人工智能会不会取代我们甚至统治我们？

随着近几年全球各大科技巨头纷纷入场人工智能领域，催生了一大批技术的发展和落地：AI 医疗、智能翻译、图像识别、智能社交机器人、无人驾驶……这些技术的背后都离不开“深度学习”。

但与此同时，越来越多弱点的凸显，也引起了公众对人工智能技术的关注，特别是无人驾驶汽车，它们使用类似的深度学习技术进行导航，但也造成了广为人知的灾难和死亡事故。

科技改变我们生活的同时，也给我们带来了某些隐忧：人工智能会不会取代我们甚至统治我们？

日前，中信出版社推出了《深度学习：智能时代的核心驱动力量》一书。本书作者特伦斯·谢诺夫斯基是全球人工智能十大科学家之一、深度学习先驱及奠基者，亲历了深度学习在 20 世纪 70 年代到 90 年代的寒冬。但他和一众开拓者，利用大数据和不断增强的计算能力，终于在神经网络算法上取得重大突破，实现了人工智能井喷式的发展。

《深度学习：智能时代的核心驱动力量》

内容提要：作为学习领域的通识作品，本书以恢弘的笔触，通过 3 个部分全景展现了学习的发展、演变与应用，以亲历者视角回溯了学习浪潮在过去 60 年间的发展脉络与人工智能的螺旋上升，并前瞻性地预测了智能时代的商业图景。

中信出版社特别邀请微软（中国）CTO 韦青分享了这本书的阅读感受，以及对人工智能发展的判断。

▌深度学习不仅是知识，而是思维范式的转变

首先我们怎么看深度学习，它到底是新的知识，还是一种范式的转变？人工智能非常广泛，其中机器学习是一方面，深度学习又是机器学习的一个子域。我认为深度学习不仅仅是知识，更是一种思维范式的转变。

爱因斯坦说过：“我们不能用制造问题时的同一思维水平来解决问题”。我们处在一个智能的时代，机器开始解决很多人类原来以为自己擅长的，结果是机器更擅长解决问题，所以我们需要努力学习新的知识。《深度学习》这本书的作者特伦斯·谢诺夫斯基，是几十年一直跟着业界发展的前辈和专家，他在这本书清晰的把“深度学习”的来龙去脉讲清楚了。其中最大的核心点，是这种知识要求我们了解人类的思维方式，并通过数学算法转变对世界的描述方式，让我们理解这个世界是由很多模型构成的。

如果我们还带着过去的思维方式，无论是电气化时代的思维方式，还是信息化时代的思维方式，都无法理解智能时代人的思维方式和计算机的计算方式有什么异同。过去的思维方式会产生两种结果：一方面容易把人工智能所带来的成就神话和夸大，另一方面对数学和算法的进步带来的人工智能发展成果产生误解。现在出现很多“机器是否会代替人，机器人是否让***”的担忧，都是因为没有充分了解什么是人工智能。

▌以史为鉴，重新认识科技进步

由于技术的进步引发的新话题层出不穷，我们不断被动地接收新的理念。越来越多的人发现，人类开始进入“无人区”，没有一个大思想家或者大哲学家能够告诉我们未来会怎么样，所以人们就产生了很多争论，关于人工智能的争论，关于机器智能的争论，关于机器人的争论，关于技术和人类关系的争论等等。

微软公司 CEO 萨提亚曾在一场演讲中说：“未来没有人引导我们，那么我们可以选择以史为鉴，看看历史上发生过什么。”最有代表性的就是第一次工业革命到第二次工业革命之间，由蒸汽时代进入电气化时代。我把这个阶段总结为四种态度和四种结局。

在蒸汽时代，很多有影响力的全球性公司用蒸汽力量代替人的四肢，但当电气出现的时候，绝大多数公司态度是看不起电，因为最初电的效率并不够高。第一类公司的想法是电力不行，效率太低，没有未来，蒸汽力量足够了，一百年之后这些公司被淘汰了。

第二类公司放下一些包袱，认为电是新生事物，也有潜在发展的可能性，但是仍然坚信蒸汽机的力量，坚信只要对蒸汽机进行改良一样可以保持竞争力，这些公司也被淘汰了。

最可惜是第三类公司，他们已经放下旧的生产力，开始拥抱新的生产力和形成新的生产关系，但是思维方式没有改变。他们认为自己全面拥抱电气化时代，已经产生比蒸汽机时代超高的效率，更低的成本，但是他们还在跟蒸汽机相比，这些公司最终也被淘汰掉了。萨提亚提到，我们做了一些粗略的分析，只有不到5% 的公司在那个时代完成了转型和飞跃，真正进入了电气化时代。

当时大部分企业对于电气化的观念只是能点多少盏灯，或者生产线能够提高多少效率。只有5%的公司选择彻底放下包袱，忘记什么是电气，什么是蒸汽，而是把它们都当成是工具。这些公司要的就是进入新的时代。这代表更高的效率，更低的成本和更优秀的用户体验和产品品质。

