论文部分内容阅读
在最终将人工智能确定为2015年年首刊的封面选题后，圣诞节前夕，记者越洋采访了在美国度假的微软亚洲研发集团主席兼微软亚洲研究院院长洪小文博士。
记者：今年6月7日，名为尤金·古斯特曼的聊天机器人成功通过英国皇家学会举办的2014 图灵测试。据报道，这是计算机首次通过图灵测试，这件事在学术界引起了不小的争论，你怎么看这件事？
洪小文：这件事在学术界引起了非常大的争议。因为图灵测试的标准是相对比较低的，只要求参赛系统在5分钟之内通过1/3的评审。而且这次的测试实际上还附加了一些限制条件，比如说他是13岁的乌克兰男孩，所以评判者就可能原谅错误或奇怪的回答，他的英文表述很差也可以得到理解。增加了这些约束后，就相当于你只看人工智能的某个部分或某个特殊功能，照此说法，比人类能力强大的机器早就造出来了，如人们早就造出了能够打败世界冠军的下棋机器人。
因此，这样的测试再加上一些限制的因素，实际上是没有太大意义的。这次测试是否如有些媒体报道那样在人工智能上具有里程碑的意义，我个人觉得值得商榷。
记者：微软2014年推出了聊天机器人小冰，在第二代小冰的群聊中，很多人真的把小冰当成了人。
洪小文：在很多情景下，小冰都能通过图灵测试，同时还能提供有用的信息，来做一些有用的事情，因此大家觉得小冰很聪明、很有亲切感，所以愿意与它聊天。但小冰本身是没有思维能力的。
很多哲学家认为，即便通过了图灵测试，机器还是无法跟人相比的，因为人具有思维能力。人们今天制造了很多看似很智能的东西，实际上它们只是在任务完成的结果上，跟人类似而已，即便更好，也不代表它们有思考的能力。
记者：你在所写的《我们需要什么样的机器人》一文中谈到，功能、智能、智力和智慧犹如四级台阶，为什么你认为人工智能不可能胜任拾阶而上的挑战？
洪小文：工具的能力质变大致分为四个层次：一是功能，从石器时代的石斧到当今的飞机，工具的功能性一直推动着人类社会的进步;二是智能（Intelligence），智能的概念是与时俱进的，几百年前，记忆力、算术都会被认为是智能，而今大部分人可能不会觉得计算机擅长的记忆、算术、弈棋有多么智能;三是智力（Intellect），它比智能更高一筹的是智力中的“力”包括判断力、创造力等因素，人的智力体现在，要么需要结合实际情况做出决定，要么是在无穷选项中做出判断选择;四是智慧（Wisdom），智慧往往是基于丰富阅历的深邃思考而得来的洞察。
如今，世界上最聪明的机器也只是站在第二级台阶上，然而，智力这级台阶对于机器而言，已经犹如天堑，极难攀登，而让机器具有智慧，恐怕好莱坞的剧作家和导演更在行，科学家所得到的进展则微乎其微。
记者：你在该文中的观点是不是基于现有的计算机体系架构？当基于神经网络的全新计算架构出现后，你会不会修改你的观点？
洪小文：我不会改变我在那篇文章里的观点。时至今日，很多我们人类所能做的，特别是智能、智力和智慧范畴的事情，我们连相关的算法都还没有搞清楚，怎么能让人工智能做到最优化，让它做到像人一样或者比人更好呢？
算法依旧是当今人工智能面临的最大挑战。比如说，在噪声里的语义识别上，人要比机器做得好得多。如果把机器放到一个喧哗的鸡尾酒会上，要通过猜测、补足信息来理解人讲的话，机器是做不到的，而人可以轻易做到。这是算法上的问题，而不是因为机器算得慢。
记者：今年8月，IBM公布了神经网络芯片TrueNorth，该芯片内置4096个内核、100万个“神经元”、2.56亿个“突触”。尽管人的大脑有1000亿个神经元和150万亿个“突触”，但TruNorth芯片的问世，还是被认为是人工智能研究上的重大进展，你如何看待这件事？
洪小文：计算机的结构与人脑的结构完全不同，所以很多事情不一定非要用模仿人的方式去解决。就像我们制造汽车时，给汽车安上的是4个轱辘，而不是两条腿，因为圆周运动的速度要快得多，而且滚动摩擦力也最小。同样，计算机在大数据计算和分析上也比人做得更快。
