人工智能進入“下半場 機器變聰明了 人怎么辦?

　　人工智能創業分布在13個不同的領域，包括機器學習，計算機視覺，語音認別，智能機器人等。高通創投在人工智能領域也投資了許多優秀的企業，如基于大數據和機器學習的出行導航公司WAZE(在2013年被Google收購)，智能無人機公司3DR，語音識別公司云知聲，虛擬現實/擴充實景公司MAGIC LEAP和小熊尼奧，人機交互公司七鑫易維，等等。

　　正是因為計算能力和數據量的極大增強，機器學習成為人工智能領域進步最快的分支，所獲得的投資額占總投資額的45%。

　　機器學習是用數據和以往的經驗，優化計算機模型的性能指標。比如說，制造手機有100多道工序，如果我們通過編程，讓一個機器人一步一步地按照程序完成，這不是機器學習。如果智能機器人通過觀察工人制造手機的過程，再經過不斷試錯，之后可以自行制造，這才是人工智能。

　　“大數據”之前，因為沒有足夠的數據來訓練模型，所以模型優化的進程緩慢。今天數據足夠多了，運算能力大幅上升，使得優化模型的速度加快。最近量子計算機帶來更強大的運算能力的希望。

　　近幾年大公司對人工智能的投入又怎么樣呢?

　　先說谷歌：谷歌在2010年正式開始汽車自動駕駛項目，在2012年獲得美國首個自動罵駛車輛許可證。到了2016年年初，谷歌的自動駕駛汽車己經累計行駛了225萬公里，自動駕駛的趨于成熟的速度超出了許多人的想象。2014年，谷歌收購了深度學習公司DeepMind，10月DeepMind發布了一種全新的模擬神經網絡。同年，谷歌開始開發一套能夠整合海量數據的語音系統，使得語音別識的精準度從2012年的84%提升到2014年的98%。在圖像識別的研發方面，谷歌一直不遺余力。在2012年，“谷歌大腦”可以在1000萬張圖片中成功識別出貓，從2010年到2014年，谷歌的圖像分類識別精確度提高了4倍。谷歌在2013年收購了8家機器人公司。

　　再來看Facebook：深度學習的鼻祖級科學家Yann LeCun在2013年加入Facebook，使其圖像識別和自然語言處理技術飛速提高，2014年，Facebook的臉部識別的準確率達到97%。再來看看IBM這支人工智能領域的老牌勁旅，2014年IBM宣布組建“Watson Group”，同時推出兩項Watson顧問服務，一項幫助企業從海量數據中獲得洞察，另一項使得數據可視化。同年8月IBM發布能模擬人類大腦的SyNAPSE(自適應可伸縮神經形態電子)芯片，該芯片有100萬個“神經元”內核，而功耗僅為70毫瓦。

　　最后說百度：2014年5月百度引入深度學習專家Andrew Ng，并由其組建百度北美研究中心。隨后他們發明了Deep Speech的語音識別方法，可以在嘈雜環境中實現81%的識別準確率。同年4月，百度發布大數據引擎，提供大數據存儲、分析和挖掘技術，在醫療、金融和交通領域有具體的應用。

　　人工智能的發展進入了“下半場”的快車道，機器的智能日新月異，人類的智力有進步嗎?

　　英國倫敦大學的科學家的研究表明，自1950年以來，人們的平均智商升高了20點，相當于平均每10年人類的智商值提高了3%。

　　這是一個喜憂參半的消息，憂的是人類的智商提升的速度遠遠低于人工智能的進步;喜的是，不管多少，人們的智商還是可以被提升的。

　　一個簡單而重要的問題是: 人工智能技術能夠用來提高人的能力嗎?

