7 月 22 - 23 日， 在中國科學技術協會、中國科學院的指導下， 由中國人工智慧學會、阿裡巴巴集團 & 螞蟻金服主辦， CSDN、中國科學院自動化研究所承辦的 2017 中國人工智慧大會（CCAI 2017）在杭州國際會議中心盛大召開。
文/CSDN
澳大利亞新南威爾士大學教授、AAAI 執行委員會成員 Toby Walsh
在本次大會上， 澳大利亞新南威爾士大學教授、AAAI 執行委員會成員 Toby Walsh 發表了主題為《人工智慧如何造福人類》的演講。
在 Toby Walsh 看來， 雖然埃隆馬斯克、霍金等大佬對人工智慧心存懷疑， 但這並不影響人工智慧造福人類。 Toby Walsh用“食物銀行”和“器官銀行”兩個案例證明， 人工智慧在解決貧窮、醫療等問題時， 大有可為。
本文根據Toby Walsh主題演講整理， 略有刪減：
在中國， 人工智慧技術非常有潛力， 而且我相信這種潛力是無法預估的， 因為每次我來到中國， 都會驚異於中國人工智慧的發展是多麼如火如荼。
今年的 IJCAI 會議在澳大利亞舉辦，
相信大家都關注過AlphaGo 的新聞， 來自中國和韓國的頂級棋手最終都敗在了它的手下， 結果令人驚訝。 2014年， 法國研究人員寫出了圍棋程式， 他當時預測：要讓電腦打敗專業棋手還需要花費幾十年時間。 然而事實證明他的預測錯了， 我們只花了幾年的時間就實現了這一點。 Google 在 AlphaGo 項目所花費的精力是其他項目的十倍， 取得的結果令人驚歎。
我們只花了幾年的時間就實現原本要十幾年才能實現的目標， 這得益於快速增長的計算能力， 擁有這樣的能力， 不管是圍棋還是其他的領域（比如肺病的診斷）， 我們都能通過程式來實現， 然而現在人工智慧技術並沒有非常廣泛的應用。 再例如， 在胚胎移植過程中， 我們可以用深度學習技術和程式來找到最佳的移植細胞，
在英國， 我們可以用聊天機器人獲得醫療服務， 它能夠為你診斷病情， 告訴你頭痛是否真的病情嚴重， 還是只需要吃點止痛藥就可以了。 。
有時候軟體做得要比人更好， 比如說最近日本有一家人壽保險公司， 採用了 IBM 的Watson ， 用它來替代公司數十名雇員。
如果說你要在Expedia 這樣的網站上預定航班，也可以通過機器學習技術來找到最適合你的航班組合。
所以，我們看到人工智慧技術已經應用在很多的領域，這並不讓人感到意外。那到底人工智慧要走向何方？未來機器是否會取代很多人的工作，甚至取代人類？我的演講就是要解決這樣的一些擔憂，我們要想想到底人工智慧和機器對我們產生了什麼樣的影響。
人工智慧是中性技術
在澳大利亞，我們建立了一個新研究所——Centre on Impact of AI and Robotics，我是其中的研究員。我們想瞭解技術到底發展得多快，它會走向何方，以及會帶來什麼樣的挑戰。
先講講未來人工智慧對倫理會產生什麼樣的影響。我們能從工業變革中學到一些東西，因為在未來人工智慧會改變社會，而社會又將做出什麼樣的改變？答案是，從心理學和社會學角度，生活的方方面面都會受到影響。因此要開展這樣的對話，來迎接這樣的變化。
其實還有很多的領域也相當重要。第一個就是教育，如果未來要和機器搶飯碗，人類要做好準備，其中將改變的一個領域那就是教育。教育毫無疑問是我們能夠在未來生存，能夠在這樣的變革中維持人類繁榮中很重要的一點。工作是不是存在，或者說工作是不是被機器取代，還是說機器是否帶來更多的工作？而在未來，能確認的一點是新工作、新技能需要交互，所以教育是我們在這樣一個過渡時期需要非常關注的一個領域。
這裡有一份教育白皮書，澳大利亞剛剛發佈。來看看教育在發生什麼樣的變化，要做什麼。如果要和人工智慧技術在未來 20 年內共存，要應對怎樣的變化？小孩要應該具備怎樣的技能，當他們以後工作的時候才會適應人機共存的這樣一個時代？現在已經有很多人來談勞動力的教育了，現有勞動力的教育又該怎樣？所以教育和工作是分不開的，人工智慧一定會帶來巨大的變革，特別是工作方式的改變。
