DeepTech深科技 麻省理工科技評論傾力打造

　　編者注：4月，麻省理工科技評論獨家推出關于人工智能的專題報告，名為《AI 即將騰飛》。首先，須定義究竟什么是人工智能？在如今這個百家爭鳴的社會，大家都有一套自己對人工智能的定義。在這里，我們將拋磚引玉，介紹一下自己的見解。

　　人工智能，就像字面的含義一樣，它是模擬人類思考元素的集大成者，學習能力和推理能力是其核心內(nèi)容。舉個簡單的例子，“機器學習（Machine Learning）”就是人工智能領域里很有前途的課題，其主要內(nèi)容是利用大數(shù)據(jù)訓練程序，讓它們找到一些可遵循的規(guī)律，并且讓程序本身大膽的預測結果。

　　谷歌搜索引擎的算法正利用機器學習提升自己的搜索能力。值得一提的是，機器學習還能應用在語音識別和圖像識別中，而且自動駕駛技術現(xiàn)在也開始使用機器學習理論來構建主程序了。加入了新的元素之后，機器學習理論現(xiàn)在最新的發(fā)展方向是一種叫做“深度學習（Deep Learning）”的理論。

　　深度學習主要模擬了人腦對新事物的反應、例如學習行為，它粗略地構建了人腦中神經(jīng)以及神經(jīng)突觸的層級關系。深度學習是人工智能領域十分火熱的研究方向，它已經(jīng)被廣泛應用于協(xié)助機器執(zhí)行任務，甚至是使人工智能呈現(xiàn)類似直覺的行為。

　　值得一提的是，借助深度學習，有時候機器的執(zhí)行力甚至比人類更加好。而且深度學習的兼容性也十分好，很容易加入人工智能的其他元素，使呈現(xiàn)的結果錦上添花。

　　講完對人工智能最基本的定義，我們有必要通過下面的圖表來回顧人工智能的發(fā)展歷史，包括其中的大事件。

　　人工智能發(fā)展史

　　經(jīng)過一個世紀的浮沉，人工智能越來越智能了。

　　1914

　　一切的一切就要從世界上最早的電腦游戲說起，那是由西班牙發(fā)明家倫納德·托里斯·克維多（Leonardo Torres y Quevedo）發(fā)明的游戲“El Ajedrecista（西班牙語，意思為棋手）”。這樣的一款游戲有自己的機械架構，能下國際象棋的程序嵌入了機械架構之中。

　　1943

　　神經(jīng)學家沃倫·麥卡洛克（Warren McCulloch）以及邏輯學家瓦特·匹茲（Walter Pitts）發(fā)明了能進行邏輯演算的“邏輯單元”，它們能有序連接在一起，就像一個真正的大腦一樣。

　　1950

　　人工智能研究真正意義上的目標被確立。阿蘭·圖靈（Alan Turing）在自己的論文中提出設想“機器真的能思考么？”，并提出大膽預測：到2000年，電腦的思考能力已經(jīng)能超過時下30%的人類了。

　　1956

　　約翰·麥卡錫（John McCarthy），馬文·明斯基（Marvin Minsky）以及克勞德·香農(nóng)（Claude Shannon）在達特茅斯舉辦了一次夏季研討會，會上匯總并整理了信息學、人工神經(jīng)網(wǎng)絡以及數(shù)理邏輯的先進理論，并且最早提出了“人工智能（Artificial Intelligence）”這一名詞。

　　1958

　　奧利佛·塞爾弗里奇（Oliver Selfridge）在他的論文中提出“萬魔殿（Pandemonium）”理論。一種新的神經(jīng)網(wǎng)絡模型被提出，由低級的“數(shù)據(jù)惡魔（Data Demons）”和高級的“認知惡魔（Cognitive Demons）”協(xié)同工作完成模式識別及其他任務。

　　1960

　　弗蘭克·羅森布拉特（Frank Rosenblatt）展示了“Mark I Perceptron”，這是一次構建人工神經(jīng)網(wǎng)絡并用以圖像識別的嘗試。紐約時報稱之為計算機的“能走，能說，能看，能寫，能繁殖…以及能感知自己的存在”的第一步。

　　1961

　　馬文·明斯基發(fā)表了其成名作“前進人工智能！”（Steps Toward Artificial Intelligence）

　　1987

　　厄恩斯特·迪克曼（Ernst Dickmanns）及其團隊將奔馳的小貨車配備了一臺攝像機、一塊微處理芯片還有其他一些功能電路，實現(xiàn)了無人駕駛功能，并且時速在60英里每小時左右。在其他人工智能的研究停滯不前，美國國防部先進研究項目局（Defense Advanced Research Projects Agency）削減了該項目的資金

　　1997

　　IBM公司的深藍電腦成功復仇前世界國際象棋冠軍加里·卡斯帕羅夫（Garry Kasparov）。此役被拍成紀錄片“人與機器（The Man vs. the Machine）”。

　　2000

　　辛西婭·布里澤爾（Cynthia Breazeal）設計了社交機器人“Kismet”，它能表達情感也能與人互動。

　　2004

　　美國國防部先進研究項目局資助并舉辦了第一屆“大挑戰(zhàn)（Grand Challenge）”，參賽的研究小組需要設計無人駕駛汽車并獨立通過莫哈韋沙漠。

　　2011

　　IBM的人工智能Watson擊敗“危險邊緣（Jeopardy!）”的兩屆冠軍肯·詹寧斯（Ken Jennings）以及布拉德·拉特（Brad Rutter）。比賽全程電視直播，持續(xù)三個晚上，每晚兩項競賽，結果由計算機完勝人類告終。

　　2012

　　杰夫欣頓實驗室（Geoff Hinton’s lab）組建的一支參賽隊伍，在ImageNet圖像識別大賽一舉奪魁。他們使用的深度學習軟件，在對上千種不同物品識別的測試中，均在5次以內(nèi)就可以完成識別，且正確率達到85%，創(chuàng)下最高準確率。

　　2014

　　谷歌收購“DeepMind Technologies”，這是一家位于倫敦的小型創(chuàng)業(yè)公司。其專業(yè)領域為深度學習，是時下最前沿的人工智能技術，旨在實現(xiàn)圖像識別和語音識別。

　　2016

　　谷歌的“AlphaGo”機器人4:1大勝曾經(jīng)的圍棋世界冠軍李世石。

　　基于以上的時間線，我們需要從不同的角度來闡述人工智能是如何將從方方面面開始改變我們的工作和產(chǎn)業(yè)。五月，我們也將在美國舊金山舉辦Emtech Digital人工智能論壇，本次論壇的主題是“人工智能如何重塑我們的行業(yè)”。后續(xù)，我們在中國也將舉辦一系列類似的活動。在此之前，我們先從這份報道開始我們的人工智能之旅，以下是目錄及詳細內(nèi)容：

　　大問題工業(yè)界的最炫人工智能風

　　專家問答對話谷歌大腦負責人：大眾的機器學習

　　深度思考當人工智能邂逅百度

　　人工智能/人類協(xié)作人機合作才是正道

　　工具智能語音領域值得關注創(chuàng)業(yè)公司專家問答人工智能的顛覆時刻研究豐田的新型獨角獸：如同登月般來改變世界技術人工智能之弊：偏見的數(shù)據(jù)將成為人工智能發(fā)展的重大瓶頸?工作人工智能人才炙手可熱