　　人工智能在教育領域的應用

　　經過分析，我將人工智能在教育領域的應用總結為以下7個方面。我相信這方面的創新剛剛開始，科學家和創業者不僅應該關心機器的能力，而是更在乎我們自身的能力。

　　1)自動作業批改。語音識別和語義分析使得自動批改作業成為可能。數學等學科的自動批改作業相對容易，但是，作文的自動批改已經開始了，老師和助教的效率正在大大提高。

　　2)個性化學習。大數據可以描述每個學生的學習特性，根據倫敦的一個研究機構的分析，人們的學習方法可以分為70種。高通投資的愛樂奇已經積累了一千三百萬學生所做過的8億道題，為個性化教學提供了充分的依據。如果說今天的課堂教學的主流方法是“從原理到應用”，而機器學習的方法是“從案例到原理”，并且是同時學習多個案例。那么“從案例到原理”的學習方法對部分同學有效嗎?事實上，許多人包括我本人在內，更適應于“從案例到原理”的學習方法。

　　3)智能輔導系統(ITS)。人工智能在這個領域的應用已經有長足的進步，也展示出明顯的效果。我和我的兒子都喜歡可汗學院(KHAN ACADEMY)，它是一個優秀的智能輔導系統，幫助我們學習數學、科學、人文科學和計算機科學。值得一提的是，可汗學院的創始人拒絕了風險投資人的投資建議，堅持要把可汗學院辦成非贏利企業。學者將ITS和課堂一對多教學以及一對一的老師輔導進行對比，結果令人振奮: ITS的效果比課堂教學好很多，和老師的一對一輔導的效果相似。

　　4)互動學習環境(ILE)。互動學習環境與智能輔導系統的區別在于四方面：更多建設性學習(或者說學生自己決定學習科題)，學生更主動，更多個性化，以及學生收到更多反饋。

　　5)通過仿真游戲學習: 目前最成功的仿真是飛行模擬器。我的飛行員朋友告訴我：在模擬機上飛行和真機沒有兩樣，只是訓練更加便捷。美國紅雀公司的FMX就是一款經過美國FAA認證的，價值幾千萬美金的模擬機。我女兒熱愛環境保護，她使用Catchment Simulation 仿真軟件學習水文和水利。我兒子正在模擬的股市中，使用虛擬貨幣進行交易。我認為人的能力大概分為三種：分析能力(一種在書本和課堂中能夠學到的能力)，實踐能力(一種只能在生活中培養的能力)，以及創造能力(一種上天賦予的能力)。今天，因為實踐的機會極少，人們的實踐能力越來越弱，仿真可以多少彌補一些實踐能力。

　　6)對教學體系的反饋和評測。

　　7)人工智能為學校招生，學習場所和課后活動提供創新的解決方案。

　　在以上人工智能應用于教育的七大方面，效果明顯的是智能輔導系統和通過仿真游戲學習。

　　象棋大師的“東山再起”

　　在1997年象棋大師卡斯帕羅夫輸給IBM的“深藍”之后，雖然有短暫的不服等情緒，他總結了失敗原因，并提出了一種新型的國際象棋比賽形式——自由式。在自由式國際象棋比賽中，人和機器可以自由組合：可以是一臺或多臺電腦，可以是一個或者幾個棋手，也可以是人加機器。

　　在2014年的自由式國際象棋比賽中，機器贏了42局，而人加機器勝53局。獲得冠軍的是一個叫Intagrand的人加機器的團隊。當他們剛剛出現時，人們懷疑團隊中有卡斯帕羅夫，后來才知道這個團隊的棋手是由三名業務選手組成，加上并非最尖端的國際象棋軟硬件。三名棋手其中一位是華裔女選手，她也是全球唯一兩位自由式國際象棋女選手之一。人加機器的勝利說明這樣的組合比人或者機器更有優勢，而冠軍隊Intagrand的組成也進一步證明“一般人加上一般機器”可以戰勝“最強的人”或者“最強的機器”。

　　雖然“人加機器”的文明進步方式讓我們松了一口氣：人和機器不是對立的。但是人仍然希望自身能力可以大大提高。正如本文所闡述的，人工智能可以在教育領域得以應用，人工智能也能夠幫助國際象棋棋手快速提高水平。今天的國際象棋大師中最高水平當屬Magnus Carlsen，他在訓練中使用了人工智能，也被大家認為下棋風格最像電腦的大師。Magnus的水平已經超過了歷史上所有的大師。所以說，人工智能能夠幫助我們達到更快更高更好。

　　2015年12月21日，英國倫敦帝國理工學院的科學家在《自然：神經學》發表一項研究成果：他們發現了影響人類智力的基因群M1和M3。他們聲稱“……我們有望操縱一整套與人類智力有關的基因。通過這些基因改造智力，理論上是有可能的，……” 這類基因研究成果首先用于治療疾病，但是我們可以想象：將來我們的智商可以大幅度提高，仍然高于機器。