以後駕駛會被越來越多的機器所掌控，現在數百萬人死于車禍，其實大多都是人為錯誤導致的。如果機器能夠更好地干預駕駛系統，將會更加安全，但是前提是要有一個可靠的系統。
自動駕駛技術也能降低經濟開銷，里斯本有這樣一個預估，只需要原來 1/10 的車輛就能滿足整個城市的交通；而且到後面，私人小汽車會變得越來越便宜，這對於絕大多數人來說這是好消息。而且在車裡面的時間你可以工作，可以看書，看電影，回郵件。機器可以幫助我們做更多的工作，我們就可以休息、享受，這是一方面；但是另外一方面，是不是對某些人來說他們就沒有工作了？人工智慧在多大程度上會影響到生活？可能有些人說我沒辦法相信機器人。
看待這個世界的觀點一定是變化的。我們和其他監督委員會成員在紐約的聯合國開了這樣的會議：人工智慧和機器人如何改變生活？我們是否需要擔心呢？我覺得擔心是必要的，擔心是否會人機大戰，就像核彈、核武器完全被機器控制，機器完全取代和控制了整個社會，下個月聯合國關於人機道德的會議將會有新的消息出來，大家可以拭目以待。
現在人們對人工智慧有些擔心和回饋，所以我們要考慮好、準備好，要未雨綢繆。接下來我想從研究學者的角度來談，如何找到“人工智慧好的一面”。
人工智慧是中性技術，它可以用於好的方面，也可以被壞人利用。它可以讓生活更加美好，提高經濟繁華度、降低貧窮，提升醫療品質、教育品質，可以極大地提升生活品質，但是同一個技術也可以引發戰爭，可以帶來傷害，可以帶來大規模的失業等。
同樣的一個技術它亦好亦壞，作為研究人員，我也很榮幸能夠在這麼多的問題當中選擇一個研究點，而我所選擇的這一點，就是能不能讓 AI 帶來很好的社會效益。上個月我在日內瓦的聯合國大會參加了一次會議，也代表了 AI 界來談一談對 AI，對於社會和我們所生活的星球的暢想，其實 AI 可以讓每個人的生活更好，可以實現聯合國新千年的目標。
所以我想跟大家談一談，能不能通過人工智慧改變人們的生活。
食物銀行
我來自於澳大利亞非常小的城市。澳大利亞只有 2300 萬人，我知道 2300 萬人不算什麼，特別是對中國來說。但是有 220 萬人是在生活在貧窮之中的，貧窮是說 220 萬人沒有達到平均的水準，其中有超過 10 萬人無家可歸，10% 是兒童。
我們有一個很好的慈善的專案，是和新南威爾大學合作的，其實不是談多少錢投入的問題，而是希望改善人們的生活。這個項目叫“食物銀行”，我們希望利用技術讓社會變得更加美好，而且它也獲得了微軟的 Imagine Cup 的獎項，讓這些項目和 AI 結合來改善生活。現在，我們把項目拓展到了俄羅斯和美國，希望借鑒這個項目，讓他們當地在扶貧和解決社會問題上有很大的進展。
“食品銀行“怎樣做的呢？其實在超市和餐館裡，每天都會有很多的食品，其中肯定是有剩餘的。“食品銀行“將會選擇不同的剩餘食品來進行捐獻，並自動地配送給不同的慈善機構和教會，而這需要解決去哪兒把食物收集起來，然後怎樣配送給需要的窮人。其實就是把不同慈善機構的資訊放在一個平臺上，而且它解決了不同的慈善機構收集到的不同量的食品的問題。我們把這樣一個研究項目變成具有實際意義的項目，所以只要我們能夠解決公平性的問題，那我們就知道這個食物是什麼，這個食物分配給誰。其實從本質上來看的話，這就是在解決線上不透明的問題。
在我們談食品配送的時候，一定要先考慮食物或者是貨品的公平分配問題，所以我們就開發了這樣一個模型，來保證食品是一個接一個地按順序去送達，也就是說我們能夠看到，一份食品配送以後，進行下一個食品的分配，就是0和1的問題：有和沒有。
