百度百家组织的高大上的BIG TALK硅谷峰会信息量颇大，一个下午的会居然请了8位演讲嘉宾，如果加上压轴出场的苹果联合创始人史蒂夫·沃兹尼亚克（Steve Wozniak），主讲嘉宾就有9位了。话题更是涉猎广泛，从深度学习到在线教育，从基因工程到人口老龄化的挑战，从社交网络到温室效应，从车联网到智能机器人等等，如此众多的跨学科专家的介绍显然对于听众的知识面是一大挑战。我不认为我能对如此众多的话题都有发言权，因此，暂且选取我最感兴趣也是本次会议对我留下最深刻印象的两个主题做点分享。

 

分享一：深度学习的现实运用

去年，深度学习和人工智能领域的顶尖专家吴恩达加盟了百度，负责百度研究院的领导工作，尤其是Baidu Brain计划。虽然去年在百度世界大会上我已经听过吴先生介绍Baidu Brain，但实话实说，我那时真的没有搞清楚，他到百度来做什么，又会给百度带来什么改变，进而又会给我们的生活带来什么影响。这次吴先生30分钟的介绍基本将深度学习及其现实应用讲得很清楚了，至少我自己觉得是搞清楚了。

原来机器与人的交互是通过文本的形式，而现在随着技术的进步，特别近年来深度学习技术的突破性进展，使得人与机器的交互即将从文本向图像和语音过渡。相较之下，语音和图像是更加自然、更加没有门槛的交互方式，因此，如果机器对于图像和语音识别精度足够，将会使得技术为更广大的人群服务。比如不会写字的人也可以通过语音输入来寻找自己所需要的资讯。

而这一切得以实现的前提是机器学习能力的突破，而机器学习能力的突破一方面是因为计算能力的提升和成本的下降，另外更加至关重要的是可以深度学习的神经网络概念在机器上的运用。以前，从优秀产品获得大量用户，再由大量用户获得流量数据，再由流量数据通过人工智能改善产品，这个人工智能的产品正反馈循环没有建立起来，其中最关键的就是人工智能无法通过大数据帮助改善产品，吴恩达认为现在这个改善正循环已经建立起来了。

百度美国研发中心高级技术总监吕厚昌先生介绍的“数据坟墓”的概念可能更有助于我们理解深度学习的重要性，他说数据一大了，其实就很难将有用的数据再找出来，这好像把数据收集上来就送进坟墓里了一样，就死掉了。他也举到中国实际上已经在城市里布了很多监控摄像头，但对这些数据的使用并不理想。这里，我想举一个切身的例子来证明吕先生所言不虚。自从搬到二环以内来住之后，自行车又成了我生活里非常重要交通工具，但从此也体会到了十几年前还在大学里才能体会到的一个不悦体验，即掉自行车。有一次自行车不见了，我愤然报案，丢自行车的地方只有一个出口，我在派出所发现这个出口政府还真的安装了摄像头，只是摄像头只能看到出口的一半。我觉得这也不错，至少有50%的概率发现骑走我自行车的人。派出所的民警非常友好，他告诉我，如果要调看录像，他必须去分局申请，拷贝相应时段的录像回来，而在派出所，只能看实时的录像。为了报案，我不得不亲自到了派出所，做了报案记录，现在还要再来一趟，而且还要看好几个小时的录像，这让我自然知难而退了，特别是在刚发现自行车不见了的情绪平复之后，我更是觉得将时间花在这个事情上实在太不值得。不过，从这个事例我们可以看到，运用监控图像数据并不容易，如果我们通过机器来帮助我们看录像，那我的经历可能就会有所不同。

据介绍，百度建立了首例支持深度学习的GPU计算环境，与以前基于云端的CPU而言，使用的服务器大大降低了。使用成本永远是技术是否能广泛应用的关键指标，深度学习这几年突然变得火热，其应用成本已经降到足够低很可能也是关键的因素。

此次硅谷行期间，吴恩达和他百度的同事都非常突出地告诉我们，百度Deep Speech在噪音环境下语音识别取得了突破性的实验结果，在世界五大语音识别系统中，百度表现最佳，综合出错率已经降低到11.85%，要知道这五大话音识别系统背后的公司除了百度之外，分别是世界级科技巨头苹果、谷歌、微软和脸谱公司。

吴恩达在演讲还展示了很多图片，下面是图片的说明，比如“一辆黄色的校车正在驶过，背后是绿色的树，前面有绿色的草坪”，令人感到惊奇的是，吴先生告诉听众，这些图片说明是机器写的，也就是说，机器能够像人一样识图，而且是有主次轻重地识图。

