人工智能会让音乐人下岗吗?
注：人工智能的英语是ArtificialIntelligence，缩写为AI.人工智能会让音乐人下岗吗?首先，我们要明白，人工智能更擅长做标准化的音乐，人工智能所做的音乐，更多的是模仿，比如让AI去模仿周杰伦的风格，其实很容易做的到，虽然周杰伦是一个融合音乐的大师，他往往能将各种音乐风格结合在一起，比如古典和声与嘻哈音乐的完美融合，日式和声与古风的完美合体，这在他的音乐中很常见。就像《夜曲》这首歌，这是他将古典与嘻哈音乐融合的一种尝试。并且事实证明，这个尝试非常成功！融合大法是一个创造出新感觉的大绝技！但是，只要是这个风格被创造出来了，人工智能就可以去模仿了。如果是去创新，还是需要那些全能型的优秀音乐人。
什么是全能型的音乐人呢？就是什么风格都能够掌握，比如一个音乐人同时精通爵士、流行情歌、嘻哈、古典、日系、重金属、电子、民谣等风格。所以说同学们，想不被人工智能取代，还是要多学，多多接触多种风格。
那么未来的音乐行业需要我们如何去应对呢？关于这个问题，我们要明白，AI它可以大量地、快速的生产标准化的作品。所以，在未来的音乐市场，如果只是不断的写热单口水歌，一定会被更高效便捷的AI取代。那么，我们就必须要扩宽自己创作的风格，不仅仅局限于一种，必须去尝试不同的风格，然后将这些风格巧妙地进行融合搞创新。只有这样，作为音乐人的你才可能不被人工智能所击败！加油，音乐人们！人工智能的历史、现状和未来
如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能正成为推动人类进入智能时代的决定性力量。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。习近平总书记在十九届中央政治局第九次集体学习时深刻指出，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。错失一个机遇，就有可能错过整整一个时代。新一轮科技革命与产业变革已曙光可见，在这场关乎前途命运的大赛场上，我们必须抢抓机遇、奋起直追、力争超越。
概念与历程
了解人工智能向何处去，首先要知道人工智能从何处来。1956年夏，麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能（ArtificialIntelligence，简称AI）”这一概念，标志着人工智能学科的诞生。
人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。
人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能的发展历程划分为以下6个阶段：
一是起步发展期：1956年—20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。
二是反思发展期：20世纪60年代—70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空（例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入低谷。
三是应用发展期：20世纪70年代初—80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。
四是低迷发展期：20世纪80年代中—90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
五是稳步发展期：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际商业机器公司（简称IBM）深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。
六是蓬勃发展期：2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。
现状与影响
对于人工智能的发展现状，社会上存在一些“炒作”。比如说，认为人工智能系统的智能水平即将全面超越人类水平、30年内机器人将统治世界、人类将成为人工智能的奴隶，等等。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。
专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定任务（比如下围棋）的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域。例如，阿尔法狗（AlphaGo）在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，人工智能系统诊断皮肤癌达到专业医生水平。
通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才而无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。
人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段；全球知名风投调研机构CBInsights报告显示，2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。
创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。目前智能科技时代的信息产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局，全力抢占人工智能相关产业的制高点。
人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。
趋势与展望
经过60多年的发展，人工智能在算法、算力（计算能力）和算料（数据）等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢？