其實我們還有一個非常激動人心的研究，這是新的功能。當我們談線上分配的時候，其實是資源和人進行匹配的問題，但是另外一個方面，每一天我們都是在解決一個公平性的問題，換句話說，社會變得越來越公平。你想要的東西我們給不到你，我們會說抱歉，因為我們要給到其他的慈善機構，其他的慈善機構更需要，但是明天可以給你更多想要的物資。從長期來看，這是公平性的機制，而且這是合理的，比如說我有雞蛋，你給我麵粉。如果你給我蘋果，那我就不需要香蕉了，這是混合多樣化的模式，其實這也是在解決存儲的問題，我們自己沒有分配完的也會存儲到倉庫，不會隨便地把食品處理掉。所有獲得食品的慈善機構，並不是得到生態驗證的綠色標籤食品機構，很多都是小機構，所以品質上、時效日期上需要做更好地掌控，因此我們需要一些新的方法來解決這樣的問題。
還有一些例子，我們可以通過點贊的方式來對商品進行評估和打分。對於多數人喜歡的物品，就可以選出來進行競標，這是一個非常好的工具，但是這個功能另外一個缺陷就在於說這些商品的選擇可能是隨機的，有時候不走運的話，可能拿不到這個商品，或者說你另外的人搶了這樣一個競標。這一機制有好有壞，也是如何實現平衡，把商品給到最需要的人手上，而不是讓這樣的競價導致另外一個失衡。我們希望通過點贊的方式，最起碼知道大家對哪些商品需求量是大的。
另外在這樣的技術當中，我們還有一個要研究的點，那就是所謂的規範化的功能。對於點贊這樣一個方式，其實你沒辦法掌控大家的意見，因為這是隨機的、自主的，我們不希望有人去操控這樣的系統，比如說刻意讓某一些商品特別熱門，點贊只是個人的行為，你喜歡這個商品你就競價就點贊，所以這是平衡線的問題。
平衡線機制，有些情況下可以做得非常公平，但另外一方面可以讓你有機會控制它，有些人可能是真的有意地以一種團隊的方式去操縱，比如說某慈善機構說我特別想要這樣的物資，然後讓很多人來點贊和競標。所以這更多是一個數學問題，要保證公平性的機制。也就是說，在能夠保證你拿到所要的同時，保證其他人也拿到他們想要得到的東西，如果你嫉妒其他人拿到的東西，那我的機制就不對。
在配送過程中，商品的選擇是有時效性的，不能說每次都選這樣一個商品，這肯定不行，因此要把握時效性和公平性。
器官銀行
另外一個是“器官銀行“的項目。醫院會把一些器官在不同醫院當中進行轉送，比如治療肝臟、腎臟方面的疾病可能需要做器官移植，如果有一些瀕臨死亡的病人，他們可能會把自己的腎捐獻出來，去救治另外一個需要換腎的病人。
但是在澳大利亞，這樣一個器官庫的建立和維護是很大的問題，成本非常高，比如說對於腎病病人而言，他可能必須花十幾萬的美元才能獲得腎臟移植，而從國家層面要看，要花數億美元。
根據統計，在1989 年澳大利亞剛開始做器官移植的時候，平均的器官年齡是 32 歲，而現在平均器官年齡是 46 歲，也就是說捐贈者的年齡越來越高，對於醫院來，說引發了一種擔憂： 能不能把比較老的器官匹配在較年輕的人的身體當中？因為缺少年輕的器官，這就涉及到如何更好地分配器官，就像我們分配慈善機構的食物一樣，更多的是線上的問題。
年底的時候我們可以看到有多少器官捐贈，有多少人排隊接受器官的移植，你就知道供需之間的關係是怎樣的了。我們保證供需最大化的對接，這個問題看上去非常簡單，但是其實要考慮的東西有很多，比如說血型上、年齡上的匹配，由於不知道在 24 小時之內匹配出什麼樣的血型，什麼樣的器官，因此要收集器官的血型、年齡（尤其是捐贈者的年齡），而且還要考慮到地理位置，比如說可能在新南威爾士城市等待移植的人很多，而偏遠地區的人沒那麼多。
給大家一些例子，看看我們碰到的挑戰。這些柱狀圖可以看到血型的分佈，可以看到，在不同的人群當中，不同血型的分佈是不一樣的，其中 O 型血是比較多的，但是 B 型是比較少的，捐贈者 10% 是 B 型血的人，能夠收到的B 型血器官的人是 14%，還有 10% 的人是在等待，這是一個非常糟糕的消息。
