4月18日，在“智能的本质和AI技术的未来高端分享会”现场，《智能的本质》和《硅谷百年史》的作者皮埃罗·斯加鲁菲作了主题分享。创客猫作为独家特约直播媒体到场进行图文直播和报道。

  皮埃罗·斯加鲁菲

皮埃罗·斯加鲁菲在分享中提到，很多人都害怕人工智能有一些恐惧，但他认为，其实人工智能没有那么厉害，目前对这个技术夸张的成本比较多，因为现在的人工智能并没有常识，而且局限性比较大。

他指出，无人驾驶汽车智能在结构化程度非常高的情况下才能进行工作，在美国或者拉丁美洲很难成为现实的原因就是环境特别混乱。

对于阿尔法狗他也发表了一些看法。他表示，阿尔法狗背后有一个很庞大的数据集，里面包含了15万场比赛，而且还有机器强大的运算能力，但它只能做一件事，就是下围棋。此外，阿尔法狗需要消耗440千瓦的能量才能完成一件事情，而人类的大脑只需要用20瓦的能量。

他提出一些场景，机器人可以很好地帮助到人类做一些简单和危险的工作，比如，工业机器人、人口老龄化问题严重的国家需要机器人的帮助、医疗方面等。

最后，皮埃罗·斯加鲁菲得出一个结论，“我们需要人工智能，而且这个人工智能所打造的社会将会为我们创造现在无法想到的工作机会，所以不用害怕机器人的到来。”

以下为皮埃罗·斯加鲁菲演讲实录：（经创客猫编辑，有所删减）

皮埃罗.斯加鲁菲：感谢大家今天来参加这个活动，我写了很多书，《硅谷百年史》是我第一部翻译成中文的书。《智能的本质》是我新书，因为从1987年开始我就开始从事人工智能的相关工作了。我希望我的面貌没有太多的改变。

首先书中简单的介绍了一下人工智能的历史，今天我的演讲中有三张PPT涉及到这些内容，如果大家想了解更多的话，可以读我的书。机器会学习吗？很多人担心机器会从人那里抢走工作。在书中我也说了，我为什么不这样认为。在书中很大的篇幅，也介绍了现在人工智能的具体现状，现在对这个技术夸张的成分是比较多的。我在书中也介绍了为什么人工智能没有那么厉害，因为并没有常识。我也介绍了优越于人类的智能，就是超人类智能。这本书刚开始的时候有一些枯燥，因为开篇的时候介绍了很多哲学上的问题。但是我认为这本书有一个很皆大欢喜的结局，因为我最后说了为什么我不害怕人工智能的到来。

刚才我简单的介绍了一下书中的内容，这是最早的计算机，在最开始的时候，计算机被称为电子大脑。我非常喜欢这张图片，因为你可以发现最早的操作计算机的都是女性。但是这个故事太长了，我有时间再向大家介绍吧。早期关于电脑的报道，都会把它作为电子大脑来叙述，我们可以看到PPT上面的相关介绍。这是第一部关于软件的著作，书名叫做《巨形大脑》。

实际上第一部电脑的诞生也就意味着人工智能的诞生。请看一下上个世纪60年代的这篇文章，上面提到了真的会思考吗？在一个会议上，这个人首次提议了人工智能，这也是第一次人工智能的叫法被流传开来。人工智能有两个不同的学派，第一个学派就是知识学派，也叫做符号学派。同时存在的还有另一个学派，叫神经网络学派。他们两个学派几乎是同时开始的。但是符号学派在人工智能领域长期是占上风。为什么会造成这种局面呢？因为神经网络在当时的计算机的条件下，是非常难以实现的。但是改变这一局面的就是摩尔定律。计算机性能越来越强大，速度越来越快，价格也越来越便宜。神经网络也变得可以实施了。我们进入了深度学习时代。

首先神经网络成为了现实，再进一步就是深度学习，深度学习是在很多层的神经网络。许多人对于深度学习的学科有很大的贡献，这里面我提到了几位杰出的贡献者。这张PPT上的贡献非常杰出，其中有两个现在是在硅谷的公司工作。很多人认为，2006年是深度学习的初生之年，因为2006年发现了多层的深度学习网络。2012年深度学习的网络取得了非常大的成就，就是这个图像的识别。接下来每一年深度学习网络都有特别重大的突破。现在我们看到的是深度学习对于识别音频和语言的最前沿的成果。