从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。阿尔法狗系统开发团队创始人戴密斯·哈萨比斯提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。
从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。
从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低人员成本。
人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、天文学等传统科学的发展。
人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来10年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，可在现有基础上将劳动生产率提高40%；到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。
人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出，未来5年人工智能将提升各行业运转效率。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。
人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。2018年4月，欧盟委员会计划2018—2020年在人工智能领域投资240亿美元；法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国；2018年6月，日本《未来投资战略2018》重点推动物联网建设和人工智能的应用。世界军事强国也已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争；俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。
人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，制定完善人工智能法律法规，规避可能的风险。2017年9月，联合国犯罪和司法研究所（UNICRI）决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。美国白宫多次组织人工智能领域法律法规问题的研讨会、咨询会。特斯拉等产业巨头牵头成立OpenAI等机构，旨在“以有利于整个人类的方式促进和发展友好的人工智能”。
态势与思考
当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少值得重视的问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。
高度重视。党中央、国务院高度重视并大力支持发展人工智能。习近平总书记在党的十九大、2018年两院院士大会、全国网络安全和信息化工作会议、十九届中央政治局第九次集体学习等场合多次强调要加快推进新一代人工智能的发展。2017年7月，国务院发布《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动。国家发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
态势喜人。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成为全球人工智能投融资规模最大的国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。根据2017年爱思唯尔文献数据库统计结果，我国在人工智能领域发表的论文数量已居世界第一。近两年，中国科学院大学、清华大学、北京大学等高校纷纷成立人工智能学院，2015年开始的中国人工智能大会已连续成功召开四届并且规模不断扩大。总体来说，我国人工智能领域的创新创业、教育科研活动非常活跃。
差距不小。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在明显差距。在全球人工智能人才700强中，中国虽然入选人数名列第二，但远远低于约占总量一半的美国。2018年市场研究顾问公司CompassIntelligence对全球100多家人工智能计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国对人工智能可能产生的社会影响还缺少深度分析，制定完善人工智能相关法律法规的进程需要加快。
前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出，到2030年人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。
当前是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧等，需要深入思考。
树立理性务实的发展理念。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。实现机器在任意现实环境的自主智能和通用智能，仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此，发展人工智能要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。
