填志愿纠结？听交大教授俞凯讲未来如何不被AI取代

编者按

各地高考成绩陆续放榜，又到了“几家欢喜几家愁，纠结志愿何时休”的时节。到底该如何选择学校、选择专业，才能更好地面对可能很多职业都会被“人工智能”（简称AI）取代的未来？

今天文章，我们将推出世界顶尖科学家论坛优秀青年科学家代表、上海交通大学教授、青春偶像剧《十七岁不哭》男主原型俞凯，听他谈谈现在大火的“人工智能方向”，以及未来人才需要具备的不可取代的素质。

选大学，选专业一步到位固然重要，但并不代表那就是人生的一锤定音。只要你热爱，你相信，你行动，人生的延展性就有无限可能。

俞凯，本科、硕士就读于清华大学自动化系。博士毕业于剑桥大学工程系。

现任上海交通大学计算机科学与工程系教授，上海交通大学苏州人工智能研究院执行院长，世界顶尖科学家论坛（WLF）杰出青年科学家代表。

长期从事人工智能、智能语音及语言处理、机器学习的研究和产业化工作。

要摘取人工智能皇冠上的明珠，你需要具备以下基本素质

——俞凯口述，WLA记录整理

01

人工智能研究什么？

现代人工智能发源于1956年达特茅斯会议，本质上是要让机器实现人类的职能，大体上可以分成几个层次：

人工智能是由约翰·麦卡锡在达特茅斯会议上提出的。图｜Codersera

感知智能，使机器可以和人一样去看、去听、去触……；

认知智能，不管是看到图像还是听到一段话，要转成文字或某种概念，这样才能理解，还要主动去提出信息、反馈，能跟其他人交流；

决策智能，理解了一件事，应该提出问题，还是应该去做下一个其它动作？最典型的决策智能就是Alpha Go；

表达智能，有了决策之后还要有能力表达出来，比如现在的语音合成、图像合成等；

执行智能，或者运动智能，能够实际执行动作。

以上几个模块形成了一个闭环。人工智能研究有每个模块的研究，比如感知智能的图像识别、语音识别；认知智能的自然语言理解，还有人在此基础上去做知识图谱研究；决策智能的策略、推理、搜索研究等，每个单独的模块都有单独的应用。

还有一大类是做整个系统的研究，如果将来要做一个机器人，不可能只能听、不能说，也就是所谓的人工智能系统。它的难点是把所有这些模块都整合到一起，能够实时地反馈，整个链路不掉链子。

02

人工智能研究的进展

单模块限定条件下，人工智能已经可以超过人的能力：2017年，机器可以比人听的还准；2019年，机器在阅读理解任务中超过了人的理解能力。

但人是一个综合的系统。人工智能有个著名的图灵测试，来判定人工智能的发展程度。但图灵提出这个标准的时候，只考虑了单点的某一个事能不能骗过人，并没有考虑过效果。

图灵测试一个标准的模式：C使用问题来判断A或B是人类还是机械。图｜维基百科

虽然现在人工智能在图像、语音方面都能超过人，但是消耗的能量是人脑的很多很多倍。它是用超人的物理资源，来达到普通人的能力。

所以，人工智能有部分模块能达到人的能力，但系统级还离人的感知、认知差的很远，尤其是认知方面。另外还有个难点，人工智能没办法自学习、没办法进化。

很多大片里有机器人统治世界的场景，前提条件是机器能自己学习，能进化。我研究的就是可教育、可进化的系统，这个事特别难，现在只有初步的结论。

03

为什么说语言是人工智能的皇冠，而对话是皇冠上的明珠？

图灵测试最早提出的人工智能标准，就是一个机器能不能和人对话，这是判定机器有没有智能的标准。

对话就是语音和语言。对话是交互，不止是去读，一定是听说读写，还能理解，而且能够交互。所以，从图灵的一系列思想开始，把语言看作是人工智能的皇冠，而对话是皇冠上的明珠。

最近的中国和美国的人工智能发展规划都出来了，都把智能语音、自然语言处理作为核心的发展方向，说明这些也符合发展的大趋势。

机器学习是人工智能的一个子集，而深度学习是机器学习的一个子集。图｜readyforai

04

从事人工智能研究，要学什么知识？

数学和计算机是最核心的两块。和人脑相关的感知、理解、决策，包括一部分表达，需要数学和计算机的相关知识；涉及到感知、表达、执行，还会涉及到和人相关的背景知识，包括生理上的视、听觉原理，生物相关的脑科学；执行模块还和机械相关。

