“我不经常用人工智能这个词，也不知道人工智能是什么。”在今天举行的2018上海国际人工智能创新应用峰会上，被誉为人工智能领域“根目录”之一的美国科学院、美国工程院、美国艺术院三院院士，加州大学伯克利分校教授迈克尔·乔丹语出惊人。

在他看来，当前的人工智能不过是比60年前刚形成这个概念时前进了一点点，而这也是得益于计算机科学、工程学以及统计学等学科的进步。

不是AI,而是IA

就在几周前，迈克尔写了一篇文章，标题叫《人工智能的进化尚未开始》，他在文章中提到，现在的AI发展方向并不是Artificial Intelligence（人工智能），而是Augmented Intelligence（IA:增强智能）。

毫无疑问，过去60年间电脑取得了长足的进步，但这并不意味着电脑具备了更多的人性，而是电脑能够帮助人类发现一些模式，让人类更加聪明。打个比方，比如当他想要知道中国的第二大城市是哪一座时，搜索引擎很快能告诉他结果，是搜索软件具备了智能吗？并不是，只是电脑擅长计算、存储数据。“在这个场景中，智慧闪耀在我提出问题的那一刻，而非计算机吐出答案的那一刻，而从某种角度来看，搜索引擎相当于增强了人类的记忆力。”迈克尔说。

物联网也是IA。在无人驾驶中，传感器相当于增强了人类双眼，数据算法相当于增强了人类大脑运算能力，当下所谓的机器智能，不过是根据参数汇聚起来的数据算法，它们智能复制、模仿、模拟人类的行动，创造力对于它们来说还难办法，更别提推理和抽象思维了。

“即使是最牛的语音识别机器人，也无法知晓门口的脚步声意味着什么，而几个月大的婴儿就能知道这一点。”迈克尔说。

真正要担心的是人类对数据的依赖

许多公司认为，只要他们掌握了足够多的数据，就能掌握顾客的喜好，并计算出最优决策，他们相信这样会使他们的机器更加聪明，进而产生智能，在迈克尔看来，数据并不会决定人做什么，真正促使人下决定的是当时的背景。

海量数据确实令计算机视觉、语音识别、机器翻译上取得了巨大突破，但如今这种“海量标注数据+深度学习框架+GPU并行计算”的简单粗暴模式提升作用越来越有限，一是因为某些领域数据收集的门槛非常高，二是因为并不是所有领域都适合“堆数据”。

更可怕的结果是，相同的数据和所谓“智能”算法会导致输出结果的单一性，然而世界充满不确定性，那些更加“优化”的方案会被刷掉。“当所有上海厨房的食材供应链都被一台主机控制时，你还会注意邻居钓了一条鲜美的鱼吗？”迈克尔说。

影视剧中的那种人工智能，至少还要100年

像《我，机器人》这样水平的人工智能多久能被制造出来一直有两种声音，一种是人们认为它很快就能到来，另一种是认为它短期内不会到来。有意思的是，产业界的人——比如扎克伯格、马斯克往往持第一种观点，而真正从事人工智能研究的人反而持后者观点居多。迈克尔对这个问题非常谨慎，他先说要500年，后来又说至少要100年。

“当人们无法解决某个问题时，人工智能成了挡箭牌，这也是为何当下人工智能如此火热的原因。”迈克尔说。比如当美国国会问扎克伯格，你怎么处理脸书侵犯用户隐私的问题时，他的经典回答是“人工智能会帮我解决的。”

如何看待人工智能看似离我们很近，其实还很遥远。迈克尔说：“我的父亲是一位化学工程师，他研究的化学元素100年前就都已经发现了，但真正建成精密运行的化工厂还是这几年的事，人工智能发展也是如此。”

不过，人工智能会往哪个方向发展，还取决于人类的选择。与迈克尔齐名的“深度学习之父”杰弗里·希尔顿（Geoffrey Hinton）最近公开号召摒弃现有深度学习，重新奋力向前寻找全新的道路。迈克尔对此深以为然，因为如果人们躺在数据上丧失了区别于机器的人类智能，就会沉溺在IA中，永远到不了AI。

（本文摘自：微信公众号：人工智能）