重视固本强基的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。面临发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。我们要按照习近平总书记提出的支持科学家勇闯人工智能科技前沿“无人区”的要求，努力在人工智能发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。
构建自主可控的创新生态。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强。我们要以问题为导向，主攻关键核心技术，加快建立新一代人工智能关键共性技术体系，全面增强人工智能科技创新能力，确保人工智能关键核心技术牢牢掌握在自己手里。要着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如产学研融合等；“核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等；“高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等；“基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。同时，我们要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过实施标准加速人工智能驱动经济社会转型升级的进程。
推动共担共享的全球治理。目前看，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能进一步拉大发达国家和发展中国家的生产力发展水平差距。在发展中国家中，我国有望成为全球人工智能竞争中的领跑者，应布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合“一带一路”建设，让“智能红利”助推共建人类命运共同体。
（作者：中央人民政府驻香港特别行政区联络办公室副主任、中国科学院院士）
人工智能：让机器拥有学习能力
最近，国内外掀起了一阵讨论人工智能的热潮，其背后主因是以谷歌和脸书为代表的高新技术企业广泛应用机器学习以及深度学习技术开始显现出了良好的效果。特别是在语音识别和图像识别两个领域，这几年的提升非常快。谷歌在2014年将语音识别的精准度从2012年的84%提升到98%，而脸书的人脸识别精度在短短几年里甚至超过人类肉眼的水平。
与此同时，各大企业开始了一场抢夺人工智能人才的大战，比如谷歌设立了“谷歌大脑计划”，并在2014初斥资5亿美元收购了人工智能创业公司DeepMind。国内的搜索巨头百度也不甘示弱，高薪从谷歌挖来了斯坦福大学人工智能专家吴恩达负责“百度大脑计划”。那么，人工智能到底是什么？其经过了什么样的发展历程？未来的人工智能到底会是什么样子？就此，科技日报记者采访了日本KDDI研究所研究员、通讯与网络专家吴剑明博士。
人工智能是如何出现的？
吴剑明博士称，人工智能的概念早在大约60年前就出现了。在1956年美国达特茅斯大学召开的世界第一次人工智能会议上，由当时就职于麻省理工学院的约翰·麦卡锡教授提议并推动后，人工智能概念就成为了一个热门话题。不过在这60年里，人工智能的发展几度起起伏伏，有过红红火火的日子，也有过被打入冷宫受尽白眼的岁月。
那么到底什么是人工智能呢？为什么人工智能之路会如此的沧桑坎坷呢？吴剑明说，顾名思义，人工智能就是让机器拥有学习能力，甚至能够像人类一样去思考工作。在人工智能的早期，有些科学家非常乐观地认为，随着计算机的普及和CPU计算能力的提高，人工智能的实现指日可待。不少早年的科幻电影描述，到了2000年，机器人几乎无所不能。但事实证明，人工智能的发展没有预期的那么美好和顺利，因为人类对人脑机制的理解还是有道迈不过去的坎儿。
一般人看来，人工智能属于计算机科学的范畴，但实际上人工智能覆盖了计算机科学、数学、心理学、哲学和语言学等几乎所有自然科学和社会科学学科，要想有所突破，仅仅靠精通计算机的专家学者和技术人员是远远不够的。幸运的是，强攻不果，迂回之战却有了突破，近年来随着机器学习以及深度学习技术的成熟，人类离人工智能的梦想实现还是实实在在地迈出了一大步。
发展历程：从经典数理逻辑到专家系统
人工智能从出现发展到现在，经历了一个比较曲折的过程。
吴剑明指出，人工智能从1956年概念建立至今，最初的30年是逻辑学派占主导地位，主要是因为逻辑推理和启发式搜索在智能模拟中避开了当时知之甚少的大脑思维规律中深层次的复杂问题，利用了比较成熟有效的逻辑学方法。这在当时计算机性能不高、普及率也很低的条件下显得简单灵活、见效快，是一个捷径。通过计算机实现的人工智能很快在定理证明、问题求解、模式识别等关键领域取得了重大突破，崭露头角。于是早年的科学家们乐观地认为，人工智能与传统计算机程序的本质差别在于它能够进行逻辑推理，依靠逻辑推理定理的完善和计算机的高性能CPU以及大容量存储设备的普及，可以在不久的将来完全解决智能模拟问题。
吴剑明说，逻辑学派撇开大脑的微观结构和智能的进化过程，单纯利用程序或是逻辑学对问题求解的过程来模拟人类的思维过程，所以也被分类为弱人工智能。这种方法专注于建立被解问题的数学模型，即找到该问题输入和输出之间的数量关系，把它转化为一个数学问题，然后找到用计算机实现该数学问题的解决算法。然而经过对经典数理逻辑理论解决智能模拟问题进行深入研究后，科学家们才发现这条路是走不通的。主要原因在于，人工智能中的推理和搜索存在组合爆炸问题。也就是说，计算时间与问题的复杂度成几何级数正比，绝大部分人类的思维过程仅仅靠计算机的高速计算能力是无法模拟和解决的。吴剑明举了个通俗的例子来解释组合爆炸的严重性：一张纸折叠50次的厚度是多少？很多人直觉会认为就是黄页电话号簿的厚度。错了，答案是地球到太阳之间距离！这就是数学上几何级数的恐怖之处。此外，人类思维中的绝大部分问题都无法转化为一个数学问题，原因在于人类思维过程中充满了不确定性、矛盾和演化。而科学家们长期的实验也证明，人类在解决问题时并没有使用数理逻辑运算，人类思考的过程是无法用经典数理逻辑理论进行描述的。
