從匹諾曹、愛德華到大黃蜂、賈維斯，人類對于機器智能的憧憬和追求就從沒離開過熒幕。而在現(xiàn)實生活中，最引人注意的莫過于“機器人司令”馬克·雷波特（MarcRaibert）。他是麻省理工學(xué)院（MIT）的教授，在1992年時創(chuàng)辦了波士頓動力公司，全力研發(fā)各樣智能機器人。
2009年時，波士頓旗下的BigDog（大狗）亮相互聯(lián)網(wǎng)，它雖然體積龐大，但行走平穩(wěn)、轉(zhuǎn)向靈活，仿生狀態(tài)非常驚艷。4年后，其發(fā)布的人形機器人Atlas更是名聲大噪，初代產(chǎn)品可以伸展雙臂平衡通過狹窄的“獨木橋”；隨后更具備了倒立、翻轉(zhuǎn)、空中劈叉等動作，甚至跑酷的姿勢也非常優(yōu)美。
波士頓動力的每一款產(chǎn)品問世，都能成為網(wǎng)紅焦點。而雷波特及其公司也成為談及AI時所無法避開的行業(yè)典范。因此在11月4日東莞舉辦的企業(yè)創(chuàng)新生態(tài)圈大會上，雷波特也遠(yuǎn)程參會交流。和他對話的，則是中國AI（人工智能）公司云從科技的創(chuàng)始人周曦。后者也是學(xué)霸創(chuàng)業(yè)，從中國科學(xué)院走出來的行業(yè)中堅。
兩位科技大佬對話的一大背景是，當(dāng)下人工智能正在從又一波高峰滑落：外界總期待AI人工智能無所不能，但實際卻像個“廢柴巨人”。
就拿波士頓動力來說，就連充滿探索精神的谷歌，收購公司之后，看著商業(yè)化進(jìn)程這么緩慢，也坐不住了，最終賣出轉(zhuǎn)手。而國內(nèi)的AI，在大眾認(rèn)知里似乎依然停留在語音、人臉識別這些不夠“性感”的方向。
確實，歷經(jīng)六十多年發(fā)展，AI技術(shù)已有大幅提升，甚至學(xué)術(shù)界擔(dān)憂，AI過于強大從而帶來威脅、統(tǒng)治人類。然而，現(xiàn)實卻是，成熟商業(yè)化的領(lǐng)域依然不多，對社會的影響也感知頗淺。因而，社會普遍認(rèn)為，AI就像個“廢柴巨人”，看上去很有創(chuàng)造力和破壞力，但除了飯（燒）量（錢）大（多）也沒啥本事。
那么，AI該如何擺脫廢柴的尷尬？該如何秀出肌肉、舞動拳頭、發(fā)揮力量又不至于統(tǒng)治人類呢？
人類的狂喜與失望
人工智能之父可以追溯到在二戰(zhàn)中做出密碼破譯機的圖靈，而行業(yè)的起點則從1956年達(dá)特茅斯學(xué)院的暑期會議，世界第一座AILab實驗室開始。自此后的十年，AI領(lǐng)域一片紅火：美國政府投資了數(shù)百萬美元、西洋跳棋程序誕生并戰(zhàn)勝了人類大師、會文本聊天的機器人、專家系統(tǒng)、根據(jù)指令抓積木的機器人相繼誕生。
然而，這波熱潮卻在1973年被一份報告潑了冷水、濕得透透：到目前為止，該領(lǐng)域的任何發(fā)現(xiàn)都沒有產(chǎn)生當(dāng)初承諾的重大影響。[1]隨后學(xué)術(shù)界進(jìn)行了一輪深刻的批評與自我批評，AI的研究進(jìn)入平靜階段。
1976年，誕生了十余年的專家系統(tǒng)，終于開始在商業(yè)中發(fā)揮作用，借助數(shù)據(jù)庫積累參與醫(yī)療診斷咨詢。借助專家系統(tǒng)，AI復(fù)興快速展開，日本政府撥款8個多億美元支持研發(fā)、英國耗資3億多英鎊打造AI工程。然而，又過了十年后，人們遺憾發(fā)現(xiàn)，機器專家也不靈光，AI研發(fā)再次陷入低谷。
1960s年代、1980s年代，兩次產(chǎn)業(yè)的迸發(fā)與消退、人類的狂喜與失望，歸根結(jié)底就是一句話：機器沒有人們期望的那么智能。
事后來看，結(jié)果是顯而易見的。硬件方面，晶體管、芯片的集成度仍處于早期，視覺、觸感等信息的獲取，也十分困難。軟件方面，支持建立模型的數(shù)據(jù)量仍嚴(yán)重不足，算法規(guī)則理念也不夠先進(jìn)?？梢哉f，不是機器不夠智能，而是人類的功課還沒準(zhǔn)備充分。
