這三位顛覆業界的人工智慧領軍人物，回答了決定人類命運的十個問題附對話實錄

離開百度的吳恩達 （Andrew Ng）去哪裡了？

這位創立了大名鼎鼎的 Google Brain 項目和在線教育平台 Coursera ，後來又加入百度擔任首席科學家的深度學習界明星人物，前不久突然宣布退出百度，讓人頗為驚訝。而更讓人關心的是：他下一站去哪裡？

最近，吳恩達給出了一個玩笑式的答案：

我的妻子前陣子說我是工作最努力的無業人員（unemployed person）了。（全場笑）所以，我在很努力工作，但是我目前沒有任何可以宣布的。

而這僅僅是創新工場近期在矽谷舉辦的人工智慧主題活動上的一個小花絮。在活動上，他和前 Google 中國區 CEO、創新工場創始人李開復，Google X 實驗室創始人、在線教育平台 Udacity 創始人、Kitty Hawk 的首席執行官 Sebastian Thrun（塞巴斯蒂安·特龍）一起，在普利策獎獲獎記者 John Markoff 的主持下，進行了一場精彩絕倫的對話，討論人工智慧和人類的未來 —— 甚至一度展開了激辯！

如果你也對於現在人工智慧的發展充滿好奇、對於機器和人類的關係感到疑惑、對於人工智慧影響下人類社會的變化感到擔憂，那麼你絕對不能錯過這場由三位頂級人工智慧領軍人物帶來的頭腦風暴。

以下是 PingWest品玩 整理的對談實錄（為方便閱讀，有刪減和調整），Enjoy！

問：人工智慧在最近五年有了非常大的發展。但是我想問，我們生活在一個真正的呈指數級變化的時代嗎？到底人工智慧是過去的技術積累帶來的一次性變化，還是這個變化速度會越來越快？

李開復：

我認為肯定會越來越快。

第一，它關乎於很多領域是否有足夠的數據給演算法用。這是一個倍數；然後，是否會有新的演算法出現，這又是另一個倍數。兩個倍數後，它應該是指數級了。第一部分，我認為我們已經在互聯網領域看到了，最起碼在中國是這樣。互聯網 App 需要 AI、金融 App 需要 AI，然後我們會看到醫療，教育領域等等都是如此。所以，我絕對認為它是指數級別。

當然一些投資人沒有意識到它們的真正價值，現在 AI公司在估值方面有一些泡沫，AlphaGo 引發了這些泡沫，然後一些公司拿到了 18月的融資，所以距現在 6-12 月之後，泡沫就會消失，然後回歸正常。

吳恩達：

說實話，我認為指數思維是一個簡單的說法。它引來了很多炒作者，我覺得那個水平的分析比較簡單。

有人認為，人口數量呈指數級增長，所以你可以直觀推斷，什麼時候我們會摧毀整個地球。也許我們會毀滅地球，但我不相信一個非常簡單的指數論證，就能讓我們真正了解發生了什麼。

由於深度學習的崛起，我們現在看到了一個清晰的科技迭代的路線圖，從監督學習到改變了很多行業。而且，我們希望有其他的技術創新方式來發現新的方法。我知道這是巨大的，但它是指數級還是不是指數級，我都不知道。

特龍：

我認為指數級是非常有趣的一個詞。我的意思是，不管你信不信，人類出現大約4萬年了，而幾乎所有的工業化在過去60年完成。

更有趣的事情出現在去年。所以如果你覺得這是上升的話，我會從另外一個角度去看待它。這是一個巨大的機會。美國75％的人在辦公室工作，我們幾乎都在做非常重複性的工作。即使是CEO，工作也是非常重複的。

如果跳出來看，我相信在辦公室里任何重複的事情都可以自動化。 如果你不相信，最近在法律方面有一些例子，瀏覽法律文件，起草合同，機器都可以超越人類。 在醫學，皮膚病學方面，我們現在有 AI 助手比那些每年掙45萬美元的醫生都老道、更能精準診斷出皮膚癌—— 這只是冰山一角。

