下一波浪潮和AI的未來

今天，雖然產業界都覺得人工智能的風潮來了，但是如果你冷靜下來想想，人工智能從研究方面還是有很多問題沒有解決的。當然這不是說不能用，仍然可以用，就看你怎么用，用在哪里。

人工智能現在主要的缺陷或者不足還是在機器學習方面。神經網絡是學習的一個方法，這個方法確實可以解決很多問題，但是它的問題是你不知道它是怎么解決問題的，在神經網絡機器人的表達里面有很多東西是沒有辦法定性、解釋的，這是比較難的一個問題。如果把這個問題解決掉，人工智能可能又會來一波大的浪潮。不管怎么樣，怎么樣做好知識處理，能夠做到知其所以然，這是現在面臨的一個比較大的問題。

這方面有人在做研究，圍繞這個領域，做機器學習的人都在探索怎么把這個理論實用化，因為他們的理論太理論，沒辦法直接用，所以很多人都在探索這個問題。

人工智能的劃分

現在的人工智能和未來的人工智能到底從階段上怎么來劃分？或者說我們現在做了多少事，未來還有多少事需要做？

不要認為我們解決了人工智能的所有問題，我們解決的問題還是很小一部分。是哪一部分呢？我們把這個分成四部分，包括可推理，可統計；可推理，不可統計； 不可推理，可統計；不可推理，不可統計。

第一部分是可統計，可推理的。這一部分工業界已經可以用了，拿去做機器人、去做各種各樣的知識決策系統都是可以的。

第二部分是不可統計，可推理的。什么東西是這樣的？要么數據不完備，要么數據里面特征的描述還沒有找到更好的辦法，可能里面是很稀疏的東西，表達根本沒有辦法統計出來，在里面是游離狀態，但是是可推理的，可以寫出正確的規則。這些靠大數據解決不了問題，但是只能靠傳統的邏輯來做。這方面又相當脆弱，許多東西需要進一步去驗證。

第三部分是可統計，不可推理的。這個意思就是我有大數據，通過大數據都能把規律統計出來，但是用語言表述出它的因果關系不行，有點復雜。當然隨著時間的推移，可能也變成可推理。至今這里有相當一部分用神經元網絡可以解決，但是用推理的辦法還很難解決。這方面曙光有一些，但是也需要更多的沉淀。

第四部分是不可推理，不可統計的。未來機器人在這方面很難有作為。為什么？連我們自己都說不清楚。比如說人類有很多頓悟，這些頓悟通過統計能證明它產生？不可能統計出來。通過理論證明這個東西產生嗎？不可能。也不知道什么人在什么環境下突然想明白一件事，這個機器做不了，沒有模型和數據，所以這些東西是未來機器人不可能涉足，不可能勝過人的。我講到這里，大家都很容易理解，將來機器人會在哪些領域可以，在哪些領域不可以替代人類。

人工智能時代真的要到了嗎？答案可以是肯定的。比如你僅僅是期望計算機能夠做的事比人做得更好，很多事情是可重復、可統計、可推理的，把這些事交給計算機去做，它一定做得比人強。

例如下圍棋，盡管比較難，但是它是經驗和知識積累的過程。也就是說，慢慢的，機器一定會勝過人。之前我在香港和一個教授還在討論，以后還有沒有人下圍棋呢？為什么這樣想呢？他說人和人下很有樂趣，和計算機下盤盤輸，為什么還要下？我說為什么要和計算機下？還是要和人下，這樣你還是冠軍。

人工智能對經濟的五個影響

這是我們對AI的看法。現在大家可能知道，2016年10月13日，美國白宮發布兩個和人工智能有關的報告。2016年12月20日，美國白宮又發布了一個報告，叫做《人工智能自動化與經濟》。這篇報告中說，人工智能總體來說，不管你是否接受，不管你是否看好，這件事就要發生了。我們現在要做的是，如果這件事發生了，我們怎么去應對它。

