對話Citrix副總裁：人類的意義在於靈魂 通用AI不可能實現！

▼

本期嘉賓為了Christian Riley（克里斯蒂安·萊利），他是美國思傑公司全球產品和技術戰略副總裁。在加入思傑公司之前，Riley曾在柏克德公司工作了18年，主要負責公司信息系統和技術部門的戰略規劃，企業架構和創新計劃。

問: 什麼是人工智慧？

Christian Riley:當我思考人工智慧時，我有兩種不同的思考方式，其中一種是強人工智慧，這種智能涵蓋的方面非常廣泛，我認為這是一種技術方式去試圖重新創造人類的大腦。我們還有另外一個對人工智慧分類的概念，即是弱人工智慧，這實際上是打破了我認為是相對平凡和可編程的重複任務，這些任務在概念上來解釋更加簡單，但是是增強或替代人類完成某些任務的有效方式，而這也是我願意看到的方式。

問:您認為強人工智慧是從弱人工智慧中演化出來的嗎？或者說，強（通用）人工智慧是讓弱（狹義）人工智慧變得範圍更大，更廣泛，這就是它特有的「普遍性（強）」嗎？還是完全不同的強（通用）人工智慧（AGI）技術能夠讓它看起來跟其他的智能結構完全不同，而且我們甚至沒有真正開始構建它？

Christian Riley:當我們談論人工智慧時，實際上這個論題並不是一個創新，而是我認為的當前有關它發展例子是新的。隨著技術變得更容易採用，更容易消費，我認為這些給了該領域一個全新誕生的機會。我認為，人工智慧這個概念是自上世紀五六十年代以來的就出現過的，例如科幻小說中所描述的那樣，機器人和電腦將接管工作並幫助我們思考。

我認為它「普遍（強）」的一面，我不知道我們是否真的能夠真正地以我們喜歡的方式去全面掌握普通情報。實際上，一台計算機或一系列計算機可以被編程語言進行操控，去學習如何感受情感，擁有感知能力，以及學會如何變成我們在經歷了數十萬年的進化之後，作為人類去如何對待擁有的那些事物。對我來說，狹義（弱）的東西看起來更像是一個自動化的角度，我不確定擁有弱人工智慧的產物什麼時候會自動化處理事物，並且突然有的人就會變成所謂的「超人類」。

問：從您的觀點來看，我們不能建立通用人工智慧的論點是什麼？

Christian Riley:我認為即使使用最好的機器學習技術，也有一些東西不能夠被人工製造，例如人類存在如此多的情感元素，再加上人類已經進行了幾十萬年演化過程，以至於我們的大腦的功能不能被完全人工複製。所以，我認為總會有一些人類的行為事物不能被技術像人類做的那樣完全相同的展示出來。

我認為可以很肯定地說，儘管人類最早提出關於通用人工智慧的概念可能在五十，六十，甚至接近七十年前，但從根本原理上解釋，即使是具有最佳通用人工智慧能力的最聰明的機器人也不能完全複製一個人的行為。如果你考慮一下我們在決策過程中要必須處理的事情的數量。我們不是按順序做這些事的，比如我們在某一次做這些時：我們正在琢磨這個想法，如果這個想法是這樣的話，我們可以向前看，我們可以回顧經驗，情感和學習。對我而言，我認為我們永遠不會完美地複製一個人類的靈魂。

問:機器人學家羅德尼布魯克斯說，我們往往不了解人類在生活中的一些基本常識，這聽起來很有趣。他稱之為「果汁（能量／影響）」。他說，如果你把一隻動物放在籠子里，這隻動物會迫不及待地想要出去 ，它會劃傷自己，它會變得越來越瘋狂。但是如果你把一個由你進行編程設計的機器人放在一個籠子里，它只是通過遵從設計的演算法行動，而沒有這個「果汁」，並且我們並不知道催使它的（果汁）能量是什麼。所以，這聽起來像我們不明白的例如一些智慧果汁，一些知識果汁，而這些果汁在一台機器可能有，也可能沒有。