所以，如果看看下一步會發生什麼，我會說 AI 對辦公室員工帶來的改變，會和農業革命、蒸汽車對農民帶來的改變一樣大。

問：AI 對於工作的影響在哪？如果如大家預言的 AI 會讓大部分人失業，為什麼我們還沒看到這個跡象出現？

吳恩達：

有這麼一個故事，我帶領團隊進入呼叫中心，並採訪呼叫中心的客戶們，來了解他們的工作。當我看看他們如何在電話上工作時，我知道我的團隊可以編寫軟體來自動化大部分的工作。所以，我認為技術專家在看待趨勢方面和經濟學家不同的原因之一是，我們經常看到更前沿的指標，它會出現就業率，GDP等經濟指標之前。

而且，我認為技術的一個不幸之處在於它創造了巨大的生產力。坦白說，技術黑暗的一面在於，有些公司真的很擅長hack人腦，製造一些干擾人腦的元素，我認為這實際上是傷害人的生產力。

但是看看那些前沿指標，我覺得工作崗位流失的情況正在到來。比如特龍剛剛提到的使用計算機視覺來診斷皮膚癌。我認為當這些工作被取代時，我們會需要像教育之類的解決方案，讓世界上的一大部分人重新獲得技能。

特龍：

我都等不及這些愚蠢的工作消失了。看看會計師，對吧？他們的一生都在一次又一次地使用相同的電子表格計算公式。我認為其中有些工作非常過時。我想我們在過去幾百年，都在地里工作，而且我們都不能讀或寫，除了少數人。我們寫得也很慢，突然之間，我們得到了這麼多空閑的時間，因為現在我們都有機器幫助我們。所以，我們學會了閱讀和寫作。我們現在都是作者。我們都在Facebook和Twitter上寫。這就是人類創造力的開始。我認為我們還有更多的創造力被釋放。

李開復：

想像一下，你僱用人，讓他們做無聊的工作，他們不會更有效率。 所以，我想我們要做的就是消除無聊的工作，讓人們做他們為此激動的事，他們自然會努力工作，他們會愛這些事，他們會花更多時間， 會得到更多的結果。 所以，我認為人的生產力是平的，因為工作是無聊的，也因為我們沒有把這些事給取代掉。 我認為我們將第一次徹底消除大部分這樣的工作。華爾街的交易員、呼叫中心的客服都將徹底消失。所以，我想我們將推動新的邊界，要麼使人們做一些他們喜歡的事情，變得有成效，要麼做一些有趣的事情。

另一個答案是，也許生產力是錯誤的答案。 你如何衡量詩人的生產力？ 你如何衡量藝術家的生產力？ 所以，我想我們希望人們做他們最擅長的事情，無論是要有成效，有趣，還是基本上分享愛，做這些對這個世界積極的事情， 也許我們需要一個新的指標。 我認為，一旦我們去除人們不得不做的那些無聊的事，那麼這個指標就會上升。

吳恩達：

我花了很多時間思考的一個想法是，AI公司的這個概念是什麼？我不認為我們實際上已經弄清楚了。

附近的斯坦福購物中心做一個網站，這並沒有讓它成為一個互聯網公司。一個帶網站的購物中心和亞馬遜完全是兩回事。不同之處在於，隨著互聯網的興起，我們知道我們可以進行更多的A / B測試，只需要運行更長時間的測試就行了。一個傳統的零售商不能，但一個互聯網網站可以。而且很多的決策權力推給了工程師，因為在一家互聯網公司，很多知識只存在於工程師層面上，而非首席執行官自上而下的決策。只是因為一家公司使用 AI，不會成為 AI 公司。對於如何組織我們的公司真正利用 AI ，我們正處於早期階段。

所以，我認為一個真正的互聯網公司必須利用互聯網或技術實現的新功能，如A / B測試和數據等等。我認為隨著 AI 能力的提升，我們仍然處於搞明白如何重組公司的早期階段，以便利用新的 AI 功能。

舉例來說，我認為 AI 公司會需要戰略性地進行數據的積累和數據的組織。 AI公司更傾向於擁有集中的資料庫。傳統的工作描述一般都定義了產品經理做這個，工程師做那個，設計師做這個。但在AI的時代，傳統的工作流程也在崩潰，我們開始有新的職位描述。所以，我認為整個生態系統——哪怕是像 Google 和百度這樣有前瞻性公司——都還在思考：成為一家人工智慧公司，這究竟是什麼意思？