吴恩达则将深度学习与火箭相类比，火箭由引擎与燃料组成，深度学习的引擎就是可深度学习的计算机神经网络，其燃料就是图像或者语音等等的大数据。这两方面必须取得平衡，如果说在十几年前，我们还会担心数据不够，而当今我们已经处于数据爆炸的时候，数据已经不再缺乏。同时，如同上面所介绍的深度学习的引擎也已经非常强大。或许正是因为深度学习技术获得了突破，使得机器识别图像和语音越来越接近实现，因此，李彦宏才会在去年百度世界大会上放言，五年之内语音和图像搜索比例将超过50%。

 

分享二：机器能否统治人类？

在BIG TALK硅谷峰会之前，百度的“同学”一直催我给吴恩达先生提交问题，我被“逼”提交了两个问题，一个是希望他介绍下深度学习已经实现的应用，这个问题在吴先生的演讲中我得到了较为清楚完整的答案。

另一个问题是他怎么看机器人可能控制人类这个观点。这个问题显然是受到两位聪明人的启发，即埃隆·马斯克（Elon Musk）和斯蒂芬·霍金（Stephen W. Hawking），这两人一位是硅谷风头正劲的企业家，一位是全球最顶尖的理论物理学家，他们近年分别在多个场合都表示了机器人会杀死人类的观点。不知道百度的“同学”是否将我的问题提交给了吴先生，让我很满意的是，他在演讲最后含蓄地表达了自己对这个观点的看法：即是对人工智能的炒作。而现场的主持人、MIT科技评论出版人兼主编Jason Pontin很好地满足了我的好奇心，因为他直接就将我的问题提给了吴先生。吴先生的回答比较长，也比较全面，首先他不认为存在坏机器人之类的问题，现在的人工智能虽然是对人恼的模拟，但人类其实对自己的大脑运作还了解得不多，现在的机器模拟人脑顶多是人脑的漫画图。而且这种对坏机器人的炒作影响到人们专注于解决因技术进步而产生的真问题：一些职业或者工作岗位的消失。比如，一旦无人驾驶汽车变成现实，那么就会有大量司机失业，我们如何帮助这些人获得新的职业技能重新就业？

吴先生的回答我很高兴地接受了。遗憾的是，我只是高兴了几个小时而已。最后一个出场的演讲嘉宾、康奈尔大学创意机器人实验室主任Hod Lipson介绍他关于自我养成的机器人的实验，包括让机器人自己学习走路，制造者并不赋予它走路的程序；他还分享了在实验中他观察到一个现象，即在让机器人学习区别狗脸和猫脸时，机器人却主动追踪人脸。Lipson说机器人不仅会学习你指定让他学习的东西，他还会主动去学习你没有交待他的东西，这就像小孩子一样，可以自我学习。

Lipson认为生命有一种非常重要的“C语言”，也即Consciousness（意识），一般非生命是没有的。这种意识包括与外界的沟通以及与自己前一个活动的沟通。而在机器人学走路的实验中，机器人这两种沟通都有了。而且机器人还会对另一个机器人的思考进行思考，这一点也在Lipson的实验中得到证实：实验中安排了一个执行追光的机器人，同时安排了一个监控执行追光机器人的机器人。这个监控机器人经过观察之后，居然会给执行追光的机器人设置陷阱，也就是说前者能够思考后者在想什么，然后根据这种思考行动。

能力圈（AbilityCircle）觉得机器人能够主动学习这个事情本身蛮可怕的。机器人一旦会学习，他的学习速度一定是惊人的，而且他是不知疲倦的，可以想像，他知识能力超越人类并不需要太长时间。Lipson在演讲中表示他并不担心AI（人工智能）本身，但他担心有人会利用AI。

在漫长的进化历史中，现代人类最终成为万物之灵，但其实人类凌驾于生态链的最顶端的历史不过几万年，人类还自己非常骄傲地给自己取了个名字“高等动物”，以从动物这个类别中分离出来。如果将来机器人成为比人类更智慧的一个物种，那它将可能会取代人类站到生态链的最顶端，而那时人类是像猴子一样接受被降级的现实还是奋起抗争呢？

 

来参加BIG TALK硅谷峰会之前，我从来没有想到会让我思考人类的命运这么宏大的话题，我不过是想来看看这里的创业氛围、创业创意以及前沿技术等等。因此，我对这个话题的知识准备明显不足，而关于这个话题我相信对于多读者来说可能也很新，让我们一起学习吧，世界实在变化太快了！

 

关于能力圈（微信号：AbilityCircle）

只关注投资和当下最值得关注的投资机会。是职业投资人、资深媒体人周展宏的微信公众号。