Christian Riley:我認為這是一個很棒的詞，我認為他（羅德尼布魯克斯）說的是絕對正確的。如果你想把一個人放在一個房間里，你知道，通過人類頭腦的計算的數量，他／她不僅僅需要做的是設計我如何離開這裡，但如果我不這樣做，那麼對我的家人的影響是什麼，對愛我的人有什麼影響等等，都需要去考慮。這裡有一套我不認為可以通過編程就能實現的感性標準，加上我認為「果汁」就是一個我不知道如何通過智能技術就能複製的東西的例子。

當然，對於我們能夠掌握的ANI技術，您可能會對類似的事情進行討論。在與憤怒的顧客打交道時，一個箱子里裝有的智能數據助理能夠感受到顧客所傳達的情感嗎？我認為這是一個有趣的問題，而且我從來沒有看到它是否能感應到該情感的實例，因為他們沒有被製造者用編程語言設計它去做這件事。你也知道，這其實是一項非常小的功能。機器人是ANI的一個很好的例子，用於交互或獲取推薦信息，但是當他們為人們提供選擇餐館之類的建議時，例如，根據他們的個人經驗或基於合併他們所有的數據能夠訪問和綜合其他人的意見。我認為，一般來說，如果你要對其他人的觀點進行預測而不是你自己的觀點，那麼我認為這就是ANI和AGI之間互通的障礙。

問: 您現在如何評估我們在建立狹義人工智慧方面的進展？

Christian Riley:我認為我們正在往正確的方向發展。同樣，這取決於你如何對它進行分類，但我認為如果你使用（機器人是一個很好的例子）一些當今社會存在的較為普遍的數字助理，無論是Siri，Cortana，Google，三星，所有的大公司都做出了巨大的貢獻，因為他們看到了語音和自然語言處理的明顯上升的發展趨勢，然後機器學習成為吸引下一代人機互動界面的關鍵因素。所以，我認為我們的發展方向非常好。

其次，不管你是否採用互動式語音應答這樣的簡易操作工具，並且說：「那真的是弱人工智慧產物嗎？」這是一種ANI形式產物，但它的能力非常有限，幾乎和一個自我閉環系統所能提供的功能差不多。它只會按照為它進行的編程方式進行響應。所以，按下一個相應的按鈕就能讓機器為你做相對應的事情，而這也是代替人類來幫助用戶的一種方式。但是我認為那些具有更多條件背景的東西，例如當你問一個關於在某個時候最適合去的餐館在哪裡的問題，或者我應該如何到達最近的地鐵站，或者從A到B的最佳途徑是什麼時，這些都是完全不同形式的ANI產物。我認為這更多的是建立學習和統計分析，並以最好的方式讓它可以給你一個真正迎合你需求的回應，而不是只靠按一個按鈕執行相應的某個動作。在某些方面，可以將其自動化，並且可以說這對於某些客戶服務角度來說是一種很好的方法，但我認為，當我們聯想到現代的智能數據助理或者智能機器人時，我認為我們實際上在這方面有著很大的進步。

不包括我看過的類似智能產物，現在我們的問題是狹義人工智慧產物是否真的能進入企業？在企業用例或ANI的某些其他領域中，有一些內容並不總是與製造智能機器人相同或類似的。但我認為所有這一切都是問題的關鍵，這是為了迎接更好的理解機器學習技術的到來，因為它提供了演算法，為數據的分析提供動力，並在不同領域產生一些特別有趣的結果。

問：人們想知道的是，如果我們越是把機器製造得像人一樣，我們就越是貶低人類的本性。您認為這個想法對智能機器的發展來說有什麼危險嗎？還是我的想法過於極端化？

Christian Riley:我認為問題的關鍵是，我們應該如何教這些機器人去學習。我們需要再一次將探討角度回到圍繞個性化元素的一些概念，即自主學習技術，該技術也是人工智慧和核心機器學習概念的核心，它們的目的是在無人監督的情況下進行預測學習，去試著模仿人類和你在前面例子中給出的動物的學習方式。

通常情況下，我們以自主的方式學習，將自己沉浸在周圍的世界中，觀察事物是如何工作的，然後看著我們的前輩和其他人以及我們周圍社區中的人們對某些事情的反應來學習以及做出自己的判斷。因此，我認為，在監督學習和自主學習之間存在著非常有趣的差異：我會告訴你一千次這是一輛汽車，然後你就會明白這是一輛汽車嗎？所以學習本身之間的差異會是這個問題變得非常有趣。

