李开复聊智能

新书《AI未来进行式》（陈楸帆李开复），共有十个短篇故事，涉及到的科技大概率都是会在20年之内发生的。这是“科学+科幻”的一本书。

一、

1979年，上大学的时候我选了法律和数学，人工智能才刚刚萌芽，幸运遇到了三个教授，做的正是人工智能的视觉、自然语言和算力。

我义无反顾地决定把我的两个专业换成了计算机科学，并且在计算机科学里做人工智能，后来又到卡内基梅隆大学读博士，也是人工智能领域。

我做的是基于类似神经网络的隐马尔可夫模型。我也有很多同事在做神经网络，包括发明深度学习的杰弗里·辛顿，他是我在卡内基梅隆的老师。

那时，神经网络非常简单，而深度学习也是一种神经网络，差别在于，我读书的时候数据量太少，而且计算力太慢，只能做到一到两层很浅的神经网络，今天计算量大了，可以做到几千层。

二、

1988年，我读完博士的时候，大家认为神经网络是不太Work的，觉得这套技术不行，只有少数人坚持了下来。

这三位大师，当年并没有进所谓前10名的计算机系，因为前10名的计算机系都很自以为是，认为神经网络不Work，还想来我这里做教授，想都不用想，更不用说经费。

他们三个人基本上是卧薪尝胆，用了接近30年的时间证明，有几个他们当年发明的算法，在之前只是理论，后来数据多了，算力多了，就真的Work了。

他们三位在两年前得了图灵奖，也就是计算机领域的诺贝尔奖，这是蛮难得的故事，也比较励志。

三、

在五年之内，深度学习依然会是人工智能最重要的基础。

让深度学习能够学会“看”，让计算机视觉至少在物体识别方面能超过人类。最近的自监督学习，也在深度学习的基础上把自然语言做得非常好，在很多重要问题上，比如阅读理解方面超过了人类。

量子计算能够真正超级推动算力。AI在过去六七年、七八年的成长，很大程度是因为英伟达的GPU（图形处理器），也有很多中国、英国以及别的国家的类似GPU、IPU、TPU等等算法，专门用来加速深度学习。但是与未来的量子计算相比，GPU又差太多了。

今天的一部分加密算法是今天的计算机算一千年也破解不了的，但是量子计算机可能几分钟，甚至几秒钟就可以破解掉。

四、

我毕业后第一份工作在苹果，后来到了微软，无论是在苹果还是微软，我确实都做了一些自然语言的工作。

说服比尔·盖茨，用机器学习做出了很多自然语言的工作，我也参与了微软这样的升级。

一个人不懂语言，他是学不会历史、化学的。

创新工场，自然语言是特别重要的领域。我认为AI领域里的自然语言是一个非常好的方向。

比如我们现在在电商网站买东西，找机器人客服时常常碰到答非所问的情况，但以后ta就会变得非常聪明、非常贴心、非常精准。

今天，很多公司第一想到的就是用AI来赚钱。

有很多方法来监督每个APP有多少虚假内容，或是打分、公布给社会看，让基金就不能买它的股票。公司能有动机自律，公司的权力越大，责任也越大。

五、

戴上虚拟眼镜或者头盔，可以做特别好玩的游戏、训练一个什么技能，直接虚拟地训练，提前做好我们想学的工作。

这誉为“元宇宙”新科技，则是手机游戏加强1000倍的版本，做AI不能做的工作。

历史告诉我们，每一种科技最终也会带来很多新的工作，但需要一个缓冲期让这些新的工作产生。就像刚刚有互联网的时候，我们可能无法预测现在滴滴司机或者美团小哥这样被互联网创造出来的工作，但是他们会在一段时间的发展后衍生出来。

六、

技术会让未来所有需要买的东西变得越来越便宜。

一个产品，都有三个成本，一是物料材料，二是制造过程和人工，三是能源。这三个成本在未来10-20年内可能会降低10倍左右，带来一个丰衣足食的机会。

得到温饱，有了安全，获得尊重、给人帮助，或是自我实现。有没有可能用货币作为一个方法来推动改变马斯洛的金字塔？

作为年轻人首先应该尽快去掌握人工智能作为工具的使用方法，了解AI能做得很好的事情，

花那么多时间学习，做的是AI不能做的事，这样在未来的世界里才有竞争力。

如果我们放弃自己，觉得AI要取代我们的工作，超级智能要来临了，要把我们控制住了，我们肯定就颓废了。

七、

技术最大的阻碍是人们的悲观，人们的不相信，人们的不合作，人们的贪婪，人们的自私。

每一个人都要活出适合自己的未来，而不是去重复别人的方向。我认以下几点供参考。

第一，总是乐观，选择相信的力量，相信技术，相信朋友，相信员工，相信人类。

第二，积极主动，是创立一个公司、一个学习新科技的机会，非常努力，不会让自己缠缚在一个从众的心态里面。

第三，永远充满好奇心，特别喜欢学习新的事物。（2022年05月26日 财新网李开复）（2022/05/30老邓）