問：中國的 AI 與美國的競爭狀態是什麼？

李開復：

中國已經出現了非常有效的方案，稱為千人計劃。基本上是為了召回海外華人，照顧他們的收入，家庭，孩子的教育以及他們的研究經費等給予獎勵。頂尖的學者正在離開學校進入行業。

美國頂尖大學的人才流失是一個問題。我和很多回國的或者還在美國頂尖大學的人聊過，美國學術界最大的抱怨在於報酬低，每個項目申請資金要寫太多政府文件，所以很多人寧願去企業，或者成立自己的公司，像我們一樣。而我的母校，整個自動駕駛研究團隊都被 Uber 挖走了。

所以，我認為美國學術界正處於一個可怕的時期，那些應該留下來做研究的頂尖人物正在被其他國家、其他機會、初創公司、大型公司挖走，而且學校花了這麼多錢和資源培養這些人成為偉大的研究人員。我覺得美國頂尖大學的人才流失（brain drain）是一個非常嚴重的問題。

還有一個問題在於數據，學校掌握的數據太少，那怎麼做主流的研究呢？怎麼可能在人臉識別這一領域打敗巨頭呢？

現在看中國，我認為中國學術界目前很少有超級專家，所以它有不同的問題。 我覺得它沒能帶進最頂級的人。當然有一些例外，如 Andrew Yao。但中國學術界有不同的問題。 但千人計劃帶來了一些回報，注入了一些新鮮血液。 另一個有效的方案稱為「青年千人計劃」，針對的是35歲以下的助理教授級別。 我們已經看到AI 2.0計劃的早期版本，我認為這些計劃會有一些作用。

我認為美國頂尖的學術界人才流失是一個很大的問題，如果你說的是資金會進一步縮減的話，那就會加劇這個問題。

吳恩達：

我認為美中兩國都有不同的優勢。兩個國家都有驚人的AI團隊。

美國在基礎研究方面有很強的實力，中國的團隊動作很快，在中國，將研究推向市場化能力是不可思議的。而我認為，也許只是部分文化差異和人口差異。在中國，國家感覺比較均勻。如果在美國，你可能會得到100個細分市場，但是在中國，可能會得到10個細分市場——當然這些數字是我打個比方。

中國的產品從零到數十億的速度要快得多。但是財富製造得快，流失得也快。而且在中國，如果公司上午做了點什麼，那你最好下午就要給點反應，否則人們就要殺了你。所以中國的節奏之快是令人難以置信的。

當我在中國領導團隊時，不管我想不想，我都會在星期六或星期日召開會議，或者每當我感覺到，每個人都會到場，並沒有怨言。如果我在晚上7:00發消息，他們沒有在晚上8點回應，我會想出什麼事兒了。所以，這只是一個不斷的決策節奏。市場有動靜，你最好做出反應。這使中國的生態系統以不可思議的節奏創新，並將之市場化。

有一次，我在美國，與一個供應商合作。然後他們打電話給我說：「Andrew，我們在矽谷，你必須停止像在中國一樣對待我們，僅僅因為我們無法按你預期的速度交付。」這是一個完全真實的對話，所以我認為，這些節奏推動了中國的進一步創新。當然我認為美國的基礎研究能力也是驚人的，所以實際上我很喜歡這兩個生態系統。

特龍：

我去過中國五次，有時天很藍，有時不太藍。

在人才流失方面，我有一個實際上非常積極的看法。有許多學術領域，如歷史和藝術研究，沒有人才流失。很多學術領域的社會影響很小，但我們很幸運，實際上我們在學術界做了一些實際上對現實生活有影響的事情。Google Brain 讓 Google 的搜索更好，促進了圖像識別、視頻等很多美好業務的發展。我寧願讓他做這個，而不是再寫十篇論文。

我想我們應該做的是重新思考學術界對行業的關係。我旁邊的兩位就有令人難以置信的智慧和經驗，他們正投身工業界，所以應該有一個更好的方式把他們帶回學術界，而不是讓他們成為兼職教授。

問：那基礎科技科學怎麼辦呢？

特龍：

基礎科學是個有趣的事情。

現在這個節點，我自己的錢，無論是稅收還是個人投資，我寧願把它放在一家公司，而不是大學。因為我認為，即使在深度學習中，我也會認為，推動這個領域的也大概是20到30歲年前的。

