谷歌無人車之父Sebastian Thrun ：如何看 AI 和人類未來？

　　前不久，優(yōu)達(dá)學(xué)城（Udacity）聯(lián)合創(chuàng)始人兼總裁 SebasTIan Thrun 通過知乎 Live ，與中國(guó)網(wǎng)友進(jìn)行零距離交流。

　　SebasTIan Thrun 眼中的 AI 和未來世界

　　AI，也就是人工智能，是現(xiàn)在硅谷最火的話題之一。人工智能的目標(biāo)，就是要讓機(jī)器像人類一樣聰明，甚至比人類聰明。 從歷史的角度來看，大約300年前，人類發(fā)明了蒸汽機(jī)和農(nóng)業(yè)設(shè)備，這些機(jī)器在物理層面上超越了人類的能力。

　　而 AI 要做的，是讓機(jī)器從智力層面上，也要超越我們?nèi)祟悺?機(jī)器也可以變得很聰明，他們可以玩游戲，可以開車，可以開飛機(jī)，還有很多它們能做到的事情。而目前最有趣的人工智能相關(guān)領(lǐng)域，就是機(jī)器學(xué)習(xí)。

　　機(jī)器學(xué)習(xí)，是指機(jī)器從經(jīng)驗(yàn)中學(xué)習(xí)的能力。同樣，讓我們對(duì)比著來看。當(dāng)你為一臺(tái)電腦編程時(shí)，你會(huì)事無巨細(xì)地告訴電腦在任何一種可能的情境下，需要做什么樣的反應(yīng)?，F(xiàn)在的電腦程序，通常會(huì)有成千上萬行代碼，因?yàn)橛谐汕先f種情況需要它們?nèi)ヌ幚怼?/p>

　　而一個(gè)程序員，需要足夠聰明，可以預(yù)測(cè)到所有可能的情況，從而避免你的電腦崩潰。這也是為什么軟件工程師的薪水都那么高。在機(jī)器學(xué)習(xí)時(shí)代，機(jī)器不再需要被一條一條的灌輸指令，它們也可以被“教育”，就像人類的小孩獲得的教育一樣。我們教小朋友時(shí)，不是一行一行地把所有可能的行為指令都灌輸給他們，而是讓他們不斷去嘗試，跌倒，然后站起來，從跌倒的經(jīng)驗(yàn)中去學(xué)習(xí)。機(jī)器學(xué)習(xí)讓也能夠像小朋友那樣，能夠從經(jīng)驗(yàn)或數(shù)據(jù)中學(xué)習(xí)，獲得成長(zhǎng)。

　　我在人工智能領(lǐng)域探索了很長(zhǎng)一段時(shí)間。說起來你可能不信，我1993年就寫了一篇關(guān)于機(jī)器學(xué)習(xí)和機(jī)器人學(xué)的碩士論文。自從那時(shí)開始，我就為一個(gè)問題深深地著迷：機(jī)器到底能不能用和人類同樣的方式去學(xué)習(xí)？

　　2005年，距離現(xiàn)在十多年前，我參加了美國(guó)政府組織的 DARPA 超級(jí)挑戰(zhàn)賽，一個(gè)無人車駕駛大賽。196個(gè)隊(duì)伍參與角逐100萬美元的大獎(jiǎng)，而我當(dāng)時(shí)在斯坦福大學(xué)的團(tuán)隊(duì)贏得了勝利。我當(dāng)時(shí)是斯坦福人工智能實(shí)驗(yàn)室的總監(jiān)，在 Google 的人工智能項(xiàng)目中也擔(dān)任了同樣的角色。在參加挑戰(zhàn)賽時(shí)，我工作的核心，就是運(yùn)用了機(jī)器學(xué)習(xí)。Stanley 是一輛會(huì)學(xué)習(xí)的機(jī)器人車。它能從數(shù)據(jù)中學(xué)習(xí)，有時(shí)它會(huì)從自己的經(jīng)歷和錯(cuò)誤中學(xué)習(xí)，更多時(shí)候，它會(huì)學(xué)習(xí)人類司機(jī)的行為，使得它自己能夠像人類那樣去駕駛。最終，Stanley 的學(xué)習(xí)模塊，讓它從196個(gè)隊(duì)伍中脫穎而出，早2005年，以決定性的優(yōu)勢(shì)贏得了 DARPA 超級(jí)挑戰(zhàn)賽。