但是我真的認為人類的地位會受到威脅嗎？這是一個很有趣的自問自答，因為我確信有相同的事物的肇事者，例如我將用瓶子或其他任何東西擊中你，而擊中一個人或擊中機器人並沒有區別時，這就是對機器人神經編程技術的失敗，因為編程語言告訴機器人去認為可以這麼做（傷害人）。因此，我從哲學角度認為，我們能夠使技術參與的越多，我們就越能夠使技術向完美無縫化發展，然後我們就可以將其融入到我們每天所做的事情中。

正如我們之前提到的，看到智能數據助手的存在和人們使用它們的方式是非常有趣的。事實上，現在它甚至已經融入到了織物中，這些智能數字助理甚至沒有應用程序，僅僅是靠內置於織物中便能發揮作用。我認為這可能會給我們啟示，並隨著時間的推移使這個新事物獲得真正的認可度，而且我們必須讓它儘可能地吸引人，因為他們肯定會隨著時間的推移成為主角。坦率地說，我不認為這會對人類構成威脅。舉一個例子，我記得霍金教授曾經說過，人類可能遇到的最糟糕的事情就是人工智慧被發明和它到來和速度。但是，我認為，如果我們能夠將其作為我們所做事情的組成部分。當人工智慧在汽車中得到應用後，它在將來就會被用在飛機上，而現實的發展趨勢顯示已經無法避免。我們需要把人工智慧當作我們日常生活中的一部分。

問：您認為我們讓機器學習和普通人一樣的目標有多遠？那時候我們可以對機器人說，「這裡是互聯網，它能夠讓你去學習一切你不知道的。」那是很遙遠的目標，對嗎？

Christian Riley:我同意，關於機器學習的目標並不是那麼容易實現的，但我認為你必須後退一步先去了解不同類型的機器學習之間的差異。當然，我們會說，「嘿，這裡是互聯網，你可以在那兒去學習一切你不知道的東西。」提供足夠的數據支持以及為機器人設置正確演算法反應的時間長度，以便當智能機器在看一張貓的照片的時候，會立即意識到它不是生日蛋糕。這聽起來像是一個愚蠢的例子，因為人們很容易做到這點，但這微不足道的學習對於機器來說卻有著十分重要的含義。然後添加諸如異常檢測，回歸分析，文本分析和區分不同圖像之類的功能，但這並不容易。

想像一下，你把能在互聯網上找到的每一張圖片都拿走。如果你拿二十，三十，四十，五十種常見的物品，你很可能會期望幾乎每個人都從一個五歲的孩子到一個一百歲的曾祖父一樣都能夠表達他們的東西。但對於一台機器來說，這是一個很長的學習過程。你必須教這個智能機器50個不同的迭代情況，直到讓它能在99％的時間內分清楚這是一隻貓，是一個生日蛋糕，還是埃菲爾塔，等等。

對我而言，這是關於監督與自主學習能力的區別的一個非常有趣的問題，但我認為必須從智能機器人模型的角度中去理解它。所以，我們認為理所當然的東西是我們認知世界的一部分（作為人類AGI的一部分）建立在我們擁有的非結構化的自主學習上，這顯然與結構化的學習不一樣，它是我們認為理所當然的事情。因為它在我們的日常世界中是我們這樣做的方式，所以我們不必刻意地去通過編程來讓我們學習辨識事物之間的差異。如果能夠說，「嘿，這裡是互聯網，這裡是深度網路，這些就是你如何得到所有知識的地方，去學習它們吧。」然後，當我問你一個問題時，你將能夠到某個論文的第407頁中去找到答案。但我認為距離實現這點還很遠。