问题的关键在于能否找到一个有可能比人更快、更好的方法，而用模拟人脑结构的方式做芯片，是否就能挑战人完成任务的能力，值得商榷。
上个世纪80年代就出现过专门为神经网络所做的机器，叫Connectionist machine。事实上，我们今天对人脑结构的了解还十分有限，至少目前这类芯片能够做的事还是非常粗浅的，在性能方面还远远比不过深度学习中使用的图形处理器（GPU）或者主流的处理器。
尽管神经网络芯片的结构比较像深度学习的结构，将来它会有潜力算得更快，但无论如何，任何芯片和所谓的计算机结构，其目的都是用来对算法加速而不是去改变算法的。
记者：你在微软亚洲研究院2014年10月举办的“21世纪的计算”大会上说，经过十年沉寂后，近几年人工智能有了很大的突破，请问这种突破体现在语音、视频识别等“五官”上，还是体现在机器学习等“大脑”上？或者这种突破是基于计算资源的不断丰富，还是AI学科自身的突破？
洪小文：如果说给人工智能领域设定的目标是创造出类人的无机物体，那我们要走的路还很长很长。
在计算机软硬件发展到一定程度后，人工智能的突破得益于大数据以及深度学习领域的研究突破，以及IT产业从互联网到移动互联网再到物联网的发展。
这些条件叠加在一起，让我们的触觉、听觉和视觉都可以靠软件或者硬件的帮助感知万物。特别是互联网上的社交平台，让我们能够更加了解和更好感受到不同的群体。其实，大数据、机器学习和深度学习在人工智能领域有着相似之处，它们都是通过大量收集并分析有关人类行为的数据，从而开发出能够模拟人类智能的机器。
记者：在可预期的未来，你对人工智能的应用有哪些期许？
洪小文：会有很多的应用出现，并对人们的工作和生活产生巨大的影响。这些应用一定都是对人类非常有用的，只有这样，它才能有大的市场，才有更持久的生命力。我相信这也是人工智能所具备的能量所在。
记者：今年6月7日，名为尤金·古斯特曼的聊天机器人成功通过英国皇家学会举办的2014 图灵测试。据报道，这是计算机首次通过图灵测试，这件事在学术界引起了不小的争论，你怎么看这件事？
洪小文：这件事在学术界引起了非常大的争议。因为图灵测试的标准是相对比较低的，只要求参赛系统在5分钟之内通过1/3的评审。而且这次的测试实际上还附加了一些限制条件，比如说他是13岁的乌克兰男孩，所以评判者就可能原谅错误或奇怪的回答，他的英文表述很差也可以得到理解。增加了这些约束后，就相当于你只看人工智能的某个部分或某个特殊功能，照此说法，比人类能力强大的机器早就造出来了，如人们早就造出了能够打败世界冠军的下棋机器人。
因此，这样的测试再加上一些限制的因素，实际上是没有太大意义的。这次测试是否如有些媒体报道那样在人工智能上具有里程碑的意义，我个人觉得值得商榷。
记者：微软2014年推出了聊天机器人小冰，在第二代小冰的群聊中，很多人真的把小冰当成了人。
洪小文：在很多情景下，小冰都能通过图灵测试，同时还能提供有用的信息，来做一些有用的事情，因此大家觉得小冰很聪明、很有亲切感，所以愿意与它聊天。但小冰本身是没有思维能力的。
很多哲学家认为，即便通过了图灵测试，机器还是无法跟人相比的，因为人具有思维能力。人们今天制造了很多看似很智能的东西，实际上它们只是在任务完成的结果上，跟人类似而已，即便更好，也不代表它们有思考的能力。
记者：你在所写的《我们需要什么样的机器人》一文中谈到，功能、智能、智力和智慧犹如四级台阶，为什么你认为人工智能不可能胜任拾阶而上的挑战？