　　工業(yè)界的最炫人工智能風

　　工業(yè)界已經(jīng)對人工智能蠢蠢欲動了，那么這項科技的未來到底如何呢？

　　先進的機器學習理念，以及數(shù)據(jù)存儲處理成本的下降，使得2015年成為人工智能的騰飛之年。

　　作為美國聯(lián)合服務協(xié)會（USAA）的數(shù)據(jù)科學部部長羅伯特·韋爾伯恩（Robert Welborn）認為，2015年是機器學習商業(yè)化進程快速發(fā)展的一年。時下存儲市場的大范圍降價，以及存儲設備制造成本的降低是機器學習領域騰飛的關鍵。而當大數(shù)據(jù)遇上機器學習，一個計算機科學家朝思暮想了數(shù)十載的科技也變得觸手可及——深度學習。

　　保險業(yè)、金融業(yè)、制造業(yè)、石油和天然氣行業(yè)、汽車制造業(yè)以及醫(yī)療保健行業(yè)，這些也許不是你一想到人工智能就能想到的行業(yè)。然而繼谷歌、百度以及一系列網(wǎng)絡公司設立人工智能實驗室之后，工業(yè)界也刮起了最炫的人工智能風潮。

　　那么我們不禁要發(fā)問：人工智能商業(yè)化之后的發(fā)展會如何？人工智能會給工業(yè)界帶來怎樣的改變。這將是本次商業(yè)報告的“大問題”——主要關注點。

　　雖然人工智能前途無限，但是現(xiàn)在工業(yè)界使用的人工智能軟件還只能算是它的九牛一毛。國際數(shù)據(jù)公司IDC研發(fā)部的主任，戴夫·舒布梅爾（Dave Schubmehl）統(tǒng)計并計算了去年各大公司所有認知軟件平臺的銷售情況，除了谷歌和Facebook這種自己自主研發(fā)的公司，其他公司的銷售總額已經(jīng)超過了10億美金。

　　由此他也大膽預測，到2020年這個數(shù)字將超過100億美金。除了行業(yè)內(nèi)一些大企業(yè)，比如IBM以及大數(shù)據(jù)公司Palantir Technologies，人工智能的市場還由很多初創(chuàng)公司組成。至今為止，由彭博（Bloomberg）公司提供的數(shù)據(jù)顯示，已經(jīng)有超過2600個人工智能的初創(chuàng)公司成立了。

　　這么看起來，人工智能的市場還是欣欣向榮的，但從技術層面上來說人工智能中許多的方向——例如模式識別（pattern recognition）、自然語言處理（natural language processing）、圖像識別（image recognition）以及假設生成（hypothesisgeneration）——還有很長一段路要走。

　　先讓我們看看人工智能的成功應用。USAA作為最早一批應用人工智能的公司，已經(jīng)嘗試用不同的方式，應用人工智能來完善公司推出的盜竊識別系統(tǒng)。韋爾伯恩介紹說：“該系統(tǒng)的核心就是尋找并匹配客戶的典型習慣，如不匹配則判定該操作為異常，即使是在初次操作的時候。我們系統(tǒng)具有學習能力，而且很擅長識別看起來怪異的行為?！弊R別初次遇到的犯罪行為毫無疑問是這個系統(tǒng)的一大亮點，因為傳統(tǒng)的系統(tǒng)往往只能在第二次遭遇犯罪行為時才能識別。

　　USAA利用人工智能的成功案例還包括，他們利用人工智能來提高客戶服務。該系統(tǒng)中引入的人工智能由剛剛被 Intel 收購的Saffron開發(fā)完成，系統(tǒng)主要模擬了人腦思維的跳躍性。具體地說，研發(fā)人員在系統(tǒng)中加入了7000種不同的元素之后，人工智能便能識別并匹配廣大用戶的行為。

　　令人驚訝的是，88%的情況下該系統(tǒng)做出的預測均是正確的，例如預測用戶會用什么方式聯(lián)系USAA，（通過網(wǎng)站？電話？還是電子郵件？）或者是預測用戶的需求。而沒有人工智能的老系統(tǒng)只能蒙對50%。有著這樣驕人的成績，該系統(tǒng)的應用也正在拓寬。

　　再說說其他的公司：美國通用電氣公司（General Electric）。他們應用人工智能來提高其高精尖飛機引擎的售后服務。該系統(tǒng)集成了一種叫做計算機視覺的人工智能系統(tǒng)（最初由通用電氣旗下的NBC環(huán)球影視公司開發(fā)，主要用來對電影以及電視劇進行分類操作）。

　　另外，借助計算機輔助設計（CAD）畫圖以及攝像頭和紅外探測器的數(shù)據(jù)采集，通用電氣公司利用這樣的系統(tǒng)進行檢測飛機引擎風扇的裂縫以及其他問題。

　　該檢測系統(tǒng)已經(jīng)成功投入使用，并且比質(zhì)檢員的效率還高，例如它沒有周一和周五的“消極怠工”。但是系統(tǒng)本身還并不完善，還是需要專人來確認它檢測的問題?！叭绱艘粊硪换?，檢測系統(tǒng)便能識別檢測的模式。”通用電氣的軟件研發(fā)部副部長科林·巴里（Colin Parris）如是說。

　　除了以上的應用，人工智能還能用作新產(chǎn)品和新服務的“推手”。像安德瑪（Under Armour）這樣的運動品牌大公司，正在開始嘗試使用人工智能拉近與客戶之間的關系。這是一家有超過1億6千萬客戶的公司，旗下設計并產(chǎn)出了很多運動裝備，以及像“My FitnessPal”這種提供運動健身信息的手機應用。

　　安德瑪公司決意拓展自己的業(yè)務，并不局限于只幫用戶記錄健身信息。他們已經(jīng)和IBM的認知計算系統(tǒng)公司W(wǎng)atson達成戰(zhàn)略性合作關系，他們將把安德瑪公司提供的健身信息和第三方收集的睡眠、活動、健身以及營養(yǎng)信息加入人工智能系統(tǒng)。最終的目標是提供個人健身或者健康的指導，最終能為超過1億6千萬用戶提供更有意義的數(shù)據(jù)支持與服務。

　　看著USAA和安德瑪公司對人工智能的應用，我們仿佛能看到人工智能的未來，與其說像電影中的那種擬人化機器人，不如說是能與時俱進的趁手工具。盡管人工智能會使很多工人失去工作，但是人的判斷與反饋對人工智能，比如機器學習系統(tǒng)，還是不可或缺的。

　　在此次的人工智能商業(yè)報告中還有一篇提到人對于人工智能的重要性，歡迎大家繼續(xù)閱讀，那是羅伯特 D·霍夫（Robert D.Hof）撰寫的文章。文中提到的谷歌公司工業(yè)部副部長約翰·詹南德雷亞（John Giannandrea）在接受羅伯特·霍夫采訪時曾說過：“就算你有一臺高大上的車子，它還是需要你給它指示目的地在哪?！?/p>

