““废柴巨人”人工智能的质变”

2009年，波士顿旗下的bigdog (大狗)在网上登场。 虽然巨大，但行走平稳，富有灵活性，仿生人的状态非常惊人。 4年后，发布的人形机器人atlas更是声名鹊起，初代产品可以伸出双臂平衡地通过狭窄的独木桥； 之后，具备倒立、翻转、空中切叉等动作，即使是酷炫的姿势也很美。

波士顿动力的所有产品都可以问世，成为网红的焦点。 波特及其企业也成为谈论ai时不可避免的领域模式。 因为这是11月4日在东莞召开的公司创新生态圈大会，雷波特也远程参加了交流。 和他谈话是来自中国人工智能( ai )企业云是科技创始人周曦。 后者也是学霸创业，从中科院出来的领域骨干。

两位科技大佬对话的一个大背景是，目前人工智能正从公又一高峰滑落。 外部总是期待着ai人工智能什么都能做，但实际上似乎是个废柴巨人。

无论是波士顿动力，还是充满探索精神的谷歌，收购企业后，看到商业化进程如此缓慢，都坐不住了，最终转卖。 另一方面，国内的ai在大众识别中，似乎依然停留在声音、脸部识别等不性感的方向上。

确实，经过60多年的快速发展，ai技术大幅提高，学术界担心ai太强威胁和统治人类。 但是，现实中，成熟商业化的行业依然很少，对社会的影响也相当浅。 因此，社会普遍认为，ai就像废柴巨人一样，看起来有创造力和破坏力，但饭(烧)量)钱)很多)，而且也没有能力。

那么，ai该如何摆脱不自然的感觉呢？ 怎么不能展示肌肉，挥拳，施展力量，统治人类呢？

01人类的狂喜和失望

人工智能之父可以追溯到二战中制造密码破译机的图灵，但领域的出发点始于1956年达特茅斯大学的暑期会议，世界上第一个ai lab实验室。 10年后，ai业界掀起了热潮。 美国政府投资数百万美元，西方跳棋计划诞生，基于人类大师、可以复制聊天的机器人、专家系统、指令抓取积木的机器人相继诞生。

但是，这股热潮在1973年的一份报告中被泼了冷水，被淋湿了。 迄今为止，该行业的任何发现都没有产生当初约定的重大影响。 随后，学术界进行了深入的批评和自我批评，ai的研究进入平静阶段。

1976年，诞生了10多年的专家系统，终于开始在商业上发挥作用，利用数据库的积累参与了医疗诊断咨询。 通过专家系统，ai复兴迅速推进，日本政府拨款8亿美元以上支持研发，英国拨款3亿英镑以上构建ai项目。 但是，再过十年，人们很遗憾，机械专家也精神不振，ai开发再次陷入低谷。

20世纪1960s年代、20世纪1980s年代，二次产业的爆发和消退，人类的狂喜和失望，说到底是机器没有人们期待的那样的智能。

从事后来看，结果显而易见。 在硬件方面，晶体管、芯片的集成度还处于初期，视觉、触感等新闻的获取也非常困难。 在软件方面，支持模型建立的数据量仍然严重不足，算法规则的理念也不先进。 可以说，不是机器智力不足，而是人类的学业还没有充分准备。

两次循环往复让产业产生深深的疑问，ai到底是一个方向吗？ 未来还好吗？ 虽然大象完全不下象棋( elephants don t play chess )，但也有人开始反省大象能够根据环境变化做出评价、反应。 人类设定规则的做法，可能是错误的。

幸运的是，科学家没有停止探索。 在寒冷的冬天播下的种子，在暖风下，开始生根发芽。

跨学科研究:概率论、统计学、控制理论、工程学、神经学等更多学科跨界进入ai研究，交叉体系打破了先期设定规则的构想，神经互联网、深度学习技术开始迅速发展。

硬件大幅提速:在摩尔定律的推动下，芯片集成度指数型迅速发展，cpu、gpu、mpu等功能芯片相继问世。 云的诞生，几乎可以无限扩大计算力。 光学镜头、红外线等传感器也能提高性能，外界环境的判别、重要新闻的捕捉也更有效率。

软件爆炸式流行:在互联网、移动网络时代，产生的数据量爆炸性增长，每年产生的数量等于过去人类几千年积累的百万倍，真实世界的活动取得了前所未有的记录，为建立模型提供了充足的素材。 在互联网大潮中，周期农户的数量也在增加，目前全球已达到3000万人左右。