这是一个非常有趣的花絮，很多们认为深度学习是美国特有的产物，但是我们可以看到，深度学习领域的这些明星级的专家，他们都不是美国人。当然许多人他们现在在为硅谷的公司工作，但是他们实际上并不是出生于美国。在我看来，这个问题很好解释，因为美国他们在符号这一块，还是更加的流行，更加的占上风。

我们现在生活的这个时代，人机对话非常盛行。图片识别的技术也日新月异，越来越准确。2012年，神经网络学会了去识别猫，但是请大家注意一下，当时他们是一共用了16000个处理器才完成的这个任务。这也是现在人工智能的一个奥秘所在，大家可以看一下下面的这个GPU，这么小的一个体积，但是性能是非常强大的。

现在机器翻译的质量也是越来越高，所以现在许多大公司都向人工智能的初创公司进行投资。AI的初创公司的估价现在都很高。去年有一个很大的新闻，就是一个叫阿尔法狗的软件打败了人类的围棋大师。虽然这并不是第一次机器打败人类，但是因为这件事是由谷歌下面的一个公司做的，所以有很多的媒体对此进行了大篇幅的报道。前面我列举的这些，原来人机大战的时候取得的一些成就，后面就是2016年媒体所报道的这一场比赛。

因为现在AI的性能真的是很强大，有许多人对于AI心有忌惮。比如说有个人在旧金山成立了一个组织，希望可以将AI用到有益的地位，而不是对人类有害的地方。机器人也取得了同样的进步，甚至人工智能也涉及到了艺术领域。去年有一个非常著名的神经网络的艺术创作者，就是展出了一些人工智能化的一些画。神经网络首先学会了人类艺术家的画风，你给它任何一个图片，都可以转化成这个风格的图画。

以上这些成果的确也令人叹为观止，我也很理解为什么人们对于人工智能有一些恐惧。但是接下来让我们看一下现实中人工智能的一些真实的用处。

我们现在经常说机器人和无人驾驶汽车，但是他们只能在结构化程度非常高下进行工作。我们必须制造一个环境，明确的告诉他们什么可以做，什么不可以做。在那样的环境中，即使智商很低的人也可以开车。所以在那样结构化程度很高的环境中，汽车也可以自己驾驶，就是无人驾驶。能做到这一点的秘诀在于结构化环境，无人驾驶汽车在一些美国的城市或者是拉丁美洲很难去成为现实，因为环境特别的混乱。机器能识别一只猫，让人觉得特别的印象深刻。但是别忘了任何一只老鼠也可以识别猫。老鼠也并不需要16000台电脑的帮助去识别一只猫。

阿尔法狗取得的成绩非常令人惊叹，但是也看一下背后所支持的那些技术。它有一个很庞大的数据集，里面包含了15万场比赛。而且很重要的一个事实就是机器强大的运算能力。阿尔法狗只可以干一件事情，就是下围棋。我做了一个非常简单的运算，阿尔法狗需要消耗440千瓦的能量才能完成一件事情。人类的大脑只需要用20瓦的能量。也许阿尔法狗真的是让人非常的惊讶，但是440千瓦的能量，你看一下旁边的普通的人，20瓦，究竟谁更加的智能？

还有一个很重要的事实，就是神经智能只有在很大的数据集的前提下才可以工作。我做了一个这样的数据的列举，这些是神经网络背后的数据级的量级。如果说你读到一个新人说神经网络取得了什么样的进步，你一定要注意在这个成就取得的许多年前，肯定有人已经建立了一个相关的庞大数据集。有人就建立了这个逻辑数据集，希望神经网络可以去学习。

