導讀：2019 年 6 月 14 日，由清華大學五道口金融學院、清華大學國家金融研究院、清華大學研究生會聯合主辦的“未來已來—全球領袖論天下”系列講座再次開講。應清華大學國家金融研究院院長、IMF 前副總裁朱民之邀，微軟全球資深副總裁、微軟亞太研發集團主席兼微軟亞洲研究院院長洪小文以“智能簡史及數字化轉型的未來”為主題進行演講，介紹了人工智能（AI）的發展現狀與未來發展方向，并就企業如何借助技術的發展實現數字化轉型進行探討。

以下為演講內容整理：

我今天演講的主題是智能簡史，中國人常說知古見今，這個演講的目的就是希望從過去、現在看到未來。

AI 大熱的原因

我經常開玩笑，AI 火熱是因為“人工”的反面是“天然”，“智能”的反面就是“愚蠢”，因為沒有人想做天然的愚蠢，那當然就喜歡 AI 了。

AI 這個學科雖然與其它學科相比歷史并不悠久，但也有很多年了。1955 年，我的師祖（老師的老師）John McCarthy 在達特矛斯會議上提出了“AI”（Artificial Intelligence），之后 AI 經歷了兩個冬天。

1992 年，我剛畢業，那時是 AI 第二個冬天的尾巴。

當時學 AI 的人畢業都不敢講自己是學 AI 的，我們就說自己是做語音的，如果說做 AI是找不到工作的，而現在，不做 AI 的都要說是做 AI。

AI 發展以來在學術上的定義其實沒有大家理解的這么寬泛，但今天計算機能做的，大部分人都認為是 AI。

此外，AI 與經濟有很大的關系，很多人都預測，未來的經濟很大一部分都要靠 AI 推動。

人類可以制造出超人嗎？

這張圖是 1950 年《時代周刊》的封面，里面有一篇文章說道，“對于擁有‘超人’力量的機器，現代人已經習以為常，但是擁有‘超人’腦力的機器仍然讓人們感到恐懼。‘超人’的設計者們否認他們正在創造人類智力的競爭對手。”

1950 年，AI 還沒有定義，1956 年的達特茅斯會議還未召開，全世界的計算機也不超過 10 臺。當時，每一臺計算機都有一個房間那大，其運算能力、儲存甚至不如今天的智能手機。在那個時代，大家很擔心有人造出了比人類都聰明的計算機。

我們并不害怕大型機械（飛機、汽車），但是卻在 AI 還沒有影子的時候就感到害怕，這代表了大家對智能這件事情，真是既期待，又怕受傷害。

這也說明了為何大家如此關注 AI，包括很多人對 AI 產生了不太正確的看法。我把智能畫成一個金字塔，自底至上越來越復雜，越來越接近智慧。

▌計算&記憶力

在這個金字塔上，最底層的是計算、記憶力。神機妙算，過目不忘都是智能的表征，神機妙算就是計算，過目不忘就是記憶。不管是圖靈機還是馮諾依曼機，我們見過的機器基本都包含了 CPU（中央處理器）以及存儲，計算機靠這兩樣東西就可以運算所有的程序。

回想我人生第一次挫折，就是我小學一年級時沒有被選上進珠算隊，而今天，大部分人顯然都不會送小孩學算盤。在我們那個年代，珠算也分級、分段，就像下圍棋一樣。大家覺得一個人很會用算盤是非常了不起的，算盤可以算很復雜的計算，甚至可以開根號，做三角函數。

當時，我的老師告訴我，你的身體沒有那么好，課后還是回家休息吧，不要參加珠算隊，我當時認為是自己不夠聰明，所以才沒有入選。我感到很難過，直到高中時才緩過來，但現在已經沒人認為算得很快有多了不起了。沒有人跟計算機比計算，也沒有人跟計算機比記憶。