我看到這張圖之後，問醫生為什麼會這樣，可能是 B 型血不太容易得疾病。那麼怎樣使 B 型血的供需分配會更加平衡一些呢？當然我們可以用萬能的 O 型血。然而反過來卻不行，因為O型血不能用 B 型血，所以這對 O 型血的患者不是很公平。因此可以看到，不同血型上的分配面臨著不同的挑戰。
我們用了一個 KDPI，就是腎臟捐贈者的指數，我們會對器官捐獻者的年齡和其他方面算出來的指數，另外我們對接受器官移植的患者會用 EPTS，也就是預期的移植後的生存率，比如說你是50歲左右的，那可能看到的是處於一個能夠在移植後能夠存活的比例中的中間值，在年齡上下的生存率不同，比如說你做透析什麼的都會對健康產生影響。我們看看 KDPI 和 EPTS 指數，可以看到這兩者之間是沒有太多的關聯性。
所以我們需要有一個新的東西，後來我們有了 Box 機制，它有點像詞典編寫的方法，然後還有在等待的時間，我們就是通過這樣一種標準來推導 KDPI 和 EPTS 之間的關聯性。
看上面這張圖更清楚一些，第一塊是更傾向于年輕的患者、年輕的器官，然後是第二、第三塊，我們通過這樣的機制，可以看到它的效果有多好。
看看上面這張圖，肯定能看出來這比原來好很多，它不是隨機的，而是在這之間出現了一定的關聯性，當然我們還可以做得更好。
我們可以有一個簡單的機制方便大家繼續學習，讓你在兩個指數間有一個完美的關聯性，現在這張好多了，KDPI和EPTS之間盡可能地縮短，這讓結果更加公平。所以我們可以做得更好，讓人們的生活更好，讓人們的壽命更長。
同時，我們也看到器官銀行和食品銀行，兩者最重要的是他們的機制，我們要用兩側配對的方式，比如說一方面是患者需要器官，另外一方面器官尋找患者，我們要在兩者之間尋找關聯性。對於患者來說，肯定是想要最年輕的捐獻者的器官，因為這樣在移植以後壽命更長一些；另外對醫來說，他們也希望將器官放在健康的患者身上，這也是非常經典的兩側匹配的方式。兩邊都是共同的偏好，兩邊都是希望更年輕的捐獻者的器官。所以我們有一個非常唯一性的穩定匹配。
沃夫幾年前獲得了諾貝爾獎，他研究的是穩定匹配的問題。這裡的話，比如說你要的是男性或女性的器官，他們這種匹配都是唯一的，它需要有一個非常特殊的屬性，我們排第一位的年輕的患者可以拿到最年輕的器官，這樣的話他們就非常滿意了，因為他們拿到了最好的器官。然後的話排第二位的器官，我們對患者和器官都進行排列，然後進行配對，但是我說過這是線上的問題，我們不能等一年以後再對所有的患者和器官進行排名，然後再選擇最好的配對方式，因為這是一個動態的過程。
平均來說，他們要對人群進行排列，所以我們讓 EPTS 和 KDPI 進行匹配的話就能解決這一問題，這也是我們想要達到的效果。所以我們既能夠找到獨特、穩定的配對，同時也解決了線上的問題。另外，我們每次也能有一些簡單的模型，比如說在每個時間點有一些患者來，有一些患者走，有一些器官到，那我們這個器官在到達以後進行配對，每個器官都有 KDPI，每個患者都有 EPTS，我們也能證明這個功能是非常好的。如果有更多的器官到了，這樣的話你能夠選擇的器官可以更多，如果我們增加患者的數量，那患者拿到更好器官的概率就會下降，這樣我們可以有一個決策化的功能。
另外，我們可以看到沒有任何一個機制能夠滿足所有的需求。而唯一能夠不受操控的機制就需要採用隨機方法。為什麼這一點非常重要？在 2012 年，當時德國有一個醜聞，他們發現醫生對患者的排列進行了一些操控。所以說澳洲也是非常關注這個系統是否會被人為地進行操控。
