電影《攻殼機(jī)動(dòng)隊(duì)》講述了，

在未來社會(huì),，

全世界被龐大信息網(wǎng)絡(luò)連為一體,，

人類的各種組織器官均可被人造化。

生化人,、仿生人,、人類共存在地球上，

單憑肉眼無法識(shí)別,。

想想就有些可怕?。?/span>

不過在現(xiàn)實(shí)世界中,，

人工智能戰(zhàn)勝圍棋世界冠軍,，

參與醫(yī)療診斷，

還可以自動(dòng)駕駛汽車,。

是不是未來的某一天,，

《攻殼機(jī)動(dòng)隊(duì)》的時(shí)代真的會(huì)出現(xiàn)？

小編有點(diǎn)肝顫！

機(jī)器真的像人腦一樣思考嗎,？

它是如何獲得超強(qiáng)的學(xué)習(xí)能力的,？

人工智能將如何改變我們的生活？

一場(chǎng)腦洞大開的思維之旅即將啟程,。

主持人：田桐

主講人：王維嘉

王維嘉，斯坦福大學(xué)電氣工程系博士,。數(shù)字信號(hào)處理,、人工智能、移動(dòng)網(wǎng)絡(luò)專家,，擁有12項(xiàng)可穿戴計(jì)算,、移動(dòng)互聯(lián)領(lǐng)域的美國發(fā)明專利。

曾在硅谷多家高科技公司主持研發(fā)項(xiàng)目,，也曾在硅谷創(chuàng)業(yè),，他創(chuàng)辦的公司開發(fā)出了世界上第一個(gè)移動(dòng)Internet手持終端和移動(dòng)網(wǎng)絡(luò)系統(tǒng)。

人工智能什么時(shí)候在中國引起注意呢,，就是阿爾法狗戰(zhàn)勝了李世石,，這樣一件事情。

在斯坦福大學(xué),，已經(jīng)做了將近六十年的研究,，它是一個(gè)循序漸進(jìn)的過程。任何一個(gè)科學(xué)突破,，不可能是一晚上產(chǎn)生的,。

人工智能在這種文學(xué)藝術(shù)上，也有很多驚人的表現(xiàn),，比如說你可以讓它學(xué)習(xí)所有巴赫做的曲子,，然后機(jī)器就可以自己做出一首巴赫的曲子。

我在硅谷待了32年了,，基本上一個(gè)重大的科技創(chuàng)新,，從實(shí)驗(yàn)室到最后的規(guī)模化的商用,。比如像電腦,，從1946年的ENIAC一直到今天，差不多70年的時(shí)間,。所以人工智能,，其實(shí)也是經(jīng)歷了這樣一個(gè)60年的過程。

這一次的人工智能和過去有什么區(qū)別呢,？最重要的一個(gè)區(qū)別,，就是過去的人工智能，主要是叫專家系統(tǒng),。

比如說八十年代,，我們到北京,，請(qǐng)一位最好的老中醫(yī)花三個(gè)月的時(shí)間，把他一生的診脈經(jīng)驗(yàn)都寫下來,。

然后寫成電腦的程序,，讓電腦給病人來看病。這種東西,，永遠(yuǎn)不可能超過人,，因?yàn)樗皇侨藢?shí)際經(jīng)驗(yàn)的一部分，有很多經(jīng)驗(yàn)是無法表達(dá)的,。

那么今天的人工智能和這個(gè)思路完全不一樣,。今天做人工智能的科學(xué)家可以對(duì)這個(gè)領(lǐng)域完全不懂。比如谷歌做阿爾法狗的工程師,，完全不懂下圍棋,。但是他只要把世界上圍棋殘局的數(shù)據(jù)拿到，喂給機(jī)器,，機(jī)器只要把數(shù)據(jù)吃進(jìn)去以后,，消化了，它就可以比李世石下得好,。

過去這60年有幾個(gè)重大的變化,，第一個(gè)是計(jì)算能力，今天的iphone手機(jī),，是30年前,，一臺(tái)超級(jí)計(jì)算機(jī)都達(dá)不到的能力。

第二是互聯(lián)網(wǎng)和物聯(lián)網(wǎng),，每天在產(chǎn)生一千萬T的數(shù)據(jù),。

第三是在算法方面，產(chǎn)生了重大的突破,。

假如我們把人工智能比作成一個(gè)火箭,，計(jì)算能力就是它的引擎，數(shù)據(jù)就是它的燃料,。那么今天有了比過去大一百億倍速度的引擎,，又有這么多的燃料，所以這架火箭就起飛了,。

為什么我們要用神經(jīng)網(wǎng)絡(luò)這樣一個(gè)詞,，來描述人工智能呢？其實(shí)簡(jiǎn)單來講,，就是模仿人腦的一種工作方式,。