洪小文：工具的能力质变大致分为四个层次：一是功能，从石器时代的石斧到当今的飞机，工具的功能性一直推动着人类社会的进步;二是智能（Intelligence），智能的概念是与时俱进的，几百年前，记忆力、算术都会被认为是智能，而今大部分人可能不会觉得计算机擅长的记忆、算术、弈棋有多么智能;三是智力（Intellect），它比智能更高一筹的是智力中的“力”包括判断力、创造力等因素，人的智力体现在，要么需要结合实际情况做出决定，要么是在无穷选项中做出判断选择;四是智慧（Wisdom），智慧往往是基于丰富阅历的深邃思考而得来的洞察。
如今，世界上最聪明的机器也只是站在第二级台阶上，然而，智力这级台阶对于机器而言，已经犹如天堑，极难攀登，而让机器具有智慧，恐怕好莱坞的剧作家和导演更在行，科学家所得到的进展则微乎其微。
记者：你在该文中的观点是不是基于现有的计算机体系架构？当基于神经网络的全新计算架构出现后，你会不会修改你的观点？
洪小文：我不会改变我在那篇文章里的观点。时至今日，很多我们人类所能做的，特别是智能、智力和智慧范畴的事情，我们连相关的算法都还没有搞清楚，怎么能让人工智能做到最优化，让它做到像人一样或者比人更好呢？
算法依旧是当今人工智能面临的最大挑战。比如说，在噪声里的语义识别上，人要比机器做得好得多。如果把机器放到一个喧哗的鸡尾酒会上，要通过猜测、补足信息来理解人讲的话，机器是做不到的，而人可以轻易做到。这是算法上的问题，而不是因为机器算得慢。
记者：今年8月，IBM公布了神经网络芯片TrueNorth，该芯片内置4096个内核、100万个“神经元”、2.56亿个“突触”。尽管人的大脑有1000亿个神经元和150万亿个“突触”，但TruNorth芯片的问世，还是被认为是人工智能研究上的重大进展，你如何看待这件事？
洪小文：计算机的结构与人脑的结构完全不同，所以很多事情不一定非要用模仿人的方式去解决。就像我们制造汽车时，给汽车安上的是4个轱辘，而不是两条腿，因为圆周运动的速度要快得多，而且滚动摩擦力也最小。同样，计算机在大数据计算和分析上也比人做得更快。
问题的关键在于能否找到一个有可能比人更快、更好的方法，而用模拟人脑结构的方式做芯片，是否就能挑战人完成任务的能力，值得商榷。
上个世纪80年代就出现过专门为神经网络所做的机器，叫Connectionist machine。事实上，我们今天对人脑结构的了解还十分有限，至少目前这类芯片能够做的事还是非常粗浅的，在性能方面还远远比不过深度学习中使用的图形处理器（GPU）或者主流的处理器。
尽管神经网络芯片的结构比较像深度学习的结构，将来它会有潜力算得更快，但无论如何，任何芯片和所谓的计算机结构，其目的都是用来对算法加速而不是去改变算法的。
记者：你在微软亚洲研究院2014年10月举办的“21世纪的计算”大会上说，经过十年沉寂后，近几年人工智能有了很大的突破，请问这种突破体现在语音、视频识别等“五官”上，还是体现在机器学习等“大脑”上？或者这种突破是基于计算资源的不断丰富，还是AI学科自身的突破？
洪小文：如果说给人工智能领域设定的目标是创造出类人的无机物体，那我们要走的路还很长很长。
在计算机软硬件发展到一定程度后，人工智能的突破得益于大数据以及深度学习领域的研究突破，以及IT产业从互联网到移动互联网再到物联网的发展。
这些条件叠加在一起，让我们的触觉、听觉和视觉都可以靠软件或者硬件的帮助感知万物。特别是互联网上的社交平台，让我们能够更加了解和更好感受到不同的群体。其实，大数据、机器学习和深度学习在人工智能领域有着相似之处，它们都是通过大量收集并分析有关人类行为的数据，从而开发出能够模拟人类智能的机器。
记者：在可预期的未来，你对人工智能的应用有哪些期许？
洪小文：会有很多的应用出现，并对人们的工作和生活产生巨大的影响。这些应用一定都是对人类非常有用的，只有这样，它才能有大的市场，才有更持久的生命力。我相信这也是人工智能所具备的能量所在。