吴剑明称，事实证明，通过经典数理逻辑的方法是实现不了真正的人工智能的，科学家需要找到其他办法来解决所遇到的难题。
他说，在此之后的10多年，也就是80年代开始，人工智能进入了专家系统发展的黄金时代。科学家们发现，人类之所以能快速高效地解决各种复杂问题，不仅是由于人有逻辑推理能力，更由于人具有知识，特别是有关领域的专门知识。这时期尽管也属于前面提到的弱人工智能时代，但确定了基于知识的逻辑推理在智能模拟中的重要地位，人工智能开始从实验室走向实际应用。
但在这个时期，专家系统的瓶颈问题也显现了，那就是知识获取的途径一直没有得到良好的解决，主要原因在于不像现在有互联网，有云计算，有无处不在的智能手机，那个时代专家知识库的构建常常是没有完备性和可靠性保证的经验知识，专家学者和技术人员不得不依靠各种经验性的非精确推理模型。而且，人类思维面临的实际问题中，只有很少一部分是可以确切定义的确定性问题，大部分是带有不确定性的问题。所以当知识工程深入到这些问题时，经典数理逻辑的局限性不可避免地暴露出来了。尽管弱人工智能时代使人工智能理论有了长足的发展和进步，但离实用还有比较大的距离，一直到2000年后机器学习和深度学习的出现，科学家们才发现终于找对了方向。
机器学习：其实是“旧瓶装新酒”
吴剑明指出，如果2000年前是弱人工智能时代，那么2000年之后就可以称为强人工智能时代。
吴剑明说，与弱人工智能相比，强人工智能在最近的十多年里慢慢成为主流。强人工智能又称仿生方法，这个方法认为，人工智能应该专注于模拟人脑的结构机制，也就是说通过计算机模拟人的思维过程，应该通过研究神经元的互相合作机制，而不是逻辑学运算过程。这一学派重视对人脑模型的研究，谷歌就是强人工智能技术的推土机之一。
吴剑明说，在传统上，如果我们想让计算机工作或是按照弱人工智能的方式运作，我们会给它编好一段段的指令，然后计算机就会遵照这个指令忠实地一步步执行下去，或是按照事先制定好的知识逻辑公式推导下去。有前因才会有后果。但这样的方式仍然只属于机器的范畴而不是人工智能。强人工智能和弱人工智能的区别就在于，它们不是接受事先安排好的指令或是逻辑推论，而是从输入的数据里自己发现事物的规律。
吴剑明所说的推动强人工智能迅速发展的机器学习技术。
他认为，近年来大放异彩的机器学习其实是“旧瓶装新酒”。早在1956年人工智能概念出现后不久，就有了对机器学习的研究，但之后迟迟没有进展。和前面提到的专家系统类似，原因在于那个时代知识或是数据获得的途径非常少，难度以及成本又非常大。
机器学习的思想并不复杂，它模拟人类在生活中学习成长的过程，从数据中自动分析获得规律，并利用规律对未知数据进行预测。因为机器学习算法中涉及了大量的统计学理论，所以也被称为统计学习理论。
换句话说，机器学习的本质就是将人的操作/思维过程的输入与输出记录下来，然后统计（又叫做训练）出一个模型用来对新的数据进行预测，使得这个模型对输入输出达到和同人类相似的表现，这种方式也慢慢成了现代强人工智能最基本的核心理念。
大家直观地想象一下人和机器的区别在哪里？其实不在于弱人工智能强调的计算能力、存储能力，或是推理能力，任何人和机器最大的区别在于，人类在成长、生活过程中积累了很多的历史与经验，人类会定期对这些经验进行“归纳”，获得生活的“规律”。当遇到未知问题时，人类会使用这些“规律”对未来进行“推测”，从而指导自己的生活和工作，甚至于去创造新的东西出来。我们老祖宗说得好，“以史为鉴，可以知兴替；以人为鉴，可以明得失”，这与机器学习的思想是极为接近的。机器学习中的“训练”与“预测”过程，也可以分别精确地一一对应到人类的“归纳”和“推测”过程。
吴剑明说，随着现代互联网和个人计算机的普及，以及智能手机的崛起，海量数据和知识的获得变得非常容易和低成本了，这也直接促进了机器学习的飞速发展和实用性的迅速提高。当训练数据的样本足够大，学习算法方向对头的话，就有望接近极限，达到甚至超过人类的能力。比如前几年“谷歌大脑”通过从网络上的上千万张图片学习建立各种各样的猫的品种、颜色、姿势和拍摄角度等特征量，然后对于任意一张图片，它就可以从中把“猫”准确地识别出来。
深度学习：技术进步使之终有用武之地
吴剑明指出，现在除了机器学习，人工智能还出现了一个叫“深度学习”的概念。深度学习是机器学习研究中的一个新的领域，和机器学习相比，它让人工智能又前进了一步。深度学习在机器学习的基础上进一步深入模拟人脑进行分析学习的神经网络，它模仿人脑的机制来训练和预测数据，例如图像、声音和文本。
2012年6月，《纽约时报》披露了应用深度学习的“谷歌大脑计划”，吸引了公众的广泛关注。这个项目的主导之一就是斯坦福大学人工智能专家吴恩达。这一项目用16000个CPUCore的并行计算平台，训练一种称为“深度神经网络”（DNN）的机器学习模型（内部共有10亿个节点），在语音识别和图像识别领域获得了巨大的成功。
吴剑明介绍，和大多数机器学习技术需要事先给训练数据提取特征做标注不同，深度学习直接把海量数据投放到算法中，系统会自动从数据中学习。比如“谷歌大脑”识别猫的算法，在训练数据的时候不用告诉机器“这是一只猫”，深度学习系统自己找到了什么是“猫”这个分类。
机器学习所需要的提取特征做标注，其实需要人工的专业知识和经验，有的时候能不能选好甚至于需要一定的运气。由于这部分人工操作对最终算法的准确性起到非常关键的作用，不但非常消耗时间和精力，且如混入一些模棱两可或是错误的数据，那么很可能会前功尽弃，事倍功半。
既然手工选取特征不太好，人类也不可避免的有主观偏差，那么能不能自动地学习一些特征呢？吴剑明指出，深度学习就是用来干这个事情的，它的一个别名UnsupervisedFeatureLearning，顾名思义，Unsupervised的意思就是不要人参与特征的选取过程。
吴剑明介绍说，这类研究最早起步的契机是，研究瞳孔与大脑皮层神经元的对应关系的科学家们发现了一些有趣的现象，人眼和大脑合作识别看到物体时，通过神经元互相合作很可能有一个分层次识别过程。具体的讲，从原始信号摄入开始（瞳孔摄入像素Pixels），接着做初步处理（大脑皮层某些细胞发现像素色块间边缘的局部变化特征），然后下一步抽象（大脑皮层判定眼前的物体的形状、颜色、质地等），最后再进一步抽象（从周围的场景、物体和物体间的空间位置关系等等）确定识别的物体。