我猜 Yann LeCun 在 30年前的1998年，就針對卷積網路課題做了研究。而真正帶來區別的是，Google能夠將足夠的計算機串聯在一起，並獲得足夠的數據來使這個事情真正發揮作用。

我寫了一篇論文，因為我有一個這個大的網路、這麼小的網路，而現在我們有一台這樣的電腦了，突然間，你就能得到這個效果。這一切成為可能，是因為他背後有一家公司，而且有一套商業模式。Google不是靠稅收建立起來的。

所以我覺得當某個領域達到逃逸速度並且有很大的影響時，讓企業蓬勃發展，讓他們試一試，這是很好的，因為最後一切都與影響力有關。基礎研究只對某一點有影響。但當我們對人的生活造成重大改變時，真正的影響才會浮現。

問：我們要找到下一代的技術，比如深度學習或者別的什麼技術，你認為企業可以做這種創新嗎？如果企業不會的話，那麼大學怎麼報留住人才以及獲得數據來進項下一代的創新呢？

特龍：

大學實在是太漸進了。所以，我認為深入學習它會自己發展，因為你可以資助一大批公司，這些人都會狂熱地通宵工作。

我認為真正缺失的是真正的基礎研究，例如，為什麼我們不研究將人的壽命加倍？為什麼我們不大量資助研究來解決能源問題？為什麼我們不進行大量的研究治癒所有癌症？我認為今天實際上是可能的。為什麼我們不在大學發明飛行汽車？這只是一個例子——現在我當然是公開參與其中了（註：特龍現在是一家飛行汽車公司的 CEO）。但是為什麼我們不真的提前思考呢？那麼今天的研究前沿的是什麼呢？為什麼我們不建立腦機介面，植入我們的大腦，讓我們對計算機網路提供完整的，立即的透明度？這是我認為我們應該在做，但幾乎沒有人在做的。

當我們談論基礎研究時，我們總是去提供超級增量、小的東西，比如讓我們做一個更好的語音識別。 我的意思是說，如果沒有別人做語音識別，那大學做這個才重要。現在有真正一個行業在做這件事了，我就不想為大學提供資金再去做這個。

吳恩達：

積極來看，深度學習剛開始起飛，所以絕對值得大量的投資。

我認為美國一個問題在於，我們對於高等教育制度，投資和研究，以及教育在多大程度上是一種私人利益還是公共利益，一直存在分裂。所以，如果我們認為教育或研究是私人利益，那麼也許你應該為自己付錢，但如果是公共利益，無論是擴大受教育人群，還是推進前沿研究，實際上值得政府或公眾投入。

那麼在資源和研究的分配方面，我認為作為一個社會，如果我們有一個非常多樣化的方向，我們實際上更強。

所以，即使我認為AI是一個巨大的機會，也不覺得矽谷的每個人都應該將精力集中於AI，因為我認為我們中的一些人應該努力治癒癌症，有些人應該在區塊鏈上工作，或者有人做其他不同的事情。雖然AI已經證明它值得大量投資。但實際上，我支持政府資助藝術史教授，因為我認為他們做得也很棒。

問：自動駕駛的商業化會先在中國還是美國發生？

吳恩達：

我認為自主駕駛將採取公私合作方式，如果你正在開車，看到路上施工工人，你得按他的手勢去做。我不認為我們中的任何人都會看到一個直觀的方法來建立計算機視覺，以達到將手勢區分開來的所需的可靠性。

也許有人說：「我們要努力嘗試，那麼也許我們做到。」但是我不認為這是正確的方法。我認為讓自駕車成為現實的方法是要做出適度的規則變革。所以，會需要警察或者施工人員通過應用程序或其他方式與汽車進行交流，而不是手勢。

所以我認為，那些更願意與自動駕駛運營商合作，能夠更快改變規則的國家將會更快到達那一地步，無論是美國還是中國或其他國家。

特龍：

我認為會在一年後就能發生，非常快。我管了好幾年的自動駕駛團隊。 當我離開的時候，它已經比人類司機開得更好了。所以，你可以通過許多不同的角度來衡量這個。比如說，它可以自己安全行駛30萬英里，這之前任何人類安全司機都不需要接管。 而現場的所有人，誰能開30萬英里而無事故？也可以衡量它停留在車道里的能力，減少制動距離和加速度的能力。無論你怎麼測量，計算機會開得比人都好。 而且不需要任何規則變更。 我認為技術基本上就在那裡了，但是還沒實現商業化，這件事讓我很抓狂。

