微软洪小文：人工智能超越人类可能还需要500年

北京时间8月28日消息，首届语音与智能技术技术高峰论坛今日在北京举行。在本次论坛上微软亚洲研究院院长洪小文发表了“人工智能时代”(The Age of A.I。)的主题演讲。

洪小文首先提出了人工智能发展的几个阶段：功能(Capability)、智能(Intelligence)、智力(Intellect)再到智慧(Wisdom)，并以微软的机器翻译为例，指出当今的人工智能仍然是“弱人工智能”(Weak AI)。但是“弱人工智能”对人类非常有用。

之后，他又以微软近推出的图片识别年龄(How old.net)等人们手机应用为例，表示微软图像识别的错误率仅为3.5%，已经低于人类的5%。微软未来还将推出难度更大的视频识别应用。

人工智能大热后，引发霍金、马斯克等名人对这项技术存在的风险表示了担忧。但洪小文认为，人类不可能造出不受控制的人工智能技术，人工智能未来产生不可控的唯一因素是软件漏洞(Bugs)。他引述人工智能专家John MaCathy的话，认为“奇点”，即人工智能智能超越人类的时刻，可能还需要500年才能到来。

最后，洪小文对人工智能提出了自己独特见解，他认为AI即增强智能(Augmented Intelligence)，人类加机器是最好的组合。

以下是洪小文演讲全文：

尊敬的李老师、各位领导、各位嘉宾大家好，今天很荣幸参加盛会，和大家谈一谈AI的时代、人工智能的时代。刚才高老师、怀老师都讲了今天AI是无所不在的，今天在座的大家都是媒体，媒体每天几乎都有AI的文章，就是一般的媒体。而且今天做AI的人有点像明星，大家追捧，因为AI代表着未来，所以AI is everywhere。一方面AI非常火，有的人可能过火，但AI真的很火，所以我想用短短30-40分钟的时间跟大家分享一下，AI未来在工业界和学术界继续往下走到底会是怎么样的情形。

首先跟大家回顾一下AI的应用，跟中文信息学会最有关的就是语言跟语音，人类社会用语言和语音做很多的沟通交流和思考，这里不仅是大家所想的自然语言处理，语音，实际上网络社区本身就是一个语言问题。大家可以看到今天很多做微软包括搜索的公司在AI领域都是领军人物，你打几个字就可以找到很多东西，这本身就是很智能的东西，在座做中文信息处理的就不用我说了，做自动翻译，在很多公司都提供免费的越来越强大的翻译系统。

人工智能助手，这也是今天兵家必争之地，在全球上美国有所为的小娜，其他公司有谷歌、亚马逊等等，中国有很多公司，百度，BAT等等类似的产品。同时还有真正助手帮助你完成O2O，整个服务，像美国的Magic、中国的来也。还有Chatbot，微软叫小冰，今天已经到了第四代，很多人都关注。社交网络的Chatbot很有趣，从AI一开始，大家知道图云测试，事实上围绕的就是这种ChatBot。图形测试其实上是一个蛮弱的测试，事实上只要你能够让三分之一的用户，分不清机器还是人就通过了。

我们以小冰为例，我们有一个衡量的标准，我们做小冰和一般的人工智能助手是不一样的，智能助手你不希望它太罗嗦，讲一句话、两句话就应该完成工作了，不应该再来烦你。但是Chatbot所衡量的标准是不是继续再跟他聊下去，我们做了“一问一答”算是一个来回。两年前小冰推出的时候是5个来回，到今天多多20个以上，我们在日本推出的“瑞娜”达到18。人们知道这是一个聊天机器人，但是愿意花20个来回跟他聊，在非常大的程度上已经通过了测试，如果聊的内容没有意义，你是不愿意跟他继续聊下去的。

除了刚才讲的语言语义以外，围绕所谓认知Cognition Services，就是AI所有的技术包装成API，因为微软是一个平台公司，让任何一个公司可以来简单的写人工智能的，包括了语言、语音、视觉、厕所，大家都可以上我们的API，非常清楚的网页，很容易就可以写程序。举个例子，比如How old.net，到了今天很多人还不知道这是微软所推出的，事实上在一年半推出的一个东西，马上造成了轰动。

我们推出这个的时候，有点无心插柳柳成荫，我们推出这的时候其实是在推出Cognition Services，用这个来展示多么简单就可以写人工智能的应用。How old.net里面的代码不到八行就可以写出来，因为这个Code是Cognition Services的API，陆续我们还推出了新的Cognition Services不断的更新，产生一些新的功能，最近加的Video的功能，也是一个新API，是Aptionbot.ai，也可以上传任何照片，可以用自然语言来描述里面有什么，你们都可以试。

刚才怀老师提到进展，微软很有幸有参与了，去年年底最新一届的比赛，得到第一名，而且首度超过人，人在上面做两千的大概会犯5%的错误，我们这个系统不但是深入学习，而且是更深度的，能够做到3.5的水平。有了这个技术，我们不仅可以做照片，同时也可以做视频，比如像Video Capitioning我们还没有开出，我们很快就可以推出，你可以上传一个视频，可以用自然语言来描述这个视频做的是什么，当然难度比图片高很多。

剩下的时间想跟大家探讨，到底AI往前走，今天有这么多的报道，到底需要注意些什么？接下来研究的方向，像刚才李老师、高老师提出的很多，我完全同意高老师所说的，就拿自然语言处理，远远要比所谓的下围棋难的多，所以AI往前走会是什么样的？

大家也听过AI有冬天，我从80年代学AI，也经过了冬天，到今天爆红。今天的AI很大程度，基本上的云能力等于数据，今天大家看到的数据都需要大数据。所以这三个东西的交集，虽然可能不是百分之百，但也有98%以上，在语音界常用的一句的话就是There is no data like more data，深度学习也好，你给他很多的数据，只要他的模型足够正确，你就可以做出很多东西。肯定有类似的处理数据的能力，我们很快的能够上传到语法、语义，你还可以跟大数据来做交互，现在虽然也可以用DNA做一些本地的分析，怎么样来做结合。

但是，今天有了数据之后，所有很多智能的东西都可以做，所以现在有一个新的职位叫Data Scientists/Analysts，像微软这样的公司，业界类似的不管是FaceBook、谷歌、百度雇的60%的人都是做这个，怀老师讲的洞察，你要懂一些编程，从数据里看出一些Insight，从控制学的角度甚至于人类整个的文明史都是一个Closing The Feedbock Loop。今天你有一个假设，你有一个实验，你有一个想法，你把它放出去，石器时代磨一把刀来切肉，用手去撕肉不够好，有一个想法把它造出来，造出来去搜集这个数据，拿它切肉看看，看哪个工整，哪里不公证。了解出Insight以后，想办法可以下一把刀或者加一个勾之类的，这就是你下一个Hypothesis、下一个Idea，把它放起来。人类的文明史都是这样的，不管是有型还是无型的。今天不一样的地方是计算机将来的物联网，也就是现在的物联网或者互联网，能够更快的时间把数据搜集起来所谓的互联网思维也就是这个Closing The Feedbock Loop不一样的地方是，我们以前要花百年甚至一千年才可以去Close一个Loop，今年可以很快的，每一次Close loop，你就加入一些，后来精益求精，东西就优化了。所谓的DNN，AI也是这样，搜集数据，把系统做出来之后再搜集新的数据，再做一个新的模型，最后把它发布出去。

编辑：未知