深度学习正是运用了类似的分层次抽象思想，更高层次的概念从低层次的概念学习得到，而每一层都自底向上，对没有人工标注的数据进行学习，最后再用人工监督自顶向下反向进行调优。这一点也为深度学习赢得了重要的优势。
吴剑明表示，现在欧美、日本，包括我们中国的学术界都对深度学习非常关注，深度学习的威力目前在语音识别和图像识别上得到了很好的验证。不过在自然对话、自我进化机器人等人工智能更高深的领域里，它的效果还有待进一步考察。有意思的是，深度学习也是“旧瓶装新酒”，它的思想其实来自于上世纪80年代成熟的人工神经网络技术（ANN）。人工神经网络同样包含输入层、输出层以及中间的若干隐层，每层都有若干结点及连接这些点的边，在训练数据集上会学习区分超平面，从而建立模型。但后来科学家们发现，当时科学家们发现的人工神经网络实用性很差，究其原因，是由于巨大的计算量使得人工神经网络只能包含少许隐层，从而限制了性能。花费了大量人力物力之后，科学家们发现，只有少数几个特殊场景可以成功应用。所以到上世纪90年代开始，人工神经网络失去了关注和经费，成为了食之无味、弃之可惜的鸡肋行业。
但为什么一个上世纪90年代被放弃的技术又重新回到了万众瞩目的地位呢？因为80年代虽然理论基础完备，但真正到达实用所需要的数据和计算能力都不具备。近年来，随着互联网的发展，计算机硬件的价格下降，以及谷歌这样“怪物级”高科技公司的存在，以前高不可及的困难也终于有了解决的可能性。另外，功夫不负有心人，深度学习领域最重要的科学家、多伦多大学的辛顿教授带领的团队一直没有放弃对人工神经网络技术的研究，2006年他在《科学》上发表了一篇文章，解决了神经网络在计算上的难题，同时也说明了深层神经网络在学习上的优异性。辛顿教授提出的新理论大幅度降低了多层神经网络训练上的计算量，减少了训练偏差，和传统机器学习相比，优势明显。从此，神经网络重新成为了机器学习界中的主流学习技术。神经网络改头换面，为深度学习开启了学术界和工业界的新浪潮。
吴剑明指出，深度学习的实质，是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分类或预测的准确性。区别于传统的机器学习，深度学习的不同在于：首先，强调了模型结构的深度，通常有5层、6层甚至10多层的隐层节点；其次，明确突出了无监督特征学习的重要性，也就是说，通过逐层特征变换，将样本在原空间的特征表示变换到一个新特征空间，从而使分类或预测更加容易。与机器学习所需要的依靠人工建立特征的方法相比，利用大数据来自动提取学习特征，是我们朝着真正的人工智能迈进的又一步。
在另一方面，和传统人工神经网络的迭代训练需要过于复杂的计算量不同，深度学习并不同时训练所有层，辛顿教授提出了更为有效的降低训练上的计算量和减少训练偏差的方法。简单的说，就是自底向上每次只训练一层网络，通过非监督学习“逐层初始化”（layer-wisepre-training）网络，当所有层训练完之后，再自顶向下反向调教（backpropagation）优化。打个比方，人类的大脑发育初期，大脑每一部分的职责分工并不是明确的，我们对外界事物的理解由浅到深也是出自于本能或是实践，而去了学校学习后则可以通过后期教育来纠正自己错误的认识，进而对事物有更为体系和深入的理解。
即使这样，深度学习也是需要很大的计算量的，好在近年来，得益于计算机速度的提升、大规模集群技术的兴起、GPU的应用以及众多优化算法的出现，耗时数月的训练过程可缩短为数天甚至数小时，深度学习终于在实践中有了用武之地。
未来发展：通过仿生学思路实现突破
吴剑明指出，目前世界各科技发达国家人工智能的发展路线不尽相同。和其他科技领域有些相像，在人工智能行业，一直是欧美在带头创造新理论，而日本则是在改良和应用上下工夫。相对来说，日本在硬件方面，比如机器人的精密机器制造、机器人仿人运动方面有优势，但在关键的人工智能理论方面，新创或是原创的理论很少，所以不管在学术界还是在产业界，目前看来还不如欧美，特别是美国那么活跃。此外，可能和日本经济的长期不景气有关，近年来一些日本大公司对研发投入的决心和长期眼光还不够。比如在语音识别领域，由于谷歌走在了前面，一些日本大公司干脆就放弃了自家的语音识别技术转而使用谷歌的技术。但这样一来，人工智能的关键入口和背后的大数据就被谷歌给夺走了，这也导致在人工智能领域很难再翻身超越。
至于哪个路线的未来性更大，吴剑明表示，尽管机器学习和深度学习在语音、图像、文本识别上有了长足的进步，也让计算机变得聪明智能了很多，但和人类所具有的智能相比，仍然有本质区别。比如计算机能精确识别人脸、物体，但是却无法识别如张三闯红灯、李四喝醉了这样更为抽象的场景。
人类具有丰富的联想能力、理解能力、创造能力，要实现这些能力而又不通过建立人脑类似的机制，就会绕很大的弯路，几乎是不可能的。要真正实现强人工智能，必须借鉴人脑先进结构和学习思维的机制，再通过深度学习这样的方法进行规模、结构和机理上的模拟，通过仿生学思路实现人工智能的突破。
当然，人类是从低等生物经历几十亿年、在地球生态圈这么庞大的空间中进化而来，要获得人类这样充足的进化时空环境几乎是不可能的。在没有完全弄清大脑原理之前，通过模仿部分人脑原理来逐步渐进，可能是比较现实的办法。比如谷歌在收购DeepMind之后明确表示，不会首先将其应用在机器人部门，而是先从基础的语义识别开始。而百度也是将深度学习技术应用在具体的用户服务方面，比如说提高中文语音识别率、完善图像识别能力。所谓循序渐进，按部就班，就像人类一样有五感才会有思考，把人工神经网络低层的学习水平给完善了，才会有更抽象的高层的学习水平的突破。从这点来看，应该对深度学习未来进一步的理论发展充满希望。
吴剑明表示，深度学习运用在各个单独领域比如声音识别、图像识别时已经得到了很好的效果，当计算机不需要被事先告知明确数据含义，下一步能够融合吸收和理解各个部分的数据，起到1+1>2的作用时，人工智能也许将会被真正兑现。