　　Google 的無人駕駛車也會(huì)學(xué)習(xí)，而我們也遇到了同樣的問題：在駕駛過程中，有太多的罕見情況需要去考慮，而無人車需要能夠處理好其中的任何一種情況。所以，Google 無人駕駛車最終在公路上駕駛了幾百萬公里來訓(xùn)練軟件如何駕駛。人類和電腦的一個(gè)區(qū)別在于，學(xué)習(xí)的速度大不相同。舉例來說，如果一個(gè)人類駕駛員犯了一個(gè)錯(cuò)誤，他會(huì)從中吸取教訓(xùn)，也許下次可以不再犯錯(cuò)。

　　但是其他人并不會(huì)擁有同樣的收獲。如果是一輛無人駕駛車出現(xiàn)了錯(cuò)誤，不但它自己會(huì)從中吸取教訓(xùn)，所有其他的無人駕駛車甚至是所有未來的無人駕駛車，也將從中獲得新的經(jīng)驗(yàn)。這意味著，一個(gè)錯(cuò)誤就能訓(xùn)練世界上所有的無人駕駛車，無人車的學(xué)習(xí)速度遠(yuǎn)遠(yuǎn)超過了人類。這個(gè)區(qū)別將導(dǎo)致未來有一天，無人車駕駛將比人類駕駛要安全的多得多。這是人工智能和人類在學(xué)習(xí)上非常關(guān)鍵的一個(gè)區(qū)別，而且它也適用于很多別的領(lǐng)域。

　　機(jī)器學(xué)習(xí)正在被運(yùn)用于很多很多很多的領(lǐng)域。舉例來說，醫(yī)療診斷。機(jī)器學(xué)習(xí)可以比最優(yōu)秀的人類醫(yī)生更準(zhǔn)確地診斷癌癥。在法律領(lǐng)域，最資深的律師，也會(huì)在尋找資料和起草合同上輸給機(jī)器學(xué)習(xí)。當(dāng)然，還有互聯(lián)網(wǎng)，Google 和百度都因?yàn)闄C(jī)器學(xué)習(xí)的助力，可以用超乎人類想象的準(zhǔn)確度搜索信息。還有很多其他的領(lǐng)域，比如會(huì)計(jì)、駕駛飛行器和玩游戲。

　　前段時(shí)間，Google 的 AlphaGo 剛剛在圍棋上打敗了世界冠軍。而而這所有的人工智能應(yīng)用都有一點(diǎn)相同：它們都會(huì)使用機(jī)器學(xué)習(xí)，從海量的數(shù)據(jù)中學(xué)習(xí)。如果你再觀察一下機(jī)器學(xué)習(xí)，比如 AlphaGo，會(huì)發(fā)現(xiàn)它能從成千上萬個(gè)棋局中學(xué)習(xí)。沒有任何人類的專家能夠活那么久，去看完幾百萬個(gè)棋譜。這個(gè)區(qū)別，使得 AlphaGo 可以運(yùn)用比人類多得多的經(jīng)驗(yàn)數(shù)據(jù)，圍棋水平最終超越地球上所有的人類。

　　未來，人工智能對(duì)人類生活的改變，將和農(nóng)業(yè)革命、工業(yè)革命帶來的改變一樣，讓我們可以變得更為強(qiáng)大。它將把我們從不需要?jiǎng)幽X的重復(fù)性工作中解放出來，比如每天你在辦公室中不斷重復(fù)做著的很多工作。在未來，律師可以浪費(fèi)更少的時(shí)間去尋找資料，花更多的時(shí)間去進(jìn)行創(chuàng)意型的思考；醫(yī)生的誤診將大大減少，他們可以更好地診斷人類疾病，可以花更多時(shí)間和病人交流而不是用來盯著皮膚組織樣本。