　　對話谷歌大腦負責人：大眾的機器學習

　　“機器學習最近的飛躍是在此研究領域之外的成功應用。”谷歌大腦（Google Brain research group）的負責人杰夫·迪恩如是說。

　　首先我們先介紹一下本篇問答的主人公杰夫·迪恩（Jeff Dean）。眾所周知，谷歌擁有超強的計算能力，而這很大程度上都要感謝杰夫·迪恩的奉獻。是他最早參與設計并組建了公司的網(wǎng)絡搜索引擎以及廣告系統(tǒng)。但是，他的成名之作是發(fā)明了一種名叫“MapReduce”的編程模型，它與大數(shù)據(jù)系統(tǒng)兼容并產(chǎn)生了席卷計算產(chǎn)業(yè)的改變。

　　現(xiàn)在，迪恩正致力于從最深處革新谷歌的技術，甚至整個世界。

　　他加入并領導了谷歌大腦研究團隊，該團隊目標是研發(fā)更先進的機器學習系統(tǒng)。那是能讓軟件自動學習怎樣執(zhí)行任務的藝術，它省去了常規(guī)冗長的編程過程。谷歌大腦開發(fā)的程序現(xiàn)在被谷歌內(nèi)部的600多個團隊使用，通常集成于普通用戶沒見過的內(nèi)部系統(tǒng)。但就在去年，谷歌大腦設計并發(fā)布了谷歌搜索引擎的重要升級、Gmail垃圾郵件過濾以及全新的谷歌翻譯系統(tǒng)。

　　其實機器學習與谷歌淵源頗深，谷歌的工程師很早就用機器學習“訓練”軟件，讓它們能協(xié)助用戶搜索信息并呈現(xiàn)相關網(wǎng)站，又或者有選擇有指向性地向用戶展示廣告，以及根據(jù)用戶的口味向用戶推薦YouTube視頻。谷歌也是眾多繼開發(fā)模擬神經(jīng)系統(tǒng)數(shù)據(jù)傳輸軟件后，在深度學習領域加大投入并取得突破性進展的公司之一。

　　迪恩就此也大膽斷言：“在不久的將來，機器學習就能走進其他領域了?！钡隙饕步邮芰寺槭」た萍荚u論記者湯姆·西蒙尼特的采訪，會談舉行于谷歌山景城分部。以下是迪恩答記者問的主要內(nèi)容。

　　機器學習是如何改變了谷歌內(nèi)部團隊處理新問題，和設計新產(chǎn)品的方法呢？

　　首先說，這個改變是巨大的。在過去的五年內(nèi)，機器學習有了長足的發(fā)展，它拓寬了人們對于計算機能力的認識，特別是計算機視覺技術以及計算機語音識別的能力。這樣的發(fā)展自然能帶來新的產(chǎn)品以及新方法，例如谷歌圖片搜索引擎以及Gmail的智能回復功能。當然谷歌所能想到的遠遠不止這些?；叵胛迥昵暗挠嬎銠C，有些事情還不能借助它們完成，而現(xiàn)在它們甚至能做更多的事情。這也自然地拓寬了我們對計算機能力的認識。

　　您曾經(jīng)是TensorFlow的核心團隊成員，你們開發(fā)的軟件幫助了谷歌機器學習的發(fā)展，也給了Gmail智能回復郵件的功能。而如今TensorFlow走向了開源的道路，這是為什么呢？

　　我們提供開源免費的軟件，旨在用統(tǒng)一的方式來表達機器學習的想法，這樣會使得機器學習研究領域的交流變得方便。機器學習的發(fā)展前景是十分好的，我們現(xiàn)在都能在學校里、公司里甚至政府里見到它的身影了。

　　工業(yè)界日后會依賴于機器學習么？

　　迪恩：首先世界上還有很多產(chǎn)業(yè)都能采集數(shù)據(jù)，而并沒有應用機器學習。不過我覺得最終這些產(chǎn)業(yè)都會陸陸續(xù)續(xù)開始使用機器學習的。例如交通，最近很火的自動駕駛，就十分依賴于機器學習。甚至醫(yī)療衛(wèi)生產(chǎn)業(yè)也即將出現(xiàn)很多很有意思的機器學習應用，例如門診結果的生成，又例如對X光結果的病癥判斷和預測。我不會覺得只有一個產(chǎn)業(yè)將會受到機器學習的影響，我覺得會有很多。

　　機器學習將會成為計算應用科學的基礎科學么？

　　當然，我覺得是。現(xiàn)在很多大學的計算機科學學系中，都會設有機器學習方向。培養(yǎng)的理念就是希望學生能有對機器學習有一定的基本認識，并利用機器學習完成一些項目。

　　當人工智能邂逅百度

　　去年11月份，我到訪了中國最大的互聯(lián)網(wǎng)公司百度，一位百度人工智能的開發(fā)者向我做了展示，圖片中的我竟然長出了狗鼻子、毛茸茸的耳朵還有一個粉紅的大舌頭。

　　這是百度去年在萬圣節(jié)退出的一個叫“Face You”的手機應用。你能在你的大頭照上加入很多元素，例如各種鬼怪的特效以及動物的五官。Face You 加入了一項名為深度學習的人工智能，它能識別人臉及其特征，并以此自動添加特效。

　　深度學習在百度的應用并不局限于像Face You一樣的娛樂軟件。相反，它能優(yōu)化一些已經(jīng)存在的產(chǎn)品，并且協(xié)助工程師開發(fā)新產(chǎn)品。

　　百度正在用深度學習開發(fā)新應用，例如訓練機器和人對話。這其實也標志著深度學習的時代已經(jīng)到來，正如紐約大學教授燕樂存（Yann LeCun）所說：“機器學習正在向深度學習過渡。而這個過渡的進程也在逐漸加快，因為深度學習在模式識別以及預測分析中已經(jīng)展現(xiàn)出了強大的能力?！彼巧疃葘W習發(fā)展史上舉足輕重的一位名人，現(xiàn)擔任Facebook人工智能實驗室的主任。

　　深度學習是機器學習領域內(nèi)高效率的典型，它將大量的數(shù)據(jù)導入到計算機程序中。深度學習將數(shù)據(jù)源源不斷地輸入到一個類似神經(jīng)網(wǎng)絡的系統(tǒng)中，讓系統(tǒng)能從輸入中識別一些抽象的模式。經(jīng)過這樣“訓練”后，系統(tǒng)就能識別例如圖片中的物體，或者辨識新郵件是否是垃圾郵件。

　　深度學習的開發(fā)和使用，必將幫助百度鞏固其作為中國創(chuàng)新型本土產(chǎn)業(yè)巨頭的地位。全中國有超過5億3千6百萬的搜索用戶，其中有92%的用戶使用百度來搜索。而且這個數(shù)字還在持續(xù)增長。而就在去年，百度搜索還開設了很多新的板塊，例如能檢索音樂、聲音的全新的百度音樂、以及涉足金融產(chǎn)業(yè)的百度財富。

　　那么深度學習是怎樣走進百度的呢？

　　我們不得不提到一個人：百度首席科學家吳恩達，他是斯坦福大學的副教授，也是當今機器學習炙手可熱的大師。他將深度學習帶到了百度，并說：“利用人工智能，百度正在將自己的技術領域變得更加與時俱進以及更具有競爭力?！?/p>

　　并且他補充道：“深度學習的應用天天都在增長?！卑俣壬疃葘W習實驗室與百度在硅谷設立的人工智能實驗室（Silicon Valley AI Lab）聯(lián)系十分緊密，經(jīng)常協(xié)同作業(yè)。該實驗室成立于2013年，設立的初衷是為了吸引人工智能領域新潮的研究和項目。