李開復：如果你看的是技術，那美國明顯領先，但如果你看的是哪個社會和政府更能使用它、做出道路調整、讓公司不那麼害怕天價訴訟，那麼我會選擇中國。所以各有一半的機會吧。

問：AI 會導致很大的不平等嗎？如果會的話，我們應該怎麼做？

李開復：

也有一些樂觀的趨勢。 比如教育，Andrew 和 特龍是 Coursera和Udacity創始人，對吧？ 那麼我認為我們將會有智能的AI演算法來教授更多的人，這樣的規模教育會對更落後的國家更有意義。所以我認為這是一個積極的平衡趨勢。

但消極的方面在於，大型AI公司會賺到這麼多錢，而失業流離失所的人就會如此無奈，那麼我們如何彌合這個差距呢？ 除了稅收點，稅收和最低限度的津貼，我真的沒有其他答案。 這不是一個好的答案。 我希望我們人類可以想出更好的一個，但也許這是一個起點。

特龍：

我認為這是一個很好的答案，最低工資的負所得稅實際上是一個很好的辦法。我認為這主要是財富分銷問題。所以，如果我們建立，創造AI，我們在世界上創造了更多的財富， 問題是我們如何分配它，因為總是有不平等的。

在民主國家出現之前，被剝削的人們會殺了國王，然後再換一個國王，然後那個國王會變得很富有，然後再被殺掉。現在我們有了民主。如果我們選舉了我們應該當選的人——我不想在這裡討論政治立場，我也沒有投票給他，但是如果伯尼·桑德斯當選，而不是我們不小心選出的唐納德·特朗普，他也許有一個更好的分配方案，我想雖然我們在這次選舉中沒有解決，但也許下一個會好一點。 但最終，我認為會有足夠的人會說，「好吧，我們分到的太少了。」那時，民主會自己解決這個問題。

美國和中國可能將企業收入重新分配給窮人。那些窮國呢？

我不是一個政治學家，不過貧窮程度在全球範圍內一直在下降，全世界的貧困縣都在提高。如果對比兩三百年前，我們現在幾乎可以一致地訪問相同的信息，我們一致的擁有閱讀或協作的能力等等。我不是想貶低較窮的國家，但我認為，作為一個全球社會，我們已經能夠提高底線。我認為技術使事情變得更可及。技術使教育、食物、交通、住房，、健康更可負擔。而這些東西，我認為他們並沒有被平等分配，但是已經在全球範圍內分配了。

中國過去是一個非常貧窮的國家，但現在已經非常富裕了，這部分是由於美國、前蘇聯等國家發明的技術。我們實際上剛剛在沙烏地阿拉伯開設了一個很大的辦事處，這不是一個貧窮的國家，而是一個石油國家，人們並不真正工作，他們只是抽取石油，然後「豐收」。但是沙烏地阿拉伯的婦女也需要教育，她們沒法開車去上大學，得不到良好的教育。

所以，我覺得在世界上有很多需要調整的地方，但我很樂觀。

吳恩達：

數字教育將給人們更多的機會，比如Coursera 在發展中國家中的使用率非常高。

隨著 AI 的興起，我認為我們可能需要一個新的「新政」。除了像負所得稅和普遍的基本收入這樣的大的解決方案外，我個人還是會贊成一個有條件的基本收入—— 根據人們學習和進步的情況來給與基本薪酬。這給了他們學習和重塑自己的動力，並為所有這些支付的納稅人做出了貢獻。

我認為最大的教育問題之一是動機，每個人都上網努力學習這是夢，但有條件的基本收入創造了一種激勵機制，鼓勵失業人士學習。我這是整個經濟的一個新引擎。

李開復：

有條件的基本收入應該基於一個假設——人們自願接受。新興經濟體的情況是不同的。考慮到重複性勞動的工作崗位的減少，中國家的人口規模和增長率正在成為一種責任 – 他們甚至沒有足夠的公司收稅來補貼再教育。這可能會需要中國或美國，或通過聯合國來補貼。

