前言：

人工智能的支持者們和反對者們的爭論可能直到強人工智能真的出現(xiàn)的那一天都不會停止，但大眾可能并不是非常清楚機器人和AI到底發(fā)展到什么程度了，以及認真思考過當機器人和AI真的普及開來，它們到底會對我們產(chǎn)生什么樣的影響？很多人對AI的估計要么過于樂觀，要么過于悲觀。為了弄清楚這些問題，雷鋒網(wǎng)采訪了MIT人工智能實驗室(CSAIL)的主任Daniela Rus，作為全球頂尖高校人工智能實驗室之一的主任，Rus教授對AI和機器人的發(fā)展有很深的理解，也對人機關(guān)系的未來有很深的思考，讓我們看看對于這些大家爭論不休的問題，這位大神是怎么說的。

MIT的研究

雷鋒網(wǎng)：您最感興趣的研究領(lǐng)域是哪個？為什么您會覺得它如此重要？

Rus：我最感興趣的領(lǐng)域其實是機器人，我們正在研究如何制造更好的自動化系統(tǒng)，自動化系統(tǒng)能深刻的改變這個世界。改變?nèi)藗兺瓿扇蝿?wù)的方式，并且可以讓我們更好的理解彼此。

雷鋒網(wǎng)：可以舉個具體的例子說說它能怎么讓我們更好的理解彼此嗎？

Rus：我們對我們的大腦是如何工作和智能是如何產(chǎn)生的了解的很少，但是我們現(xiàn)在對研究這個的方法有一個預測：就是如果我們能造出一臺各種行為表現(xiàn)的都和生物很像的機器。那這臺機器的內(nèi)在原理可能跟生物的內(nèi)在原理比較相似，我們可能可以通過這種研究加深對我們自己的理解。

雷鋒網(wǎng)：在您研究的所有產(chǎn)品中您最喜歡哪個呢？

Rus：實際上我很難回答這個問題，因為實際上我對我所有的產(chǎn)品的喜愛都是一樣的。我可以把機器比作我的孩子，而我愛我所有的孩子。不過我可以告訴你一些我們正在進行的項目。目前我們正在研制一種智能汽車。這種汽車不僅不會卷入交通事故，而且還會成為你的朋友。這臺汽車在你駕駛的時候會檢查你的狀況，如果發(fā)現(xiàn)你將要做出錯誤的舉動，它就會暫時接管你的控制權(quán)以避免事故發(fā)生。它還能同你家的家居設(shè)備互動，比如告訴你你的冰箱里快沒有牛奶了。并且給出在你回家的路上順便去超市買一盒的建議和路線。甚至可以在你的父親生日的時候提醒你打電話給他送去祝福。我很喜歡這個想法。它不僅能幫助它的擁有者安全行駛，還能做出更多的互動。

雷鋒網(wǎng)：您覺得這臺車是一種AI嗎？

Rus：當然，研發(fā)這臺車的過程涉及，甚至促進了AI很多方面的最先進的應(yīng)用。比如機器知覺，因為讓車輛擁有知覺確實是一件非常有挑戰(zhàn)性的事，并且有必要把能“安全行駛”的車和能“開得很快”的車區(qū)分開。對于一臺智能車來說，有一個好的認知系統(tǒng)是很重要的，當然，讓人擁有控制權(quán)也是很重要的。而汽車與車主的互動也是很重要的。而所有這些內(nèi)容組合在一起，就敦促著我們需要創(chuàng)造出一種更先進的智能決策系統(tǒng)。

這是我們目前正在進行的一項研究的例子，而我們還有很多類似的項目，它們都讓我感到很喜歡和興奮。除了這個項目之外，我們還有一個項目，在那個項目中我們主要關(guān)注于讓每個人都擁有制造屬于他們自己的機器人的能力。而我們的打算是，人們只要描述出自己想讓這個機器人做什么，機器人就能自動理解并且執(zhí)行這條指令了。比如直接說“我想讓機器人幫我打掃一下衛(wèi)生”這樣就行了。這樣就不止是專家，而是任何人都可以定制自己的機器人了。所以我們現(xiàn)在在開發(fā)一種叫“機器人編譯器”的編程系統(tǒng)，可以讓我們自動完成對機器人的編程。我們現(xiàn)在還做不了太復雜的任務(wù)，但是一些簡單的任務(wù)已經(jīng)可以通過機器人來完成了。