我搬家 3 年，到現在連家里的電話都不記得。今天，我如果寫 10 個電話號碼讓大家記憶，10分鐘以后，我出一串數字，問是不是剛才說的號碼的其中一個，大部分人可能都答不上來。我覺得既然計算機可以幫我們計算、記憶，我們就可以很放心地讓它來做。計算機比我們強沒有關系。我在上圖用紫色代表計算機遠遠比我們強的部分。

▌感知

自下而上，智能從計算記憶到第二層的感知。事實上，這一波 AI 的復興都與其有關，比如微軟在前幾年做的 ResNet，這就是一種感知。事實上我們的老祖宗也很厲害，“聰明”這兩個字就是耳聰目明，計算機視覺很強，聽力很強，這就叫“聰明”，千里眼、順風耳都是形容感知。

例如，在以前，語音識別可以完全聽懂人講的話是不可思議的。但現在，它已經有了很多應用場景，如法院的書記員、智能音箱、智能助手都有這方面的應用，看起來似乎計算機超越我們了，事實上也的確是這樣。

再如，如果你在海關工作，假設有 500 個嫌疑犯，你的目的是監察這 500 個嫌疑犯通過關口，我相信很多人還是會辯認錯誤，而且這樣的工作也非常枯燥。如果計算機能夠幫助我們去做這樣的工作，并且可以做得很好，那么感知這部分我們就讓給計算機吧！

▌認知

還有一個概念叫做認知，英文是 Cognition。在心理學中，認知心理學是非常重要的一支，它是指我們對一件事情的理解，并可以做出推理、計劃，最后做出決策。

認知其實是工作、生活中最有用的東西。工作時每天要做很多決定，之后制定政策。政府官員要制定政策，公司的領導必須要看市場或做產品的策略，這些都是認知。你必須了解、認識、知道以后，才能做出決定。

我們來看看計算機和人在認知方面做得如何。

去年，微軟在自然語言方面有很大的突破，微軟亞洲研究院機器閱讀系統在SQuAD挑戰賽中率先超越人類水平。考過英文試卷的都有經驗，高考、托福、GRE、SAT 都有這種閱讀理解，大多數人是考不了滿分的，而計算機在這方面可以超越人的平均水平，從辨認到理解非常困難，但計算機已經可以做得很好了。

另外一個是翻譯，微軟中-英機器翻譯水平已經可以“與人類媲美”。我們都知道，翻譯的前提是理解，計算機雖然沒有理解，但是翻譯可以做得非常好。我本人根本不會講法文，但是可以利用機器翻譯，到法國巴黎就可以靠機器翻譯順利買到歌劇的門票。

微軟小冰不僅做智商層面的問答，還有情商方面的問答，小冰這類對話機器人在學術歷史上非常重要。

圖靈是計算機的始祖，他在 AI 還未被定義為 AI 的時候就想到了“圖靈測試”。他說道，有兩個房間，一個房間里是真人，另一個放置機器，人與機器進行對答，假如40%-60% 的人分不出哪個房間里是真人，哪個房間里是機器，圖靈測試就通過了。很多人通過圖靈測試判斷 AI 有沒有通過人的智能考量。

小冰雖然沒有做很嚴格的圖靈測試，但微軟一直用用戶每一輪對話大概交互的次數作為衡量的KPI。在微信上，我們與最熟悉的朋友、親戚對話，每一輪也大概不過五次。大家明明知道它是一個機器人，還愿意與它交談二十次以上，是因為與它談論了一些有意義的東西，讓你欲罷不能。