　　如吳教授所述，百度深度學習實驗室最初設立的項目便是深度學習的實驗平臺“Paddle”，其他部門的工程師也能使用。而該實驗室的員工也會被派駐到其他部門研究學習。深度學習實驗室的成果是顯著的，例如他們成功地提高了百度殺毒軟件的過濾能力，并成功預測公司超大服務器的硬件故障。

　　文章開頭提到的，向我介紹“Face You”手機應用的員工叫顧嘉唯，是一名年輕的研究員。他說起這個手機應用，覺得其背后的技術能夠讓百度開立研究新方向——虛擬現(xiàn)實，例如利用此項技術將實物帶入虛擬的環(huán)境中。

　　人工智能，特別是深度學習已經(jīng)顯著改善，并提高了百度旗下的核心產(chǎn)品，其中包括公司核心的搜索引擎算法，特別是將圖片的檢索的精準度提高到一個新層次。深度學習還提高了公司語音識別的精準度，幫助公司推出了新的語音檢索服務，以及和“Siri”一樣的聲控私人助理“度秘”。語音識別技術對于百度的未來發(fā)展還是十分重要的，它能提供手機上一種方便的輸入方式——只需要說就行，不用在小頻幕上麻煩的打字了。

　　深度學習的前景一片光明，也許不久的將來我們身邊的事物都將充斥著深度學習的影子，像百度這樣利用深度學習的公司不止一家，也正如吳博士所說，深度學習的能力是無限的：“任何有大數(shù)據(jù)來源的公司都在積極地考慮深度學習的開發(fā)。它是一種超能力，能將看起來冗長無味的數(shù)據(jù)點石成金。”

　　人機合作才是正道

　　Pinterest的經(jīng)歷揭示了一個時常被忽略的真相：人工智能和機器學習既倚重數(shù)學又同樣需要人類智慧。

　　Pinterest的工程師們常常要開發(fā)新的人工智能算法，來從海量的食物、產(chǎn)品、房子等物品的圖片中幫客戶找到他們要找的東西。匹配詞條和相關圖片是保證客戶回訪的關鍵。但是直到去年，測試新算法的有效性仍需要很多天。

　　為了打磨機器學習的準確性，提供更快更優(yōu)質(zhì)的搜索結果，Pinterest 采取了一個意料之外的方法：人類智能。公司聘請了像CrowdFlower這樣的眾包公司來由人力完成一些細枝末節(jié)的工作，比如給照片做標記，評估搜索結果等。人們一小時之內(nèi)就可以測試上百個搜索結果的匹配程度。

　　雖然人工智能近年來取得了巨大的發(fā)展，人腦仍然在某些方面更勝一籌，比如說分辯出一塊花瓷磚與一塊有著相似花色的毛毯的區(qū)別?！皺C器要做到如此，還有很長的路要走”，Pinterest的數(shù)據(jù)科學家穆罕默德?尚哈吉安（Mohammad Shahangian）如是說。

　　Pinterest的經(jīng)歷揭示了一個時常被忽略的真相：人工智能和機器學習既倚重數(shù)學又同樣需要人類智能。谷歌搜索引擎的廣告系統(tǒng)應用大量的“評估者”來評定其人工智能的搜索質(zhì)量，并鑒定出垃圾廣告。

　　Facebook的人臉識別軟件通過手動圈人來提高準確率。深度學習作為人工智能的一個分支，是近年來語音識別、翻譯、圖像分析技術取得重大突破的前提，它需要廣泛的人類智慧加以訓練。

　　像Pinterest一樣，很多公司會請CrowdFlower、亞馬遜旗下的土耳其機器人（Mechanical Turk）這樣的眾包公司來清理輸入給人工智能系統(tǒng)的數(shù)據(jù)，以教導他們完成特定任務所需的概念以及關聯(lián)。人們的任務包括在Twitter上分析語義傾向，過濾掉用戶生成的攻擊性圖片或視頻。

　　有時人們甚至在不知不覺間就完成了訓練人工智能的任務。比如，存支票的時候把機器無法讀取的數(shù)目手動鍵入，藉此改善了銀行的智能系統(tǒng)。

　　不過即使目前看來人類智能處理類似任務比機器更準確，人工智能似乎最終仍會勝出。

　　作為機器智能公司紐曼塔公司（Numenta）創(chuàng)始人之一，神經(jīng)學家杰夫?霍金斯（Jeff Hawkins）表示，“困境只是暫時的”，雖然專家們認為“暫時”可能意味著幾年也可能是幾十年。

　　一些人工智能方面的研究者認為，最有效的模式或許是設計一個混合體系，使機器和人腦平等協(xié)作。鹽湖城的一家非營利組織山間醫(yī)療（Intermountain Healthcare）正在運行一項試點工程，來幫助年輕的糖尿病患者在護理斷檔時獨立生活。

　　一家位于奧斯汀的量化認知公司（CognitiveScale）利用云計算系統(tǒng)，通過智能手機程序來給患者實時提供定制化的指導。它能根據(jù)患者的體征和飲食來判斷當下最能影響患者血糖水平的因素，繼而提出飲食建議，甚至提供附近適宜的餐館。

　　人們也在尋求人類智能和人工智能更深層次的合作。與蘋果手機的Siri系統(tǒng)不同，F(xiàn)acebook的虛擬助手M利用人類智能做出決策。比如說，人工智能選出附近的三家餐館后，真人“教練”就會參與進來，詢問是否有人想要某種特定的食物，或者想定靠窗的位子，然后在網(wǎng)上預定餐館?！敖叹殹钡男袨楸挥涗浵聛矸答伣o系統(tǒng)，以幫助人工智能學習，將來自主完成此類任務。

　　對于很多人工智能的研究者來說，最終的目標是開發(fā)出能像人類一樣思維的機器，但是目前人類的判斷力和創(chuàng)造力仍然是無可替代的。谷歌主管工程的副總經(jīng)理約翰?吉南卓亞（John Giannandrea）說，“你的車再智能，也是由你來決定到底去哪兒?！?/p>

　　毫無疑問，盡管人工智能已經(jīng)取得了巨大進步，但人機合作仍然是最佳模式。

　　智能語音領域值得關注創(chuàng)業(yè)公司

　　隨著蘋果Siri和微軟小娜的面世，人工智能助手與應用軟件逐漸把目光投向了商務人士。

　　ClaraLabs

　　功能：“虛擬員工”能夠通過電子郵件安排會議。用戶只要在郵件中抄送“克拉拉”，它就會聯(lián)系其余參會人，并根據(jù)用戶的偏好選定最佳會議時間。敲定好所有細節(jié)后，Clara會給所有人發(fā)送會議日程邀請。這項服務的收費在每人每月199到499美元不等，同時還提供團體定制服務。Clara的升級版甚至可以為見面會議預訂餐廳，該服務利用“開臺（OpenTable）”和“同意請回復（RSVP）”應用程序替用戶安排活動。條紋（Stripe）、豪斯（Houzz）和安吉利（AngelList）等數(shù)百家企業(yè)都在使用該服務。

　　目標用戶：需要開會的專業(yè)人士

　　工作原理：利用機器學習和自然語言處理解析用戶的電子郵件，以領會其意圖。如果答案直截了當，系統(tǒng)會自動回復，而如果情況復雜，則會預測可行的方案?；貜陀伤惴ㄗ詣由?，但是復雜情況下會有人工干預。