雷鋒網(wǎng)：目前CSAIL有在進行什么關(guān)于通用型人工智能（AGI）的研究嗎？

Rus：CSAIL有一些研究是研究大腦是如何工作的，也有一些聚焦于建立相關(guān)基礎(chǔ)理論的研究。我個人認為，這種通過工程學復制大腦結(jié)構(gòu)來研究智能的運作原理的方法是目前AI科學界最大的挑戰(zhàn)也是最為杰出的嘗試。

雷鋒網(wǎng)：您覺得CSAIL正在進行的項目里，有哪些是在實現(xiàn)AGI上比較有潛力和希望的？

Rus：這很難抉擇，有很多有意思的項目都在同時進行。比如，有一個項目是關(guān)于研究人們?nèi)绾稳ネ瓿梢患碌摹Ｍㄟ^對這些東西的研究我們可以讓AI有能力預測在一段視頻中接下來會發(fā)生什么。在我自己的團隊里，我正在進行一個想要讓盲人感受和體驗這個世界的研究。我們在試圖使用一個可穿戴設(shè)備探索讓盲人像我們一樣感知這個世界的方法，這也需要相當強力的感知系統(tǒng)?？偨Y(jié)一下的話，我們在這方面的研究的一個重要的方向就是使用機器學習（machine learning）技術(shù)讓電腦幫助人們做到我們現(xiàn)在暫時還做不到的事情。機器學習讓我們有了幾乎能做任何事情的能力。

機器學習與AI

雷鋒網(wǎng)：您提到了機器學習，您覺得機器學習或者深度學習（deep learning）能最終幫助我們制造出通用型人工智能（AGI）嗎？

Rus：深度學習系統(tǒng)在很多任務(wù)上都表現(xiàn)出了極出色的性能。但是我們實際上并不是很清楚為什么深度學習系統(tǒng)是如何工作的，以及為什么它會表現(xiàn)的這么好。而且我們需要做很多研究才能更精確的理解它什么時候能有效，而什么時候不能。我們現(xiàn)在已經(jīng)知道，深度學習在很多方面的表現(xiàn)都會比其他的傳統(tǒng)方法好很多。深度學習系統(tǒng)的一個很重要的組成部分是數(shù)據(jù)：深度學習系統(tǒng)要做好效果必須要用大量的數(shù)據(jù)來訓練它的算法。比如斯坦福的李飛飛建立的計算機視覺數(shù)據(jù)庫（指ImageNet），其中包含了數(shù)以百萬計的圖片。這個數(shù)據(jù)庫給了我們訓練出前所未有的強大的圖像識別系統(tǒng)的機會。但是我們沒有那么多數(shù)據(jù)去應(yīng)對一種通用的情況，那要求的數(shù)據(jù)量太大了。所以我覺得我們離制造出通用人工智能還有很長一段距離。這其中很多關(guān)鍵的原理我們還不知道。即使有了機器學習的幫助，我們也需要用很多數(shù)據(jù)組成的數(shù)據(jù)集來讓它們達到最佳狀態(tài)。而且即使是現(xiàn)在表現(xiàn)最好的深度學習系統(tǒng)也會出錯。（除了幾個極為成熟的領(lǐng)域外）現(xiàn)在的深度學習系統(tǒng)很多達到了70%到90%的準確率。但是在某些特定的領(lǐng)域其實這個準確度還不夠。比如說用在自動駕駛汽車上的話，即使90%的準確率也可能造成很多事故。

我覺得我沒法判斷深度學習最后到底能不能實現(xiàn)AGI?？偟膩碚f，深度學習目前來說可以說很有潛力，但是它也存在一些挑戰(zhàn)和問題。

一是深度學習需要大量的數(shù)據(jù)去訓練，也就意味著需要很深的理解，而通用型智能的學習方法應(yīng)該要更“通用”才對。

二是深度學習還是會犯錯。

三是實際上我們還不太清楚深度學習的運作原理，不太清楚為什么它表現(xiàn)得這么好。

只有當我們對這些東西，包括深度學習和我們自己有更深的了解之后，我們才能回答這個問題。

我們該怎么面對這股洶涌的AI大潮？

雷鋒網(wǎng)：我們前面假設(shè)了一下AGI的一些可能性，但是其實目前的這些AI已經(jīng)能給社會造成很大的影響了。比如，您怎么看現(xiàn)在由于自動化和人工智能的普及，很多人的工作開始被機器人所取代這件事？

