吴军近期演讲：人工智能应该变成通识教育

Posted 2021-03-29 智能观

就像今天在每一所理工院校的图书馆，都能找到几台正在播放吴恩达深度学习课程的电脑，10年前，在每一栋理工院校的宿舍楼里，都能看到几本被放在枕边的《数学之美》。

提到人工智能领域的领路人，这两位都曾就职于谷歌的吴老师，影响了一代中国AI学习者。

2006年，当时的谷歌成立还不足10年。时任智能搜索部科学家的吴军，将其在谷歌黑板报发出的一批技术文章整理成集，并以《数学之美》的名字出版发布。无数正对技术世界懵懵懂懂的青年人因为这本书，走上了计算机、数据挖掘、甚至人工智能的道路。

今年3月初，我们有幸在北京见到了吴军老师，并就当前几个有趣的话题（人工智能的数学基础、区块链、信息焦虑等）和他聊了一小时。

之后，吴军老师也对读者们说出了自己的寄语，点击视频查看。

以下为采访实录：

关于深度学习与人工智能

Q：把神经网络当做黑盒使用的深度学习，似乎还没有特别稳固和完善的数学支撑，其发展是否会遇到瓶颈或者不可控性？

吴军：也不能说（深度学习）没有数学基础，从计算机来讲，它是有一整套完整的模型的。与其说它没有数学支撑，倒不如说是因为没法解释。从这个角度来讲，它确实是一个黑盒子，我只知道输入什么信号，然后输出优化结果。但是，这是不是瓶颈也不好说。

‌

当然（深度学习）还有几个不好解释的地方，比如到底多少层好，有人说在可计算的情况下，层数深的就是好，但是到底为什么？也没人能解释。

所以现在整体来讲，在工业界，在学术界比如说MIT，他们都试图做一些解释，但是我到现在没有看到太合理的解释。

Q：人工智能的未来，是不是有可能和认知科学的研究进行关联获得更大的突破？

吴军：人工神经网络和生物神经网络没有半点关系，并不是简化了模型，因为我们还没有搞清楚人的神经网络是怎么回事。但是大家还是用了这个词。

因为从拓扑结构上，（人工神经网络）可能有点像人的脑细胞和神经这种关系。但人的脑细胞神经的连接和人工神经网络完全是两回事。

我曾经在斯坦福商学院听到真正研究生物神经元的一个诺贝尔奖获得者的一次讲座。老教授第一句话就说，人工智能跟我的研究半点关系没有？‌结果这商学院那些学员就马上跳起来说，那我们还来听你的课干什么。

但其实很多时候并不需要有那么多的关系，飞机的飞行和鸟类的飞行的原理是完全不一样的，火箭和飞机又是不一样的，马跑和汽车跑也是不一样的，只要最后能达到目就好，这是我的看法。

认知科学本身又是一个黑盒子，就是说大家搞不清楚是怎么回事。

最近认知科学的概念特别的火，包括人的一些语言能力、我们人的语法为什么构建出这样一种表达方式，都属于认知科学的范畴。比如说我在美国那时学自然语言处理，大部分时候你可能会把它放在计算机系，跟人工智能有点关系。而很多大学又把它放在认知科学系，这里头其实是有交叉的。

但从另一点来讲，认知科学还是一个交叉科学，涉及到很多领域。

到目前为止，我们今天理解和使用的人工智能和生物学，并没有太紧密的关系。

有人试图来做一些结合，但它并不是仿生借鉴，比如说利用人工智能技术对人脑的一些缺陷进行一些补充。

现在有两个事情被证明大概是完全可行的，而且效果还不错。

第一，我们知道有些帕金森综合症患者大脑中有一部分功能丧失了，使用人工智能的芯片有可能把这部分功能恢复，类似心脏起搏器。

第二，是大脑是没问题的，但是比如说脊椎断了，无法控制肌肉，这时候可以放置一个有发射功能的识别芯片。它能够采集到神经信号的变化，采集到人的意念。布朗大学有个研究，就是用大脑控制机械手臂打字。大概一分钟能打30个字符，没有人快，但是OK。这就是现在是可以做到的。

早期的芯片比较简单，几百个电极在接收人的信号，第二代大概能做到上万个。接下来有一些纳米技术可能做到上百万，就可以比较准确接收到信号了。

有一些机构比如布朗大学，已经在做这些事情，也有一些demo产生。

Q：作为投资人，您觉得人工智能在商业变现方面最可能出现的突破点会中哪里？

吴军：我们看到的至少有四个方向。

第一个刷脸，这个肯定是就是人脸图像识别。

第二就是自然语言理解技术，如人机的对话、机器翻译、家庭助手。

因为如果一个设备太大或太小，用键盘都是不方便的。通过自然语言理解技术，能解决不少问题，如亚马逊的Alexa。

亚马逊智能语音硬件ALEXA

第三就是机器人技术。尤其一些危险的场合，人不适合去的。这种其实不需要是人形机器人，针对特定场合设计不同的形状，能解决问题就好。其实无人驾驶汽车也是一种特定的机器人。