一场《人工智能替代人还是成就人》辩论赛拉开帷幕
由科技、媒体智能、媒体本地联合推出的“媒体AI公开课”在无锡华邑酒店正式开启，这一档面向中国新锐城市的高端城市论坛，这也是首档以人工智能为主题的系列公开课。作为此次大会的压轴环节，大会进入最后一个也是最精彩的一个环节：主题辩论。此次辩论的主题是《人工智能替代人还是成就人》，正方：人工智能将会替代人VS反方：人工智能成就人。
首先，主持人贾梦霞宣读介绍了此次辩论的规则流程，此次辩论采用现场观众投票的方式计算结果，现场观众朋友们可扫描屏幕上的二维码，进入投票页面进行投票。此次辩论规则：1.正反方一、二辩依次轮换发言，每个人的发言时间3分钟；2.正反方互辩，20分钟；3.正反方三辩总结陈词；4.观众投票。
参与此次辩论的6位嘉宾分别是：欧洲创新与技术研究院院长Roberto
Saracco先生（正方），清华大学计算机系教授、博士生导师邓志东（正方），达闼科技有限公司创始人兼CEO黄晓庆（正方）；美国国家气象研究中心资深科学家SueEllenHaupt女士（反方），前中国移动研究院院长、江南大学博导、科研院院长吴小俊先生（反方），华创资本合伙人熊伟铭（反方）。
辩论开始，双方就人工智能是替换人还是成就人展开了激烈而精彩的辩论。辩论期间双方教授的精彩言辞时不时赢得台下观众的雷鸣般的掌声。在历经1个小时的激烈辩论环节之后，在场观众的现场投票评选出了此次辩论的胜利方，最终，反方（人工智能成就人）以76%：24%的得票率取得了此次辩论的胜利。
以下节选此次大会的精彩片段：
邓志东（正方）：人工智能会替代人，但是替代人的工作还是替代人的感情？就目前人工智能的发展现状来看只能是替代人的工作，金融业在2025年以前大概会有25万人的工作会被替换，所以人工智能替换人的工作这个趋势是非常明显的。我们可以看到在很多垂直应用领域，比如说无人零售，我们现在的银行里的智能语音服务，还有机器人，在工业制造领域里面大量的工作正在被机器所替换。这个趋势在未来的5到10年会非常的明显，这样的话会带来大量的问题。我这个人相对比较保守，我不是比较赞同达到抢人工作的阶段，我还是比较赞同的是在机器能够做的行业里面是有可能出现变革以及改变的。比如说自动驾驶，比如说长途货车司机、出租车司机这样的职业，我们知道通用的第一台全球首台量产无人驾驶汽车可能要出现了，这样我们就可以明显的感觉到人工智能所带来的变革可能正在开始，许多职业，比如说司机的职业可能会面临很严峻的问题。还有就是很多的零售商店，现在中国也在如火如荼的进行无人零售商店，现在的售货员、收款员也会面临职业的变化。
熊伟铭（反方）：我觉得媒体今天的题目比较有意思，我方观点是人工智能成就人的。在闹钟产生之前英国有一个专门的工作是叫人起床，比如说我要拿一个竿子去敲你的玻璃，但是设想谁愿意从事这样的工作？还有就是人力资源行业的投资人，发现90后、95后的同学们压根不愿意从事那些非常高薪的但是很痛苦的工作，在座的各位为什么需要工作呢？
这个问题可能要想一想，如果我们都去度假或者是都能够变成艺术家，或者说玩游戏，我小时候就想如果玩游戏能够变成一个职业该多好呀，但是现在真的变成一个职业了，不仅是一个职业，还都能变成明星。这个可能是作为人类来讲我们有多出来的时间，可能我们希望获得的东西比机器希望获得的东西多一些，所以我的观点是说人工智能来了之后，我们可以更容易的做我们想做的事情，我们可能并不需要做我们现在不得不去做但是又很讨厌的事情，这是人工智能对我们最大的帮助。
还有就是无人车，谁愿意开车呢？可能会有人愿意开，比如说大家开的是法拉利肯定有人愿意开。但是你每天上班下班真的愿意开车吗？还有就是你为什么用扫地机器人？因为你不喜欢扫地，并不说说它能够替代我们，当然我们也能干，但是从根上来说我们不喜欢干，我们有更多的业余爱好，我们更愿意把时间花在跟朋友喝咖啡、看一个很好的美剧等等。
RobertoSaracco（正方）：未来在中国，人会丢失工作的可能性会越来越大，未来99%的工作会被机器人所替代，还有就是会产生无人的商店，牙医的工作也可能会被取代。还有一些大公司也需要AI来帮助他们提高规模和减少成本。
SueEllenHaupt（反方）：AI可以让我们的生活变得更加美好，首先是依靠计算机的强大性能可以处理大数据，并且能够同时处理更多的信息，这些是人类本身无法做到的，而且它可以快速的实现排序。由于大数据的存在，我们通过AI算法可以会聚更多的信息，这可以极大的帮助我们人类做决策和分析。作为人类我们是有先天不足的，首先是生理上的不足和在计算能力上的不足，为了解决正方害怕那些问题，我们应该要更加小心谨慎的来设计AI，现在我们谈论的关于AI能够替代人类这件事情，是因为我们更多的是让AI在做人类目前能够做的事情，而没有更好的发挥人类的创造性，我们完全可以训练让AI做那些本身人类就不能够完成的一些任务。还有就是关于AI是否会替代人类，因为有些工作是人类本身不愿意完成，或者说并不感兴趣的事情，这个时候我们利用机器设备可以适当的解放这部分人类，比如说排序分类和简单的鉴别工作等等。
黄晓庆（正方）：实际上我们可以看到在人类历史上工业革命的标志就是生产力的提高，这个非常重要的标准就是机器代替人，所以在工业革命的历史上我们从来都是用机器代替人的，不是用人代替机器的。首先我们人被机器代替了并不是一件坏事，因为有很多危险的、无聊的工作我们人类本来就不想干。第二是随着我们人工智能技术的发展，我们人类实际上会选择让我们的身体和机器接起来，我们会在我们身体里面装点什么芯片，让我们变得更加聪明。我们说不定把手、脚再装点什么东西我们变得更加强壮，这是一定会发生的，因为这是一个竞争的社会，装的人比不装的人强大、聪明，自然而然人就会装了。但是如果到了最终把我们的灵魂下载到机器里，我们根本就不用这个身体了，那你不就可以永生了吗？我敢肯定我们这个屋子里没有一个人想死，所以如果能够永生，我们都能够选择，所有的人都会选择永生，所以到那个时候世界上就只剩下机器人了。