從某種意義上說，小冰已經遠遠超過了圖靈測試。我們讓小冰變成人們可信賴的伙伴，并以它為基礎發展一些商業應用，更重要是做一些科學實驗。

大部分商業行為里用到的都是所謂的認知，它可以用一張圖來解釋，我甚至認為人類所有行為都可以變成進化來自于反饋這樣一個閉環。

有了假設或要做實驗時，我們要做的第一件事情，就是先分析，然后做出決策，最后到實際的物理世界執行，并通過傳感器收集數據。

物聯網是指與物理世界打交道，其中傳感器用來收集數據，執行器用于在物理世界中執行動作。

幾乎所有的事情，每完成一次閉環就能夠有所改進，包括做社會心理學分析、做實驗、做假設、做產品，或是做互聯網。

如今，因為數據很容易獲得，分析與決策就可以用 AI，如果在一個閉環中有辦法收集到數據，就可以把它自動化。很多 AI 的商業應用，都可以抽象為是在做這樣的事情。

制造業是首先享受 AI 成果的行業，如今已變成常態，比如可預防的維修。例如，蒂森克虜伯（thyssen krupp）電梯集團是微軟的客戶之一，發生電梯故障時，利用 AI，他們首先在電梯里裝傳感器，收集速度、聲音、溫度等數據。我們可以把它當作一個黑盒，傳感器收集數據以后，系統起碼可以做以下兩件事情：

第一，異常分析。區分正常和非正常狀態下數據區段，用深度學習或機器學習方法建模。

當數據出現在快要出故障的區段，公司就可以做可預防的維修，可以先派人到現場，很多時候可能加幾滴油就夠了。

第二，數據收集足夠多后，還可以做分類工作，公司不但知道電梯快壞了，甚至還可以分成不同的情況，每種情況分別有處理方法，比如加油、換零件。

同樣的道理可以運用到許多其他領域，比如汽車維護，有了車聯網，可以將所有車里的數據上傳到云端，實現可預防性的維護。

人工智能 VS 人類智慧

1982 年，有一位斯坦福心理學系的教授用“中文房間”實驗來挑戰圖靈測試，假設房間中有一個不懂中文的人，給他一本詞典，每次給他遞進去一張寫著中文的紙，里面的人通過詞典查紙上的每個漢字（假設他可以查到所有的文字，可以對照列出字詞的組合）。這個實驗證明，即使通過了圖靈測試，也不一定是真正的智能，因為這個人不能夠真正理解中文的含義。所以，他認為這種模擬思路并沒有思維和理解，叫做弱AI，有思維、真正了解的 AI 是強 AI。只有理解，才有可能做所謂的白盒推理，而人最重要的是能夠做因果分析。

事實上，今天 AI 大多做的相關性做不出因果關系，我們必須要知道因果關系，才能舉一反三。比如機器不能勝任做投資、并購，因為并購不是封閉系統，會受到許多外部因素的影響，而且這些因素無法預測，也沒有足夠多的數據。我們人生中重大的決定都是這樣，你可以做各種分析，但是最后還是會受很多未知因素的影響。

今天，我們所謂的深度學習是一個不可解釋的 AI，它是一個黑盒，做不了因果關系的分析。所以，現在可解釋的 AI 是一個很重要但非常難的研究方向。三十年前，一位圖靈獎得主，同時是加州大學洛杉磯分校的一位教授說到，他做了一輩子因果關系分析，但估計 AI 起碼還要在十幾、二十年以后才可以解釋為什么和白盒分析。

《人類簡史》、《未來簡史》，以及最近的新書《現代簡史》中提到，將來大數據能做所有的決定，甚至包括我們的婚姻，我對此持不同的看法，中國人的婚姻講究先看八字，但是我們也沒有全信。未來是未知的，把如此重要的事全部交給黑盒，似乎有所欠妥，但是這不代表 AI 沒有用。

▌AI+HI

所以，我們需要讓 AI和 HI（人類智慧）一起做分析和決策，人做決定時要看大數據，機器可以做一些簡單的問題，且非常有效，但這不代表大數據會決定一切。同時，我們也不要妄自菲薄，人類的智慧很多時候在做分析時得出一定成功的率，但最后不見得選擇最大機率的方案就一定成功，還會受到很多隨機因素的影響。