問：在DARPA（美國國防部高級研究計劃局）的比賽上，機器人大多都是遙控的，在你們看來，讓機器人自主行動的演算法或者技術方面有什麼進展嗎？

特龍：

有的，尤其是在自動駕駛方面。是 DARPA 自己選的遙控，他們自己退縮了。

以我的生活經驗，特別是在斯坦福大學，當你招到這些年輕的新來的研究生，從來都不知道這些事有多難時，你告訴他們這樣做，然後他們就會做。當他們變老後，他們會意識到這是一件非常困難的事情，然後他們回來說：「這對我來說太難了。」但是當他們真的很年輕的時候，他們並不知道這一點。看，如果你不瞄準高點，你就達不到高點。

在2007年，我可能是世界上最著名的做自動駕駛汽車的人。而且我碰巧贏得了這個叫DARPA Grand Challenge的東西，DARPA Grand Challenge就是在沙漠里開車，你最大的期望就是不要撞上仙人掌。另外四支隊伍同樣很棒，但是我稍微快一點，所以，我變得非常知名。然後拉里·佩奇（Google 創始人）來到我面前說：「嘿，塞巴斯蒂安，為什麼我們不打造一輛車，讓它可以在加利福尼亞的所有街道上自行駕駛？」

我說：「這有點搞笑，這不可能，我是世界專家，我是斯坦福大學的塞巴斯蒂安·特龍教授，我已經贏得了DARPA大挑戰賽，沒有比我更了解自動駕駛汽車的人了。沒戲。」但是拉里在那個夏天又回來和我說：「我明白這是不可能的，但是我得告訴謝爾蓋（Google 另外一位創始人）和埃里克。有技術上的原因做不到嗎？」

我當時還真找不到技術上的原因。然後拉里說他會試一試。然後他和謝爾蓋畫出了大約一千英里的極難駕駛的路線，說：「好吧，如果你讓汽車自動駕駛過所有的這些街道，一千英里，手完全不碰方向盤，開過 Bay Bridges 和Lombard Street （舊金山的九曲花街），從這裡開1號高速公路到洛杉磯，到太浩湖，開過那些瘋狂的地方，那你就可以賺一些外快了。於是，所以從那時起，我們打造了一個秘密團隊。

我們花了15個月的時間才能做到這一點。我可以用15個月來做一個電池或一些小的，東西，或花15個月的時間來建造一個玩具，可以在你的客廳跑，這將是同樣困難的。但是，因為我們嘗試了不可能的事情，我們試著去觸摸了那些星星，我們試著去登了月。

如果你浪費時間，不如把時間浪費在一件非常好的事情上。如果你最終做到了，那真的很棒。從那以後，我一直遵循同樣的原則。

今年春天我們有了一份報告，用AI來檢測皮膚癌。如果你查看資料庫就會發現，25名斯坦福大學董事會認證的皮膚科醫生，與一個AI盒子，做的一樣好。這些傢伙每年賺超過40萬美元。現在iPhone實際上更好：一個小小的應用，實際上比我的醫生做得更好，這是可行的。

我認為我們只發明了 1% 的技術，還有 99% 沒有被發明。所以人們應該去發明這些東西，並且保持樂觀。

機器人很快就會變得非常先進，你得心懷遠大志向。

吳恩達：

我們確實有這些偉大的例子，當有人目標很高瞄準星星時，獲得了一些現象級結果。

但我的觀點不太受矽谷歡迎，因為我認為目標太高也會有代價。例如，我真的很佩服比爾·蓋茨在治療方面所做的工作——大規模地遏制瘧疾。我真的很高興他正在治療瘧疾，而不是說，同時治療所有的人類疾病。而且，我認為這和爭論火星殖民與試圖超越光速是有區別的。我不會做超越光速的研究。

