凌晓峰

（加拿大西安大略大学杰出教授、加拿大工程院院士）

非常感谢主办方对我的邀请，我也非常荣幸在此发言。在场的主要是中国观众，我用中文发言。

人工智能20世纪50年代就提出来了，但是最近几年人工智能又突然热起来，这是为什么？我想告诉大家一点，现在我们说人工智能，实际上90%说的都是深度学习（Deep Learning）或者深度神经网络（Deep Neural Network）。它们最近五六年时间突然火起来，使得人工智能被赋予新的使命。今年图灵奖给了人工智能领域的创始者，包括深度学习的创始者，其中包括杰弗里·辛顿（Geoffrey Hinton）、约书亚·本吉奥（Yoshua Bengio）和杨立昆（Yann LeCun）。他们3个人原来都在加拿大，现在有两个还在加拿大，杨立昆去了脸书（Facebook），他们3个人在加拿大经过长达20多年的研究，使得深度学习成为可能性。深度学习为什么这么热？我简单解释一下。

有几个关键词，一个是端到端（End-to-End）。深度学习可以做到端到端，假如说有很多图像，包括人脸、肺部X光片或者脑部的图像，告诉你这些图像是一端，还有一端即每张图像是什么，是不是脑部有肿瘤的、没有肿瘤的、什么类型的肿瘤，我需要告诉你很多端到端的数据，而用深度学习的办法自动学习一个深度神经网络，它能够对图像进行自动分类，将来拿一张新的图像来也能分类，这中间的过程几乎是全自动的。换一个题目，假设一端是演讲者，另外一端是复述者，这个字的英文是什么或者是谁说的话，同样我可以建立一个这样的深度神经网络，让它自动学习，能够重复我说的话是什么内容。端到端，原来需要人大量地干预，现在不需要人的干预。

第二个关键词，机器学习。整个过程是学来的，而不是编程人编出来的。

第三个关键词，深度学习。需要端到端大量的训练数据和高性能计算机。

深度学习光有端到端还没什么用，还要有很好的性能，它的性能比传统的非深度学习的方法要好。举一个简单的例子，有一个传统的比赛，传统的办法做到的错误率最好的是25%左右，2012年杰弗里·辛顿和他的博士生创造了第一个深度神经网络，共8层，错误率降低到16.4%，正确率提高了将近10%。一两年前VGGNet（Visual Geometry Group，牛津大学计算机视觉组和谷歌DeepMind一起研究出来的深度卷积神经网络）变成19层，它的错误率降到7.3%。不只是在图像方面，在其他领域使用深度神经网络也比传统的非深度学习的错误率要低，性能也更好。2014年谷歌参与的GoogLeNet（谷歌推出的一种全新的深度学习结构）有二十几层，错误率更低，为6%左右。自从2012年以来，主要的互联网平台包括谷歌、脸书、百度等都开始部署开发深度神经网络。大家现在用的人脸识别、语音识别、语音翻译成文本，后台全是深度神经网络的东西，性能比原来要好。人类专家的错误率在5%左右。2015年微软的残差网络（Residual Net）达到152层，错误率降到3.57%，2017年低至百分之一点几。通过对眼睛的视网膜来进行判别是不是得了什么病，比一般的眼科专家都要好，这反映出，用深度神经网络训练，得出的结果比专家都要好。

深度学习还有很多挑战：第一，为什么是25层不是26层，讲不出什么道理的，目前还没有很好的理论可以解释为什么深度学习可以有这么好的效果；第二，深度学习训练产生的结果像个黑匣子，里面只有各种连接和数值，很难去解释；第三，深度学习需要很多训练数据；第四，深度学习不像人的学习一样可以进行知识迁移和积累；第五，深度学习不能很好利用已有知识，比如眼科有很多书，这些东西不能简单加到深度学习里面去，深度学习可以从头端到端地学，但是不能拿现有的知识去补充它，这也是很大的缺陷。这些都是深度学习研究人员包括我和我的博士生在研究并努力提高的方面，除了提高深度学习的性能之外，还有很多问题要研究，有很多困难要去克服。