關于智能金字塔，從計算和記憶力、感知到黑盒的認知，AI 已經做得很好了。但是在認知部分，我用了兩個顏色紫色和綠色。創造力用綠色表示，代表目前人能做得更好。

近些年，深度學習可以用于“創作”，比如詩詞創作。去年，我們用此技術教微軟小冰寫詩并出版詩集。現在，通過大數據分析，小冰不但能寫詩，還可以看圖寫詩，甚至作歌、作詞、作曲。

這是否代表計算機真的有創造力？其實創作，特別是藝術創作，還是要有人類自己的想法。今天 AI 可以產生這些東西不代表它知道為什么產生，因為它是一個黑盒。再說圍棋，可憐的李世石先生，可憐的柯杰先生，他們的算法來自于自己，還要用自己的腦袋計算，而 AlphaGo 的算法來自于 10多個科學家，用上萬臺機器在云端進行計算，這本身就是一個不公平的比賽，因為計算機可以計算得飛快，人做不到。如果李世石和柯杰還有一點點希望贏的話，他們的算法肯定有獨特的地方。

現在，人們經常討論某 AI 將取代人類，事實上大家忘記了一件事，那就是今天計算機所有的算法都來自于人，如果有人說有一臺計算機可以自己想出算法，那絕對是吹牛。從這個角度來看，人類大可不用擔心計算機超越人類，這根本不可能。如果你仔細看腦神經科學家歸納的左腦和右腦的特征，會發現左腦負責邏輯、順序、分析、數字化、理性、事實等，右腦則負責知覺、隨機、綜合、主觀，事實上，計算機是一個最好的左腦。

所以，其實計算機與人類正是左右腦互用的關系，我們需要右腦來做創造，提出新的算法。

▌《金庸小說》中的智慧與“睡”出來的諾貝爾獎

講到智慧，在金庸小說《倚天屠龍記》中，張三豐教張無忌太極劍法，張三豐第一次舞劍時問張無忌是否能看懂，張無忌回答看懂七成，張三豐說很好，不錯；第二次舞時，張無忌說只看懂五成，張三豐說很好，有所進展；第三次舞，張無忌說糟糕，這次完全看不懂了，張三豐說好，你已經貫通了，可以上場了。

我個人理解，這就是接近了智慧，意識是人獨有的，我們知道身處何地，面對誰，我們的意識無處不在。

有一本書叫做《The Spectrum of Consciousness》，是一位耶魯大學教授所著，這本書探討了意識與創造力之間的關系，他把一個人一天的生活分成兩個階段：高頻譜和低頻譜。高頻譜就是我們早上起來喝一杯咖啡，精神很好，做什么事情都不會記錯，也不會算錯；低頻譜就是我們吃過午飯，打一個盹，甚至做白日夢、睡著、洗澡，這些時候是低頻譜。

幾乎所有腦科學實驗得出來的結論都是：大部分人不是在高頻譜的時候最有創造力，而是在低頻譜時，這并不完全是絕對的，但是在低頻譜的時候，人們似乎創造力更強。貝多芬做《第九交響曲》時既聾又盲，梵高晚期割掉自己的耳朵，但還是畫出了不起的作品。此外，兩位諾貝爾獎得主的科學家（凱庫勒和奧托）都清楚地記得他們重要的科學發明是在做夢時想到的，尤其是奧托，他表示他在第一次做夢時夢到了一個東西，第二天早上起來時忘記了細節，所以他第二天回去睡覺，又夢到一樣的夢，這一次他把夢的內容寫了下來，因此得到了諾貝爾獎。

但是，凱庫勒和奧托都提醒道，只睡覺沒用，因為不要忘記，睡覺最多只能給你一個大膽的假設，但還需要小心求證，在實驗室中做無數實驗證實。

我認為更重要的是這個故事背后的原理：很有可能兩件無關的事，神智清醒時人們很清楚地知道它們之間無關，但是在半夢半醒時可能看到這兩件事情的相關性，而創新常常是在這個過程中產生的。所以，要做出一個有意識的機器，首先要讓計算機能夠幻想，但這很難，怎樣讓計算機真正地幻想才有可能產生了不起的創造力，沒有人知道。