吴小俊（反方）：首先我认为三位正方的老师都帮助了我们反方，你们的观点支持了我们反方观点。至于刚才RobertoSaracco先生讲的一些观点，比如说由于人工智能的出现使得我们人类丢失了工作，至于丢失了工作究竟是好事还是坏事，我们暂且不去做太多的评论，但是目前的中国大家看到人们忙碌的身影，大家非常的忙，隔壁的邻居连姓名都不太清楚，你知道你楼上、楼下、左右邻居的姓名吗？知道他们的情况吗？跟他们有感情的交流吗？事实上中国当下已经进入了这种状态，事实上这是一个比较可怕的时代，如果利用人工智能的技术把我们的人解放出来，让我们的人能够获得更多的自由，给我们更多的时间去进行旅游、交流。
而至于为什么现在西方社会批判我们东方？尤其是会批判中国人这种创意性不够高？因为我们每天花在重复劳动的时间太多了，如果利用人工智能技术把我们学生的学习习惯建立起来，能够让学生少做题，能够更快的掌握到科学的知识，使得我们的学生能够在轻松又愉快的环境下得到成长，这样应该说对我们的教育会有帮助。如果说从这点来看，延伸出去会有很多新的东西，比如说使我们的民族在创新力方面得到提高，使得我们的生活质量得到进一步的提升。所以从刚才一辩和二辩的角度来说我感谢你们支持了我们反方的观点。第三辩提到每个人都希望永生，如果地球上每个人都可以永生的话，这样会非常可怕，地球将变得非常拥挤，违背了自然的规律。世界就是这样，就是不断的循环，人从生到死其实是完成了一个循环，对我们自然界的生长、螺旋式的上升是有帮助的，我们不能做违反规律的事情。
邓志东（正方）：吴教授实际上是偷换概念，误导了大家。大家知道人工智能替换人是有特别含义的，一定是指人工智能替换部分的人力劳动，不是说要替换人的本身。我们可以举个例子，比如说我能替换吴教授吗？吴教授能替换我吗？人和人之间不能完全替换，这是不可能的，所以人和机器怎么能完全替换呢？所以一定是说人工智能替换人的某些工作，把我们人类解放出来，或者是一些工作是我们人完全做不了的。比如说现在海量的大数据、数据的自动化处理是我们人无法处理的，这不是我们所擅长的事情。所以我说你这是偷换概念，偷换了我们现在语境下面所谓的人工智能替代人。
吴小俊（反方）：感谢对方辩友，在另外的层面你又支持了我们反方的观点。因为刚才邓教授讲到由于人工智能把人类解放出来了，把人类一些不想干的繁重的、重复的劳动被人工智能替代了以后，从这个角度来说对人类是有好处的，所以感谢你支持了我们反方的观点，就是人工智能成就了人。
黄晓庆（正方）：我觉得反方实际上是站在一个很狭隘的地球人的角度来考虑这件事情的，实际上我们人类所站的这个地球在宇宙里面是微不足道的，而且完全有这种可能性，一个小行星把我们撞了我们就没了，所以我们一定要摆脱地球对我们的束缚。刚才提到我们生老病死是一个自然规律，我们不能打破这个自然规律。实际上恰恰这样的自然规律我们就是要打破，我们如果不打破的话怎么活的更长呢？如果宇宙就是我们未来生活的空间，我们有无穷无尽的空间，不要怕人多，我就怕人少。刚才我们正方提出了非常重要的一个观点，就是人工智能的第一步一定是代替人去做一些我们人所不愿意做的工作，这个代替是一个工业革命的非常重要的依据，反方说人类的创意是机器代替不了的，所以机器代替不了人。但是，实际上人类的创意将来也是可以由机器完成的，是不是这样一来对我们人就带来了威胁？人这么伟大的物种都被机器替代了，人是不是就没用了？那时候我们人就可以跟机器融合，我们不用担心这个，机器有多聪明人有多聪明。
|总结陈词
黄晓庆（正方）：我们讲从人类发展的历史当中，我们进入了一个新的时代，这个新的时代的核心是把我们传统的对机器的开发上升到对智力和智能的开发，智力和智能的开发在我们信息科学的支持之下现在也变成了一个非常可行的发展方案。在这种支持下我们的科技实际上给我们人类带来了特别多的能够发挥我们想象力的空间。这个空间也对我们能不能用机器为人类和人类未来的发展作出贡献带来了非常多的发展方向，第一个方向是我们要用有智能的机器来代替我们人类去做一些我们不想从事的、无聊的、危险的、重复性的工作，让我们人类能够解放出来可以去做那些我们想做的、有创意的、好玩的事情。也许还有人类会选择我们什么都不干，我们天天玩，实际上玩就变成了一份工作。所以用机器来代替人类从事工作应该一定是我们在人工智能领域里面发展的第一步。我们的第二步就是想办法把我们自己变得更强大，就是用这些技术来武装我们自己的身体，所以我们还是要把我们一部分用机器人的知识来改进。之后我们人类一定会出现一个生命的问题，如果我们在新兴科技上面发展到某一个点，如果可以的话我们一定会选择一个不会死亡的机器。
吴小俊（反方）：首先陈述一下反方的观点，人工智能的发展将成就人。我们回顾一下人工智能从1956年产生到今天，事实上时间不长，但是在这个过程当中虽然人工智能的发展已经起伏了好几次，但是每一次起伏当中事实上都在回答一个问题，就是人工智能是否在为人类的文明、人类的生活做贡献。比如说离我们比较近的上一次变化，因为我们的期待过高，认为专家系统是万能的，就像今天我们的正方认为人工智能能代替人一样，这个期望太高，所以在那个时候由于人们对专家系统有太多的要求，使得人工智能的发展进入了一个下坡，我就是在那个时间加入到人工智能领域的，所以我很清晰的认识到人工智能的发展。我们今天的报告中有一位专家也提到了人工智能在发展过程当中起伏的规律，所以从这个角度上来看，我们的人工智能的智慧跟人类的智慧是可能无法比拟的。刚才我们反方的三位，尤其是前面两位，我完全同意他们的观点。由于人工智能把我们人类解放出来了，能够给我们提供更优质的生活，提供更多的帮助，这样使得我们人类可以有更多的空间和时间去做其他的事情。刚才提到人工智能未来可能会有很多的创意，这是有可能的，但人工智能的创意和人类本身的创意肯定是无法比拟的，人工智能产生的创意是帮助人类来成长。所以我总结一下我们的观点主要是如果人工智能技术被正确的利用，它将永远对人类产生正面的效果，人工智能会成功人。
人工智能会让画家提前下岗吗