　　精彩問答

　　Q： 你是如何看待計(jì)算機(jī)視覺的未來前景的？

　　Thrun： 計(jì)算機(jī)視覺是人工智能中最激動(dòng)人心的領(lǐng)域之一。直到幾年前，我們甚至還不能識(shí)別照相機(jī)圖像中的最基本的部分，如你的臉，或者你坐的椅子，或者流動(dòng)的云。但是多虧了深度學(xué)習(xí)，我們現(xiàn)在能夠分析非常復(fù)雜的東西。

　　例如，汽車停在停車場(chǎng)中，電腦放在桌子上，甚至柔軟無棱角的物體，如冰箱邊上的食物。這只是個(gè)開始。計(jì)算機(jī)視覺使一種控制汽車的新方法得以實(shí)現(xiàn)。過去無人駕駛汽車使用雷達(dá)和激光作為感知環(huán)境的方法，現(xiàn)在有一種新方法是用計(jì)算機(jī)視覺和攝像機(jī)來分析行駛方向，并且進(jìn)步很快。

　　Q： 現(xiàn)在業(yè)內(nèi)關(guān)于自動(dòng)駕駛技術(shù)和實(shí)現(xiàn)的完成度，各家相比會(huì)有很大的差距嗎？比如 Tesla 和 Geohot ？

　　Thrun： 你問了無人駕駛汽車的市場(chǎng)和 Tesla 與 Geohot 的區(qū)別。如果你看看 Geohot 的新聞，就會(huì)得知 Geohot 已經(jīng)決定終止無人駕駛汽車的項(xiàng)目，并轉(zhuǎn)而做別的項(xiàng)目。這個(gè)決定回應(yīng)了美國(guó)政府對(duì)于 Geohot 對(duì)用戶是否真的安全的質(zhì)疑。我不得不承認(rèn)我今天看到這個(gè)消息很難過，因?yàn)槲蚁Ｍ麩o人駕駛汽車技術(shù)短期內(nèi)就有市場(chǎng)。相反，Tesla 已經(jīng)建立了名為 Autopilot（自動(dòng)導(dǎo)航）的無人駕駛技術(shù)。

　　它沒有完善到你可以在開車的時(shí)候睡覺，你必須保持注意力。但是如果你保持注意力，它能夠按路線行駛的非常棒。我有一輛 Tesla 并且我每天都使用 Autopilot。Tesla 的技術(shù)曾基于 Mobileye，一家以色列公司，現(xiàn)在換成了 Nvdia， 一家美國(guó)的公司。因此你可以看到無人駕駛性能的進(jìn)步因?yàn)榫唧w的技術(shù)在進(jìn)步。在今天的市場(chǎng)，大部分都是非無人駕駛技術(shù)，是駕駛輔助技術(shù)，汽車只有一種功能。Tesla 是最先進(jìn)的一個(gè)，因?yàn)樗莻€(gè)很棒的公司，發(fā)明了 Autopilot。

　　盡管如此，Autopilot 還不是最完美的無人駕駛汽車系統(tǒng)。然而，業(yè)界的進(jìn)步十分迅速，接下來兩三年，我期待更多主流的汽車公司也來做無人駕駛，并研發(fā)出類似的無人駕駛技術(shù)。

　　Q： 現(xiàn)在的人工智能離強(qiáng)人工智能還有多遠(yuǎn)？機(jī)器人什么時(shí)候能真正讀懂人說的話、理解看到的東西、了解人類的情感，（深度）神經(jīng)網(wǎng)絡(luò)能做到這一點(diǎn)嗎？

　　Thrun： 現(xiàn)在的人工智能離強(qiáng)人工智能還很遠(yuǎn)，現(xiàn)在是專業(yè)化的人工智能。每一個(gè)人工智能系統(tǒng)精通一項(xiàng)任務(wù)，但是如果要它做一個(gè)不同的任務(wù)需要從零學(xué)起。這很重要因?yàn)槲覀儾恍枰獰o人駕駛汽車會(huì)下象棋，我們也不需要飛機(jī)會(huì)投籃，這些是不同的領(lǐng)域。