我們現在採用這個系統是不會有人為的操控情況，這也是政府非常關心的，他們防止參與其中的人會有腐敗的行為，因為之前在德國出現過類似這樣的醜聞。患者等待的時間也是非常重要的因素，如果一直等可能會死掉（因為拿不到器官），所以在時間圖裡面也需要把等待時間放進去，不管採用什麼機制，等待的時間基本上是保持一個穩定的狀態，所以它的分配是非常公平的，它兩頭是略微偏離了直線，但是大部分是非常完美的直線，所以不管怎樣，等待時間都是差不多的。否則採用其他機制，會對一些年紀比較大的人不是那麼公平，所以我們最關注的是配對的公平問題。
再來總結一下，我們看到了非常多的線上分配問題，現在也用到了很多特殊的特徵，比如說共同的偏好等。我們也可以做一些非常好的規範化分析，這也是非常有用的，因為我們可以在公平和效率之間取得平衡，我們要知道如何去看待問題。我相信現在人工智慧技術已經為社會福祉做了很多工作，如社會安全等、健康、醫療領域等。人工智慧技術能夠解決社會很多方面的問題，我們要讓人過得更加幸福。
如果大家想要瞭解更多，可以關注我即將出版的新書《機器在思考》（而且是中文版），在亞馬遜上預定，這本書不是講人工智慧的歷史，而是講我們所面臨的挑戰以及未來該怎樣去做。
非常感謝！
CAAI原創 丨 作者Toby Walsh
未經授權嚴禁轉載及翻譯
如需轉載合作請向學會或本人申請
轉發請注明轉自中國人工智慧學會
如果說你要在Expedia 這樣的網站上預定航班，也可以通過機器學習技術來找到最適合你的航班組合。
所以，我們看到人工智慧技術已經應用在很多的領域，這並不讓人感到意外。那到底人工智慧要走向何方？未來機器是否會取代很多人的工作，甚至取代人類？我的演講就是要解決這樣的一些擔憂，我們要想想到底人工智慧和機器對我們產生了什麼樣的影響。
人工智慧是中性技術
在澳大利亞，我們建立了一個新研究所——Centre on Impact of AI and Robotics，我是其中的研究員。我們想瞭解技術到底發展得多快，它會走向何方，以及會帶來什麼樣的挑戰。
先講講未來人工智慧對倫理會產生什麼樣的影響。我們能從工業變革中學到一些東西，因為在未來人工智慧會改變社會，而社會又將做出什麼樣的改變？答案是，從心理學和社會學角度，生活的方方面面都會受到影響。因此要開展這樣的對話，來迎接這樣的變化。
其實還有很多的領域也相當重要。第一個就是教育，如果未來要和機器搶飯碗，人類要做好準備，其中將改變的一個領域那就是教育。教育毫無疑問是我們能夠在未來生存，能夠在這樣的變革中維持人類繁榮中很重要的一點。工作是不是存在，或者說工作是不是被機器取代，還是說機器是否帶來更多的工作？而在未來，能確認的一點是新工作、新技能需要交互，所以教育是我們在這樣一個過渡時期需要非常關注的一個領域。
這裡有一份教育白皮書，澳大利亞剛剛發佈。來看看教育在發生什麼樣的變化，要做什麼。如果要和人工智慧技術在未來 20 年內共存，要應對怎樣的變化？小孩要應該具備怎樣的技能，當他們以後工作的時候才會適應人機共存的這樣一個時代？現在已經有很多人來談勞動力的教育了，現有勞動力的教育又該怎樣？所以教育和工作是分不開的，人工智慧一定會帶來巨大的變革，特別是工作方式的改變。
以後駕駛會被越來越多的機器所掌控，現在數百萬人死于車禍，其實大多都是人為錯誤導致的。如果機器能夠更好地干預駕駛系統，將會更加安全，但是前提是要有一個可靠的系統。
自動駕駛技術也能降低經濟開銷，里斯本有這樣一個預估，只需要原來 1/10 的車輛就能滿足整個城市的交通；而且到後面，私人小汽車會變得越來越便宜，這對於絕大多數人來說這是好消息。而且在車裡面的時間你可以工作，可以看書，看電影，回郵件。機器可以幫助我們做更多的工作，我們就可以休息、享受，這是一方面；但是另外一方面，是不是對某些人來說他們就沒有工作了？人工智慧在多大程度上會影響到生活？可能有些人說我沒辦法相信機器人。
看待這個世界的觀點一定是變化的。我們和其他監督委員會成員在紐約的聯合國開了這樣的會議：人工智慧和機器人如何改變生活？我們是否需要擔心呢？我覺得擔心是必要的，擔心是否會人機大戰，就像核彈、核武器完全被機器控制，機器完全取代和控制了整個社會，下個月聯合國關於人機道德的會議將會有新的消息出來，大家可以拭目以待。