由于这些因素，ai产业再次振奋人心。 绀战胜国际象棋冠军，阿尔法go虐待人类围棋高手，无人驾驶汽车在道路上行驶，ai也出现在了美国的禁止名单上。 爆炸性的技术特异点似乎正在接近，比尔·盖茨和霍金等大人物相继停止。 别太快，很危险。 ai将代替人类。

实际上，由机器学习、深度学习、强化学习技术支撑的这一系列ai热也并非很早，而是纯粹的深度学习算法不断发展，陷入了困境。 虽然openai的gpt-3机型的训练很贵，但是IQ不能理解冰箱里的奶酪是否会溶解的常识。

例如，世界上最优秀的金融人才开始修改巴塞尔协议，以免在2008年金融危机之后再次发生全球危机。 交给gpt-3的话，至少要经历1000次金融危机才能学会。

周曦认为，此时，我们需要另一条路。 我们被称为专家知识。 我们必须相信人的力量，把人工智能和人结合起来。 人在众多复杂的环境、小样本下，能够做出创造性的决策。

由此可见，人与人合作是人工智能进化的必然方向，也是人类合理采用ai的必然要求。

02机械的辅助和支配

电影《黑客帝国》中展现了人类生活在虚拟世界，创造和控制这个世界的是被称为母体的ai人工智能系统的形象。 人类就像是被ai饲养的动物，没有真正的自由。 事实上，人类只不过是代码程序。 但更可怕的是，99%的人类完全没有注意到虚拟世界。

在电影的最后，黑客尼欧用人类的爱情战胜了机器的理性，但是电影还是令人不寒而栗，人类的肉体如何抵抗ai的超级身体呢？ 虽然超级ai还为时过早，但ai已经开始代替一些人工作:

例如，计算机开始工作后，负责机组人员工作、航班时间表编排、异常报告拆解的算法也会代替，自动向客户推送副本； 机器人代替搜救队员在危险的地方工作，代替医生进行高效诊疗，减少错误的雷达和算法，代替人脑更快地评估车间距离和避险。 毫无疑问，ai的智能化改善了人类的生活。

但是，ai并不一定永远拥有智能。 年，由于交易算法故障，中微子闪电崩溃，几分钟内蒸发了万亿美元； 年，由于计算机故障，欧洲的1.5万航班大幅延误或被取消。 【】除了金钱损失之外，ai的过度使用，还冲击着人类社会文明:

剑桥拆船企业非法采用数千条客户新闻，改变个人隐私被破坏的deepfake带来的面目等应用，流行于互联网，给社会秩序、公共安全带来了巨大的冲击。 甚至在军事行业，也研制出了大量的aws (无人指挥下，主动寻找目标并将其击毙)武器，极大地增大了杀戮的残暴性。

而且，在讨论超智能ai对人类的威胁时，有人说那时切断电源不就行了吗，但奇怪的是，我认为ai的目标是克服万千困难，切断电源也显然是难以克服的 因为，如果ai只是为了实现最大化的目标而设定的话，那么ai的终极就是超级ai，全面接管人类。

毕竟，初出茅庐的ai不可能在短期内具备人类的社会经验和价值评估。 基于此，人工智能学家斯图尔特·罗素认为，人类应该致力于开发表明对人类有益的人工智能( provably beneficial ai )，而不是人类或超人类水平的ai。

罗素对ai提出了最大化实现人类目标这三个基本建议的人保持敬畏之心； 根据人类的行动设定机器的喜好。 简言之，好的ai应该是以人为中心的人机协作。 人类处于主导地位，根据人类的经验、评价和喜好，开发符合人类利益的ai，最终拍照的依然是我们。 既不成为半机械半人，也不成为机械下的人。

然后，要想让ai成为助理，一共分为三个步骤。 第一步是在多人与机器合作感知的方面实现技术突破，将人才从复杂的业务中解放出来。 第二步是感知、认识并帮助决定全过程的效率化； 第三步，人机交互体验帮助创作者，丰富终端产品和服务文案。

这种三步走战术，逻辑严密，前景光明，但不容易实现。 它要求每一步都是算数的，每一步都必须踏踏实实地走。 许多国内企业迈出了第一步，感知侧的事业已经成为追求精度的竞争。 只有领先第二步，才能更快地实现人机协同的目标。 这有一个先决条件。 市里的占有率计算了。