這張圖是一個(gè)人腦的突觸，人的學(xué)習(xí)和記憶，是通過突觸的連接,，中間藍(lán)的橢圓形,，就是神經(jīng)元，中間很多細(xì)的線,，叫突觸,。

我們?nèi)绾文軌蛴秒娮拥碾娐罚畛鲆粋€(gè)神經(jīng)元呢,？很簡(jiǎn)單,，我們用一個(gè)加法器，把這個(gè)輸入加在一起,，然后乘上一個(gè)系數(shù)，輸出到下一層,。

王維嘉和導(dǎo)師

我手里抱的這個(gè)黑盒子,，就是世界上第一個(gè)神經(jīng)元，是我在斯坦福的導(dǎo)師Bernard Widrow教授做出來的,。那么今天這個(gè)神經(jīng)元仍然在工作,。它可以識(shí)別很簡(jiǎn)單的東西，比如十個(gè)數(shù)字它可以識(shí)別出來,。

用很多很多這樣的神經(jīng)元,，搭成一個(gè)很多層的網(wǎng)絡(luò)，就叫深度學(xué)習(xí),。

我們中間這個(gè)有很多旋鈕這個(gè)盒子就是一臺(tái)人工智能的機(jī)器?，F(xiàn)在有兩種不同的圖像。一種是汽車,，一種是貓,，那我的任務(wù)就是怎么讓機(jī)器一看知道，這個(gè)是汽車,，那個(gè)是貓,。

第一步要訓(xùn)練它，我拿一百幅汽車的圖像,，給機(jī)器看,。然后我輸出的地方，裝兩個(gè)電燈泡,，一個(gè)電燈泡,，對(duì)應(yīng)著汽車，一個(gè)電燈泡對(duì)應(yīng)著貓,。只要輸入汽車圖像的時(shí)候,，對(duì)應(yīng)汽車燈泡就亮了。

但是機(jī)器一開始很笨，我輸汽車,，結(jié)果兩燈都亮了,，或者都不亮。那我怎么辦呢,，我就用手去調(diào)那些旋鈕,。一直調(diào)到只有一個(gè)燈亮，每一幅都這么調(diào),。

我在拿第101幅新的汽車,，比如說不同的汽車輸入，結(jié)果對(duì)應(yīng)汽車那個(gè)燈亮了,，這時(shí)候人工智能這臺(tái)機(jī)器就訓(xùn)練好了,。

最陡下降法

今天谷歌和百度做出的人工智能的機(jī)器，有一萬億個(gè)旋鈕,。但這么個(gè)多旋鈕,，我不可能用手去調(diào)的，這里頭就有很巧妙的辦法,，這是谷歌的大腦,，這種算法叫做最陡下降法。

最陡下降法什么概念呢,？輸入汽車的時(shí)候,，我只希望一個(gè)燈亮，如果這個(gè)燈不亮,，就說明它有錯(cuò),。這個(gè)錯(cuò)我就把它變成一個(gè)值，這個(gè)值畫出來以后,，就是大家現(xiàn)在看到一個(gè)群山的峰值,。

我要在這個(gè)群山里，找到一個(gè)最低的谷點(diǎn),，我就認(rèn)為這個(gè)機(jī)器訓(xùn)練好了,。怎么找到最低的谷點(diǎn)呢？

大家可以想像,，當(dāng)你爬山的時(shí)候,，如果周圍是大霧，你根本看不到路,，有一個(gè)很笨的辦法,，我圍著我站的地方轉(zhuǎn)360度，然后看到一個(gè)方向是最陡的,，沿著最陡的方向走一步,，然后再轉(zhuǎn)360度,，沿著另外一個(gè)最陡的方向再下一步，雖然什么都看不見,，我一定能夠下到山底下,。

2012年，美國有一個(gè)比賽,，叫做ImageNet,，就是圖像的識(shí)別比賽。過去二三十年,，它的準(zhǔn)確率一直在70%左右徘徊,，基本上沒法增長(zhǎng)了。

2012年有一個(gè)加拿大的博士生,，他叫Alex,，用深度學(xué)習(xí)的方法，來第一次識(shí)別圖像,，準(zhǔn)確率從74%變成了84%,。第二年就到了88%。

2015年的時(shí)候,，出現(xiàn)了一個(gè)驚人的變化，就是機(jī)器對(duì)人臉的識(shí)別,，超過了人的識(shí)別率,。這時(shí)候徹底引起了整個(gè)全世界的注意。

自動(dòng)駕駛,，會(huì)徹底顛覆汽車行業(yè),，其他的包括圖像的識(shí)別，語言文字的識(shí)別,，醫(yī)療行業(yè),，剛才我們說的家庭醫(yī)生，還有很多垂直市場(chǎng),。