現在人們對人工智慧有些擔心和回饋，所以我們要考慮好、準備好，要未雨綢繆。接下來我想從研究學者的角度來談，如何找到“人工智慧好的一面”。
人工智慧是中性技術，它可以用於好的方面，也可以被壞人利用。它可以讓生活更加美好，提高經濟繁華度、降低貧窮，提升醫療品質、教育品質，可以極大地提升生活品質，但是同一個技術也可以引發戰爭，可以帶來傷害，可以帶來大規模的失業等。
同樣的一個技術它亦好亦壞，作為研究人員，我也很榮幸能夠在這麼多的問題當中選擇一個研究點，而我所選擇的這一點，就是能不能讓 AI 帶來很好的社會效益。上個月我在日內瓦的聯合國大會參加了一次會議，也代表了 AI 界來談一談對 AI，對於社會和我們所生活的星球的暢想，其實 AI 可以讓每個人的生活更好，可以實現聯合國新千年的目標。
所以我想跟大家談一談，能不能通過人工智慧改變人們的生活。
食物銀行
我來自於澳大利亞非常小的城市。澳大利亞只有 2300 萬人，我知道 2300 萬人不算什麼，特別是對中國來說。但是有 220 萬人是在生活在貧窮之中的，貧窮是說 220 萬人沒有達到平均的水準，其中有超過 10 萬人無家可歸，10% 是兒童。
我們有一個很好的慈善的專案，是和新南威爾大學合作的，其實不是談多少錢投入的問題，而是希望改善人們的生活。這個項目叫“食物銀行”，我們希望利用技術讓社會變得更加美好，而且它也獲得了微軟的 Imagine Cup 的獎項，讓這些項目和 AI 結合來改善生活。現在，我們把項目拓展到了俄羅斯和美國，希望借鑒這個項目，讓他們當地在扶貧和解決社會問題上有很大的進展。
“食品銀行“怎樣做的呢？其實在超市和餐館裡，每天都會有很多的食品，其中肯定是有剩餘的。“食品銀行“將會選擇不同的剩餘食品來進行捐獻，並自動地配送給不同的慈善機構和教會，而這需要解決去哪兒把食物收集起來，然後怎樣配送給需要的窮人。其實就是把不同慈善機構的資訊放在一個平臺上，而且它解決了不同的慈善機構收集到的不同量的食品的問題。我們把這樣一個研究項目變成具有實際意義的項目，所以只要我們能夠解決公平性的問題，那我們就知道這個食物是什麼，這個食物分配給誰。其實從本質上來看的話，這就是在解決線上不透明的問題。
在我們談食品配送的時候，一定要先考慮食物或者是貨品的公平分配問題，所以我們就開發了這樣一個模型，來保證食品是一個接一個地按順序去送達，也就是說我們能夠看到，一份食品配送以後，進行下一個食品的分配，就是0和1的問題：有和沒有。
其實我們還有一個非常激動人心的研究，這是新的功能。當我們談線上分配的時候，其實是資源和人進行匹配的問題，但是另外一個方面，每一天我們都是在解決一個公平性的問題，換句話說，社會變得越來越公平。你想要的東西我們給不到你，我們會說抱歉，因為我們要給到其他的慈善機構，其他的慈善機構更需要，但是明天可以給你更多想要的物資。從長期來看，這是公平性的機制，而且這是合理的，比如說我有雞蛋，你給我麵粉。如果你給我蘋果，那我就不需要香蕉了，這是混合多樣化的模式，其實這也是在解決存儲的問題，我們自己沒有分配完的也會存儲到倉庫，不會隨便地把食品處理掉。所有獲得食品的慈善機構，並不是得到生態驗證的綠色標籤食品機構，很多都是小機構，所以品質上、時效日期上需要做更好地掌控，因此我們需要一些新的方法來解決這樣的問題。
還有一些例子，我們可以通過點贊的方式來對商品進行評估和打分。對於多數人喜歡的物品，就可以選出來進行競標，這是一個非常好的工具，但是這個功能另外一個缺陷就在於說這些商品的選擇可能是隨機的，有時候不走運的話，可能拿不到這個商品，或者說你另外的人搶了這樣一個競標。這一機制有好有壞，也是如何實現平衡，把商品給到最需要的人手上，而不是讓這樣的競價導致另外一個失衡。我們希望通過點贊的方式，最起碼知道大家對哪些商品需求量是大的。
