人工智能进入“下半场 机器变聪明了 人怎么办?

人工智能创业分布在13个不同的领域，包括机器学习，计算机视觉，语音认别，智能机器人等。高通创投在人工智能领域也投资了许多优秀的企业，如基于大数据和机器学习的出行导航公司WAZE(在2013年被Google收购)，智能无人机公司3DR，语音识别公司云知声，虚拟现实/扩充实景公司MAGIC LEAP和小熊尼奥，人机交互公司七鑫易维，等等。

　　正是因为计算能力和数据量的极大增强，机器学习成为人工智能领域进步最快的分支，所获得的投资额占总投资额的45%。

　　机器学习是用数据和以往的经验，优化计算机模型的性能指标。比如说，制造手机有100多道工序，如果我们通过编程，让一个机器人一步一步地按照程序完成，这不是机器学习。如果智能机器人通过观察工人制造手机的过程，再经过不断试错，之后可以自行制造，这才是人工智能。

　　“大数据”之前，因为没有足够的数据来训练模型，所以模型优化的进程缓慢。今天数据足够多了，运算能力大幅上升，使得优化模型的速度加快。最近量子计算机带来更强大的运算能力的希望。

　　近几年大公司对人工智能的投入又怎么样呢?

　　先说谷歌：谷歌在2010年正式开始汽车自动驾驶项目，在2012年获得美国首个自动骂驶车辆许可证。到了2016年年初，谷歌的自动驾驶汽车己经累计行驶了225万公里，自动驾驶的趋于成熟的速度超出了许多人的想象。2014年，谷歌收购了深度学习公司DeepMind，10月DeepMind发布了一种全新的模拟神经网络。同年，谷歌开始开发一套能够整合海量数据的语音系统，使得语音别识的精准度从2012年的84%提升到2014年的98%。在图像识别的研发方面，谷歌一直不遗余力。在2012年，“谷歌大脑”可以在1000万张图片中成功识别出猫，从2010年到2014年，谷歌的图像分类识别精确度提高了4倍。谷歌在2013年收购了8家机器人公司。

　　再来看Facebook：深度学习的鼻祖级科学家Yann LeCun在2013年加入Facebook，使其图像识别和自然语言处理技术飞速提高，2014年，Facebook的脸部识别的准确率达到97%。再来看看IBM这支人工智能领域的老牌劲旅，2014年IBM宣布组建“Watson Group”，同时推出两项Watson顾问服务，一项帮助企业从海量数据中获得洞察，另一项使得数据可视化。同年8月IBM发布能模拟人类大脑的SyNAPSE(自适应可伸缩神经形态电子)芯片，该芯片有100万个“神经元”内核，而功耗仅为70毫瓦。

　　最后说百度：2014年5月百度引入深度学习专家Andrew Ng，并由其组建百度北美研究中心。随后他们发明了Deep Speech的语音识别方法，可以在嘈杂环境中实现81%的识别准确率。同年4月，百度发布大数据引擎，提供大数据存储、分析和挖掘技术，在医疗、金融和交通领域有具体的应用。

　　人工智能的发展进入了“下半场”的快车道，机器的智能日新月异，人类的智力有进步吗?

　　英国伦敦大学的科学家的研究表明，自1950年以来，人们的平均智商升高了20点，相当于平均每10年人类的智商值提高了3%。

　　这是一个喜忧参半的消息，忧的是人类的智商提升的速度远远低于人工智能的进步;喜的是，不管多少，人们的智商还是可以被提升的。

　　一个简单而重要的问题是: 人工智能技术能够用来提高人的能力吗?

　　人工智能在教育领域的应用

　　经过分析，我将人工智能在教育领域的应用总结为以下7个方面。我相信这方面的创新刚刚开始，科学家和创业者不仅应该关心机器的能力，而是更在乎我们自身的能力。

　　1)自动作业批改。语音识别和语义分析使得自动批改作业成为可能。数学等学科的自动批改作业相对容易，但是，作文的自动批改已经开始了，老师和助教的效率正在大大提高。

　　2)个性化学习。大数据可以描述每个学生的学习特性，根据伦敦的一个研究机构的分析，人们的学习方法可以分为70种。高通投资的爱乐奇已经积累了一千三百万学生所做过的8亿道题，为个性化教学提供了充分的依据。如果说今天的课堂教学的主流方法是“从原理到应用”，而机器学习的方法是“从案例到原理”，并且是同时学习多个案例。那么“从案例到原理”的学习方法对部分同学有效吗?事实上，许多人包括我本人在内，更适应于“从案例到原理”的学习方法。

