搜狗王小川：人工智慧還在人類設定的套路裡

人工智慧會不會取代人類？似乎每一次人工智慧領域所有突破的時候， 人們就會開始焦慮地思考這個問題。

對此， 在本屆博鼇“人工智慧”分論壇上， 百度總裁張亞勤表示， “我們現在想這個問題實在是焦慮地太早了， 有點像擔心火星上面會不會堵車。 ”

對於人工智慧所處的階段， 搜狗CEO王小川表示， “人工智慧目前還只是按照人設定的套路做事”。 王小川稱， 目前機器還不可能超越人類， 它們對於知識、常識的認知也很有限。

對此， 王小川舉了一個例子。 去年六月份， 王小川在劍橋大學見識到了一個訂餐系統。

當時這個訂餐系統的表現非常驚豔。 使用者說自己喜歡吃辣的， 系統就會用語音回答附近多少米內會有他喜歡的餐館。 使用者繼續問餐館的電話， 這個系統也立即報出了電話。 然而， 當另外一位使用者去和訂餐系統交流的時候， 系統詢問， “我需要幫你找一個停車位嗎?”這位使用者說， “我沒有車”。 系統一時語塞， 不知道他在講什麼。

王小川表示， 目前機器還沒有突破對知識、常識的認知， 仍然需要通過一些人工和半人工的方式去將一些資訊和系統連接， 比如告訴系統“沒有車”等價於“不需要停車位元”。

除了用更多的知識和常識去訓練人工智慧之外， 找到特殊的場景是讓人工智慧發揮強大作用的另一個關鍵。

人工智慧目前表現比較突出的領域為語音辨識、語義識別和圖片識別，

但是讓人工智慧發揮作用還必須找到非常具體的場景。 比如， 在炒股票的場景裡就只能跟機器談論股票方面的內容， 結合聊天場景電腦才能給出最準確的判斷。 如果在這個場景中談論起於股票相去甚遠的話題， 機器也難以分辨出使用者的需求。

除了將人工智慧運用到更多的場景中去尋求量變之外， 人工智慧本身也需要發生質變。

目前來看， 限制人工智慧發展的不僅僅是特殊的場景， 還有資料。 人工智慧中的演算法和資料相當於火箭的引擎和燃料， 缺少資料意味著缺少燃料。

人工智慧的深度學習演算法在加拿大實現了突破， 然而加拿大由於地廣人稀，

缺少資料， 加拿大的科學家無法使用先進的演算法來訓練電腦。 因此， 人工智慧最後是在美國和中國這兩個具有海量資料的國家落地。

如果機器能夠通過小資料學習， 那機器的智慧程度將得到極大提高。 張亞勤表示， 通過小資料學習， 才是更像人類的學習方式。 “比如一個小孩， 一次他看見一個蘋果以後， 下次再看見， 他就能認識這是個蘋果， 而不需要看成千上萬個蘋果。 ”張亞勤舉例道。 這個對於人類來講輕鬆不過的事情， 機器就要看成千上萬張圖片才能總結出來， 蘋果究竟有什麼樣的特徵， 然後按照總結出來的特徵識別下一個蘋果。

不過在小資料學習方面， 理論領域目前並沒有實質性突破。 王小川表示，

目前人類還是通過大資料將套路教給機器， 讓機器去做一些重複的事情。