雷鋒網按：4月27日， GMIC 2017（全球移動互聯網大會）北京站開幕。 卡內基梅隆大學電腦科學學院機器學習系主任 Tom Mitchell 接受了媒體的採訪。 他就人工智慧的發展趨勢、人才培養和企業遇到的問題做出了針對性的回答。
當被問及人工智慧在經歷了兩次繁榮又衰落的歷程後， 會不會再次讓人們失望時， Mitchell 很肯定的告訴雷鋒網， 這次不一樣。 同時他還透露了自己正在寫一本新的關於機器學習的書， 目前已經在原來老書的網頁上更新了一部分章節。
Tom Mitchell：美國卡內基梅隆大學電腦科學學院機器學習系主任、教授， 美國工程院院士， 美國科學促進會（AAAS）會士， 國際人工智慧協會（AAAI）會士， 他在機器學習、人工智慧、認知神經科學等領域卓有建樹， 撰寫了機器學習方面最早的教科書之一《機器學習》， 是機器學習領域的著名學者。
以下是Tom Mitchell 採訪實錄， 雷鋒網做了不改變原意的整理。
關於人工智慧發展趨勢
雷鋒網：人工智慧經歷了兩次大的衰落，
Tom Mitchell：確實， 在過去的幾十年裡， 我們看到人工智慧的發展是有起有落的。 現在， 它又處於一個上升的階段， 我認為這次不會再衰落了。
因為我們到目前為止 AI 在商業化方面已經取得了非常巨大的成功， 這是前所未有的， 因此我們業界非常樂觀。 但是在上世紀80年代的時候， 日本推出第五代電腦計畫， 雖然取得了一定程度的進展， 但是並沒有帶來進一步的好結果。 現在就完全不同了， 如今人工智慧可以讓你和自己的手機對話， 語音轉文本， 理解人們開的玩笑， 和人類進行比賽等等。
而且我們的業界也投入了比政府更多的資源來發展人工智慧，
媒體：您怎麼看待無人駕駛汽車？什麼時候才會出現真正的全自動駕駛的汽車？
Tom Mitchell：實現完全自動駕駛的話， 我想誰都不可能給出一個非常確切的答案。 但是可以講一下我個人親身的經歷， 之前我做了一次特斯拉自動駕駛車的試駕。 當時我非常驚訝， 尤其是在寬闊的主路上的表現。 但是後來當我停車入庫， 需要倒車的時候就出現了問題。 同時它在一些比較泥濘或者一些石子路上的性能都會受到非常大的影響， 所以這種自動駕駛技術要想真正實現普及和深入的運用還是有一定難度的。
但是， 我們可以開始推動其中一部分商業化。 比方說， Uber 或者滴滴可以在主路上應用自動駕駛， 主路以外的岔路、小路、泥濘的道路可以讓人類司機完成。 這樣一種方式更有助於Uber、滴滴這樣的企業實現自動駕駛商業化。 在這方面， 我認為它們比特斯拉還有汽車製造商們有更大的優勢。
媒體：霍金博士在提到AI的未來時， 擔心會帶來的一些負面的影響。 您怎麼看待這個問題？
Tom Mitchell：我們需要看到一個技術的正面和負面。
AI確實在這幾年風靡全球， 而且它是一個非常有用的技術。 怎麼樣去使用它， 才能為我們人類謀到更大的福利？我認為是特別關鍵的。 首先我認為AI在推動人類社會進步發展這方面的作用是毋庸置疑的，
另一方面 AI 會帶來一些負面的效應， 比如說有些人開發出一些智慧的AI病毒， 來實現他們不可告人的目的；同時有些國家的軍方也有可能利用了人工智慧技術來危害他人。 所以我們應該把AI視作一把雙刃劍， 而且應該讓整個社會看到這個雙刃劍的存在。 只有這樣， 我們才可以在享受AI紅利的同時， 也讓更多的人包括決策者去思考它的負面效應， 以及預防的辦法。
關於Neuralink
媒體：如何看待伊隆馬斯克的腦機結合計畫？
Tom Mitchell：我們可以從兩個問題的層面來分析。
第一個方面是我們是否可以去觀察大腦的思考過程？
第二個方面是一個大腦是否可以和另一個具有同樣的思考？