　　3)智能辅导系统(ITS)。人工智能在这个领域的应用已经有长足的进步，也展示出明显的效果。我和我的儿子都喜欢可汗学院(KHAN ACADEMY)，它是一个优秀的智能辅导系统，帮助我们学习数学、科学、人文科学和计算机科学。值得一提的是，可汗学院的创始人拒绝了风险投资人的投资建议，坚持要把可汗学院办成非赢利企业。学者将ITS和课堂一对多教学以及一对一的老师辅导进行对比，结果令人振奋: ITS的效果比课堂教学好很多，和老师的一对一辅导的效果相似。

　　4)互动学习环境(ILE)。互动学习环境与智能辅导系统的区别在于四方面：更多建设性学习(或者说学生自己决定学习科题)，学生更主动，更多个性化，以及学生收到更多反馈。

　　5)通过仿真游戏学习: 目前最成功的仿真是飞行模拟器。我的飞行员朋友告诉我：在模拟机上飞行和真机没有两样，只是训练更加便捷。美国红雀公司的FMX就是一款经过美国FAA认证的，价值几千万美金的模拟机。我女儿热爱环境保护，她使用Catchment Simulation 仿真软件学习水文和水利。我儿子正在模拟的股市中，使用虚拟货币进行交易。我认为人的能力大概分为三种：分析能力(一种在书本和课堂中能够学到的能力)，实践能力(一种只能在生活中培养的能力)，以及创造能力(一种上天赋予的能力)。今天，因为实践的机会极少，人们的实践能力越来越弱，仿真可以多少弥补一些实践能力。

　　6)对教学体系的反馈和评测。

　　7)人工智能为学校招生，学习场所和课后活动提供创新的解决方案。

　　在以上人工智能应用于教育的七大方面，效果明显的是智能辅导系统和通过仿真游戏学习。

　　象棋大师的“东山再起”

　　在1997年象棋大师卡斯帕罗夫输给IBM的“深蓝”之后，虽然有短暂的不服等情绪，他总结了失败原因，并提出了一种新型的国际象棋比赛形式——自由式。在自由式国际象棋比赛中，人和机器可以自由组合：可以是一台或多台电脑，可以是一个或者几个棋手，也可以是人加机器。

　　在2014年的自由式国际象棋比赛中，机器赢了42局，而人加机器胜53局。获得冠军的是一个叫Intagrand的人加机器的团队。当他们刚刚出现时，人们怀疑团队中有卡斯帕罗夫，后来才知道这个团队的棋手是由三名业务选手组成，加上并非最尖端的国际象棋软硬件。三名棋手其中一位是华裔女选手，她也是全球唯一两位自由式国际象棋女选手之一。人加机器的胜利说明这样的组合比人或者机器更有优势，而冠军队Intagrand的组成也进一步证明“一般人加上一般机器”可以战胜“最强的人”或者“最强的机器”。

　　虽然“人加机器”的文明进步方式让我们松了一口气：人和机器不是对立的。但是人仍然希望自身能力可以大大提高。正如本文所阐述的，人工智能可以在教育领域得以应用，人工智能也能够帮助国际象棋棋手快速提高水平。今天的国际象棋大师中最高水平当属Magnus Carlsen，他在训练中使用了人工智能，也被大家认为下棋风格最像电脑的大师。Magnus的水平已经超过了历史上所有的大师。所以说，人工智能能够帮助我们达到更快更高更好。

　　2015年12月21日，英国伦敦帝国理工学院的科学家在《自然：神经学》发表一项研究成果：他们发现了影响人类智力的基因群M1和M3。他们声称“……我们有望操纵一整套与人类智力有关的基因。通过这些基因改造智力，理论上是有可能的，……” 这类基因研究成果首先用于治疗疾病，但是我们可以想象：将来我们的智商可以大幅度提高，仍然高于机器。