雷鋒網(wǎng)AI科技評論消息，2019年10月17日上午，CNCC 2019正式在蘇州金雞湖國際會議中心開幕，雷鋒網(wǎng)作為戰(zhàn)略合作媒體，對大會進行全程報道。

在大會第一天，微軟亞洲研究院院長洪小文在會上作為特邀嘉賓做了主題為“智能簡史”的特邀報告。

洪小文博士在報告中闡述了他看待計算與智能的“金字塔哲學(xué)”，簡單來講即，計算和記憶力、感知、認(rèn)知、創(chuàng)造力、智慧這五層依次向上、依次依賴、依次變難，現(xiàn)階段的人工智能就在艱難地向上攀爬過程中。

在報告中洪小文也用通俗的語言解釋了一些大眾的認(rèn)知誤區(qū)，比如對于自動駕駛，目前人們認(rèn)為是AI的一大典型應(yīng)用，而洪小文指出，已經(jīng)存在了一百多年的飛機的自動駕駛（auto-pilot）不被大眾認(rèn)為是AI，但汽車的自動駕駛就被大眾認(rèn)為是AI。以及，AlphaGo擊敗了柯潔、李世石，大眾都認(rèn)為這代表了人工智能擊敗人類的新的里程碑，而洪小文說這更體現(xiàn)出的是開發(fā)這個模型、組建計算基礎(chǔ)設(shè)置的這群人類精英智力成果的勝利，人工智能想要媲美人類還有很遠的路要走。洪小文博士指出“強人工智能很弱，弱人工智能很強”，因此我們在人工智能的道路上要勇敢進取，另一方面則還要審慎地從歷史的角度來看待人工智能，避免泡沫化。

一、智能金字塔

洪小文從更廣義的角度來理解智能，他將智能劃分為五個層次放在金字塔三角形中，從下到上依次復(fù)雜。

處于最底層是計算和記憶力。在人類很長的歷史中，神機妙算、過目不忘，都是非常聰明的表現(xiàn)。所謂神機妙算就是計算，而過目不忘就是記憶。但隨著圖靈機（或馮諾依曼機）的出現(xiàn)，CPU+存儲，在計算和記憶兩個方面已經(jīng)遠遠超過人類。

其次是感知。人類社會中有一大部分生活內(nèi)容是與感知相關(guān)。例如速記工作、車間產(chǎn)品質(zhì)檢、交通違規(guī)判斷、人臉識別等。這些在傳統(tǒng)上是極為消耗人力的。但隨著最近這一波人工智能的崛起，計算機在這些方面的表現(xiàn)已經(jīng)遠遠超越人類，在行業(yè)中許多依靠人類感知智能的工作正逐漸交由計算機來執(zhí)行。

再往上是認(rèn)知。所謂認(rèn)知，即我們對生活中事件的理解、洞察、推理、計劃、決策等，例如閱讀一篇文章了解其核心觀點，把一段漢語翻譯成英語，公司領(lǐng)導(dǎo)需要依據(jù)市場情況做產(chǎn)品策略，我們?nèi)粘Ｉ钜惨龈鞣N買和不買的決定。在這些方面，目前的人工智能已經(jīng)有諸多突破，例如在閱讀理解SQuAD挑戰(zhàn)賽中人工智能系統(tǒng)已經(jīng)能夠超越人類水平，機器翻譯方面計算機也能快速、大量且相當(dāng)準(zhǔn)確地完成任務(wù)（在某些特定領(lǐng)域甚至超越人類）。但這種AI認(rèn)知只是基于大數(shù)據(jù)的推理，AI能夠告訴我們結(jié)果，卻不能說出其中的因果關(guān)系。此外，目前的AI系統(tǒng)大多還只能局限在特定封閉環(huán)境條件下的認(rèn)知，對于廣闊生活中開放的認(rèn)知問題則力有未逮。

第四層是創(chuàng)造力。近年來深度學(xué)習(xí)可以用于“創(chuàng)作”，比如寫詩、作畫等。如果關(guān)注微軟小冰的話，應(yīng)該知道小冰出版過一本詩集《陽光失了玻璃窗》；而同樣小冰也能夠自己作畫。但這些并不代表計算機真的有創(chuàng)造力，因為無論是機器作詩還是作畫，其本質(zhì)都只是大數(shù)據(jù)訓(xùn)練的結(jié)果，是基于已知創(chuàng)造已知，而真正的創(chuàng)造力則是基于已知創(chuàng)造未知。

最高層是智慧。目前還是人類的領(lǐng)地，計算機還無能為力。

從計算和記憶力、到感知，到黑盒封閉環(huán)境下的認(rèn)知，目前的AI 已經(jīng)做得很好了（超越了人類），在智能金字塔中，洪小文用紫色表示。而白盒開放環(huán)境下的認(rèn)知以及創(chuàng)造力這方面，目前的AI與人類相比還差得遠，金字塔中用綠色表示。至于AI還無法做到的智慧，則用藍色表示。