通过历史上的事件可以发现，我们现在对未来的任何预估都是不足够的，都可能没有完全估计到未来的冲击力。

在历史上的某个阶段，古人类开始发现和使用工具，比如用骨头或者石片可以敲东西，完成手完成不了的能力。著名的科幻电影《2001太空漫游》中有一个非常著名画面，猿人忽然有一天发现可以拿骨头去敲另外一个骨头，可以把别的骨头敲碎，这就是人类历史上大的进步。他就发现这个骨头不仅可以敲骨头，也可以敲肉，可以敲瓜果，敲野兽，也可以用来防身。那时候人类发现，原来可以拓展四肢的能力，利用外部工具去提高自己的能力。

工业革命之后，人类发现不仅靠传统的工具，还可以靠各种机械的力量代替人类的四肢。我们现在不会无聊到说在肌肉能力方面还可以跟机器一拼，比如去和一辆汽车比赛跑步，应该没有人会这样做了。其实不仅是肌肉的机能，我们连计算的机能都都已经被淘汰掉了。有没有人可以马上开 7 的 3 次方？应该没有。我们可以十几块钱买一个计算器，计算器就可以做到。我们为什么对这种现象不会抱恐惧心理，而对人工智能抱有莫名其妙的恐惧心理？

▌技术是拿来用的，而不是拿来吹和炒的

很多业界专家都有这样的感受，现在媒体对人工智能的炒作过热，反而让广大读者，甚至是决策者失去了对这件事的核心把握。人工智能的核心实际上就是机器学习的能力，就是一种机器智能。现在主要表现方式是深度学习，但并不意味着我们曾经尝试的符号学，用逻辑推理的方式其实并没有过时，只不过还无法实现。现阶段深度学习取得了巨大突破，引领大家进入到新的未来。新的未来里面会不会是深度学习和其他人工智能、机器学习的方式共存的方式？我们并不知道，所以我们不要排斥这种观点，尤其不要认为现在就是深度学习这一种学习方式。未来应该是人类的学习能力、机器学习能力、深度学习能力和逻辑推理能力是共融共生的阶段，这可能是更加客观描述未来时代特征的一个方面。

智能时代之前的深度学习要靠数据的堆积去学习和驱动。但是现在的数据既不够大，也不够好。虽然我们有很多数据，但是并不算真正的大和好。大数据的概念并不是多，我们数据结构和数据来源没有形成万物互联的社会，物联网没有布设到，5G 没有到位，可能数据不够那么多，不够那么好。支撑万物互联的基础架构恰恰是一个云计算的架构。所以倒着讲是智、大、物、云，正着去演绎是云、物、大、智。

▌如何理解人工智能

如何理解人工智能我总结了四点：首先，一定要应用。如果我们去学了“学会如何学习”的课程就会发现，现在最流行的方式是 Problem-Based Learning，就是以问题为导向的学习，以实际解决问题方案的学习。未来是终身学习的时代，不存在大学毕业之后就不学习了。如何终身学习？一定要带着问题去学，这样学得越来越深入，学得越来越有用。人工智能也是一样的，它是一种学习的过程。学习不能为了学而学，一定是问题为导向的。

我的第二个观点就是，深度学习的发展不仅仅要靠数学的进步，不仅仅要靠计算机科学的进步，还要对人类自己的神经、脑神经、传输神经、感知神经的理解，才能知道是怎么回事。

现在我们每个人有基础的学习能力，机器学习也是一样，只是通过开放的接口开放学习的通用能力。未来每个人一定要在通用能力之上，掌握行业的学习能力，才能够真正为人类带来更大的福祉。

第四点就是要真正产生深度学习能力，我们需要有数据，需要有人才，还要有算法和算力。像微软这样专业公司可能会提供更强大的算法和算力，更多的公司需要在人才培养，数据收集上面下很大功夫，这样才能产生互动的促进作用。数据、人才、算法、算力这四者缺一不可。每一方面在未来都巨大的商机，正是因为我们即将进入智能社会，商机恰恰不是只在智能本身，而是各个方面。

▌没有专家的时代，每个人都要终身学习

我用盲人摸象的寓言来举例，这个时代是没有专家的时代，我们每个人都在学习。不存在输在起跑线上，因为每天都在新的起跑线。我们只要不放弃学习，不放弃自己，不要认为我到了某种年纪或某种地位，我就不去学了，也不要因为我是学文科或者我是学理科的我就不要再学其他的知识。未来需要的是天天学习。因为这个伟大时代还没有来，我们最多是摸着大象的其中一部分，所以每个人都有可能成为最终摸到大象整体的那个人。

正是因为这个时代没有专家，同时也是没有所谓的公理的时代，每一个理论都有可能成为当时可行的理论，但是并不意味着能够成为永远的理论，永远成功的法则。我们要去学习，不要唯各种专家，不要唯新，更重要唯实，你自己去试，小马过河，水是深浅只有自己知道。听别人说可以，包括我现在讲的，这也只是我在微软这么多年的体会和理解，并不代表所有人体会和理解，尤其不代表是否是正确的。我们不妨能够自己去试一下，大胆去试发现原来水既不像A说得那么是深，也不像B说的那么浅，对你来说最适合的就是最好的方法。

最后以比尔·盖茨先生的这段话作为结尾：“人们大都倾向于高估他在一年内所能完成的事情，但又容易低估他们坚持十年后能够取得的成就。”大家一定要明代，第一没有专家，第二没有起跑线，第三每天都在重新更新有新知识新理念出现，我们先不要放弃自己，同时把握最基本的对自己的自信和信念，认真学习。