先回答第一個問題，現在我們可以以90%的準確度去觀察大腦的思考。比如說給你兩個詞語，一個是相機，一個是雲，讓你選一個詞，電腦可以以90%的準確度猜到你心裡的答案。當然，相對於真正能夠做到對大腦的全方位掃描來說，這個還微不足道。因為當一個人說話的時候，我們並不能做到在旁邊放一個類似成像機一樣的東西，他想的都可以轉錄為文字。
教會機器來觀察大腦，這個領域我們還是比較青澀的，目前還處於一個初始的發展階段。現在谷歌、伊隆.馬斯克成立這樣一種實驗室是一個挺好的開端。
另一個問題，馬斯克以前提到過一個詞叫心靈感應，能不能讓一個大腦準確的感受到另一個大腦相同的感受呢？現在還做不到，這比僅僅觀察大腦要難多了。
關於人工智慧企業的碰到的問題
媒體：您認為一家 AI 公司的成功到底取決於技術還是產品？
Tom Mitchell：如果一個AI公司沒有自己的產品的話，那麼它存在的可能性是非常小的。現在我們能看到很多AI公司的機遇，比如具體的去解決自動駕駛汽車和自動回復郵件等等功能。
同時還有一些AI公司，成立後就是純粹的搞技術開發，比如 Deepmind，這是一個比較特殊的例子，因為它長期發展的一個戰略就是消失掉，也就是被穀歌收購了。但是穀歌在推出的AI產品中，其實我們是可以看到Deepmind技術縮影的。
所以如果是想要僅憑技術就能在AI這個領域中做的出彩，實際上是一個比較短視的戰略。雖然這樣在短期不會消耗大量資金，但是長期可能會產生一些問題，而且也只能寄望於被別的公司所收購。
媒體：現在很多AI企業遇到這樣一種情況，當把一些資料和情景輸入到機器當中，機器得出一些結論或者決策，但是當他們回溯這些結論和決策的時候會發現，他們對機器的決策失去了控制，您如何看待這一現象？
Tom Mitchell：關於人工智慧系統有時候不能自洽的解釋所作出的決策，這個問題確實也是值得我們去思考的。給大家舉一個醫學方面的例子，比如說一個AI系統，它建議我去把我的肝移除了，因為它發現我的身上有些相關的病理症狀，我肯定需要它給我一個解釋，不能平白無故就把我的肝移除了。現在很多AI系統在更多層面上可以被我們視為專業知識的輔助，比如放射科或者在病理學分析，還有在醫學影像分析當中，也都已經開始運用AI作為醫生的輔助，相當於起著查漏補缺的角色，但是最終的決策是由一些專家來決定。
關於人工智慧和教育
雷鋒網：您的《機器學習》作為經典的教程是為人們所熟知的，同時現在不斷湧現出來一些新的學習方法，對於新入門機器學習的學生，您有什麼新的建議嗎？
Tom Mitchell
媒體：人工智慧方面的人才現在非常短缺，對於這方面人才的培養您有什麼建議？
Tom Mitchell：建議想學AI的學生去網上的一些平臺去學習相關的課程，比如 Coursera 上 Andrew 教授的人工智慧課程，很有意思，建議大家去看。（雷鋒網按：雷鋒網慕課學院也已上線，歡迎廣大同學們踴躍報名）這些專業性、知識性、甚至是一對一的人工智慧的教育，我認為對於學習AI的學生來說大有裨益。
媒體：您是如何看待AI在教育方面的應用的？
Tom Mitchell：關於怎樣利用AI推進教育的發展，我認為確實可以去建立一些全新的線上的教育系統。通過不斷的獲取學生最新的資料，再通過AI讓整個教學過程更加個性化。我們現在也有一些相關的科學研究，就提出了這樣的一種機器學習的場景。比如說我們設計一個考題給學生，讓學生對一個ABCDE進行排序。對於傳統教學，教師在收到一些學生的答案後，人工判卷並教學；而使用了機器學習的工具後，或許一個機器可以收集高達十萬名學生的答卷並分析出錯的規律。在過去一位老師他可能窮其一生，都不可能接觸多達十萬名學生，這就是人工智慧的潛力所在。或許現在這種技術還沒有真正得到非常廣泛的應用，但是我認為這樣一個時代必將到來。
Tom Mitchell：我們可以從兩個問題的層面來分析。
第一個方面是我們是否可以去觀察大腦的思考過程？