　　DigitalGenius

　　功能：自動回復的客服平臺。系統(tǒng)能夠自動回復“這款車有綠色的嗎”這樣的簡單問題，并可以使用短信、社交網(wǎng)絡、電子郵件或者在線聊天的方式進行溝通。對于復雜問題，比如“這款車是你們賣的最環(huán)保的車嗎”，系統(tǒng)會向客服人員提供技術細節(jié)，輔助其作答，比如“是的，這款車是電力驅動而且全部采用可再生材料生產(chǎn)”。使用該平臺的公司根據(jù)系統(tǒng)的智能程度和使用量付費，目前已有多家財富排行榜前1000名的企業(yè)在使用該服務，比如聯(lián)合利華。

　　目標用戶：需要受理大量客服電話的公司，像金融服務業(yè)、航空公司等。

　　工作原理：深度學習、機器學習、自然語言處理和神經(jīng)網(wǎng)絡算法。公司需向該系統(tǒng)提供客服相關的聊天記錄，電子郵件抄本、臉書（Facebook）和推特（Twitter）消息記錄等，并將其輸入程序中，然后程序會生成客服軟件供公司使用。

　　Howdy

　　功能：目前很受歡迎的企業(yè)通訊系統(tǒng)Slack，運用這款對話軟件，也就是俗稱的“聊天機器人”來自動處理簡單、重復性的任務。聊天機器人通常用來采集工作進展情況、為員工下午餐訂單等。也會用來調(diào)查小組成員意見，收集回復，整理成書面報告再返還給各成員。用戶可以自定義Howdy 要提的問題，然后通過聊天的形式進行問卷調(diào)查。Howdy 在測試期內(nèi)免費，但最終將會按月收費。

　　目標用戶：20人以內(nèi)團隊，需要每天報告進度，整理信息。

　　工作原理：機器學習和自然語言處理。運用自然語言處理功能解析（Slack）用戶的要求，生成準確的（預寫）文本。利用機器學習來完善系統(tǒng)。

　　Kasisto

　　功能：金融機構在移動應用程序里嵌入這款智能個人助手后，可以提升用戶體驗。智能助手可以回答1000個銀行相關的問題，能夠理解語音和文本對話內(nèi)容，用戶通過它可以查詢賬戶余額、消費記錄、轉賬記錄、理清消費模式和定位附近的自動提款機。該程序的訂閱費用依照使用量按年結算。Kasisto的開發(fā)者，斯坦佛大學國際研究所，曾為蘋果Siri系統(tǒng)提供了技術支持，但Kasisto是完全獨立于Siri的一個新項目。

　　目標用戶：零售銀行、商業(yè)銀行、理財機構以及信用卡發(fā)卡機構

　　工作原理：人工智能推理，基于深度神經(jīng)網(wǎng)絡算法的機器學習，自然語言處理和語音識別功能。利用自然語言處理功能快速判斷用戶意圖，進行智能推理，進而有效的幫助用戶達成目的。

　　Meekan

　　功能：Meekan是一款排程機器人，可以根據(jù)員工在Slack通訊軟件中的英文指令安排會議日程。Meekan可以理解“我們想要七月四日前安排一次會議，時間在中午左右”這樣的句子，并能分析員工的日程表，選出最佳的會議時間。Meekan還可以在一款英國的搜索引擎“Skyscanner”上訂購機票，并幫助用戶找到最短的行程、最低價位的中轉或直達航線、最早的抵達時間等。目前Meekan是免費的，但大宗客戶最終仍需付費訂閱。目前用戶已有包括美國在線(AOL)和耐克在內(nèi)的3100多家公司。

　　目標用戶：使用Slack通訊軟件的公司

　　工作原理：利用自然語言處理功能，從用戶的聊天內(nèi)容中撲捉用戶意圖和會議形式，利用機器學習領悟用戶偏好，利用人工智能推理選出最適宜參會者的會議時間。

　　X.ai

　　功能：智能助理艾米（Amy），或者也可以選男版安德魯（Andrew），能夠通過電子郵件安排會議日程，其功能與克拉拉相似，但人工干預成分更少。目前這款程序每月能安排上萬個會議，其用戶群包括了領英（LinkedIn） 、聲破天（Spotify）、 優(yōu)步（Uber）等公司的員工。目前仍處于內(nèi)部測試階段，但計劃定價在每月9美元左右，該價位低于克拉拉，并可以無限使用，個性定制智能助理的名字和郵件地址。X.ai 甚至還推出一款限定會議數(shù)量的免費版。

　　目標用戶：參加會議的專業(yè)人士

　　工作原理：利用自然語言處理功能分析郵件中涉及的人員、時間、地點和發(fā)送者意圖，然后將這些信息處理成智能助理可以閱讀的模式。利用深度學習功能解析郵件意圖以及其對會議安排的相關性。

　　人工智能的顛覆時刻

　　作為Twitter人工智能項目負責人，同時也是哈佛大學學術界領軍人物的瑞安·亞當斯（Ryan Adams）注意到，越來越多的工業(yè)企業(yè)開始使用機器學習技術。但是他預計，那些具有龐大數(shù)據(jù)以及強大的計算能力的公司或許仍然將占據(jù)領先地位。

　　瑞安·亞當斯

　　瑞安·亞當斯知道他的時機剛剛好。他是“Talking Machines”—一個機器學習相關的播客的共同主播，同時他從2011年開始就是哈佛大學計算機科學教授。他帶領著他的課題組從事智能算法方面的研究。就在去年暑期，他的創(chuàng)業(yè)項目——Whetlab，一個才成立了15個月的機器學習公司被Twitter收購了。

　　Whetlab的技術可以自動化解一些在構建大規(guī)模機器學習系統(tǒng)時最難以處理的問題。成立Whetlab的目標就是為了解決機器學習中一些極為棘手的挑戰(zhàn)，如視覺識別和語音處理。

　　開始時，這群來自哈佛的研究者們使用了不同的工具， 從生物醫(yī)療機器人到化學問題，不一而足。之前，Netflix使用了他們早期的一個開源版本來測試深度學習。

　　現(xiàn)在，正在休假的亞當斯在Twitter位于馬薩諸塞州劍橋的辦公室中，與商業(yè)報告的資深編輯納內(nèi)特·伯恩斯（NanatteByrnes）聊起了現(xiàn)在極為火爆的機器學習。

　　人工智能已經(jīng)逐漸從學術界的熱點變?yōu)橐粋€商業(yè)工具。是什么在驅動這樣的轉變？新的算法，更快的電腦還是更多的數(shù)據(jù)？

　　就像其他的事物一樣，我認為對于人工智能的投資起了決定性的作用?，F(xiàn)在，科技企業(yè)已經(jīng)投入了數(shù)十億美金，這毫無疑問加速了這一行業(yè)的發(fā)展。

　　Twitter收購了你的公司。機器學習究竟是怎么樣幫助Twitter的？你能舉個例子嗎？

　　機器學習有許多種途徑來改善Twitter， 比如改進內(nèi)容的排布，幫你找到正在發(fā)生的新鮮事，幫你找到一個你能融入的社團，以及其他任何能改善用戶體驗的功能。你可以想象，其中一個挑戰(zhàn)就是，如何將那些讓用戶提供的有意思的信息，與已經(jīng)發(fā)布在Twitter上的內(nèi)容聯(lián)系起來。

