本文摘要：按：2017年是图灵奖（A.M. Turing Award）成立50周年。
按：2017年是图灵奖（A.M. Turing Award）成立50周年。其中，ACM图灵奖五十年中国大会（ACM TURC 2017）在中国上海举行，在会议上，创新工场CEO李开复，共享了关于“人工智能时代与科学家创业”的话题。
以下为李开复的现场阐述：观点一：深度自学无法战争生物大脑深度自学基于多层神经网络的机器学习模型。表面看，深度自学和生物大脑里的神经元和神经元的运作有所相近。但只不过，深度自学只是对单个生物神经元的极为坚硬的近似于仿真（仿生学含义）。
计算机能做到的，就是以定好一个模型，另设一个目标函数，让计算机自己不时地去中举，寻找一个方案使目标函数的输入超过拟合，它就指出这是解决方案——但计算机无法确实“解读”为什么是拟合。机器学习总有一天会有自我意识，因为其优化目标是人类原作，不是物理世界等价的。
即使机器学习有了量子计算出来，并会转变其在人类社会中的定位。量子计算技术的发展，为我们在特定计算出来任务（主要是部分数值优化算法以及密码学算法上），可以得出极为较慢的解法速度。
从仿真计算机发展到光学计算机，从图形处理器到量子计算机——代表了计算机运算能力的极大突破。虽然量子计算出来可以为人工智能发展获取革命性的工具，需要指数级地提高自学能力和速度，精彩应付大数据的挑战。但指出量子计算出来对大数据的处置可以跟上或打破生物大脑对神经元和神经元的计算出来量，而得出结论AI将超过人类大脑的水平，机器必将打破并代替人类智慧（人工智能奇点论）。这种推断在科学上是不正式成立的。
观点二：人类的演化史就是一部生物智能的训练史创新工场人工智能工程院副院长王嘉平指出，人类的演化不起码还包括大脑和神经系统神经元的演化，而是整个世界的演化互为统一，与人类的性欲相符。人类的感官系统、运动系统，乃至情感和创造力，都是在生存能力的基础上发展而来。深度自学意味着是一个工具。
人类的自由选择、人类法则、人脑的发展并某种程度有关人类大脑，它是人类演化成果的一个总和，预示着整个地球生物界的发展。生物智能的自学根本都不是单个个体的自学，而是全球生物在历史上的所有种群所有个体一起协同在经历一场以存活为优化目标函数的自学过程。在机器学习中的目标函数由人类原作，而自然选择的目标函数则是为存活几率所驱动。现阶段机器学习过程一般来说是孤立无援的，每次从头来，但生物智能的自学过程，其智能的模型通过DNA被代代相传，每一个个体的自学过程都不是孤立无援的，而是整个地球生物总体自学过程中的一部分。
无论是生物的低阶智能，如视觉识别系统、以及高阶智能，如情感和性冲动，甚至更加高阶的社会性行为，如协作和分工，归根结底都是在优化群体的存活几率，并且对于个体来说大部分的智能，特别是在是低阶智能，并不是在其生命周期里面自学获得的，而是在交配过程中承继而来的模型。这个承继而来的模型，也就是遗传基因。
不仅包括了智能模型“软件部分”，也包括了定义生物机体结构和生化运作方式的模型，即“硬件部分”。所以，从广义的计算能力上面来说，生物智能的创建过程是历代所有种群所有个体的应付和自适应能力的总和；从广义的训练数据上面来说，是历代所有种群所有个体所遭遇到的环境的宏观变化和冲击，以及微观上每个个体在生命周期中遇上的明确的存活任务，例如捕食和交配。无论哪方面，都是现阶段机器学习系统相比之下无法匹敌的。
人类的迁入自学能力早就被祖先写出入遗传基因以认字为事例，儿童可以在看完少量的字母图像之后，精彩辨识出有大部分同一个字母的所有变体，以及有所不同的书写方式。而机器学习却必须大量的包括尽可能多的变体的字符图像，才能把辨识任务做到得较为好。因为这并不是生物智能需要自小样本中神秘地总结有效地的规律，而是文字系统本来就是依据人类视觉系统的辨识能力设计的。
在文字经常出现之前，类似于的图形，例如倒数的线条、有规则的轮廓等大量的经常出现在我们可以看见的大自然世界之中。所以，对于这些视觉信号的辨识和抽象化能力在我们的祖辈甚至有可能更加早于，就早已记录在我们的智能模型之中，也就是在遗传基因里面，并且在交配过程中拷贝给一代又一代的新的个体。但是如果是历史生物智能建构过程中不包括的任务，对人类来说是十分艰难的。
如果用二维码作为人类的文字系统，即使有再行多的样本，对于大部分人类也是极为艰难的。然而，这个任务对机器学习来说，辨识二维码的可玩性和辨识人类手写体的可玩性并无过于大差异。科幻电影 《复活》（Arrival）很好地演绎了这一点，对于来自物理自然环境的形态和人类截然不同的世界的外星文明，人类某种程度无法辨识其书写文字，必须利用计算机来已完成。
因为人类视觉系统的演化，只协助人类发展以受限的视觉系统需要辨识的文字。观点三：人工智能将沦为工具箱，未来十年不会产生极大的商业和社会价值人工智能和深度自学虽然非常简单蛮横，且无法称作拷贝人脑，但是在很多特定任务上都早已近超强人类，在未来十年不会产生极大商业和社会价值。人工智能的较慢发展将惠及全人类，建构大量的财富。
从数据驱动的AI，到搜集新的数据的传感器，到以无人驾驶、机器人为代表的全自动化阶段，将为我们的生活带给深远影响的影响。学术界可以之后探寻人脑的奥妙，量子计算出来将渐渐寻找应用于，但是主流的工程的力量应当投放可以沦为平台的人工智能工具箱，带给人工智能应用于的井喷，让更加多工程师可以用于。在人工智能工具箱所包括的各种“工具”里，有些工具是基于传统计算出来，再加深度自学，有些工具有可能是基于量子计算出来，它们各自有各自合适的地方，他们都需要建构相当大的商业价值，让社会大大的变革。所以现在所面对的问题是自由选择适合的工具，用适合的工具创建人工智能工具箱。
我们将自学如何利用这些工具，解决问题更加多问题，我们几乎可以坚信，当我们对这一数据技术理解得充足多的时候，这一技术将获得更加普遍的应用于。我们将步入一个新时代，预计，所有工程师都可以利用人工智能的工具箱建构更加多价值。人工智能应用于将无处不在，这种技术将渐趋平民化。这将产生极大的财富，我们将从地球上避免饥饿、贫穷。
我们将为每个人获取低于收益标准，将有50%的工作不会被替代，而也将有50%的工作机会被建构出来。人工智能时代给人类带给的挑战将远大于工业革命。我们要希望更好的人重新加入到此次变革中来，注目大数据驱动，我们有很多工作，很多机遇。
我们对量子计算技术的发展十分悲观，由大数据驱动的人工智能将使人类转入一个新的纪元。（本文来自：创新工场，经(公众号：)整理编辑。）版权文章，予以许可禁令刊登。下文闻刊登须知。
本文来源：NG体育-www.ntmdyjf.com