另外在這樣的技術當中，我們還有一個要研究的點，那就是所謂的規範化的功能。對於點贊這樣一個方式，其實你沒辦法掌控大家的意見，因為這是隨機的、自主的，我們不希望有人去操控這樣的系統，比如說刻意讓某一些商品特別熱門，點贊只是個人的行為，你喜歡這個商品你就競價就點贊，所以這是平衡線的問題。
平衡線機制，有些情況下可以做得非常公平，但另外一方面可以讓你有機會控制它，有些人可能是真的有意地以一種團隊的方式去操縱，比如說某慈善機構說我特別想要這樣的物資，然後讓很多人來點贊和競標。所以這更多是一個數學問題，要保證公平性的機制。也就是說，在能夠保證你拿到所要的同時，保證其他人也拿到他們想要得到的東西，如果你嫉妒其他人拿到的東西，那我的機制就不對。
在配送過程中，商品的選擇是有時效性的，不能說每次都選這樣一個商品，這肯定不行，因此要把握時效性和公平性。
器官銀行
另外一個是“器官銀行“的項目。醫院會把一些器官在不同醫院當中進行轉送，比如治療肝臟、腎臟方面的疾病可能需要做器官移植，如果有一些瀕臨死亡的病人，他們可能會把自己的腎捐獻出來，去救治另外一個需要換腎的病人。
但是在澳大利亞，這樣一個器官庫的建立和維護是很大的問題，成本非常高，比如說對於腎病病人而言，他可能必須花十幾萬的美元才能獲得腎臟移植，而從國家層面要看，要花數億美元。
根據統計，在1989 年澳大利亞剛開始做器官移植的時候，平均的器官年齡是 32 歲，而現在平均器官年齡是 46 歲，也就是說捐贈者的年齡越來越高，對於醫院來，說引發了一種擔憂： 能不能把比較老的器官匹配在較年輕的人的身體當中？因為缺少年輕的器官，這就涉及到如何更好地分配器官，就像我們分配慈善機構的食物一樣，更多的是線上的問題。
年底的時候我們可以看到有多少器官捐贈，有多少人排隊接受器官的移植，你就知道供需之間的關係是怎樣的了。我們保證供需最大化的對接，這個問題看上去非常簡單，但是其實要考慮的東西有很多，比如說血型上、年齡上的匹配，由於不知道在 24 小時之內匹配出什麼樣的血型，什麼樣的器官，因此要收集器官的血型、年齡（尤其是捐贈者的年齡），而且還要考慮到地理位置，比如說可能在新南威爾士城市等待移植的人很多，而偏遠地區的人沒那麼多。
給大家一些例子，看看我們碰到的挑戰。這些柱狀圖可以看到血型的分佈，可以看到，在不同的人群當中，不同血型的分佈是不一樣的，其中 O 型血是比較多的，但是 B 型是比較少的，捐贈者 10% 是 B 型血的人，能夠收到的B 型血器官的人是 14%，還有 10% 的人是在等待，這是一個非常糟糕的消息。
我看到這張圖之後，問醫生為什麼會這樣，可能是 B 型血不太容易得疾病。那麼怎樣使 B 型血的供需分配會更加平衡一些呢？當然我們可以用萬能的 O 型血。然而反過來卻不行，因為O型血不能用 B 型血，所以這對 O 型血的患者不是很公平。因此可以看到，不同血型上的分配面臨著不同的挑戰。
我們用了一個 KDPI，就是腎臟捐贈者的指數，我們會對器官捐獻者的年齡和其他方面算出來的指數，另外我們對接受器官移植的患者會用 EPTS，也就是預期的移植後的生存率，比如說你是50歲左右的，那可能看到的是處於一個能夠在移植後能夠存活的比例中的中間值，在年齡上下的生存率不同，比如說你做透析什麼的都會對健康產生影響。我們看看 KDPI 和 EPTS 指數，可以看到這兩者之間是沒有太多的關聯性。
所以我們需要有一個新的東西，後來我們有了 Box 機制，它有點像詞典編寫的方法，然後還有在等待的時間，我們就是通過這樣一種標準來推導 KDPI 和 EPTS 之間的關聯性。
看上面這張圖更清楚一些，第一塊是更傾向于年輕的患者、年輕的器官，然後是第二、第三塊，我們通過這樣的機制，可以看到它的效果有多好。