兩次的周期往返讓產(chǎn)業(yè)深深質(zhì)疑，AI到底是不是一個方向？未來會好嗎？甚至有人開始反思，大象根本不玩象棋（ElephantsDon’t Play Chess），但大象卻可以根據(jù)環(huán)境變化做出判斷、反應(yīng)。用人類設(shè)定規(guī)則的方法，也許是錯誤的。
幸運的是，科學(xué)家并沒有停止探索。寒冬中播下的種子，在暖風(fēng)之下，開始生根發(fā)芽。
跨學(xué)科研究：概率論、統(tǒng)計學(xué)、控制理論、工程學(xué)、神經(jīng)學(xué)等等，越來越多學(xué)科跨界進(jìn)入AI研究，交叉體系打破了先行設(shè)定規(guī)則的思路，神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)技術(shù)開始發(fā)展。
硬件大提速：在摩爾定律的促使下，芯片集成度指數(shù)型發(fā)展，CPU、GPU、MPU等等功能芯片層出不窮。而云的誕生，也使得算力可以近乎無限擴大。光學(xué)鏡頭、紅外等傳感器也性能提升，對外界環(huán)境的辨別、關(guān)鍵信息的捕捉也更加高效。
軟件爆發(fā)潮：在互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)時代，產(chǎn)生的數(shù)據(jù)量爆炸性增加，每年產(chǎn)生的量就等于過去人類上千年積累的百萬倍，真實世界的活動得到了前所未有的記錄，為建立模型提供了充分的素材。在互聯(lián)網(wǎng)大潮中，碼農(nóng)數(shù)量也隨之增加，如今全球達(dá)到了3000萬人左右。
在這些因素的促使下，AI產(chǎn)業(yè)再次昂首闊步：“深藍(lán)”戰(zhàn)勝國際象棋冠軍，AlphaGo完虐人類圍棋高手，無人駕駛車也行駛在路上，AI甚至出現(xiàn)在了美國禁令清單中。技術(shù)爆發(fā)性“奇點”似乎就要到來，以至于比爾蓋茨、霍金等大佬紛紛勸阻，別搞太快了，很危險；AI會取代人類。
實際情況是，機器學(xué)習(xí)、深度學(xué)習(xí)、強化學(xué)習(xí)技術(shù)支撐的這一輪AI熱潮，也根本快不起來，純粹深度學(xué)習(xí)的算法演進(jìn)，已走入絕境。OpenAI的GPT-3模型訓(xùn)練成本高昂，其智商卻無法理解“冰箱里的奶酪是否會融化”這樣的常識。
2008年金融危機后，為避免再次發(fā)生世界性危機，全球最頂級的金融人才開始修訂《巴塞爾協(xié)議》，而如果交給GPT-3，起碼要經(jīng)歷千百次金融危機它才能學(xué)會。
周曦認(rèn)為，“這個時候我們需要另外一條路，我們叫專家知識。我們要相信人的力量，把人工智能和人結(jié)合。人能夠在很復(fù)雜的環(huán)境，很小樣本的情況下，作出創(chuàng)造性的決定。”
如此一來，人機協(xié)同，成為人工智能進(jìn)化的必然方向，同時，也是人類合理使用AI的必然要求。
機器的輔助與統(tǒng)治
電影《黑客帝國》中展示了這樣一副圖景：人類生活在一個虛擬世界中，而創(chuàng)造并控制這個世界的是叫做“母體”的AI人工智能系統(tǒng)。人類仿佛是AI飼養(yǎng)的動物，沒有真實的自由，而實際上，人類不過是一行行代碼程序。然而，更可怕的是，99%的人類對虛擬世界完全沒有察覺。
電影結(jié)尾，黑客Neo用人類的愛情戰(zhàn)勝了機器的理性，但電影仍令人后背發(fā)涼，人類的肉身如何抵抗AI的超級之軀。盡管超級AI還為時尚早，但AI已經(jīng)開始取代部分人類工作：
比如計算機開始取代機關(guān)機組人員工作，負(fù)責(zé)編排航班時刻表、分析異常報告；算法也取代了編輯，自動向用戶推送內(nèi)容；機器人替代搜救隊員到危險地方工作，替代了醫(yī)生進(jìn)行高效診療，減少失誤；雷達(dá)和算法，替代人腦更快判斷車距和避險。毫無疑問，AI的智能化正改善著人類的生活。
然而，AI未必能永久智能。2010年，交易算法故障導(dǎo)致紐交所閃電崩盤，幾分鐘內(nèi)蒸發(fā)了萬億美金；2018年，計算機故障導(dǎo)致歐洲1.5萬個航班嚴(yán)重延誤或取消。[2]除了金錢損失之外，AI過度使用，也在沖擊著人類社會文明：