我認為這個報告出得非常及時，列出了人工智能對經濟五個方面的影響。例如對總的生產率增長的影響是積極的，對就業市場的影響會發生變化，對不同層次的人變化不一樣，影響分布是不均衡的，所以不同層次、部門、領域、區域的都會不一樣。人工智能會導致一些工作職位的消失，也會產生一些新的類型的工作。勞動力市場將會被攪亂，一些工人短期會失業，失業的時間肯定更長，這就看政策到底怎么調整。

按照美國的判斷，對每個小時40美元以上的工作影響不大，只有4%，對每小時20～40美元之間的影響是31%，但是對于低于20美元的勞動力影響非常大，達到83%。所以政府要有所應對。應對的策略包括鼓勵投資開發，也包括對新的工作類型進行培訓、對轉型期間的工人提供幫助，讓他們能夠通過再學習得到就業。

下一波浪潮一定是AI

回到今天我們的主題，人工智能帶來的機遇對全社會，當然也包括對于自動化領域，特別是機器人領域，機遇是非常多的。如果我們說過去這幾十年比較大的浪潮，第一波是PC浪潮，給信息領域帶來顛覆性的影響。緊接著是互聯網浪潮，成就了一大批互聯網公司，例如谷歌、百度。之后馬上出了一波新的浪潮，叫移動互聯網，比如說今天的蘋果就是這波浪潮起來的公司。下一波是什么？一定是在AI，這一技術的研發和應用，將使得蘋果、百度、華為這樣的公司得到更大的發展。

是否用AI做機器人？當然可能，也有可能是做別的，所以說浪潮就在這里。

我們現在做機器人，絕大部分的行為是設計出來的，我們把它叫做Designed Robot，要前進、拐彎都是按規律設計出來的。這沒有錯誤，但是不是AI。什么是AI機器人？或者叫學習機器人呢？就是機器人做好以后，他不知道要干什么。你訓練他干什么他就干什么。就像小孩一樣，小孩出生了，你說他將來是數學家、物理學家、技術工人、農民？他什么都不是，但什么都可能是，就看你教他什么。

我們以后的機器人也應該是做出來的時候什么都不是，你教他做什么他就是什么，你教他開車，他就會開車，你教他上流水線操作，他就會流水線操作。這一天一定會到來，就看誰在上面花的工夫更大，或者準備更充分。

AI帶來的機遇與挑戰

我們怎么樣能讓系統和人具有同樣的知識能力和水平呢？現在大部分是軟件知識，有一個系統，你會給它大數據的集合，它進行不斷的訓練，不斷的和人聊天、對話。這些機器人開始的規則比較簡單，當大數據進去之后，不斷的會話調整反饋，就能慢慢抓住聊天對象的注意力，讓你跟著它轉。這可能是現在的一些情況。

真正到了AI階段，就不是軟件知識，而應該是開放知識。現在人類之所以一直在進步，是因為知識本身是開放的，我們得到了一些知識，然后把它教給學生，寫成書給社會，社會得到這些知識之后就會不停的進步。在這個基礎上，別人再去加新的知識。所以一定是開放的，如果不開放，這個社會就不能進步。這個道理一樣落到機器人和AI方面。

人工智能對于教育和就業的機遇比較多，因為現在整個社會需要非常多的學習人工智能的博士，現在在美國，博士能夠拿到上百萬的年薪，當然在國內也一樣。有時候我們開玩笑，老老實實教了一輩子書，剛畢業的學生就比我們的薪水高。需求太大就水漲船高，所以需要教育提供更多的人才。

未來，AI在研究方面的挑戰會更大。針對這些挑戰和問題，中國工程院正在做“AI 2.0”的報告，準備從 技術演變的角度去分析這些問題。

（根據高文院士在2016高工機器人年會的閉幕式主題報告會的演講整理而成，未經本人確認。）