看看上面這張圖，肯定能看出來這比原來好很多，它不是隨機的，而是在這之間出現了一定的關聯性，當然我們還可以做得更好。
我們可以有一個簡單的機制方便大家繼續學習，讓你在兩個指數間有一個完美的關聯性，現在這張好多了，KDPI和EPTS之間盡可能地縮短，這讓結果更加公平。所以我們可以做得更好，讓人們的生活更好，讓人們的壽命更長。
同時，我們也看到器官銀行和食品銀行，兩者最重要的是他們的機制，我們要用兩側配對的方式，比如說一方面是患者需要器官，另外一方面器官尋找患者，我們要在兩者之間尋找關聯性。對於患者來說，肯定是想要最年輕的捐獻者的器官，因為這樣在移植以後壽命更長一些；另外對醫來說，他們也希望將器官放在健康的患者身上，這也是非常經典的兩側匹配的方式。兩邊都是共同的偏好，兩邊都是希望更年輕的捐獻者的器官。所以我們有一個非常唯一性的穩定匹配。
沃夫幾年前獲得了諾貝爾獎，他研究的是穩定匹配的問題。這裡的話，比如說你要的是男性或女性的器官，他們這種匹配都是唯一的，它需要有一個非常特殊的屬性，我們排第一位的年輕的患者可以拿到最年輕的器官，這樣的話他們就非常滿意了，因為他們拿到了最好的器官。然後的話排第二位的器官，我們對患者和器官都進行排列，然後進行配對，但是我說過這是線上的問題，我們不能等一年以後再對所有的患者和器官進行排名，然後再選擇最好的配對方式，因為這是一個動態的過程。
平均來說，他們要對人群進行排列，所以我們讓 EPTS 和 KDPI 進行匹配的話就能解決這一問題，這也是我們想要達到的效果。所以我們既能夠找到獨特、穩定的配對，同時也解決了線上的問題。另外，我們每次也能有一些簡單的模型，比如說在每個時間點有一些患者來，有一些患者走，有一些器官到，那我們這個器官在到達以後進行配對，每個器官都有 KDPI，每個患者都有 EPTS，我們也能證明這個功能是非常好的。如果有更多的器官到了，這樣的話你能夠選擇的器官可以更多，如果我們增加患者的數量，那患者拿到更好器官的概率就會下降，這樣我們可以有一個決策化的功能。
另外，我們可以看到沒有任何一個機制能夠滿足所有的需求。而唯一能夠不受操控的機制就需要採用隨機方法。為什麼這一點非常重要？在 2012 年，當時德國有一個醜聞，他們發現醫生對患者的排列進行了一些操控。所以說澳洲也是非常關注這個系統是否會被人為地進行操控。
我們現在採用這個系統是不會有人為的操控情況，這也是政府非常關心的，他們防止參與其中的人會有腐敗的行為，因為之前在德國出現過類似這樣的醜聞。患者等待的時間也是非常重要的因素，如果一直等可能會死掉（因為拿不到器官），所以在時間圖裡面也需要把等待時間放進去，不管採用什麼機制，等待的時間基本上是保持一個穩定的狀態，所以它的分配是非常公平的，它兩頭是略微偏離了直線，但是大部分是非常完美的直線，所以不管怎樣，等待時間都是差不多的。否則採用其他機制，會對一些年紀比較大的人不是那麼公平，所以我們最關注的是配對的公平問題。
再來總結一下，我們看到了非常多的線上分配問題，現在也用到了很多特殊的特徵，比如說共同的偏好等。我們也可以做一些非常好的規範化分析，這也是非常有用的，因為我們可以在公平和效率之間取得平衡，我們要知道如何去看待問題。我相信現在人工智慧技術已經為社會福祉做了很多工作，如社會安全等、健康、醫療領域等。人工智慧技術能夠解決社會很多方面的問題，我們要讓人過得更加幸福。
如果大家想要瞭解更多，可以關注我即將出版的新書《機器在思考》（而且是中文版），在亞馬遜上預定，這本書不是講人工智慧的歷史，而是講我們所面臨的挑戰以及未來該怎樣去做。
非常感謝！
CAAI原創 丨 作者Toby Walsh
未經授權嚴禁轉載及翻譯
如需轉載合作請向學會或本人申請
轉發請注明轉自中國人工智慧學會