第二個方面是一個大腦是否可以和另一個具有同樣的思考？
先回答第一個問題，現在我們可以以90%的準確度去觀察大腦的思考。比如說給你兩個詞語，一個是相機，一個是雲，讓你選一個詞，電腦可以以90%的準確度猜到你心裡的答案。當然，相對於真正能夠做到對大腦的全方位掃描來說，這個還微不足道。因為當一個人說話的時候，我們並不能做到在旁邊放一個類似成像機一樣的東西，他想的都可以轉錄為文字。
教會機器來觀察大腦，這個領域我們還是比較青澀的，目前還處於一個初始的發展階段。現在谷歌、伊隆.馬斯克成立這樣一種實驗室是一個挺好的開端。
另一個問題，馬斯克以前提到過一個詞叫心靈感應，能不能讓一個大腦準確的感受到另一個大腦相同的感受呢？現在還做不到，這比僅僅觀察大腦要難多了。
關於人工智慧企業的碰到的問題
媒體：您認為一家 AI 公司的成功到底取決於技術還是產品？
Tom Mitchell：如果一個AI公司沒有自己的產品的話，那麼它存在的可能性是非常小的。現在我們能看到很多AI公司的機遇，比如具體的去解決自動駕駛汽車和自動回復郵件等等功能。
同時還有一些AI公司，成立後就是純粹的搞技術開發，比如 Deepmind，這是一個比較特殊的例子，因為它長期發展的一個戰略就是消失掉，也就是被穀歌收購了。但是穀歌在推出的AI產品中，其實我們是可以看到Deepmind技術縮影的。
所以如果是想要僅憑技術就能在AI這個領域中做的出彩，實際上是一個比較短視的戰略。雖然這樣在短期不會消耗大量資金，但是長期可能會產生一些問題，而且也只能寄望於被別的公司所收購。
媒體：現在很多AI企業遇到這樣一種情況，當把一些資料和情景輸入到機器當中，機器得出一些結論或者決策，但是當他們回溯這些結論和決策的時候會發現，他們對機器的決策失去了控制，您如何看待這一現象？
Tom Mitchell：關於人工智慧系統有時候不能自洽的解釋所作出的決策，這個問題確實也是值得我們去思考的。給大家舉一個醫學方面的例子，比如說一個AI系統，它建議我去把我的肝移除了，因為它發現我的身上有些相關的病理症狀，我肯定需要它給我一個解釋，不能平白無故就把我的肝移除了。現在很多AI系統在更多層面上可以被我們視為專業知識的輔助，比如放射科或者在病理學分析，還有在醫學影像分析當中，也都已經開始運用AI作為醫生的輔助，相當於起著查漏補缺的角色，但是最終的決策是由一些專家來決定。
關於人工智慧和教育
雷鋒網：您的《機器學習》作為經典的教程是為人們所熟知的，同時現在不斷湧現出來一些新的學習方法，對於新入門機器學習的學生，您有什麼新的建議嗎？
Tom Mitchell
媒體：人工智慧方面的人才現在非常短缺，對於這方面人才的培養您有什麼建議？
Tom Mitchell：建議想學AI的學生去網上的一些平臺去學習相關的課程，比如 Coursera 上 Andrew 教授的人工智慧課程，很有意思，建議大家去看。（雷鋒網按：雷鋒網慕課學院也已上線，歡迎廣大同學們踴躍報名）這些專業性、知識性、甚至是一對一的人工智慧的教育，我認為對於學習AI的學生來說大有裨益。
媒體：您是如何看待AI在教育方面的應用的？
Tom Mitchell：關於怎樣利用AI推進教育的發展，我認為確實可以去建立一些全新的線上的教育系統。通過不斷的獲取學生最新的資料，再通過AI讓整個教學過程更加個性化。我們現在也有一些相關的科學研究，就提出了這樣的一種機器學習的場景。比如說我們設計一個考題給學生，讓學生對一個ABCDE進行排序。對於傳統教學，教師在收到一些學生的答案後，人工判卷並教學；而使用了機器學習的工具後，或許一個機器可以收集高達十萬名學生的答卷並分析出錯的規律。在過去一位老師他可能窮其一生，都不可能接觸多達十萬名學生，這就是人工智慧的潛力所在。或許現在這種技術還沒有真正得到非常廣泛的應用，但是我認為這樣一個時代必將到來。