　　像深度學習這一類的人工智能技術，還有多少是人們還無法理解的？

　　現(xiàn)在，深度學習基本上已經(jīng)在實用階段。你也能明顯感覺到，有重要的變革正在發(fā)生。這些深度學習系統(tǒng)正在做一些很新潮的事物。我們對他的認識還十分的少，但是他們確實能發(fā)揮作用。

　　有些時候，人們很難去定義人工智能，甚至是對于人工智能的恰當測試也會引起一片爭論。這一困難，一部分原因是因為我們需要將智能這個概念擬人化。我們在“智能”前加上了“人工”二字，盡管智能并不是這個自然界的產(chǎn)物。舉個例子來說，我們并沒有將飛機叫做“人工飛鳥”，我們也不說飛機在“人工飛行”。但是他們都在天上飛，不是嗎？

　　這是一個非常人類中心論的觀點，即如果有另一種智能存在，那么它一定是人造的。因此我認為，我們將很難用非人類中心論的觀點去定義智能，而且我自己并沒有這樣的定義。

　　如果你能回到過去，并且告訴一個50~60年以前的早期人工智能思想家，“你將有這么一個設備，它能回答你幾乎所有你想問的問題，它能理解你的聲音并且提供世界上任何一個地方的圖片，告訴你如何從A點到B點”，盡管你只是概括了你的智能手機中谷歌，一些地圖工具和Siri的功能，但是我想那個人會說，“這就是人工智能”。而我們預計我們現(xiàn)在使用的這些工具將隨著時間發(fā)生非常巨大的變化。

　　現(xiàn)在許多公司對人工智能持有非常開放的態(tài)度，包括分享人工智能的觀點，放出開源軟件，允許員工發(fā)表文章并在會議上討論，等等。你認為這樣的情形會持續(xù)多久？

　　公開代碼不僅能回饋社會，幫助企業(yè)招聘頂尖的機器學習人才，并且公司能從更大的團體改進中獲益。

　　為什么這些企業(yè)在提供他們的代碼和想法時，不覺得他們是在將自己的領地拱手讓人？

　　因為其他這些公司不具備像Google這樣的計算能力，他們也沒有像Twitter這樣的計算能力，他們還不具有數(shù)據(jù)，是吧？我想你現(xiàn)在可能已經(jīng)理解了。你可以擁有代碼，但是你沒有數(shù)據(jù)，你也沒有足夠的計算能力，你又能做什么呢？

　　你認為人工智能將會以什么形式出現(xiàn)？

　　我認為人工智能和機器人相似，不會突然變得無比智能。我認為人工智能更像個隨著時間變得越來越強大的工具箱。但是有一件事我確實比較擔心，就是我們現(xiàn)在幾乎有能力通過機器學習和人工智能，來合成看起來可以以假亂真的媒體內(nèi)容。我認為這將十分危險，特別是我們當前的這個社會，似乎越來越傾向于認為視頻的內(nèi)容就代表了事實。

　　豐田的新型獨角獸：如同登月般來改變世界

　　去年11月，豐田公司孕育了一個獨角獸企業(yè)：五年內(nèi)將得到10億美元投資的豐田研究院（TRI），一個專注于半自動汽車和機器人的研究所。

　　就像Alphabet的X部門一樣，TRI也有著一系列如同登月一般，由技術驅動而引領社會變革的目標，其中包括不會發(fā)生事故的汽車和可以幫助老年人的家庭機器人。

　　對于一個從1860年開始制造織布機，并在70年以后才轉型汽車制造的企業(yè)來說，這完全算得上是一個全新時代的開始。這個研究所的CEO吉爾·普拉特（Gill Pratt）在一月份的消費者電子展上說，“今后機器人之于制造汽車的豐田，完全有可能等同于當年汽車工業(yè)之于還在制作織布機的豐田?！?/p>

　　普拉特是在機器人領域備受尊敬的領軍人物。在加入TRI之前，他任職于美國國防部的重要研究機構DARPA，并組織了去年廣受關注的人形搜救機器人挑戰(zhàn)賽。現(xiàn)在，他將領導世界上最大的汽車廠商對Google，Apple和Uber等科技巨頭作出回應。這些年來，這些巨頭們都在學術圈挖掘自動汽車的人才，發(fā)展他們自己的機器人汽車項目。

　　但是，TRI的目標與這些巨頭們相去甚遠?，F(xiàn)階段TRI的目標并不是完全的自動駕駛汽車，而是只有即將發(fā)生碰撞時才會介入的高科技“守護神”。

　　曾經(jīng)的DARPA城市挑戰(zhàn)賽MIT團隊負責人、工學教授、同時將成為TRI自動駕駛部門負責人的約翰·倫納德（John Leonard）說，“也許將來的有一天，自動化的程度能夠允許我們開車的時候睡一覺或者看一本書，就像Google所宣傳的那樣。但是短期來看，一個更為可行的方案是建立一個協(xié)同并輔助司機的系統(tǒng)。人類仍然對駕駛負有主要的責任，但是這個自動駕駛系統(tǒng)將協(xié)同運行，并在事故發(fā)生前及時的介入?！?/p>

　　TRI將在斯坦福和麻省理工學院周邊建造設施，與這兩所大學合作開展30個初始項目。其中一個由豐田資助的項目已經(jīng)在斯坦福人工智能實驗室展開。這一項目利用機器學習技術來幫助自動駕駛汽車更為有效地處理它們之前沒有遇到過的危險情形。另一個在麻省理工學院計算機科學和人工智能實驗室開展的項目，則致力于建立一個可以向人類駕駛員解釋其行為的自動駕駛系統(tǒng)。

　　制造一個半自動駕駛汽車的成本也許很難從單個汽車駕駛員收回，特別是考慮到這一安全系統(tǒng)可能永遠都不會派上用場。但是普拉特和倫納德卻把這看做是大幅提升安全性能的好機會，并表示TRI將努力把現(xiàn)有系統(tǒng)的可靠性提高“一百萬倍”，理論上來說，大約是自動駕駛汽車每一萬億英里才會發(fā)生一次事故，這相當于全球所有豐田車一年內(nèi)行駛的距離總和。

　　這個團隊的第二項任務，是發(fā)展家用機器人，看起來像是一個更加充滿野心的目標。道路基本上是一個構造優(yōu)良的環(huán)境，并且有一整套（絕大多數(shù)）使用者都會遵守的規(guī)則，然而每一個住宅或者建筑物包含了不同的燈光、家具、物品與住戶。另外，自動汽車的最終目標是消除其他道路使用者，而家用機器人則必須與門窗、設施、人甚至寵物打交道。

　　在所有的這些挑戰(zhàn)中，普拉特列舉了四個最為突出的挑戰(zhàn)，分別是驅動、控制、耐用性與可靠性。當然，考慮到這個新的研究所只有兩個月的歷史（他們甚至都還沒有屬于自己的網(wǎng)站），所以具體的研究方向尚未確定。

　　“在硅谷，一小群人先有一個想法，然后從這個想法逐漸開始成長”，曾經(jīng)是Olin工學院（Olin College of Engineering，位于馬薩諸塞州的一個私立學院，成立于1997年）機械工程教授，現(xiàn)在已經(jīng)加入TRI團隊的布萊恩·斯托（Brian Storey）說，“我們是剛剛成立的獨角獸，所以沒有多少現(xiàn)有的案例能告訴我們下一步該怎么做?！?/p>

　　“在硅谷，一小群人先有一個想法，然后從這個想法逐漸開始成長”，曾經(jīng)是Olin工學院（Olin College of Engineering，位于馬薩諸塞州的一個私立學院，成立于1997年）機械工程教授，現(xiàn)在已經(jīng)加入TRI團隊的布萊恩·斯托（Brian Storey）說，“我們是剛剛成立的獨角獸，所以沒有多少現(xiàn)有的案例能告訴我們下一步該怎么做?！?/p>

　　人工智能之弊：偏見的數(shù)據(jù)將成為人工智能發(fā)展的重大瓶頸?