劍橋分析公司不當(dāng)使用數(shù)千萬用戶信息，個人隱私遭到破壞；而DeepFake帶來的換臉等應(yīng)用，流行于網(wǎng)絡(luò)，社會秩序、公共安全遭到極大沖擊。甚至軍事領(lǐng)域，也開發(fā)了大量AWS（無人指揮下，自主尋找目標(biāo)并進(jìn)行擊殺）武器，大大加大了殺戮的殘暴。
而在討論超級智能AI對人類的威脅時，總有人會說，到時關(guān)閉電源不就好了，但詭異的是，AI的目標(biāo)是為了完成人類賦予的任務(wù)而克服萬千困難，“被斷電”顯然也是它認(rèn)為需要克服的困難。因此，如果AI只是被設(shè)定用來實現(xiàn)“最大化目標(biāo)”，那么AI的終極，就是超級AI、就是全面接管人類。
畢竟，初出茅廬的AI，并不能短時間內(nèi)具備人類的社會經(jīng)驗和價值判斷。基于此，人工智能學(xué)者斯圖爾特·羅素（StuartRussell）認(rèn)為，人類應(yīng)該致力于研發(fā)“可證明對人類有益的人工智能”（ProvablyBeneficial AI），而不是人類及超人類級別的AI。
羅素對AI提出了三個原則：最大化實現(xiàn)人類目標(biāo)；對人類保持敬畏之心；基于人類行為設(shè)定機器偏好。濃縮成一句話的話，好AI應(yīng)該是“以人為本的人機協(xié)同”：人類居于主導(dǎo)地位，基于人類的經(jīng)驗、判斷與偏好，研發(fā)服從于人類利益的AI，最終拍板的依然是“我們”。既不做半機器半人類，也不做機器下的人類。
而要讓AI成為助手，總共分三步：第一步，在多個人機協(xié)同感知端實現(xiàn)技術(shù)突破，將人力從繁復(fù)的工作中解放出來；第二步，在感知、認(rèn)知到?jīng)Q策全流程提升效率，助力決策；第三步，在人機交互體驗幫助創(chuàng)造者，豐富終端的產(chǎn)品和服務(wù)內(nèi)容。
這個“三步走”戰(zhàn)略，邏輯嚴(yán)密前景美好，但要實現(xiàn)卻并非易事。它要求每一步都算數(shù)，每一步都得踏實走。不少國內(nèi)公司都在邁出第一步，在感知端的工作已經(jīng)成為追求精度的競賽。率先邁開第二步的，才能更快完成人機協(xié)同的目標(biāo)。而這則有一個先決條件：市占率說了算。
只要在終端分布的感知端數(shù)量越多、喂給認(rèn)知與決策算法的數(shù)據(jù)才會越多，而經(jīng)過訓(xùn)練反饋的結(jié)果也才會趨近于最優(yōu)。這也是統(tǒng)計學(xué)、概率論發(fā)揮作用的基礎(chǔ)。
國內(nèi)不少企業(yè)也在如此布局。2015年成立的云從科技，憑借“行業(yè)專家+工程師”模式的充分開發(fā)，云從對銀行和機場進(jìn)行了最為廣泛的AI覆蓋。這保證了公司在向認(rèn)知與決策端延伸時，有足夠優(yōu)質(zhì)海量的數(shù)據(jù)可以使用，為成功邁出第二步做了充分保障。
人機協(xié)同成為人類和AI的親密接觸，而需求則成為了AI競爭的關(guān)鍵，也成為了中國AI發(fā)展的優(yōu)勢。
人機協(xié)同，復(fù)制1000個鐘南山
截止2016年，全球深度學(xué)習(xí)領(lǐng)域，中國論文總量與引用均位列第一，AI領(lǐng)域的發(fā)明專利中國位列第二；而在商業(yè)化方面，2011年成立的曠視，2012年成立的依圖，2014年成立的商湯，以及2015年成立的云從，都在短期內(nèi)快速崛起，被并列稱為中國的“AI四小龍”，趕著來投錢的資本，從中國一直排到了美國。
這幾家基本都是以計算機視覺技術(shù)CV起家，所以大眾普遍認(rèn)為所謂的AI，不過是認(rèn)臉、下棋、刷論文、或者套著AI名義做個政府集成外包。雖然AI商業(yè)化的進(jìn)程緩慢，但毫無疑問，這些印象還是刻板過時了。
AI商業(yè)化的良性之路，正在形成。