問：從網上看到您的一些論點，您堅持說人工智慧是現代企業必須採用的技術，否則將會被時代淘汰。您為什麼這樣認為呢？請為我們舉個例子。

Christian Riley:我們非常大部分的消費者來自金融行業，而且其中一些在做類似網上賭博這樣的事情。我們在醫療保健，製藥，零售和製造業擁有各種不同的其他消費者群體，到目前為止，我還沒看到任何一個行業去嘗試應用機器學習進行數字化轉型來幫助他們發展進行著努力。當我們談論「數字化轉型努力」這個詞時，這是一個很棒的流行詞，但對我來說，這是一組非常獨特的結構，你要麼說，「嘿，我必須轉向數據驅動，我必須以不同的方式處理這些數據，而且我必須應用我們一直在談論的這些技術和或者其中的某一些，這實際上有助於推動不同的業務成果。」

因此，如果你在醫藥等行業領域去思考這個問題，下一代生物技術公司究竟應該做什麼來加快試驗進程，從而加快新葯的上市時間並將其推向市場呢？在世界的某些地區，獲得許可證的時間非常有限，所以你必須在超出許可證時間而被政府徵用之前，成為獨立的經銷商來將這些藥品出售。而這個選擇往往得到的成果微乎其微。

另一個例子，數字化轉型對於銀行業來說是一樣的，對金融行業來說也是一樣。他們需要考慮的是，我怎樣才能更好地預測未來發生的事情？我怎樣才能更好地承擔／規避風險？另外，如何通過使用ANI來鼓勵客戶更多的參與去幫助定義更好的產品，使產品更加個性化、更具相關性以及更符合某一時段的需求，從而更好地與客戶互動呢？

我認為所有這些在我的腦海里都能夠轉到基於以大數據為基礎的概念上，這是一個很好的基礎，但是我沒有考慮到假如我說的真的實現了，而我現在認為隨著機器學習演算法的可實踐性提升，我們已經能夠知道它將給我們帶來什麼。

另一個非常有趣的方面是，它們正在迅速商品化，而當我說到這點時，人們往往會用一張吃驚的面孔看著我。但是你想想微軟所透露的未來發展計劃，想想IBM正在做什麼，想想AWS正在做什麼，以及Google正在做什麼，你便知道機器學習對於未來生活的重要性。這些企業將AI元素和機器學習元素視為下一個前沿，並且他們希望將機器學習帶進他們生產的消耗品中，並獲得一個雲端儲存空間，或者你可以去購買一台虛擬機。

我認為這對於機器學習的發展是一個關鍵因素。當然對於這些公司來說，機器學習的研究需要數據科學家，需要了解數據能為您做些什麼的人，以及預測機器學習能為用戶做的業務成果的人。但我認為它正在迅速成為商品化的新寵是不可逆的事實，並且現在可以通過一點理解，選擇您想要的機器學習服務類型以及出於何種原因，然後將其添加到下一代產品，「應用程序」，這真的會帶來一些非常有趣的結果。

問: 現在有許多人都在談論人才短缺問題。您是如何看到人才短缺問題得到解決的？這些工具基本上可以讓現有的編碼人員在設計程序方面獲得很大的幫助，或者您認為我們即將湧入一批新人才，還是兩者都有可能發生？您認為人才短缺問題會很快消失嗎？

Christian Riley:如果你看了最近的新聞報道中關於谷歌的一些故事，他們做的事情很有意思，他們最近招攬了一批專門從事統計和機器學習的計算機科學應屆畢業生人才。我認為這樣做會有很大的意義，投資下一代人才是一件好事。坦率地說，大家很想知道，現有的員工是否會被公司重新利用。如果你回顧過去幾年並重新思索整個過程，在整個行業中，即使在IT部門，這也不是新型的。

現在在任何一家大型全球企業的大型IT組織，都不會看到PBX電話系統存在於專用的房間中，因為所有這些都在10年前融合到了網路中。隨著它越來越被接受的事實，我們已經看到了這一技能集的結束。所以，那些人們為作為命令行界面的電話系統提供介面，他們重新成為網路技術人員。

如果考慮到了這個問題，那麼一些曾經是組織中開發人員的人定義的應用程序，且這些應用程序被定義為必須按照公司或者用戶定製的效果去開發。而現在，軟體即服務這一概念更多地出現後，像Salesforce或Workday或Concur等都變得更加靈活可變化。所以我認為，那些老一代的開發人員要麼在其他地方找到新工作，要麼在許多情況下，他們就需要像系統整合專家或業務流程人員那樣進行再培訓。