　　人工智能正在融入我們的日常生活，而我們對人工智能的工作方式卻知之甚少。人們對這種熟悉而又陌生的新事物作何感受呢？

　　2011年，一個機器人在卡內(nèi)基梅隆大學的辦公大樓跑了5個月，給辦公樓里的工作人員遞送香蕉、餅干等零食。零食機器人大眼睛，紅嘴唇，顯得很可愛，然而它卻經(jīng)常犯錯。與工作人員交流反應遲鈍的現(xiàn)象屢見不鮮，有時候還會死機。

　　但是，辦公大樓里的工作人員還是很喜歡零食機器人。它很會討好人，在犯錯的時候會自動道歉。

　　這是一個試驗，為了測試人們對可以互動的機器人的反應。研究人員教零食機器人識別一些食物，并對這些食物發(fā)表自己的看法。然而這些食物只是辦公樓里一半人愛吃的，至于辦公樓里另一半人喜歡什么，機器人就不得而知了。

　　一段時間后，人們和零食機器人的關系開始變得親密。有人開始跟它打招呼，表揚它，還會跟它說悄悄話。試驗結束時，一名工作人員對零食機器人依依不舍，還送它一個告別禮物——一節(jié)5號電池，雖然她知道機器人不會用它。

　　如卡內(nèi)基梅隆大學的研究員李閔庚（Min Kyung Lee）所言：“這種感覺很真實”，李閔庚是這項研究的負責人。

　　在之后的幾年里，機器人已經(jīng)變得更加個性化了。人工智能技術已經(jīng)催生了像蘋果Siri這樣的計算機個人助手。Siri可以回答很復雜的問題，還可以很幽默地避開敏感話題。奈飛（Netflix）和亞馬遜基于人工智能的推薦引擎所推薦的電影和書也越來越令人滿意。

　　然而，很少有人更進一步地了解人們對人工智能軟件的態(tài)度。最近有人對40個facebook用戶進行了調(diào)查。結果發(fā)現(xiàn)，有一半人都不知道他們所看到的新聞是基于一種算法推送的。當被告知這一事實后，他們很震驚，甚至有些憤怒。

　　通過地理定位和其他一些技術所反饋的數(shù)據(jù)，人工智能系統(tǒng)可以創(chuàng)建一個人們所期望的個性化平臺?！叭绻乙易罱男前涂?，我不會去關心Siri是否對我進行了定位?！?民主和技術中心的政策分析師阿里·蘭格（Ali Lange）說。

　　然而，人工智能系統(tǒng)也會基于一些我們所無法了解的原因做出決斷。正因如此，一些研究機構、消費者權益律師和政策制定者對人工智能心存隱憂，擔心一些有意或無意的偏見會導致算法歧義，而這種歧義又很難辨別。這絕非危言聳聽，已有研究表明一些模棱兩可的算法已經(jīng)引起了網(wǎng)絡廣告、招聘和定價的偏倚。

　　在一項研究中，哈佛大學的拉坦婭·斯威尼（Latanya Sweeney）教授利用谷歌分別檢索了白人名字（杰弗里、吉爾、艾瑪）和黑人名字（德肖恩、達內(nèi)爾、杰梅因 ），并分析了在檢索過程中谷歌推送的相關廣告。斯威尼教授發(fā)現(xiàn)，在檢索黑人名字時，有超過80%的概率會在網(wǎng)頁上出現(xiàn)“逮捕”的字眼，而在檢索白人名字時，這一概率要少于30%。斯威尼擔心谷歌這種帶有種族偏見的廣告推送技術會削弱黑人的競爭力，無論是在獎勵、約會還是在找工作上。

　　一些初創(chuàng)公司如BlueVine, ZestFinance和Affirm也在利用人工智能技術來審批和提供信貸。這些公司的創(chuàng)始人表示他們對歧視借貸的危險性很重視。

　　然而，數(shù)據(jù)是千變?nèi)f化的。Affirm的人工智能算法來源于PayPal的聯(lián)合創(chuàng)始人麥克斯·拉夫琴（Max Levchin）。該算法是利用社交媒體的反饋數(shù)據(jù)來確定客戶的個性，而不是用來判斷申請人的還貸能力。

　　ZestFinance的創(chuàng)始人及谷歌前首席信息官道格拉斯·梅里爾（Douglas Merrill）則表示自己絕不會用社交媒體數(shù)據(jù)?！八屛腋械矫倾と唬彼f。

　　ZestFinance和Affirm的創(chuàng)立都是基于這樣的想法：通過分析成千上萬的數(shù)據(jù)點，機器學習就可以發(fā)現(xiàn)更多潛在的有信譽的用戶。換言之，基于大數(shù)據(jù)的算法要比受各種因素限制的人工服務有更強的辨別能力。

　　ZestFinance的算法發(fā)現(xiàn)：綜合考慮收入、開銷和城市消費水平要比單單考慮收入更能準確地預測信譽度。全部用大寫字母填寫申請表的人其信用前景要比全部用小寫字母填寫申請表的人差。

　　當將這種具有難以辨別的偏見的數(shù)據(jù)反饋給人工智能系統(tǒng)時，數(shù)據(jù)是否在無意間形成了歧視呢？如梅里爾所言：公平才是最重要的。

　　為了杜絕歧視存在，梅里爾的公司創(chuàng)建了機器學習的工具來測試自己的結果。然而對于消費者，面對人工智能算法的復雜性與多變性，他們很難確保自己得到了應有的公平。

　　人工智能人才炙手可熱

　　安德烈·卡帕西（Andrej Karpathy）是斯坦福大學在讀博士，他曾開發(fā)了一個人工智能軟件。對他而言，畢業(yè)后找工作顯然不是什么難事。

　　在一個人滿為患的教室里，斯坦福的研究生和本科生們正在全神貫注地聽安德烈·卡帕西的演講?？ㄅ廖髡谥v解，具有識圖功能的神經(jīng)網(wǎng)絡的不同算法的利弊。

　　突然，教室里傳來了蘋果語音助手Siri的聲音：“你說什么，我沒聽清楚”。

　　Siri可能是被意外啟動了，這引得教室里的人哄堂大笑。當教室里的學生正在深入討論，如何才能讓人工智能軟件更好的服務于人的時候，Siri的意外發(fā)聲則正表明了這類軟件在現(xiàn)實世界的廣泛應用。