可以看出，當(dāng)前機器智能與人類智能的交界是在認(rèn)知和創(chuàng)造力這個層面，目前的AI還處在“半認(rèn)知”的階段；之下，AI已經(jīng)完全超越人類；之上，AI 還望塵莫及。

二、AI+HI

在當(dāng)前AI這種智能條件下，自然無論對于個人還是公司，最恰當(dāng)?shù)淖龇☉?yīng)當(dāng)是把機器善于做的事情交給機器，把人善于做的事情交給人。

在算力和記憶力方面，人類若想挑戰(zhàn)機器無疑蚍蜉撼樹。但在認(rèn)知層次呢？

我們以決策過程為例。決策過程中我們要做的第一件事情，就先分析，然后做出一個決策，最后到實際的物理世界去做執(zhí)行，并通過傳感器收集數(shù)據(jù)，并反饋給數(shù)據(jù)庫中。例如我們要控制一條河的水質(zhì)，傳感器能夠測水質(zhì)、執(zhí)行器用于控制排放污水的開關(guān)。在沒有互聯(lián)網(wǎng)的時代，我們要派人專門去那里檢測和控制排污，現(xiàn)在有了物聯(lián)網(wǎng)，我們可以讓機器自動完成。

事實上，幾乎所有的事情（包括做社會心理學(xué)分析、做實驗、做假設(shè)、做產(chǎn)品，或是做互聯(lián)網(wǎng)都是如此），每完成一次閉環(huán)，就能夠有所改進。如今，數(shù)據(jù)很容易取得，分析、決策的過程就是AI。如果我們有一個閉環(huán)，又有辦法收集到數(shù)據(jù)，就可以實現(xiàn)自動化。

如今諸多AI的商業(yè)應(yīng)用，簡單來講都可以抽象為這個閉環(huán)過程。蒂森克虜伯（thyssenkrupp）是一家做電梯的企業(yè)。之前他們遇到電梯故障，一般都是用戶給維修人員打電話，維修人員先來收集一些數(shù)據(jù)，然后回到實驗室分析幾天，分析出結(jié)果后，再回去維修，這中間可能要隔好幾天，甚至好幾星期。而現(xiàn)在他們在電梯里安裝了傳感器，傳感器能夠收集速度、聲音、溫度等數(shù)據(jù)。系統(tǒng)能夠根據(jù)這些數(shù)據(jù)（1）利用機器學(xué)習(xí)方法建模進行異常分析，當(dāng)數(shù)據(jù)接近故障點之前派遣維修人員進行預(yù)防，可能只需要滴幾滴油即可；（2）數(shù)據(jù)收集足夠多時可以對不同的故障情況進行分類。

當(dāng)然這并不代表AI可以做所有事情。我們在前面智能金字塔中已經(jīng)講過，AI目前仍然是不可解釋的黑盒，且只適用于特定環(huán)境、封閉的系統(tǒng)當(dāng)中。

黑盒和白盒認(rèn)知的差別在于，它只告訴你what，但卻不能告訴你why，當(dāng)前的AI主要是基于大數(shù)據(jù)的模式識別推理，盡管它能給你一個看起來很好的相關(guān)性，但卻說不出因果關(guān)系，因此主要是黑盒模式。

另一方面，生活中大部分的決策都是處在開放系統(tǒng)中，例如并購一家企業(yè)，它有許多外部因素，這些因素?zé)o法預(yù)測，也沒有太多相關(guān)的數(shù)據(jù)，這自然無法完全交給AI來完成。人生的決策（例如報考大學(xué)）也同樣如此。我們可以參考AI給出的結(jié)果，但是我們還必須依靠我們?nèi)祟愖约旱恼J(rèn)知。這既是AI+HI。所謂HI，即Human Intelligence，人類智能。

洪小文做了一個類比。腦神經(jīng)科學(xué)家根據(jù)實驗歸納了人腦的左右腦的特征，發(fā)現(xiàn)左腦更側(cè)重邏輯、順序、分析、數(shù)字化、理性等，右腦則偏向直覺、隨機、綜合、主觀等。事實上計算機就是一個最好的左腦，因為它的所有程序都是人類設(shè)計出來的，都是人類邏輯、順序、分析沉淀的結(jié)果，它所擅長的正是人類左腦的諸多功能。

所以AI+ HI，正是這種左右腦互相輔助的關(guān)系。我們需要“右腦”來做創(chuàng)造，來做智慧。在沒有計算機以前，人類用左腦來完成計算，花大量時間小心推演，這就像走路；而計算機的出現(xiàn)，特別是現(xiàn)在AI的出現(xiàn)，相當(dāng)于給了我們一輛車、一架飛機，合理利用這些工具能更快地到達目的地。

洪小文博士認(rèn)為，“我們是第一代與AI一起生活的人類，我們跟AI的關(guān)系，其實就是我們很忠實的仆人，說一就一，我們不希望它有意識，好好的做我們要做的事情，做我們讓它做的事情，其實就是一個AI+HI非常和諧的社會。我個人覺得學(xué)習(xí)AI也讓我對人類的智能有更深的一些了解，也是人類智能跟人工智能的共進化?！?/p>

雷鋒網(wǎng)報道。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。