弱 AI 這種單一用途的黑盒很有用。強 AI 類似于通用 AI，什么都懂一點，很多東西我們并不是專家，但也總能想出了不起的想法。我的師祖 John McCarthy 當年召開達特茅斯會議時有人問通用 AI 多久可以實現，他給了一個智慧的回答——5-500年。我們知道當然不是 5 年，可 500 年相當于永遠，所以何時會出現通用 AI 沒有人知道。

我認為，做一個有意識的機器人代表著你不能控制它，你可以想辦法去洗腦，但是不見得會成功。所以，我認為做一個有意識的機器人雖然在科學上很有意義，但是不見得有太多意思。

AI是大數據驅動的知識

我們應該如何看待 AI 呢？我持非常樂觀的態度，AI 的關鍵是人，它很大程度上與工具一樣，是在幫助我們做事，且與人互補，人類有創造力，但計算慢，記憶也會出錯，所以我把 AI 稱為大數據驅動的知識。我們應該慶幸，我們是第一代與 AI 一起生活的人類。

我小學時認為能夠計算、會珠算很了不起，但現在我不這樣認為了，現在我認為，人更高階的東西，是一種人類智慧和機器智能的共性化。

數字化轉型與AI

接下來是數字化。為什么數字化徹底改變了我們的世界？數字孿生是指，任何物理世界的中存在的事物，都會有一個數字孿生兄弟。

數字孿生至少有兩大意義：1. 預測，如在數據世界預測馬達、機器、引擎、醫療器械狀況，可以做可預防的維修；2. 模擬、仿真：比如在仿真世界訓練無人車和無人飛機，公司、國家的政策，都可以用仿真的方法做實驗。

微軟重回市值第一，其中一個重要的原因就是徹底的數字化世界。數字化轉型其實很多都是在自動化、優化、改進決策，所以能夠產生新的產品、服務和商業模型，有更高的生產力。對于數字化轉型來說，平臺和技術很重要，但人是最難改變的，這對領導力、組織、思想、文化的挑戰更大。

微軟與德勤針對全世界的的企業（大、小、中型企業）進行調研，結果顯示，90% 的企業已經認識到數字化轉型的重要性，但是只有 30% 的企業認為他們已經開始數字化了，其中只有 15% 的企業認為他們可以自己完成數字化轉型。

大家可能更多地在關注 AI，事實上沒有數據和計算，AI 是轉不起來的，所以我更希望大家多談ABC（AI、大數據、智能云）。

AI For Good

AI 時代技術變得越來越重要，人們有很多與技術相關的負面隱憂，如安全、隱私問題、假新聞、偏見，甚至擔心 AI 是否會取代人類的工作。我認為，一個產品或技術，最后都反映了人的價值觀。我們需要多方利益相關者參與，其中牽涉到除了技術之外的商業專家、經濟學家、社會經濟、公共政策者、心理學家、律師、政府，需要大家一起來探討。

所以，微軟全球執行副總裁，微軟人工智能及微軟研究事業部負責人沈向洋博士與微軟公司總裁施博德（Brad Smith）先生聯袂編著了《計算未來：人工智能及其社會角色》一書，希望以贏得信任的方式設計人工智能，我們提到七個原則：合法與主權、負責、透明、公平、可靠與安全、隱私與保障、包容。

一百至兩百多年前，90% 的人從事農業工作，如今這一群體可能只有 10%，其它 90% 的人并未失業，這是因為工業革命產生了更多新的價值。所以，與其擔心技術是否會改變工作，還不如關注我們應該如何訓練我們和我們的下一代如何終身學習。

未來的發展非常漫長，讓我們一起努力！謝謝大家！