人工智能发展程度泼了冷水，但乔丹认为，在越来越多的公司参与、投资者加入后，十年之后人工智能可能会在计算机视觉、语音识别、自然语言处理等领域取得理想成绩。而他最看好的领域是游戏、娱乐以及金融。