世界AI泰斗Michael I.Jordan八大經典語錄

在人工智慧領域，Michael I.Jordan被認為是兩位根目錄人物之一（另一位是Geoffrey Hinton ）。Michael I.Jordan是UC Berkeley 著名的機器學習實驗室AMP Lab的聯席主任，是美國科學院、美國工程院、美國藝術與科學院三院院士。他門下英雄輩出，如深度學習領域的大牛蒙特利爾大學教授Yoshua Bengio、前百度首席科學家吳恩達、斯坦福大學教授Percy Liang等都是其弟子。

本文內容選自Michael I.Jordan在、清華大學、浙江大學、上海海事大學、混沌大學等公開場合的演講以及澎湃新聞採訪內容，億歐編輯整理。

1、我們並非處於人工智慧的大爆炸時代

目前，人們講到人工智慧和機器學習，可能還是覺得它很複雜。

事實上，當你聽過我的課程，就會發現，關於這個話題，有很多還停留在概念性、戰略性的階段。當然，也有一些投入實際應用的技術，但這背後的理論，還是非常基礎和簡單的。

人工智慧與機器學習，其實還遠遠不是一門基礎紮實的工程學科，它並不能為現在用數據分析問題提供強大且可拓展的解決方案。

因此，我們並不能將人工智慧與機器學習的發展簡單理解為一個神跡，如同高樓非一夜而起，它是必須要經歷長時間的發展的。

大家首先要意識到，在這一領域，我們仍處於非常初級的階段。很多事情我們還不了解，現今的我們並非處於一個人工智慧的神奇大爆炸時代。

可以說，我們有可能要花上百年的時間，這個高樓大廈才能真正地建立起來。

2、人工智慧的商業模式，是要創造一個市場，而非一個演算法

傳統的推薦，都是針對個人。

但這裡的問題是，如果有一家很好的餐廳，它被推薦給很多人，那麼大家都跑到這家餐廳去，就需要排長隊，人們的體驗就會很糟糕，反過來給差評和抱怨。

如此，整個系統就開始崩潰，形成惡性循環。

你必須要去創造一個市場，而非一個簡單的演算法。

比如，在APP上面，不僅僅是向客戶推薦某一家餐廳。除了讓客戶看到自己附近有什麼餐廳之外，你還要讓餐廳看到自己今晚可以供應多少食材，我今天接了一場婚宴之後，還剩下多少個散客的位置。

甚至，你可以了解一下旁邊的競爭對手餐廳，他們有沒有滿座。如果旁邊滿座了，那麼對我而言就是一個機會，我可以打折吸引更多的人流到的餐廳。

你要結合客戶和商戶兩端的需求。

這不僅是一個應用的事情。現在很多公司已經著手在研究這方面的工作。當然，這個過程要充分考慮人們不同的喜好和需求，要掌握大量的數據。

3、計算思維不是說知道如何編程和使用資料庫，而是一種思想

計算思維不是說知道如何編程和使用資料庫，而是一種思想。關於思考一個問題的抽象概念、模塊性、性能……一切你在計算機課堂上學到的東西，而不僅僅是編程。計算機背景的人應該很熟悉這些，不熟悉的可能是推斷思維。那是已經有超過兩百年歷史的統計學裡的東西，不是一個新的領域，不是拿到數據就開始進行操作，像做資料庫的人那樣。

首先要考慮數據從哪來，數據背後是什麼，數據獲取的過程中有什麼問題，這就是推斷，還不嚴格屬於計算機科學的研究範疇。即便最後得到的東西都是所謂的演算法，你也必須思考背後的統計採樣和總體。所以其實我並不是太喜歡機器學習這個詞，我認為並沒有什麼新東西，還是統計思維。但是因為計算機科學家不太懂統計推斷的東西，所以他們取了一個新名字叫做機器學習。