　　然而，現(xiàn)在的問題是機(jī)器人是否能夠理解人類情感，我認(rèn)為這需要很大的進(jìn)步?，F(xiàn)在在訓(xùn)練人工智能理解人類是高興或沮喪，不舒服或疲憊，已經(jīng)有了很大的進(jìn)步。你們手機(jī)上的人工智能系統(tǒng)可以辨別你現(xiàn)在的心情，這個(gè)用最基本的人工智能系統(tǒng)就可以做到，只需要觀察你貼圖的頻率，看微信的頻率，走路的方式。

　　我想說我對(duì)人類情感很感興趣，但是我對(duì)機(jī)器情感并不感興趣。我不需要我的人工智能有情緒，我不希望它生氣或者開心，我不想來到廚房，發(fā)現(xiàn)我的冰箱愛上了我的洗碗機(jī)。它不愿意為我工作因?yàn)槲易蛱焱砩蠈?duì)它發(fā)了脾氣。我希望機(jī)器能夠穩(wěn)定工作，因此我認(rèn)為人工智能機(jī)器不需要情感。

　　Q： 基于學(xué)習(xí)的方法主導(dǎo)機(jī)器學(xué)習(xí)的根本原因是什么？它將如何與更傳統(tǒng)的 AI 方法進(jìn)行交互？

　　Thrun： 機(jī)器學(xué)習(xí)主導(dǎo)的根本原因是它必須做到跟人類學(xué)習(xí)的方式類似。如果你想教小孩做正確的事情，你不能坐下來把生活規(guī)則一條一條寫下來，這是不可能教會(huì)他的，相反，你應(yīng)該讓小孩從他自己的經(jīng)歷中學(xué)習(xí)。

　　機(jī)器學(xué)習(xí)不是像我們?cè)?jīng)寫代碼一樣來學(xué)習(xí)的，也是從經(jīng)歷中來學(xué)習(xí)，因此在很多領(lǐng)域都不那么做了。比如 Google 每天從數(shù)千億的在線網(wǎng)頁的數(shù)據(jù)集中學(xué)習(xí)，這些數(shù)據(jù)沒有任何規(guī)則，但數(shù)據(jù)卻存在規(guī)律。所以今天的機(jī)器學(xué)習(xí)是將人類的學(xué)習(xí)方式用在數(shù)據(jù)上得出結(jié)論，這比用常規(guī)的編程方式要更強(qiáng)大。

　　Q： 未來的硬件技術(shù)有什么新的要求，以滿足AI的趨勢(shì)？

　　Thrun： 如今人工智能發(fā)展的一大激活因素是計(jì)算機(jī)的規(guī)模。10年以前，這是不可能的。 10年前我們的計(jì)算機(jī)系統(tǒng)規(guī)模最大都不如老鼠的大腦，現(xiàn)在它們比人類的大腦更大。這使得一切都變的不同了。人工智能領(lǐng)域大多數(shù)發(fā)現(xiàn)，世界上最好的算法，在30年前就已經(jīng)出現(xiàn)，但現(xiàn)在才開始興起的原因是因?yàn)橛?jì)算機(jī)變得越來越快。

　　展望未來，計(jì)算機(jī)必須更快，更便宜，更加關(guān)注浮點(diǎn)數(shù)的運(yùn)算，可以大量相互連接。在所有這些事情正在發(fā)生的現(xiàn)在，計(jì)算機(jī)公司（比如我們知道的谷歌和亞馬遜）之間最大的區(qū)別，對(duì) AI 最重要的，是處理浮點(diǎn)運(yùn)算的能力。因此，GPU（顯卡，圖形處理器） 和浮點(diǎn)運(yùn)算能力是人工智能的必要條件和驅(qū)動(dòng)力。