所以，我認為瞄準太高的代價是存在的，如果你是在試圖同時治療所有的人類疾病，你可能會錯過治癒瘧疾的機會，後者同樣是一件很棒的事情。

特龍：

我完全不同意 。（全場大笑）如果有10％的機會治癒所有疾病的，那應該去做。和腹瀉或常見的流感相比，瘧疾的死亡率就像這樣微小。我想我們應該把目標定得更高。

吳恩達：

是的，辯論點在於它是否是10%的機會，還是-10%的機會，我發現隨著年齡的增長，我找到了很多機會，是在我們視線範圍內，改變數百萬、數千萬或數億人的生活，而AI的能力讓我們可以有一個清晰的機會。

特龍：

所以，用這個邏輯，我想我們現在有更快的馬，但沒有車。（全場大笑）

吳恩達：

其實我不同意。我們確實已經有車了。我認為按我的邏輯，我們沒有超光速火箭，但是有汽車。

主持人：

開復，你想加入辯論嗎？

李開復：

當然。我很想加入。我會說你們兩個沒有榮幸接到拉里和謝爾蓋最難的任務。你（塞巴斯蒂安·特龍）必須被要求讓一輛車在加利福尼亞的路上自動開起來，你（吳恩達）被要求建立一個 Google 的大腦，而我被要求拿下中國市場。（全場大笑）

問：你們都談到了腦機介面，Elon Musk 也在做類似的事情。機器人技術領域最激動人心的一個方面就是雲機器人技術。當一個機器人學習一些東西時，全體機器人都同步學習了。這不是人類學習的方式。如果我們可以把我們自己連接起來，但是代價就是喪失獨立性，甚至喪失「人性」，我們應該往那個方向去嗎？

特龍：

我們應該「連接我們」，但是不喪失獨立性。

舉個例子，如果你作為一個司機犯了一個錯誤，你可以從中學習，但其他人不能。而一輛Google自駕車犯了錯誤，所有其他汽車都從中學到了，包括所有未出生的汽車。所以，這就像相當於，你有一個孩子，它出生就帶有博士學位，可以說所有的語言吧？我們必須得擁有這個。

與我們的機器相比，我們學習效率不高。所以，最終，機器會變得更聰明，更聰明。我們不能，除非我們可以解決我們的輸入-輸出問題。我們的聽力很慢，我們的大腦非常迷茫，事實證明，它不是很數字，它是模擬的。但書籍是數字的。所以，我們必須修好這個橋樑，唯一的辦法就是要有一個直接的腦機界面。但是，這將是很酷的事情，你會知道一切。你的智商將達到10,000。你可以按你需要的極快速通信。一旦我們有一個完整的腦機界面，就會有驚人的分享。

吳恩達：

實際上，我不認為腦電腦介面的瓶頸是輸入和輸出的速度。因為我可以快速發信息給你，而你的閱讀速度要慢很多，所以你的大腦處理信息的速度比你接收到的慢很多。具有攝像機和OCR掃描的計算機實際上可以比你更快地讀取文本。

所以，我實際上不相信更好的人機協作的瓶頸是輸入和輸出。我認為只是人類的大腦在處理你丟給它的數據方面還很慢。但我認為這就是為什麼約翰的問題是一個非常有趣的問題。也許，為了更快地處理信息，我們應該使用機器做思考，然後在大腦中寫出答案。

李開復：

我會再次採取不同的角度。我相信我們必須保護我們的人性，就是我們的信仰，我們的愛，我們的靈魂，我們的精神，並相信這是不可複製的東西。

這並不意味著你不能將你的大腦連接到電子界面。但是，如果你開始相信人類是完全可以被一台機器或一台主導你的機器所完全複製，那麼我想我們必須得出下一個結論，即生活沒有目的和意義。正如Elon Musk說的那樣，我們都在一個巨型視頻遊戲中。

我想，一個方法是，做科學的探索，做工程的努力。但是要相信人性是有所不同的，而且堅定地相信，並嘗試盡我們所能去區分我們與機器。我談到的那些事，送出更多的愛，連接更多的人，有信心，相信我們有靈魂和生存目的。

這樣我們將會有更多的樂趣和更多的愛，並將我們對人性的錯誤信仰，再延續個一二百年。我認為這是值得的。或者，如果我們將要成為機器人，那麼我們將永遠無法發展我們的人性，找到生活的意義，我們將終止我們作為人類的存在，而我們生活將變得毫無意義。所以，我們不可能選擇機器人的生活。但是連接到機器，我認為謹慎一點，還是可以的。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！