很多機器學習的工作都沒有考慮推斷、採樣以及總體，只是把機器學習模型應用到數據卻沒有得到正確的答案，因為沒有考慮偏差、因果推斷等內容。我認為把兩者結合起來並且認真研究是真正的挑戰。我我以前更多關注演算法和系統，過去幾年越來越像個理論家，逐漸更關注理論同時在某些方面也是關注系統。我在實驗室里設計系統的過程中看到了理論性的問題，所以我去尋找計算機和統計的理論，它們有什麼概念可以怎麼結合起來。

所以我們發展了數據科學這個交叉學科，這並不容易。統計決策理論里有損失函數和風險，但它的基礎理論中沒有運行時間的概念，你可以去查看幾十年來成千上萬的統計決策相關的論文，你不會看到任何一篇提及了運行時間；同樣地，在計算機這邊你可以找到成千上萬的論文討論複雜度，各種複雜度理論，但是卻找不到關於統計風險的文章。而利用統計風險理論可以控制基於數據的錯誤率。此外，對統計估計問題的深刻理解不僅僅包括學習演算法、還包括學習下界，學習你可能做的最好的是什麼，但是在計算機理論里卻沒有太多關於下界的。有倒是有，但是不多。

4、未來十年，人工智慧哪些可以實現？

未來十年，自動駕駛汽車甚至是無人駕駛的空中計程車是有可能實現的，雖然眼下這些技術的使用體驗還不甚良好，但是可以期許的是未來十年這些前沿技術應該可以為人們所用。

在技術的可用性上面，相信十年後就可以達到一個比較理想的情況。當然在未來十年之內，人工智慧系統的「智能」還非常有限，你並不會覺得它能和人類一樣智能了。我認為未來十年這些AI系統還不能像人類這樣有這麼高的靈活性和創造性。

AI系統往往局限於某個特定領域，它們能夠理解的語義也是十分有限的。至於AI系統在人機交互的過程中能夠產生什麼樣的理解，是否能實現預測、計劃等高級智能——實際上我們離這一步還非常遙遠，至少要花幾十年的時間，甚至數百年時間才能讓機器人了解人類。

5、人工智慧研究還有哪些是在我們有生之年很難實現？

可以說，創造力和智能對於人工智慧系統來說還很難實現，推理和抽象能力的實現也似乎遙不可及。例如在社交媒體上，人們時常會創造出一個新的辭彙，而其他人也能很容易理解這個詞在這個語義背景下的意思，而不需要像計算機一樣通過讀幾千個句子來理解。此外，對於AI系統來說，讓它主動做一個長遠的規劃是非常困難的，而人類卻經常會給自己主動設定一些雄心壯志的目標。

此外，AI技術的發展還存在著許多其他的限制，它遠沒有一個正處於成長期孩子那樣強大的學習能力。孩子可以通過少量書本上的圖片和信息了解世界，但是AI即使看過了無數張圖片和信息，仍然很難對世界產生自己的「理解」。我並不覺得在可見的未來有什麼超人類AI的存在。當然有些並不是AI研究領域的人會鼓吹以後會出現超人類的機器人。我並不認為這種情況會發生，也沒有理由會發生。

當然你也有可能不認同這種觀點，例如你會覺得計算機比人類的處理能力要強大得多。但人們目前對「智能」的了解十分有限，因此也無法預估實現真正的人工智慧需要多強的運算能力。我們現在能看到的是計算機能夠處理大量的數據，但它在做假設、推理等方面的能力還是非常有限的。計算機雖然能識別這些場景，但是它無法了解場景的作用和意義。人類目前花費大量的精力在幫助機器理解現實世界，但計算機是沒有主動學習能力的。計算機和人類的差異巨大，更遑論自我認知等更高層面了。

6、AlphaGo 只是大眾的一場夢，要用AI重塑整個世界

無論是在美國，還是中國，AI 都是被高估的。一方面 AlphaGo 讓很多公眾開始了解 AI 這個概念，也因此有很多炒作圍繞 AlphaGo 而展開。AlphaGo 是在一個有限的領域中，通過精良的反覆模擬而達成的一種成功的模式，但機器很難模擬整個世界，也因此一場 AlphaGo 的勝利很難說是 AI 的全面超越。

