機器學習教父Tom Mitchell談未來10年的人工智慧趨勢

今天，2018 GMIC全球移動互聯網大會在北京舉行，卡內基梅隆大學計算機科學學院機器學習系主任Tom Mitchell進行了主題為《深度學習與人工智慧的未來》的演講。

他是美國卡內基梅隆大學計算機科學學院機器學習系主任、教授，美國工程院院士，美國科學促進會（AAAS）會士，國際人工智慧協會（AAAI）會士，他在機器學習、人工智慧、認知神經科學等領域卓有建樹，撰寫了機器學習方面最早的教科書之一《機器學習》，是機器學習領域的著名學者。

在GMIC會場，Tom Mitchell談到，我已經是第六次來中國了，非常高興的看到中國在人工智慧方面取得了非常長足的進展，他表示，在過去的10年當中，人工智慧技術在全球的發展更是進展迅速，他舉例到，過去一段時間出現的iPhone，就這個單一產品而言，也取得了非常大的進步，取得成果，我們可以運用智能語音、圖像識別等技術。

在Tom Mitchell看來，人工智慧現在開始深入到更多的行業，比如識別物體、自動駕駛、圖像識別等等，而我們接下來，我們會看到機器學習有了新的研究方向，相信在未來幾年之中，我們會看到更多有趣的研究。

他指出，在未來一段時間，人工智慧還將取得進步，在各個場景進行深度的應用，比如大家日常的工作學習安排都可以通過智能手機來安排，感測器的進步又可以應用在醫院等場景，讓病人看病更加的智能化，AI可以監控病人，並且提供治療建議，參與治療全程的工作。

此外，他認為在未來一段時間人工智慧還將成就新的商業模式，比如網約車，利用人工智慧，它可以幫助完成客戶端和司機端的匹配，並且更加合理的進行安排，所以，人工智慧還將改變商業世界的運行方式。（定西）

以下是Tom Mitchell演講全文：

女士們、先生們，各位上午好！非常高興能夠到中國參加此次盛會，我覺得這應該是我在過去三年，第六次到中國來訪問。而且在這裡我看到大家做了很多工作，同時在人工智慧方面取得了巨大的成就，你們在人工智慧方面取得了很多新的應用。因此我相信對於人工智慧在中國發展前景非常光明。

關於人工智慧，我研究了很多年。人們現在經常問我一些問題，對於人工智慧，大家看它是不是已經過度發展、過度繁榮，我們談的太多了。事實上我們發現人工智慧有很多的類型。但是同時我們也發現它確實有很多的內容，有一些科學的進展，在這個領域已經取得了，這些進展未來會改變我們的發展。所以現在我們就應該來回顧過去幾年當中，我們通過這麼做就能夠來考慮，最近我們攜帶的是什麼樣的進展，之後才能展望取得什麼樣的成果。

在過去的十年當中，我看到了人工智慧確實取得了很多進展和成果。比如說在計算機視覺發展方面，計算機性能在十年之前不是太好。比如說在識別物體像一些簡單圖片當中的物體，它的識別能力不是很高。而且現在它們在物體識別方面計算機的性能已經提高了很多。當然計算機還沒有達到完美的程度，可是它們在十年之前就好象是盲人一樣。但是現在已經有所進展，它們已經能夠觀察到物體，並且能夠識別到物體了。如果出現隨意的識別要求，它可以做到。十年前出現了iPhone和手機，但是人們不能進行二手手機的兌換，原因是當時的技術大家是得不到的，我們不可能有計算機的演算法，能夠把人們的語音轉換成文本。但是現在計算機已經提升了自己的能力，它的能力基本上已經達到人類的程度了，所以我們把它叫做電話交換機的測試。

我們看了計算機的精確度已經等同於人類了，尤其是在機器人方面已經取得了很大的成果，像無人駕駛的原形。大家可以看一下在我的家鄉，Uber已經做了無人駕駛的測試。有一天早晨我看到了無人駕駛汽車四處駕駛，我相信在其他的領域，包括醫療、無人機，我們也看到都取得了類似的成果。

在中國的遊戲方面，你們在過去的幾年當中人工智慧也幫助你們在象棋非常有名的遊戲當中，已經取得了很好的成果，還有像圍棋等等。而且在其他有關識別方面領域，就像計算機盲人現在能夠變的看到和聽到了。在遊戲不同的領域，他們要求計算機有更多分析性的演算法能力，而這些領域也是計算機所能夠取得的。