該問題是不同事物的結合，而現在的人才基本都是擁有多個技能的。那些從事數據科學角色的人在某些情況下需要掌握統計的相關知識，無論是應用數學還是純數學，這些看起來會讓一個人變得對公司很有價值，但是他們是否具備業務知識和業務流程理解，以實際獲得價值並演示他們創建或採用的演算法的價值，然後為來自不同雲提供商的服務去考慮呢？

我認為這是一切的組合。從根本上講，未來大型公司需要的人才將基於其是否擁有混合的技能組合來進行招募。我認為未來數據科學人才將會面臨高強度的競爭；我認為將會有公司為可以編寫演算法的、尤其是那些可以為特定業務環境中編寫相關演算法的人才提供豐厚的待遇。但我認為，就像所有這些事情一樣，這不是一個獨立的群體，因為我們正在開啟又一個主要技術革命周期。

問: 顯然，全球範圍內正在進行一場關於自動化和ANI對未來就業影響的討論。你對此有何看法？這個問題將如何展開呢？

Christian Riley:一百年前，你說的自動化對於企業發展討論同樣發生在福特汽車公司領導的汽車工廠自動化的那次事件中。事實是，當時從事汽車行業的人們有效地結束了這一事件，這也引起了軒然大波。然而，有些人因自動化而丟掉了工作，但他們同時也創造了我們不一定知道的其他職位。

以呼叫中心為例，如果我們能夠創造出一種足夠平衡的ANI，它很快就能取代百分之八十的稱之為標準呼叫的東西，然後肯定有人會產生一些擔憂。但是，我認為也許更大的擔憂是，那些舊工作會被取代（我不想用「低端」這個詞，因為它聽起來有點刺耳），是因為你再也不需要以前的技術來繼續沒有任何意義的事業。

新的技術肯定會帶來一些舊工作流失。這些新的智能機器產物極有可能大規模進入入門級工作，或者是自動化成熟的工作中。但這是否意味著會給我們帶來一個巨大的全球社會經濟問題？我認為，無論是在同一行業還是在不同的行業中，這種變化很可能會帶來許多不同的新工作。

問: 關於知情權的問題。如果人工智慧為你做出了決定，比如拒絕貸款等，你有權理解它為什麼做出這個決定。你對此有何看法？首先，這是一件好事嗎？其次，它在未來可能發生在我們生活中嗎？這些神經網路的行為本身是人類不可理解的嗎？

Christian Riley:在英國，我們已經看到了一些例子，例如英國的銀行有用於批准個人貸款和抵押貸款的決策系統。相關人員會要求你去銀行分行，並與分行經理坐下來，讓他了解你貸款的目的，並讓他做出作為授權銀行人員的最終決定，但現在這個過程將被人工智慧取代。我們現在已經有智能神經結構可以根據用戶的一系列個人因素做出最後決策：有／無信用參考、年齡、參加工作的時間、工作的公司情況、工資、可用的貸款額度以及其他因素等等。我認為，傳統的銀行貸款需要人工的流程將會逐漸消失。

我們傾向於接受這種決策的權力，在某些情況下通過抵押貸款來改變生活的決定，但它實際上已經從當地銀行的分支機構手中轉移過來。事實上許多當地的銀行分行已經不再讓你知道決定的過程，因為我們已經看到那些經常從英國的城鎮，鄉村和城市消失的人發生的故事。這些都是由ANI做出的決定，而從AGI角度來說，它們做決定時不會為人類的實時情感考慮。但人們會告訴你，「嘿，我們有很多很多的統計模型，這些就是你看到的我們如何建立風險分析的依據。我們經常這樣做，看看你的需求是否被認為是一種高／低風險的請求。」這就是我們如何做出關於你的請求項目的決定，而且它不再是依據個人的情感之類的因素了。

問：您如何看待在戰爭和在武器製造中使用這種技術？

Christian Riley:現在，我認為它對於軍事的聯盟集團來說這可能是一件好事，或者對於談話的這一邊的人來說可能是一件好事，因為你能夠傷害到的人越少，那麼你的敵人同樣也不會讓更多的人們受到傷害，那麼這是件好事還是壞事呢？我不得不說，從個人的角度來看，無論你使用什麼技術或歷史武器裝備，我都不認為戰爭是好事，但這是發生在我們眼前的無法避免的事實。