實際上，在中國，有很多傳統的行業，正在使用所謂的 AI 進行能力提升。比如，教育行業利用語音識別和雲端服務，實現隨時隨地一對一地口語訓練服務，等等諸如此類。可以看到，這樣的趨勢在中國正在逐漸變成主流。我們不應該把 AI 當做是一個了不起的、能夠打敗人類的技術，而是應該將它看做一種新的元素，能夠讓我們用它重塑整個世界。

7、智能之後帶來的挑戰

大眾都非常關心自己未來的工作是否會被人工智慧給替代。人工智慧代替一部分人的工作崗位是很正常的。這正是社會向前發展的一環，幾百年前的工業革命讓一部分人失去了工作，但同時也有更多新崗位的出現。只是人們必需花更多的時間來學習和適應這個轉變。

其次，人工智慧的安全問題。當前，人工智慧的發展還面臨著「黑匣子」的問題。即機器實際上並不清楚自己為何做出這個決定，也不知道給出的結果會帶來什麼樣的問題。這樣的情況在溝通和對話的智能系統中，出現問題並不可怕。但在醫療和金融領域，一旦機器醫生給出的結果出現問題，那帶來的後果會不堪設想。在醫療和金融領域裡，必須要提高正確、清晰、無誤的結果。這也是未來需要解決的。

第三，數據共享。為了讓更多的研究人員參與到人工智慧的開發中，許多公司會選擇開源自己的人工智慧程序源代碼。開源意味著每個人都可以對這個代碼進行自己的修改、添加。但喬丹指出，儘管谷歌、百度等公司都對外宣稱開源，實際上只是放出了部分代碼。公司間的競爭導致了這樣的情況，但這也給大學提供了機會。喬丹認為，大學應該免費推出更多的開源軟體，而且和公司相比，大學在研究領域必定是勝出的一方。

8、幾百年內AI不會覺醒，谷歌也不一定能贏

霍金很擔心人工智慧，但他不是人工智慧的研究者，他是一個外行。計算神經生物學近期不會有太大的突破，大概幾百年後才能有進展，但我還是保守看好這方面的發展。

計算機視覺領域已經有很好的突破，但我比較看好人機對話、自然語言處理的突破，這些是正在改變或即將發生的改變，譬如谷歌的翻譯系統最近有非常不錯的成果，下一個領域的突破就是在家用機器人方面，小機器人在日常生活中與人的人機互動，這是多方面應用的人機交互，既有計算機視覺，還有人機對話，以及綜合場景處理。家用機器人了解你日常生活的模式，並對此進行學習，然後進行下一步的服務，這是正在進行中的突破。

還有一個就是精準醫療，我非常看好，雖然前景並不非常明確，因為需要了解病人的歷史數據，再對可能要到來的疾病進行診斷、預測和治療。谷歌現在在各個領域都能幫助人，不是谷歌什麼都知道，是谷歌可以搜索，或了解這些知識。人工智慧的下一步就可以幫助人們做決斷，幫人做出決定，這是更深層次的邏輯運算。

在人工智慧方面最先獲得突破的是谷歌、亞馬遜這些大公司嗎？Michael I.Jordan認為，就2016年來說，研究機構還是最有可能獲得突破的，未來如何不好說，但過去30年的經驗，人工智慧的研究，研究機構一直領先。

推薦：安防創新百人會欄目

近年來，人工智慧正快速滲透到安防行業的各個環節，安防也是目前AI公司爭戰的主戰場。緊跟「新科技、新理念、新政策」，億歐高度重視人工智慧在安防行業的應用落地，並推出《安防創新百人會》欄目。

我們將採訪100家安防產業鏈上下游企業，同時，億歐將於2018年5月25日在北京舉辦「億歐GIIS·安防AI創新千人峰會」，本欄目所採訪企業也將是大會重要參與方。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！