震惊！Michael Jordan(吴恩达和Yoshua Bengio的老师）: 几百年内人工智能不会觉醒，谷歌也不一定能赢！

全球人工智能：专注为AI开发者提供全球最新AI技术动态和社群交流。用户来源包括：北大、清华、中科院、复旦、麻省理工、卡内基梅隆、斯坦福、哈佛、牛津、剑桥等世界名校的AI技术硕士、博士和教授；以及谷歌、腾讯、百度、脸谱、微软、华为、阿里、海康威视、滴滴、英伟达等全球名企的AI开发者和AI科学家。

---

文章来源：澎湃新闻   

此乔丹并非飞人乔丹。他是UC Berkeley 著名的机器学习实验室AMP Lab的联席主任。此乔丹门下英雄辈出，如深度学习领域的大牛蒙特利尔大学教授Yoshua Bengio、百度首席科学家吴恩达、斯坦福大学教授Percy Liang等都是其弟子。

目前，人类对人工智能的恐惧日甚一日，研究黑洞的英国物理学家霍金就认为人类会制造出如同人类一样新物种，最终消灭人类。

人工智能究竟会如何，迈克尔·乔丹认为人们对人工智能、大数据学习期望过高，目前已经发展过热。而且他还意外地告诉听众，这门全民关注的学科，目前还处于初级阶段，并未成为体系化的理论科学，有很多难以理论化解决的难题。

他也解答了霍金对于AI和人类未来的担忧，“霍金研究领域不同，他的论述听起来就是个外行，机器人毁灭人类的可能性，在几百年里不会发生。”迈克尔·乔丹认为，通过研究人脑的运行机理，从生物学途径仿生出一个类人脑的人工智能，以目前的进展看，很长时间里无法实现。

具体到人工智能的研究，迈克尔·乔丹认为，人工智能最先获得突破的领域是人机对话，更进一步的成果则是能帮人类处理日常事务甚至作出决策的家庭机器人。

霍金是外行

澎湃新闻：人工智能、神经网络提出有几十年了，发展历程起起伏伏，神经网络研究在历史上几次受挫，是不是意味着人工智能的研究方向是计算机科学，而不是所谓的人脑科学？

迈克尔·乔丹：我不认为神经网络经历了起伏，神经网络的发展带来了很重要的理论贡献，你所说的起伏是由于计算机的性能不能匹配其大量运算的需求， 当计算机的硬件、软件、计算数据，这些都跟上了理论的发展进程，神经网络就能发挥出自己的优势。

澎湃新闻：霍金很担心人工智能，但微软的科学家说计算机具有自我意识还要几百年之久，您如何看？

迈克尔·乔丹：霍金不是人工智能的研究者，他是一个外行 。计算神经生物学近期不会有太大的突破，大概几百年后才能有进展，但我还是保守看好这方面的发展。

澎湃新闻：您不看好通过研究人脑科学获得人脑一样的运算能力这个研究方向？

迈克尔·乔丹：这是非常难的问题了，首先，人们对大脑运行机制还不是很清楚，目前还需要很精细的研究，要细致地了解每一个细胞的功能机理。目前计算机视觉技术，主要通过对图片、视频来分析，这在模拟人脑认知方面是远远不够的。打个比方就像我要研究上海的经济状况，不是通过空中简单的航拍就可以了解的，这种方法太粗了。

其次，以前科学家用行星运行来比喻原子内的结构，前提是我们对行星运行的机制有很深的理解。现在人们通过对人脑的研究来开发人工智能，但对人脑机制的认知还非常浅，所以这个方向属于未知的探索。

工作岗位被机器人取代是大势所趋

澎湃新闻：人工智能取代工作岗位这是肯定要发生的吧？

迈克尔·乔丹：工作岗位被机器人取代是大势所趋，像自动驾驶取代出租车司机，可能会让交通更安全，但是在经济上带来的影响是不可忽略的。比如出租司机或工人被机器取代了，他们的生活怎么办，他们有没有被安排新的工作，这是很重要的社会问题，是科技解决不了的。人类不可能被机器毁灭，人类只能被自己毁灭。

澎湃新闻：目前已经通过人脑和电脑相连玩游戏了，这能否是一个研究人脑获得人工智能的佐证？

迈克尔·乔丹：可以，但起到的作用很有限，这种研究是很粗略的，大脑是很精致的，不太可能看了你的行为就能够研究出来你的思维是什么样。

大数据明显过热

澎湃新闻：您之前认为大数据过热，目前有很多大数据的数学和工程的问题需要解决，会发生一场大数据的冬天。但现在有非常多的公司进入这一领域，您还认为冬天会到来吗？

迈克尔·乔丹：大数据明显过热。很重要的科学问题是怎样让大数据在大尺度、大规模的深度学习中解决实际问题。但有个很重要的问题是，大数据分析必须建立正确的数据模型，但是目前没有办法从根本上杜绝错误的数据模型。不过大数据的冬天还不至于到来，因为目前还是有很多好的想法，可能会有段冷却时间，但可能不是冬天。不过大家对大数据的期望值实在太高了。

AMP Lab co-directors Ion Stoica and Mike Jordan and director Mike Franklin

看好人机对话、自然语言处理的突破

澎湃新闻：人工智能最先获得突破的是哪一块？

迈克尔·乔丹：计算机视觉领域已经有很好的突破，但我比较看好人机对话、自然语言处理的突破，这些是正在改变或即将发生的改变，譬如谷歌的翻译系统最近有非常不错的成果，下一个领域的突破就是在家用机器人方面，小机器人在日常生活中与人的人机互动，这是多方面应用的人机交互，既有计算机视觉，还有人机对话，以及综合场景处理。家用机器人了解你日常生活的模式，并对此进行学习，然后进行下一步的服务，这是正在进行中的突破。

还有一个就是精准医疗，我非常看好，虽然前景并不非常明确，因为需要了解病人的历史数据，再对可能要到来的疾病进行诊断、预测和治疗。谷歌现在在各个领域都能帮助人，不是谷歌什么都知道，是谷歌可以搜索，或了解这些知识。人工智能的下一步就可以帮助人们做决断，帮人做出决定，这是更深层次的逻辑运算。

澎湃新闻：掌握最多数据的公司认为他们更有优势做好深度学习，现实如此吗，其他公司的机会在哪里？

迈克尔·乔丹：首先是数据量的问题，深度学习十分依赖于公司处理的是什么样的数据，譬如精准医疗、电子商务，专业的公司有大量的数据，但私人对这些数据并不是十分感兴趣；另外是数据质量的问题，很可能大公司有更好的数据质量，譬如美国的推特、中国的微博，虽然每天产生大量的数据，但这些数据之间的关系可能比较微弱，普通人不感兴趣，可能只有大公司才有兴趣。

还有信用卡以及金融数据，可以分析出大家的购买习惯，这对私人来说就是非常有用的东西。这也是数据量多的公司才能做的事。另外，数据收集方面有很大的挑战，因为有人为或者不可避免的失误，会对数据产生人为的损害和污染，如何保证数据的高质量是非常重要的问题。

澎湃新闻：在人工智能方面最先获得突破的是谷歌、亚马逊这些大公司吗？

迈克尔·乔丹：这是很重要的问题，但就2016年来说，研究机构还是最有可能获得突破的，未来如何不好说，但过去30年的经验，人工智能的研究，研究机构一直领先, 我很乐观。

在一片AI热潮之下，迈克尔·乔丹的声音显得异常冷静，也许大家该听听不同的声音，更冷静的声音。

热门文章推荐