如果從無人機的角度或從航空的角度思考這個問題，一般來說，我們不稱航空為「人造航空」，因為它不是鳥類。如果我們真的應該把人工智慧叫做「人造」的話，那麼它就構成了某種有助於決策過程的智能。所以，我的哲學理念就是，在任何情況下，如果越少的人會受到傷害，那麼效果越好。

很明顯，戰爭背後的建築工地本身就是危險的，有無人機可以完成任務，而這些任務通常會讓人類陷入困境，因為建築工地與戰場不同。但這裡存在風險因素，即潛在的致命因素。我想任何時候我們都可以利用技術去做調查，去計算澆注了多少混凝土，鋪設了多少瀝青，以及多少土地被開墾等等。這些都是我們應該使用這項技術來完成的事情，然後將所有這些數據和情報反饋回來，最終為更可靠的設計和更具成本效益的設計提供更好的機會，並且我希望，更堅固的設計技術將使世界變得更加安全。

問：從組織的角度看，您怎麼想到人工智慧的實現。當網路首次出現時，人們擁有一個網路部門，但基於現在的觀點，不會選擇這麼做。就整體結構而言，您覺得人工智慧是否會推動所有未來的產品開發？

Christian Riley:是的，這絕對是一個組成部分。「我們數據非常豐富，但提供的信息很差」。這是因為我們收集數據的方式是以產品為基礎的。所以，我們已經改變了這個模型，並且通過先考慮數據，思考我們如何捕獲它，如何與我們密切合作的其他供應商進行交互，從而有效地扭轉了金字塔。我們如何將所有這些數據放在一起，形成一個可以利用它的環境呢？

這聽起來像是一件容易的事情，但實際上非常困難。所以，我們有一群非常聰明的數據科學家，他們是我們產品開發的內在元素，這是我談到的分析方面固有的。這些人幫助我們將所有數據集中在一起，將所有數據集中在一起，以便我們可以將這些新演算法和這些新技術應用於此。我肯定地說，這是我們安全性的一個核心部分，我們的生產力和性能產品還在不斷發展。

問： 您對未來非常樂觀，那麼，您認為人工智慧將在十年內的生活中如何？

Christian Riley:我認為我們將會得到比我們之前所知道的更多的東西。當我們停止將人工智慧作為x，y和z的一部分並談論它將會帶來的好處時，到那時候我們將會得到真正的成功。有時我會想像，未來某天當你早上醒來時，你會和你的智能數字助理說早安，並問它：「嘿，今天我有多少次會議？」相信你也看過一些視頻，一個人在刷牙的時候問他的機器人：「嘿，今天我要做什麼？」而將來這一切都會是真實存在的。

我認為很可能會發生的是，假如人們在工作和生活之間的生活尚未完全成功融合，那麼這些將會極為有效地在人工智慧的幫助下繼續融合。我認為，十年之後這將會有一些重大轉變。據估計，到2022年或2023年，進入勞動力市場的2000年以後的一代人的數量將達到70％到75％左右，這是非常值得注意的。我認為組織已經在適應這一趨勢，在人們未來工作的新方式基礎上創建的環境以及他們允許使用的設備將繼續發展並不斷變化的過程中採用新的哲學。所以，我認為我們會看到工作，因為我們知道它現在的發展速度是我之前談到的指數級速度，而且我認為組織必須為此做好準備。

我們將要與人工智慧相關人才一起處理智能機器的事實將會對社會非常有益，並且這對發展中國家來說也是非常有影響力的，因為他們曾經沒有深度考慮過這些問題，並且他們大部分沒有經歷過我們在企業中已經擁有的三十，四十年的技術。

它會為很多人提供一個全新的平台，這也會推動一些非常有趣的前景和一些非常有趣的統計數據，而這些統計數字對於一個全新的中產階級來說也許會有長久的影響。我認為這會很棒。最後，我希望人工智慧在全球的每個角落都會帶來正面的影響和效果。

選自：gigaom

編譯：網易智能

參與：付曾

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！