以云從為例，已經(jīng)實現(xiàn)了AI從感知（人臉、人體、物體、語音）到認(rèn)知（語義、知識圖譜、大數(shù)據(jù)）到?jīng)Q策（風(fēng)控、推薦、畫像）的技術(shù)閉環(huán)。除此之外，云從的“3D結(jié)構(gòu)光人臉識別”、商用跨鏡追蹤（Re-ID）、人體3D重建等技術(shù)也走在技術(shù)前列、商用舞臺。
人機協(xié)同也早已取代計算機視覺，成為這家小巨頭的新標(biāo)簽。周曦做了一個總結(jié)：每次科技的進(jìn)步都是效率的提升，都是對人的延展。
既往的幾次科技革命，都只是對人類四肢的延展。而人機協(xié)同則帶來新的質(zhì)變——對人腦的延展，既然人的思維沒有邊界，那么在人機協(xié)同這個方向下，人工智能就不應(yīng)再被束縛在具象化的實物上，而是能夠像思維一樣拓展出無限的邊界。
以AI在醫(yī)療中的應(yīng)用為例，如果僅有傳統(tǒng)的計算機視覺技術(shù)以及語音識別技術(shù)，那么AI的最多還是只能看看CT，順便幫醫(yī)生錄入病例。然而，對于那些掙扎在死亡邊緣的的病人來說，他們面對的最大困難則是，能夠耄耋之年沖上一線的鐘南山院士只有一個，能夠殫精竭慮無私奉獻(xiàn)的陶勇醫(yī)生也只有一個。
人機協(xié)同則可以通過在人工智能技術(shù)這個黑匣子中置入專家知識，將鐘南山、陶勇們的知識技能模型化、自動化，通過AI解決掉90%以上診療信息，協(xié)助醫(yī)生付出10%的精力處理其他關(guān)鍵性問題，進(jìn)而讓醫(yī)療專家的服務(wù)能力擴大10倍以上。
在海關(guān)監(jiān)管系統(tǒng)中，云從已經(jīng)開始進(jìn)行人機協(xié)同的階段性實踐，研發(fā)了海關(guān)立體監(jiān)管決策指揮系統(tǒng)、集裝箱全流程監(jiān)管以及智慧查驗等系統(tǒng)，將海關(guān)監(jiān)管的現(xiàn)實場景數(shù)字化、結(jié)構(gòu)化、模型化，幫助海關(guān)專家做出更好的決策。
云從之外，商湯的算法平臺，曠視的物聯(lián)網(wǎng)，也都已取代計算機視覺，成為各自新的目標(biāo)。中國AI產(chǎn)業(yè)，正依靠著廣闊的需求市場，走上世界舞臺。
而無論是銀行風(fēng)控專家，還是三甲醫(yī)院主任醫(yī)生，在中國，都是極其稀缺的資源，但老百姓對高品質(zhì)服務(wù)的需求是實打?qū)嵉摹Ｈ藱C協(xié)同，既可以將高質(zhì)量產(chǎn)品與服務(wù)普惠于民，又避免了人機崗位的沖突。
對于我們這樣人口大國來說，發(fā)展人機協(xié)同的普惠型AI，延展我們的智慧，是產(chǎn)業(yè)發(fā)展的趨勢，也是工程師紅利和群眾需求結(jié)合的必然選擇。
結(jié)尾
雖然火器大炮在中國早有使用，但清朝時期的大炮“只知道用鐵鑄成炮身，不知道做炮膛，全無科學(xué)分寸，所以施放不能有準(zhǔn)頭”，[3]火炮內(nèi)外凹凸不平，其中最大的凹陷，可以倒入4碗水而不溢出。最終在和列強的戰(zhàn)斗中，清朝軍隊?wèi)K敗負(fù)辱。
誠然，如今的世界，爆發(fā)大規(guī)模戰(zhàn)爭不再容易，但不可否認(rèn)的是，國與國之間的競爭、甚至對抗，卻從未停止。而科學(xué)、科技，無論在清朝，還是如今，都是自強自立的根本保障。而在AI領(lǐng)域，經(jīng)過幾批人的努力，中國已經(jīng)有資格和海外公司站在同一階段，這是彌足珍貴的成績。
任正非曾說，只有長期重視基礎(chǔ)研究才有工業(yè)的強大，人工智能是影響和塑造一個國家的核心變量。
作為擁有14億人口的中國，我們需要提升效率創(chuàng)造更多的財富、也需要注重平等共同富裕。也許AI看似“廢柴”，但我們卻不能忽視“巨人”的存在。包容創(chuàng)新、包容那些探索的人，我們的基礎(chǔ)教育、我們的技術(shù)強國，也才會有保障。
參考資料
[1]《萊特希爾報告》（LighthillReport），ScienceResearch Council of Great Britain，1973
[2]《AI新生》，斯圖爾特·羅素（StuartRussell），中信出版社
[3]《中國歷史縱橫談全集》，蕭楓，遼海出版社