大家會問我一個問題，這是不是一個巧合呢？在這些領域人工智慧取得成果只是一項巧合呢？但是我的回答不是這樣的，因為我相信對於計算機來說，它有了機器學習能力，包括它在物體識別，以及遊戲方面，它們都取得了進步，原因在於對於人工智慧的開發者，他們改變了自己的策略，他們並不是來編寫僅僅是計算機的程序，使得計算機能夠識別物體，而是對它進行培訓，教育它機器進行自我學習。比如說這個桌子有一個香蕉，還有幾杯茶，或者在這幅圖上有汽車和樹，通過這些學習和演算法對圖像進行分析。他們學會了語音，也學會了如何進行無人駕駛，在這些領域屬於機器學習。而且在高階段人工智慧是非常關鍵的，使得現在的進步發生了。

如果我們進行展望的話，可能大家會問，接下來人工智慧有什麼樣的發展呢？我覺得在我的頭腦當中，我們會看到人工智慧的使用會不斷的提升，尤其是在機器學習領域，我們會看到出現更多的應用。比如說我們要對系統學會進行機器的學習，它會出現海量的數據，以及高質量的數據。在過去的幾年當中，我們看到有很多新的初創企業不斷的蓬勃發展，它們獲取了某種類型的數據之後，他們開發了自己人工智慧的系統。接下來我們會看到機器學習會出現一些新的方向。

比如說現在出現了人工智慧會話系統，像這樣的會話系統，包括你和自己的手機進行簡單的會話，你會問它外面的氣溫多少呢？我們的手機會回答我們。我相信在接下來的幾年當中，我們會看到非常有意思，而且產出非常豐富和手機之間的會話，能夠使得它對我們的理解更加深入。

還有一個領域，其實也是我自己進行很多研究的領域，包括會話的系統。在系統當中使用者他在使用會話的時候，不僅僅包括簡單的問題，包括氣溫是怎麼樣的，能不能訂票。而這種會話實際上會教會自己的手機，之後為你提供服務。比如說我住的地方，有的時候它會下雪，我會告訴我的手機如果天氣出現了下雪的時候，它會提前叫醒我，這樣我就上班不會晚了，我會教會它一些新的內容，之後我會教它你怎麼發現外面下雪呢？我告訴它你打開自己的網路感受一下外面的氣溫，察覺到外面下雪的話，之後手機會告訴我外面下雪了。

通過這樣的互動，我相信在未來我們會看到一種新的方法開放了，使得我們和人工智慧進行更好的對話，這是通過機器學習，而不是像大數據學習，我們通過人類的用戶對手機發出指令，因為我們能對它發出指令，它學會了。

接下來我想稍微給大家展望一下以來，對於我們在人工智慧方面已經取得的成果，有什麼樣的含義呢？大家知道機器學習使得我們造就了現在輝煌的成果。但是我相信效果最好的時候，是我們希望對一些決策進行優化，對於我們決策的輸入和輸出，它們都是在線上所能夠提供的，我們能夠所需要的產品。我覺得有很多種，比如說我之前提到了會話型人工智慧系統，在這個領域我們可以看到一些新的產品和服務。我之前也提到了，有一些能夠和我們進行簡單會話的系統，比如說我要泊車，如果聽到聲音的話，它就知道怎麼去做。所以大家可以從中了解到，我們今後要構建出基於會話的一些產品，是基於我們所提供的教學和指令所產生的。

另外，我們也看到現在我們手機硬體的成本不斷的下降了，對於手機攝象頭、麥克風有互動的功能。這樣手機的造價下降了，在某一些點大家都可以在任何一個燈泡上裝上相應的硬體設施。比如說大家來假設一下，比如說感測器它可以在所有設施安裝的時候，比如說對於一個燈泡它安裝在醫院和病床旁邊。通過這樣的感測器，我們從自己看到的東西當中得到學習，大家注意到其實是燈泡提供關鍵的部分。但是非常有意思的是，我們可以了解到，這些燈泡它能夠識別病房當中的病人或者是醫生，或者是機器，它們能夠進行跟蹤，來看一下這個病人是不是學習幫助，它也可以自動的連接互聯網，它也可以來跟蹤病人的病歷，來看一下他要接受什麼樣的治療方案，它也可以檢查護士對病人用的葯是不是正確的。另外，它也檢測病人是不是吃了醫生開的葯。大家可以看到在醫院當中如果能夠做到一點確實是大家所期待的。

我們也可以達到這樣的層次，我們可以大量的生成燈泡，而且這樣的燈泡它主要的目的是人工智慧的系統。一旦我們把它進行部署，比如說放到病床當中，它也可以了解周邊所需要的要求是什麼，對於這樣的燈泡，他們可以通過不同的方法來進行自我的學習。當然這只是一個例子，能夠給大家展示出未來我們能夠來發展的方向，而且能夠找到一些新的產品。