‌第四个是和IOT相结合的智慧城市。

‌人工智能不是一个虚的话题，在商业上的收益其实是可以看得见的！

关于区块链技术

Q：您怎么看待区块链技术／概念？这会是大数据人工智能之后的下一个趋势么？

‌

吴军：区块链不是炒概念。

‌这个名词起的很好，它反映了这个技术的本质。

区块是一个记录，链是一个过程，所以它很详细也很清楚地表示了这种技术的两个特点。

‌它会不会是下一个趋势呢？

首先它和大数据人工智能是不矛盾的，我想要强调这一点。但是它和前面这两者又有一个区别，在应用场景或者作用上的区别。

‌例如，大数据和人工智能是生产力，使得我们的效率能够提高；而区块链是生产关系，它可以衡量我们每一个人的一个贡献。‌所以它和大数据人工智能应该是互补的，我不觉得是一个取代关系。

‌

‌第一代区块链就是比特币，但是你很难拿这个协议干别的事。基本上了解了它的设计思想，你得重新写一个。后来到第二代以太坊能够分出去做二次开发了，可以利用它发币了。这是区块链之所以起来很快的一个重要原因。‌大家发现这个圈钱圈得很快，而人工智能是不太能直接圈钱的。

我个人觉得区块链的应用远比发币多。

物流是一个应用。像阿里巴巴也在尝试，我们投了一家公司，在这方面做得也还蛮好。

第二个就是智能合约，中国过去说的三角债、拖欠农民工工资等，都可以用区块链技术来解决。所以它的应用远比发币要大得多。

有些东西是可以用区块链解决，但它并不是必须的，比如医疗，现在有人在考虑个人隐私信息，比如病例的信息能不能用区块链技术，把所有权和查询权给分开。

Q：最近很多人会把区块链的兴起跟互联网的兴起相比较，您怎么看？

‌

吴军：不太一样。

互联网是一个很实在的东西，而且93、94年大家认识互联网以前，它已经存在了20多年了，也不会有什么太大的技术障碍，只差一个扩散的问题。但是目前区块链还在一个探索阶段。

‌

Q：互联网和人工智能催生了一批‌独角兽？区块链会吗？

吴军：区块链是一个生产关系，它不完全是一个生产力。互联网是生产力，所以你用了它，效率比别人高，就赢了。区块链更是一个生产关系，是一个分配制度。你只能说新的公司，它的制度比另外一个公司好，但是制度再好，你总得做点实际的事才知道好在哪里。

关于信息焦虑

Q：如何看待当前对区块链这类科技领域新概念带来的焦虑？如何克服这种焦虑？

吴军：这种焦虑的主要原因是时代的变化快。

我在谷歌方法论里讲过这么一个现象。那一周的内容叫做“反对悲观主义”。什么意思呢？就是任何一个时代里，都有大量的悲观主义的人群，或者说是焦虑人群。

说世界现在是很好，一切都没问题，你就被人骂。如果天天说要塌了，大家都说你对。

过去有人说，人口爆炸，将来地球一定装不下，现在好像这事也没发生；70年代，大家说再过20年，全世界的石油就要用光了。现在都已经过去了40多年了，石油还不知道什么时候用光；80年代说酸雨不得了，所有所有的植物都要完蛋掉，也没发生；2000年前担心千年虫的影响；2000年后担心全球变暖；现在担心人工智能……反正总是在焦虑中。

除了最后两件事，现在还没有被证实是过度焦虑，其他以前的事好像都是有点过度焦虑。

‌从某种角度上来讲，上帝好像特别照顾人类，到了时间点，问题自动就消失了。其实不是问题自动消失了，问题本来可能就没有你想象得这么大。这是第一点。

第二个点是，历朝历代都怀念“过去的好时光”。

这种看法其实自古有之。最早在雅典的黄金时代，他们会说再往早几百年前，那时代比我们现在好很多。包括柏拉图也是这么写，对未来有担忧，对以前的时代很欣赏；孔子也一样，说当时是礼崩乐坏。英国工业革命的时候，也怀念乡村过去生活有多么好，现在我们的城市多么糟。

这是人类的一个习惯，老怀念过去的好事，其实每个时代都有每个时代的焦虑！有些时候你可以心平气和地来看待，不必要过度担心。

关于“见识”

Q：在您最新著作《见识》中，您提到，个人的成就首先取决于“见识”，如何真正做到“有见识”？

吴军：找到自己真正擅长的领域。

见识首先是一个判断力，就是你该做什么，不该做什么。比如，面对一张数学考卷，你有些内容会，有些内容不会。考试时间两个小时，应该怎么办？

根据我的观察，包括我在清华当老师的经历，很多考不好的同学，都是把大量的时间花费在分数占比相对较低，却很难的题目上，而没有重点关注分数占比高，却相对容易的题，这本身就是一个见识，捡了芝麻，丢了西瓜。

大部分人是喜欢获得，不喜欢失去。其实一个人最后成功，不在于他开始多少件事情，是在于他结束了多少件事。这些都是见识。写这个书的很重要目的就也就是希望让大家少走点弯路！

之后的创作计划

吴军：现在在写两本书，一个是《生活》，就是讲怎么能过一个比较好的生活。

还在写一本《科技简史》，从人类火的使用‌、衣裳的发明开始，讲到未来，包括讲到区块链上。

（来源：大数据文摘）

—完—

想知道AI加教育领域有哪些最新研究成果？

想要AI领域更多的干货？

想了解更多专家的“智能观”？

请在对话界面点击“找找看”，去获取你想要的内容吧。

关于我们

我们关注AI+教育。致力于提供高附加值的知识，以帮助每一位老师和我们的读者不断学习并提高技能。

我们努力让发表的每一篇文章都具有最佳质量，以满足读者的需求。