當(dāng)我們一個(gè)新的技術(shù)創(chuàng)新出現(xiàn)的時(shí)候,，大家都在想它的殺手級(jí)應(yīng)用是什么東西。

我們今天說的自動(dòng)駕駛也好,，圖象識(shí)別也好,，很可能它并不是人工智能殺手級(jí)應(yīng)用。今天它的殺手級(jí)應(yīng)用,，我們每個(gè)人都不知道是什么,。

人工智能的編程框架，有一個(gè)很重要的特點(diǎn),，全部是開源的,。就是說這是一個(gè)社區(qū),，每個(gè)人編的程序，必須免費(fèi)地提供給所有人用,。

在美國這樣一種基礎(chǔ)的文化,，像互聯(lián)網(wǎng)這樣一個(gè)多中心的，或者無中心的,，開源的文化,，它是一個(gè)很自然地和文化契合的一個(gè)東西。所謂開源是什么,，就是熱愛這件事的人,，一起組織，把這件事做好,，不需要領(lǐng)導(dǎo),。

人工智能也是一樣，但是大公司為什么愿意開源呢,，他希望未來的所有開發(fā)人員,，都在他的平臺(tái)上進(jìn)行開發(fā)，這樣他就形成了一個(gè)不可撼動(dòng)的生態(tài),。

大家可以想象,，如果讓一個(gè)車自己開，它需要和人一樣,，能看到,，能聽到，所以它第一部分就是感知系統(tǒng),。

今天的感知系統(tǒng)主要靠攝像頭加雷達(dá),。有了激光雷達(dá)，就精確地知道,，周圍在這個(gè)路上,，路障，樹,，隔離帶和我的距離多少,，那我這個(gè)車肯定不會(huì)撞到任何東西了。

第二部分就是認(rèn)知,，我知道了這些信息,，但是怎么判斷行人站在路邊，是在等人還是準(zhǔn)備過馬路,。所以目前自動(dòng)駕駛最難的地方,，就是做判斷。

第三部分就是做控制,，控制就兩個(gè)東西,，一個(gè)是方向盤,，一個(gè)是速度。

今天自動(dòng)駕駛可以簡(jiǎn)單總結(jié)成為,，感知還不完備,、判斷是瓶頸、控制很成熟,。簡(jiǎn)單來講,，自動(dòng)駕駛就可以用這三句話來總結(jié)。

做自動(dòng)駕駛有誰呢,？谷歌,、百度、蘋果,、特斯拉,。所有的汽車廠商都感到了強(qiáng)烈的危機(jī)感。所以它們現(xiàn)在投入幾十億,，上百億美金,，建實(shí)驗(yàn)室，大量地招人來研究這些東西,。

但是硅谷的公司,，最重要的就是軟件的優(yōu)勢(shì)。所以今天鹿死誰家,，還看不清楚,。但是至少特斯拉肯定是不會(huì)輸了。問題是傳統(tǒng)的汽車公司,，會(huì)不會(huì)被顛覆，會(huì)不會(huì)消亡,。

自動(dòng)駕駛時(shí)代,，交通事故是否會(huì)增加？

特斯拉自己的解釋說,，人類駕駛,，大概每80萬英里，出一次死亡性的事故,。我們開了120萬英里,，所以比人類駕駛的事故還低。

未來這個(gè)事故會(huì)是多還是少,，從技術(shù)的角度,，肯定是越來越安全。但是有一個(gè)問題現(xiàn)在大家不知道的,，就是如果將來全都是自動(dòng)駕駛車,，肯定是非常安全的,，最難的是一半自動(dòng)駕駛，一半人駕駛,。

比如在北京,，自動(dòng)駕駛說根本擠不進(jìn)去，那這個(gè)車到底采取什么策略呢,，這時(shí)候就可能有很多問題,。

   如何看待共享單車或者共享汽車這種共享經(jīng)濟(jì)？ 

這一定是一個(gè)非常重要的趨勢(shì),。原因就是它大大地降低了成本,。

比如說舊金山，自從Uber出現(xiàn)以后,，年輕人買車的意愿降低了20%,。但今天做一臺(tái)Uber車的成本，雖然很便宜了,，70%的成本是人工,。假如這部車變成自動(dòng)的話，它就是現(xiàn)在的30%,，過去你花十塊錢,，只要三塊錢。

所以自動(dòng)駕駛它未來給我們帶來的變化,，不單單是說有可能顛覆了底特律的汽車產(chǎn)業(yè),。它更重要的是，使整個(gè)行業(yè)的業(yè)態(tài)改變,。