微软人工智能画家“小冰”近日在中央美术学院美术馆举办自己的首次个展《或然世界》。这位人设被定为18岁少女的“画家”，在经历了22个月学习后，对过去四百年艺术史上236位著名人类画家的作品潜心研究和学习，在此基础上创作出属于自己的绘画作品。这些作品在构图、用色、表现力和作品细节中都有她自己的创造。
更令人惊诧的是，与小冰同场展出的，还有另外6位被凭空创造出来的女画家的作品。微软以小冰的框架技术，假拟艺术上的不同流派，创造了不同时代、不同地域的几位女画家，为每位画家都设定了自己的艺术风格和人生际遇。比如荷兰伟大画家伦勃朗的女儿、野兽派创始人马蒂斯的女信徒、法国印象派画家贝尓特·莫里索的妹妹，以及俄罗斯西伯利亚、日本等地的画家。“她们”同小冰共同展出了百余幅作品。
“怎么调色板这么新？好像第一次用一样。”央美美术馆一层下沉展厅内，几位观众一边看着眼前的油画和布置出来的油画工作室场景，一边发出疑问。直到他们看到了展览说明，才发现这些画作并非人类所画，其创作过程也不需要使用人类画家的传统调色板。“真看不出来，和传统油画一模一样啊。”大家不约而同感叹。
人工智能画家除了办画展积累人气，还能无限量“接活儿”。今年5月，微软已正式发布“少女画家小冰·无限创作1.0公测版”H5程序。任何人都可以输入一段描述文字作为小冰的灵感激发源，委托小冰来创作一幅画。小冰的创作在云端进行，大约需要三分钟就能把一幅独一无二的作品交付给用户，且每一幅作品都保持稳定的创作水准。她不休息、不吃饭、不受心情影响，可以不知疲倦地工作下去。
面对这样强悍的“竞争对手”，人类画家是不是受到了严重威胁？“博尔赫斯1941年创作的小说《巴别图书馆》中似乎预告了今天发生的事情。”在伴随画展举办的论坛上，中央美术学院人文学院院长李军说，假如博尔赫斯有一架机器，以26个英文字母加上逗号、句号、空格等符号，不断变化、不断印刷出书籍，只要变化和生产的速度足够快，那么他小说中的巴别图书馆就会成为现实。也就是说，只要我们具备一定条件，按照逻辑可能性来展开全部组合，就能创造出这世上已有和将有的一切伟大作品和平庸作品。“小冰的故事不外乎是这个逻辑。小冰所画出来的画痕迹太重，太像我们这个世界的东西了，没有给我们带来真正的奇异感。也许，小冰还可以继续进化。”李军说。
至于人工智能会不会抢了人类画家的饭碗，中央美术学院实验艺术学院院长邱志杰认为，这肯定会让一些人下岗。“过去历史上画家面临的最大威胁是摄影技术的发明，它使得一些人下岗了，另一些人却又重新定义了绘画的使命，梵高、毕加索这样伟大的画家也因此出现。今天的小冰比摄影术更厉害，这一次，人类艺术家又到了一个必须做出选择的或然世界的岔路口。”
人工智能来了，在后人工智能时代，人工智能会毁灭人类吗
0分享至我们对人工智能技术越来越依赖，但有一部分人类对人工智能技术是不支持的，这里就包括曾经的世界首富，比尔盖茨，还有名人霍金，他们都不建议去深度研发人工智能，但也有不同的意见的，我现在感觉是多数人觉得人工智能技术，是在帮助我们人类发展，增效，带动生产力，大量地增加了产能。对社会是有好处的，可能是一部分喜欢抬扛的人，中挑刺，不管你说什么，他们中能挑出刺。如果你说人工智能给人带来了怎样的便利，他们就会说人工智能如何没温度没感情等等。一个机器有什么温度，要啥感情。你喜欢不喜欢？这个社会决定的，跟你喜欢不喜欢不发生关系，是价值决定的，人工智能时代，都会来临的，并不是你有几句反对的话，人工智能就不来了，那不科学。也不符合我们社会发展的需求，我们近两年由于人工智能技术的带动下，我国的经济始终不低这都看到了。很多工厂流水线上都是机器人，很少看到人，未来工厂里依然还是人少，机器人多，现在比较先进的港口你都看不到人了，工作的都是机器人，这种无人系统，未来会推广更多的港口，就像现在的工厂一样，会完全被机器人替代。有的人可能就对人工智能抱有敌意了，人工智能机器人在快速地取代着我们的工作，这是好事吗？这难道不是叫我们下岗吗？其实这也是叫我们解放双手，人类生来不一定就是为了劳动的，有了人工智能机器人，一切工作交给机器人，人类节约下来的时间应该享受生活，每天都可以享受天伦之乐。因为我们不用工作了，一样可以幸福地生活。可能会有人想，如果机器人完全统治了工厂等重要基地。会不会开始反抗人类，不再为人类工作了？其实这只是人类的一种假设，机器人并不会出现这样的想法，除非是人为地把程序设置输入给机器人，或者帮助机器人换个芯片。这种情况下可能会使机器人反叛，但要想使全部的机器人反叛，那还是不那么容易的事情，一个是软件你行别人也行，一个硬件要看人类去帮助安装，比如你把不一样思维的机器人芯片，给每个机器人换上，也是需要大量时间和人员的。如果说光靠一个什么“天网”那也是很不现实的，人类又不是傻子，人类不会让所有机器人都绑定在一个网络，机器人是为人类服务的。所以人类会让机器人绑定更多学习的网络，不管是病毒还是杀毒软件，不都是人类想让它有它就有么，所以在后人工智能时代，人工智能是不会失控的，人类都不用工作了，还不牢牢地盯住机器人啊！它们是接受人类指令的，如果你非要相信被人工智能毁灭，那是你科幻电影看多了，一个机器人想要出现自我意识，比男人生孩子都难，人工智能到了今天确实比人类还聪明，这个聪明其实是说人工智能算法确实厉害，但想要觉醒那还早着呢，碳基生命接受营养，各种化学反应，一点点出现的自我意识，一个机器除了数据收集。芯片，硬盘，即便它什么都会说，只能说明它的容量越来越大，跟自我意识没一毛钱关系。机器钢铁也没有化学反应，如果可以的话，人类也不至于一直研究脑神经的人，都快神经了。所以说再过一百年，机器人也不会觉醒，更不会毁灭，这只是人的想法，不是机器人的想法。作为地球的主宰者，人类可以毁灭任何东西，但绝对不会被人工智能机器人毁灭的，道理很简单我已经说了，即便你养的狗还知道报恩呢，在后疫情时代，人类和机器人会更加亲密，会有很久一段时间人机共存的时代，除了相互学习，也可以增加感情，别看是机器人，如果你认为它会反叛，那它也一定会与你产生感情，每天绑定一起，是铁也热乎了。即便人工智能有那个心，人类也不会给他们那个机会，未来人机就是每天相处的，那样的事情怎么会发生？你觉得呢特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端