當然我們也可以開發一些新的商業模式，我提到了要使得機器學習有效的話，我們要來獲取數據。在美國要創建一家公司，他們就必須來提出一種新的商業模式，關於這兩家公司，他們可以提供相應的服務，這個服務是你的日曆，你可以用幾個月的時間。如果有人給你發信息，比如說幫助你安排會議，他們會啟動相應的系統。開始的時候他們有很多人在做相應的服務，但是他們的商業計劃是這樣的，他們希望利用這樣的工作流來捕獲世界上最大的培訓數據，並且展示如何與人進行溝通和互動，安排相應的會議，他們最終的會議是所有的會議都自動化，因為他認識到這樣一個事實，就是之前有人提到的數據是新的石油，AI是新的電力，要建立你的業務模式的話，首先你必須有這樣一個系統，來捕獲和收集世界上某一種類型的數據，我們也可以看到其他的商業模式，受到AI的影響。比如說像滴滴，就是一種新的業務模式，十年前這種業務模式根本不存在，但是有了AI的話它可以生存，它實際上是非常複雜的AI演算法，它可以和司機和乘客很好的匹配在一起，而且可以定位司機的位置，乘客的位置也可以進行定位，不需要花太長的時間就可以讓司機找到乘客。因此它可以非常好的來匹配訂單到底給哪一個司機，並且讓司機儘快的進行接駕

當然還有其他AI的應用出現了新的產品和新的業務模式都是由AI帶來的，它給我們的社會帶來了很多的意義和變化。我們有很多機會用AI來提高我們的生活質量，比如說現在我們可以有無人駕駛，這樣的話可以減少死亡，同時可以減少污染。另外，也可以減少交通阻礙的情況，也可以用於提高效率，也可以用來提高醫療的質量，比如說他們用AI的方法來建立了定製化的教育項目，滿足各個學生的需求。並且根據學生的情況進行建模，比如說他們已知的知識是什麼，為他們設定相應的問題，對學生進行診斷可以更好的了解學生的情況是什麼，對學生進行一個定製化的針對性的教育。也可以看到在中國我們有很多感測器或者是效果器，這樣可以對城市進行自動的監管，也可以進行自動的報告，可以告訴居民在哪裡有比較好的停車場，我覺得在這方面有非常多的機會。

當然也有很多的挑戰，比如說關於無人駕駛的有效性，比如說在一些不可能的情況下，無人駕駛汽車是不是會撞到樹上或者說會不會撞上人等等，這是我們在駕駛無人汽車會面臨的問題。我們把它放到計算機當中它會變成道德問題，當然還包括其他的問題。

我也想與大家分享一下，我所考慮的一些觀點，在世界各地人工智慧的進步，到中國我發現人工智慧的發展也是非常快的，也是如火如荼的。坦誠來講，中國和美國是世界上最活躍的兩個經濟體。而且在這兩個國家有很多AI的體驗，不管在中國或者是別的地方，對我來說在中國AI方面的機會是非常獨特的。我認為中國比世界任何其他國家都有一個更好的機會，可以向世界其他地方來展示，如何把人工智慧用於改善社會人們的生活質量，因為在中國有很多的大數據。

另外，中國的政府願意支持產業，而且中國採取的是一種自上而下的方法，要比西方國家更有優勢。中國對於隱私方面的態度也在發生變化，我覺得中國在人工智慧方面有非常大的機會，我們可以展示如何利用大數據讓社會受益。

第二個例子，大家應該都清楚，我們去讀報紙的時候，會看到一些可怕的傳染疾病，全球有多少人感染了這些疾病，今天有了數據和AI體系之後，我們可以更好的來應對傳染疾病，比如說我們可以把線上或者媒體已經有的不同地理定位數據，以及GPS的數據，以及無線網路和無線設施的數據。還有相應的地點和位置是什麼，有很多地理定位數據，如果我們把這些地理定位數據和急診室結合在一起，我患了一個非常嚴重的傳染疾病，你會自動收到信息，昨天你接觸了一個人，他患了傳染病，這是相應的信息，他可以提醒你，這是對社會非常好的一件事情，是我們可以做到的。當然也需要不同的機構參與，我們需要從不同的機構收集數據，我們以一種沒有使用的方式把數據整合到一起使用，這樣才可以提高生活質量。

你可以看到在很多方面中國都可能是非常活躍的，而且可以在這些領域成為做的最好的，可以引領世界。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！