上面讲到的人工智能的突破，我想再次强调的有两个关键点，一个是端到端，一个是很好的性能，这是以前的绝大多数AI（人工智能）算法和AI系统所没有的。

下面讲一下未来，共7点。

第一，智慧大脑（Intelligent Brain），现在研究的智慧大脑强调思维过程，这就包括了深度学习，还包括各种各样过去AI的东西，比如诊断、规划等等，谷歌的阿尔法狗（AlphaGo）也是，它也在思维层面。通过把智慧大脑和深度神经网络结合起来，把深度学习的很多不足克服了，我们在这方面做了很多工作，发表了很多文章。

第二，从“大脑”的形式拓展开去，叫“智慧大脑+”（Intelligent Brain+），智慧城市、智慧交通、智能传感器、物联网等等，正是当前人工智能不断发展的方向和过程，通过“智慧大脑+”对社会和城市产生积极的影响。现在正在形成的一个概念是万物皆AI（AI of Everything），一切都可以通过AI来连接，通过“大脑”来控制，AI现在正向着这个方向发展。

第三，智能机器人（Intelligent Robots），今后5年到10年将看到非常多的家庭机器人、服务机器人，接电话客服的也是一种智能机器人。在将来的智慧城市里面会大量使用这样的机器人，在北美已经开始有非常多的实践，特别是养老方面可以照顾老人、帮助老人。中国有老龄化的问题，再过10年、15年很可能会有大量机器人在你的家里面帮助老人，使得老人不再寂寞，使得老人能够得到帮助。这些都是我们城市发展的非常重要的方向。

第四，无人驾驶汽车。现在很多地方都在进行无人驾驶汽车的实验，我选了Waymo（谷歌旗下的自动驾驶汽车品牌）的模型作为例子。自动驾驶可以提高我们的效率，节省我们的时间。(www.daowen.com)

有了这些东西，我们现在可能又有一个问题，很多人工智能会取代人的工作，将来人是不是变得没有工作可以做？人逐渐被机器替代的情况正在不断发生，但是有一点不用担心，虽然越来越多的人没有工作，但是人工智能会更加高效、更加优化地产生各种各样的物质及并进行物质分配，确实有一些另外的问题，比如那些无所事事的人怎么办。因此教育就十分重要，现在的教育不太适合未来10年到15年的社会。

哪些不容易被人工智能取代？有以下4个方面（4C）：

1.批判性/分析型思维（Critical/analytical thinking）：教会孩子思维，决策性、分析型的思维，这些机器不容易做到，越是机器不容易做到的越是将来不容易被替换的。在座的如果有孩子，一定教会他们思维，而不是死记硬背知识，知识很快就会被不断替换。

2.创造性思维（Creative divergent thinking）：这是人类具有的特别强的能力，希望教育界在这方面加强，将来教育出更加优秀的孩子，能够更加做好或者掌控好人工智能。

3.交流（Communication）：人与人之间应该有更多的交流，这是很重要的。现在大量用手机，人与人的交流越来越少。

4.协作（Collaboration）：不只是人跟人，未来人跟机器也要协作。

以上4个方面是教育上的焦点，使得未来5年、10年、20年我们能够不被AI取代。我在加拿大经常到小学里面讲述这些思维方式，关于4C，我在加拿大出过教材、出过书。加拿大的学生非常踊跃，非常喜欢思考、提问题。

第五，智能灵魂（Intelligent Souls），将来的人工智能系统越来越像人，考虑到人的情感，根据人的情感进行调整，使得人会非常享受人工智能。

第六，智能伙伴（Intelligent Mates），我认为这对将来的社会是有好处的。

第七，人工智能是一种高级的技术，可以用在各个领域，它可以是好的，也可以是坏的。一个国家可能说我不做AI武器，但是一定会有国家做，AI一定会逐渐在武器中使用，使得将来的战争非常不一样。

刚才讲了人工智能深度学习为什么这么火，人工智能最近几年或者将来若干年的发展大概会朝哪个趋势发展，跟我们天津论坛息息相关。

谢谢大家！

（根据现场速记整理）