“我不經常用人工智能這個詞，也不知道人工智能是什么。”在今天舉行的2018上海國際人工智能創新應用峰會上，被譽為人工智能領域“根目錄”之一的美國科學院、美國工程院、美國藝術院三院院士，加州大學伯克利分校教授邁克爾·喬丹語出驚人。

在他看來，當前的人工智能不過是比60年前剛形成這個概念時前進了一點點，而這也是得益于計算機科學、工程學以及統計學等學科的進步。

不是AI,而是IA

就在幾周前，邁克爾寫了一篇文章，標題叫《人工智能的進化尚未開始》，他在文章中提到，現在的AI發展方向并不是Artificial Intelligence（人工智能），而是Augmented Intelligence（IA:增強智能）。

毫無疑問，過去60年間電腦取得了長足的進步，但這并不意味著電腦具備了更多的人性，而是電腦能夠幫助人類發現一些模式，讓人類更加聰明。打個比方，比如當他想要知道中國的第二大城市是哪一座時，搜索引擎很快能告訴他結果，是搜索軟件具備了智能嗎？并不是，只是電腦擅長計算、存儲數據。“在這個場景中，智慧閃耀在我提出問題的那一刻，而非計算機吐出答案的那一刻，而從某種角度來看，搜索引擎相當于增強了人類的記憶力。”邁克爾說。

物聯網也是IA。在無人駕駛中，傳感器相當于增強了人類雙眼，數據算法相當于增強了人類大腦運算能力，當下所謂的機器智能，不過是根據參數匯聚起來的數據算法，它們智能復制、模仿、模擬人類的行動，創造力對于它們來說還難辦法，更別提推理和抽象思維了。

“即使是最牛的語音識別機器人，也無法知曉門口的腳步聲意味著什么，而幾個月大的嬰兒就能知道這一點。”邁克爾說。

真正要擔心的是人類對數據的依賴

許多公司認為，只要他們掌握了足夠多的數據，就能掌握顧客的喜好，并計算出最優決策，他們相信這樣會使他們的機器更加聰明，進而產生智能，在邁克爾看來，數據并不會決定人做什么，真正促使人下決定的是當時的背景。

海量數據確實令計算機視覺、語音識別、機器翻譯上取得了巨大突破，但如今這種“海量標注數據+深度學習框架+GPU并行計算”的簡單粗暴模式提升作用越來越有限，一是因為某些領域數據收集的門檻非常高，二是因為并不是所有領域都適合“堆數據”。

更可怕的結果是，相同的數據和所謂“智能”算法會導致輸出結果的單一性，然而世界充滿不確定性，那些更加“優化”的方案會被刷掉。“當所有上海廚房的食材供應鏈都被一臺主機控制時，你還會注意鄰居釣了一條鮮美的魚嗎？”邁克爾說。

影視劇中的那種人工智能，至少還要100年

像《我，機器人》這樣水平的人工智能多久能被制造出來一直有兩種聲音，一種是人們認為它很快就能到來，另一種是認為它短期內不會到來。有意思的是，產業界的人——比如扎克伯格、馬斯克往往持第一種觀點，而真正從事人工智能研究的人反而持后者觀點居多。邁克爾對這個問題非常謹慎，他先說要500年，后來又說至少要100年。

“當人們無法解決某個問題時，人工智能成了擋箭牌，這也是為何當下人工智能如此火熱的原因。”邁克爾說。比如當美國國會問扎克伯格，你怎么處理臉書侵犯用戶隱私的問題時，他的經典回答是“人工智能會幫我解決的。”

如何看待人工智能看似離我們很近，其實還很遙遠。邁克爾說：“我的父親是一位化學工程師，他研究的化學元素100年前就都已經發現了，但真正建成精密運行的化工廠還是這幾年的事，人工智能發展也是如此。”

不過，人工智能會往哪個方向發展，還取決于人類的選擇。與邁克爾齊名的“深度學習之父”杰弗里·希爾頓（Geoffrey Hinton）最近公開號召摒棄現有深度學習，重新奮力向前尋找全新的道路。邁克爾對此深以為然，因為如果人們躺在數據上喪失了區別于機器的人類智能，就會沉溺在IA中，永遠到不了AI。