总的来说，越到感知层面，越需要垂直领域的知识储备；到系统层面，更需要数学和计算机的知识和能力。现在的主流观点，脑科学和神经科学会大幅促进人工智能发展，算法上采用类脑算法，就是模拟人是怎么做的。现在很火的一个词，叫神经网络，就是模拟人的神经网络，关键的基础知识就是数学，以及具有逻辑推理、编程等计算机方面的知识，物理、化学、脑科学等相关学科背景也会有帮助。

05

知识以外，还需要哪些基本素质？

真正做研究，包括人工智能研究，最需要的其实不是知识。知识是可以学到的，关键是能不能自我进化；就像机器可以有超人的能力，但它不能进化，所以还不能称之为真正的人工智能。

人怎么样才能进化？有几样东西是不可或缺的，我特别想分享一段话，它包括了几个重要的东西：你所清楚预见、热切渴望、真诚相信并且全心全意去争取的，都将自然而然地实现。这段话我觉得特别好，跟我们的研究强相关。

清楚预见。人需要有想象力、有思考能力。很多人认为推理就是思考，不对，我们说的是主动的思考。

热切渴望。做研究的时候，如果只是一堆冰冷的公式去推导，不会燃起你的热情；没有热情的事情，人把它当成一个任务去完成。任务有边界，而研究不应该有边界。人需要有热情、渴望，想去做这件事，比如用人工智能去改变世界。你看到了一个人造出来的智能，帮助把这个世界变得更好。

真诚相信。很多时候，大家觉得一个事情是好事，但在做成它的过程中会受到很多打击和挫折。如果没有信念的话，有再多的热情，你会发现现实中不会一下子就成功，所以必须有信念。

全心全意去争取。我举个人工智能领域最典型的例子。2018年图灵奖颁给了深度学习最著名的三个人：Yoshua Bengio、Yann LeCun、Geoffrey Hinton，其中Geoffrey Hinton是老大，年龄也最大。

2018年图灵奖。图｜ACM Awards

Geoffrey Hinton 1960年代末本科毕业于剑桥大学心理系。人工智能有个很著名的感知器理论，就是神经网络的理论，当时被认为是机器可以取代人的核心。1969年，Marvin Minsky从数学上宣告了原来的感知器理论的失败，但Hinton坚信类人的神经网络是一定能成功的。他通过自己的思考和想象，认为未来的智能就是要像人一样。

1980年代，Hinton提出了一套理论，叫反向传播算法，解决了Minsky说感知器理论不能成功的最重要的数学问题，做出了一个可导的多层感知器。也就是说，Hinton持之以恒做了20年，使得当时又有很多人重新相信这个理论，认为可以应用到各个领域。

火了不到10年，1992年的时候，机器学习理论有新的突破，在很多真实任务上比多层神经网络要好，神经网络理论又进入低谷。

直到2006年，随着计算机算力的发展，可以使用GPU了，原来不能训的特别深的网络现在可以训了。原来的理论，加上新的理论，再加上计算机的发展，经过了30多年，成功了。

现在，神经网络成了学术界和工业界人工智能的主流学派，这一点没有信念、没有执行力是不可能成功的。这么多年它不是只有信念、热情，天天说空话，而是每一个算法、每一个步骤，不断去尝试各种各样的东西。

总结起来，前面那几点就是：想象力和思考、热情、信念还有执行力。

在研究中，做成一件事不难，你做成它就行了；但你说一件事不行，很难。因为你要说行，一种方法行了就ok了；但要说一件事不行，一定是所有方法都不行，所以哪一个更难？

人要想做成一件研究的事情，知识基础是必须的；但是缺乏想象力和思考、热情、信念还有执行力，要做出来也是很难的。

我自己做了很多产业转化的工作。2007年我在剑桥的时候创立了AI SPEECH，那时候讲人工智能的不多，把人工智能放到企业名字里面的屈指可数；到了2015年以后，所有的相关公司都会在名字上加上智能。

在遇冷的时候，怎么办？我们会去想象，未来的世界一定是机器和人可以去自由对话的世界，我们有这个信念，不断鼓励自己的，落实在一件一件的事情上，碰到多少挫折也得不断向前。

一 枚 彩 蛋——顶 尖 八 卦

世界顶尖科学家协会（WLA）的主席大大，赫赫有名的2006年化学奖得主罗杰·科恩伯格，大学主修英国文学，最喜莎翁戏剧，最后在化学领域开天辟地。