　　像蘋果、谷歌、IBM和Facebook這些財大氣粗的公司，現(xiàn)在急需人工智能方面的人才。因此，卡帕西班里的學生在畢業(yè)之后會十分搶手。

　　最近，大公司買下整個初創(chuàng)公司來獲得人才的例子并不少見。

　　人才競爭是如此激烈，以至于小公司不得不擴大招聘，除了計算機科學專業(yè)的人之外，他們還招募宇宙科學和物理學方面的人才。

　　初創(chuàng)公司Maluuba的CEO山姆·派休帕萊克（Sam Pasupalak）甚至有自己的全職獵頭團隊。他們每天都會研究新發(fā)表的論文，尋找潛在的好員工，他們還會參加學術會議，并在會議結束后，拉著大牛們攀談。

　　有人工智能背景的人才現(xiàn)在很搶手，因為參與這場人才競爭的不單有科技公司，全球財富500強的公司也想知道人工智能技術，是否能讓自己的業(yè)務更上一層樓。

　　沒有人比卡帕西更能體會這場人才大戰(zhàn)了。這個29歲的在讀博士是神經(jīng)網(wǎng)絡領域一顆冉冉升起的新星，而神經(jīng)網(wǎng)絡又是現(xiàn)今人工智能的趨勢所在。他在5月份畢業(yè)后，會成為非盈利初創(chuàng)公司OpenAI的創(chuàng)始研究員。

　　Elon Musk 是非盈利性人工智能項目OpenAI的創(chuàng)始人之一。他和Y Combinator 總裁 Sam Altman 共同擔任 OpenAI 的聯(lián)席主席。

　　卡帕西也有一些工作經(jīng)驗，他有兩個暑假在科技巨頭谷歌做實習生。卡帕西說，OpenAI給自己一個白手起家的機會，而且OpenAI還可以保證自己學術自由與資金充足。OpenAI聲稱，其已經(jīng)得到了彼得·蒂爾、埃隆·馬斯克和包括亞馬遜在內(nèi)的一些公司總計10億美元的捐款。

　　卡帕西從記事起就一直對電腦很感興趣。在卡帕西五六歲的時候，那時候他還在斯洛伐克的科西策，他就懇求父母給自己買一臺電腦。他是鎮(zhèn)子里第一個擁有個人電腦的人。他記得小時候會用電腦玩游戲，還用MS Paint畫圖?！熬幊桃彩且环N創(chuàng)作”，他說。

　　之后，卡帕西搬到加拿大，并考入多倫多大學?？ㄅ廖鲃傞_始想學量子計算機專業(yè)，但在聽了機器學習領域專家杰弗里·希爾頓（Geofrey Hinton）的課之后，卡帕西決定改變主意。杰弗里·希爾頓當時是神經(jīng)網(wǎng)絡編程的領軍人物。

　　卡帕西介紹說，實現(xiàn)人工智能的傳統(tǒng)方法是利用大數(shù)據(jù)進行檢索，而神經(jīng)網(wǎng)絡卻可以模擬人腦進行學習。神經(jīng)網(wǎng)絡程序可以進行聯(lián)想和識別，在識圖與藥物鑒定方面，比其他智能技術更具優(yōu)勢，甚至在Siri所擅長的語音領域，神經(jīng)網(wǎng)絡的表現(xiàn)也更佳。

　　卡帕西說，讓電腦像人一樣學習和思考，是計算機領域的“終極問題”。計算機有強大的數(shù)據(jù)存儲功能，如果它還可以像人一樣思考的話，那么你所能想到的所有問題都可以迎刃而解：無論是機器人技術、自動駕駛、藝術，還是語音識別與面部識別的安全系統(tǒng)，全都是小菜一碟。

　　卡帕西引起OpenAI創(chuàng)始人格雷戈·布羅克曼（Greg Brockman）的注意，源于他在攻讀博士學位時做的一個副項目。

　　出于個人興趣，卡帕西編寫了一個神經(jīng)網(wǎng)絡程序，它可以生成任何類型的文本，如莎士比亞體、奧巴馬體等?？ㄅ廖鹘榻B說，一段只有100行的代碼就可以識別詩歌、數(shù)學公式和其它各種符號，之后，他的程序就可以輸出該種風格的字符串。

　　目前，卡帕西的程序還只是模仿莎士比亞文體和總統(tǒng)演說，然后生成一些意義不大的文本，但是，在某種程度上，卡帕西的神經(jīng)網(wǎng)絡已經(jīng)接近了人類的閱讀模式?？ㄅ廖髡f，隨著讀的書越來越多，神經(jīng)網(wǎng)絡的表現(xiàn)也會越來越好。

　　卡帕西在網(wǎng)上開放了底層代碼，這一做法給布羅克曼留下很深的印象?！按龠M公眾參與，是我們希望在人工智能與機器學習領域取得進步的方法之一”，他說。

　　在布羅克曼決定將卡帕西納入OpenAI之后，他開始利用OpenAI的每個新員工來吸引卡帕西加入。布羅克曼說：“優(yōu)秀的人總是愿意跟優(yōu)秀的人一塊工作”。

　　卡帕西說，有很多他認識的工程師來招聘他，而他從來都不接招聘人員的電話。之后，OpenAI雇了一個關鍵人物，約翰·舒爾曼（John Schulman）。

　　舒爾曼剛從加州大學伯克利分校博士畢業(yè)?？ㄅ廖髡f，舒爾曼有一次告訴自己，他要加入布羅克曼的團隊。然后，卡帕西開始認真考慮OpenAI的項目計劃了。OpenAI致力于創(chuàng)新以及利用人工智能服務于人的理念，非常吸引人。

　　“我們希望，人工智能不會被任何公司所壟斷，我們想引導人工智能為人類創(chuàng)造最大效益，”卡帕西說。

　　課堂上，在將科技融于生活方面上，卡帕西很有一套。他花了一個小時，來解析各種識圖算法的優(yōu)缺點，然后又向大家介紹了谷歌的一個研究項目。

　　該項目表明，在進行圖像識別時，神經(jīng)網(wǎng)絡的表現(xiàn)更具優(yōu)越性。之后，在投影儀上彈出了一只很有趣的羊的照片，計算機程序卻把它識別為一只狗。

　　神經(jīng)網(wǎng)絡所接收的數(shù)據(jù)中有太多狗的照片，以至于“神經(jīng)網(wǎng)絡對狗情有獨鐘”，卡帕西說。

　　麻省理工科技評論 傾力推薦：首部中文圖書《五十大突破技術》深度剖析版

　　本書將收集2012年——2016年的五十大突破性技術，并邀請國內(nèi)外技術專家對每項技術的應用、未來發(fā)展及投資潛力進行點評。 我們還會為參與眾籌者建微信群，隨時更新最新進展和進行交流，并希望將這些微信群逐步打造成成高品質(zhì)的創(chuàng)新科技社群。眾籌設置了三檔可以選擇，包括下面這些回報：

　　麻省理工科技評論《五十大突破技術》 深度剖析版；麻省理工科技評論定制（科技英文格言版） T-Shirt；麻省理工科技評論全年英文版雜志（6期），喜歡看原版雜志的一定不能錯過；MIT TR中國會員微信交流群名額，與志同道合的小伙伴一起交流，甚至還可能認識科技大牛；全球頂尖企業(yè)家、學者Cocktail Party聚會；麻省理工科技評論，全球所有會議活動VIP門票；免費參加MIT TR中國年會。

　　地址請戳”閱讀原文“。

　　↙↙↙