大家别忘了，神经网络是依靠计算机的速度越来越快而实现的，如果说计算机的发展终止了以后，神经网络将去往何处呢？下场将如何呢？在这个过程中要看到人工智能的有限。

接下来我带大家看一下非人类智能的发展。我觉得我们周围充满了非人工智能。我说的不是上帝，我说的是动物。我们以蝙蝠为例，它可以在黑暗中飞行，也可以躲避物体，还可以捕捉昆虫，甚至是可以倒挂在天花板上。你能做到这一点吗？这就是非人类智能，听起来吓人吗？至少我听起来不害怕。

实际上我们发明了很多物品，可以做到人类不能做的事情。我最喜欢举的一个例子就是钟表。钟表发明于1000年以前，可以干一件人类不能干的事情。你也可以举一些例子，还有很多这样的例子，机器可以做到人类不能做的事情。人们害怕机器人，因为在好莱坞的电影中，机器人都是来势汹汹，把人类消灭掉。下一次你坐飞机的时候，一定要自己提醒一下自己，飞机就是机器人。现在天空上就有成千上万架飞机在飞行，它并没有杀死任何一个人。

上面所说的这些其实就是想大家知道，人工智能并不可怕，只是一种技术，是有进步，但是也有自己的局限性。我们需要机器吗？当然，答案是肯定的。我们现在在生活中就有这些机器人可以帮我们做一些简单的工作。他们并不会伤害别人，他们可以做一些简单的事情，但是对人来说是非常有用的。

现在也有一些家用机器人活跃在厨房中，但是更重要的是一些工业用的机器人，是在工厂中。工厂就是一个机器人用处的很好的例子，因为现在的工业机器人实际上性能是非常的精密，非常复杂的。为什么呢？因为工厂拥有结构化程度很高的环境，这个图片中的就是亚马逊的Kiva机器人，他们是智能的吗？当然了。但是在这个工厂中没有孩子在四处跑跑去的去玩耍。这个环境是结构化程度非常高的。很多国家，比如说日本、欧洲，他们现在人口老龄化的问题越来越突出，他们需要机器人的帮助。机器人就可以解决这个问题。机器人也可以从事一些危险的工作，这是我最喜欢的机器人的应用的场景，就是医疗方面的，他非常的有用。

有一次我去采访飞利浦的时候，飞利浦的健康中心告诉我，每一年有1350亿个医疗图像产生。你知道现在的医疗图像拍的时候只是针对一个问题，而且只有一个医生能看到这个图像。可能这个图像中也包含了一些其他的医生没有发现的一些问题。医疗的人工智能可以每一天同时看1350亿个图像，拍这个片子是因为可能有人在胸腔里有一些什么样的问题，也有可能这个图像中也反映了这个人可能有心脏的问题，我下面想告诉大家两个最新的医疗方面的AI的进展。斯坦福大学最近开发了一个可以诊断皮肤癌的应用，诊断的精确率跟一个皮肤癌专家的准确率是一样的。这一周在英国也开发了一个神经网络，是可以发现医疗图像中的心脏病。每一年有两千万人因为心脏病而离开这个世界。这个神经网络就可以很大的预防这样的疾病。   

我们需要人工智能，我们需要机器人，人工智能还是有很大的局限性。前面的这个PPT说了很多的研究的课题，但是下面的这个就是其中的一个，关系到常识的问题，我不能相信没有常识的机器，这张图片中有什么不妥之处吗？没有常识的机器肯定就没有任何的结论，就会识别这是什么，那是什么。常识是非常重要的，我们每一天都用到常识。我们今天举的案例是非常近期的案例，人是不需要读大学，不需要有学位就可以都有常识的。

这个是去年在英国发生的一件事，当时警方的直升机在天空中飞行，在追捕盗贼。地面上有一些孩子想帮助警方。孩子在面上不能向直升机喊话，但是又想帮助警察，他们怎么做才能让警察知道逃犯往哪个方向跑呢？他们组成了一个人肉的箭头。没有人教这些孩子，他们就是自己想到了这个办法，他们组成了一个箭头，去告诉警察，盗贼往哪个方向跑了。我们现今的时代，真的是生活处处可以看到机器，机器人已经来到了。我的观点是我们需要人工智能，而且这个人工智能所打造的社会将会为我们创造现在无法想到的工作机会，所以不用害怕机器人的到来。

（以上为创客猫现场报道，如有转载请注明真实来源）