终端分布的感知端越多，赋予识别和决策算法的数据就越多，训练反馈的结果也就越接近最优。 这也是统计学、概率论发挥作用的基础。

国内很多公司也是这样安排的。 年成立的云从科学技术出发，凭借领域专家+工程师模式的充分开发，云对银行和机场进行了最广泛的ai覆盖。 这保证了企业在向认识和决策边缘扩张时，能够采用足够高质量、大量的数据，为成功实施第二步提供了充分的保障。

人机协作成为人与ai的亲密接触，诉求成为ai竞争的关键，成为中国ai快速发展的特征。

03人机协作，复印1000个钟南山

年，在世界深度学习行业中，中国论文总量和引用均居首位，ai行业发明专利中国居第二位； 另一方面，在商业化方面，年成立的游戏、年成立的依托图、年成立的商汤、以及年成立的云从在短时间内迅速崛起，与中国齐名，被称为ai四小龙，将来投钱的资本匆匆从中国排出美国。

这些房子基本上都是以计算机视觉技术cv起家的，所以一般认为和ai不过是认脸、下棋、刷论文、打着ai的名义进行政府的整合外包。 虽然ai的商业化进程缓慢，但这些形象仍是刻板的、过时的，这一点是毋庸置疑的。

ai商业化的健全之路，正在形成。

以云为例，ai从感知(人的脸部、人体、物体、声音)到识别)意义、知识图谱、大数据)实现了技术闭环。 除此之外，基于云的3d结构的人脸识别、商用交叉反射镜跟踪( re-id )、人体3d重构等技术也走在了技术的前列、商用的舞台上。

人机协作也取代了计算机视觉，成为了这个大公司的新标签。 周曦总结说，科技进步每次都是效率的提高，是向人的扩展。 过去几次的科技革命，不过是人类四肢的扩展。 人机协作会带来新的质变，扩散到人脑。

以ai在医疗中的应用为例，单从以前流传下来的计算机视觉技术和语音识别技术来看，ai大多只是看ct，顺便帮医生输入病例而已。 但是，对任何一个在死亡边缘挣扎的患者来说，他们面临的最大困难，只有一位钟南山院士能在耄羿之年奔赴一线，也只有一位陶勇医生能无私奉献。

人机协作通过将专家知识纳入人工智能技术这个黑匣子，使钟南山、陶勇等人的知识技能建模、自动化，用ai处理90%以上的诊疗新闻，帮助医生花10%的精力解决其他重要问题。

除了云之外，商汤算法平台、娱乐物品互联网也取代了计算机视觉，成为各自新的目标。 中国的ai产业，依赖于广阔的诉求市场，登上了世界舞台。

无论是银行风控专家还是三甲医院主任医师，在中国都是极其稀缺的资源，但人们对高质量服务的诉求是现实的。 人机协作不仅可以向人们普及优秀的产品和服务，还可以消除人机岗位的冲突。

对我们这样的人口大国来说，快速发展人机协作普惠型ai，扩展我们的智慧，是产业快速发展的趋势，也是工程师红利与大众诉求相结合的必然选择。

04结尾

火器在中国很早就被采用了，清朝时期的大炮只知道用铁铸造炮身，不知道做炮身，完全没有科学节制。 因此，无法对准发射，火炮内外凹凸不平，其中最大的凹坑可以盛四杯水防止溢出。 最终，清朝军队在与列强的战斗中惨败而蒙羞。

诚然，在当今世界，爆发大规模战争并不容易，但国与国之间的竞争，甚至对抗，都从未停止过，这是不可否认的。 而科学、科学技术无论是清朝还是现在，都是自强自立的根本保障。 在ai行业，经过一些人的努力，中国已经具备了和海外企业站在同一阶段的资格，这是宝贵的成绩。

任正非曾表示，只有长期重视基础研究才有工业实力，人工智能是影响和塑造国家的核心变量。

作为拥有14亿人口的中国，我们需要提高效率创造越来越多的财富，重视平等富裕。 虽然ai看起来可能不行，但不能无视巨人的存在。 接受创新，接受任何探索的人，我们的基础教育，我们的技术强国都会得到保障。

本文：《““废柴巨人”人工智能的质变”》