Rus：沒錯，如今技術(shù)發(fā)展的很快，而我們與技術(shù)之間的關(guān)系也在快速的變化著。所以我們必須不斷的提升我們的技能。我最近看到一些數(shù)據(jù)：電話花了50年的時間才被85%的大眾所接受，而手機只花了10年，智能手機只花了7年左右就實現(xiàn)了這個數(shù)字。世界變化的越來越快，如果你不跟上的話，你同那些能隨時跟上世界潮流的人相比就會有很大劣勢。所以我們需要不斷的學習。因為很明顯，有些工作崗位確實很有可能會被電腦或機器人取代。這是一種隨著時代的發(fā)展而出現(xiàn)的必然現(xiàn)象。

不過在我們意識到這些的同時，我們必須要明白的一點是：機器人和計算機被設(shè)計出來的目的，并不是為了取代人，而是為了輔助人的。我們可以看看歷史，歷史上有很多極大的改善了人類工作效率的工具曾經(jīng)出現(xiàn)過。就像歷次工業(yè)革命和信息革命的時候那樣。我們也可以把AI視為一種輔助人的工具。事實上現(xiàn)在的機器人和計算機也更像是一種工具。有些事它們很擅長我們卻做得沒那么好，比如一些重復性的任務(wù)；但同樣有些事我們很擅長而現(xiàn)在的機器卻根本做不到，比如創(chuàng)作、進行真正的思考等。所以我覺得我們對未來的期望應(yīng)該是：我們應(yīng)該期待人和機器人能共同合作。而不是害怕他們會取代我們。

雷鋒網(wǎng)：我們其實同意您所說的，技術(shù)對人類帶來的更多是推動，但是我們想知道對于我們每個個體來說，應(yīng)該如何去面對這個改變？尤其是我們知道其實有些人并沒有那么好的條件，他們或許沒有足夠的財力，也沒有機會接受更好的教育。我們應(yīng)該怎么去幫助這些人跟上這個世界的腳步呢？

Rus：我想說，雖然技術(shù)發(fā)展的是很快，工作崗位的變化也很快，但是實際上還沒有快到你剛剛說的那種程度?；蛟S未來的某一天我們會面對一個機器人跟人一樣厲害的時代，但現(xiàn)在還遠遠不是那個時候?，F(xiàn)在的機器人其實能力還相當有限。將來的很長一段時間內(nèi)，人們可能會同機器人一同工作。事實上，機器人的能力一直在變強，取代工作崗位這樣的事在幾次工業(yè)革命中都發(fā)生過。但這樣的改變并不是瞬間完成的，而是會持續(xù)一定的時間。所以，關(guān)于機器人對人類社會的影響，我們更該關(guān)注的其實是現(xiàn)在的青少年一代，他們或許才會是將來受機器人影響最大的一代。就我個人的看法來說，我認為每個人都應(yīng)該學會編程。這樣人們就都可以用機器人去解決他們自己的問題。所以我覺得現(xiàn)在的人們在力所能及的范圍里都應(yīng)該——不僅是學會編程，更要學會這樣一種去思考如何使用計算機來解決問題的思維習慣。

另一方面，我們都要學會創(chuàng)造。創(chuàng)造是人類智慧中最頂尖的一層，如果你會創(chuàng)造，你就一定能會編程、改進現(xiàn)有的東西，發(fā)明新的東西，這樣你對經(jīng)濟的方方面面都能做出貢獻。

所以，我覺得目前的一代人其實受到機器的影響會比較小，而我們的下一代會受到比較大的影響，但如果我們能讓他們擁有這種改變的意識。他們就能在方方面面都對社會和經(jīng)濟做出巨大的貢獻。而不會受到太多負面的影響。

雷鋒網(wǎng)：但是從某個方面來說。單純的創(chuàng)造機器人，或者創(chuàng)造隨便一個什么東西并不能對社會做出真正的貢獻，這同個人的天賦有關(guān)。并不是每個人都是天生的創(chuàng)造者。但如果你沒法給社會做出貢獻，就不會得到任何報酬，而如果沒有報酬你可能很難在社會上生存下去。所以未來可能仍然會有很大的就業(yè)問題，關(guān)于這個，您覺得電腦除了取代工作崗位，是否會衍生出同樣多新的工作崗位呢？會有哪些？

Rus：其實這個很難推測。假設(shè)我們已經(jīng)處在了一個機器人同人一樣有能力的社會。我現(xiàn)在能想到的工作大概是——制造機器人、控制機器人、監(jiān)督機器人的工作、維護機器人的正常運行。這些其實都不太難想到，但是其實誰能想到它們到底能給我們帶來什么樣的新工作呢？有的時候你其實很難想象未來會發(fā)生什么。比如說我可以肯定200年之前人們肯定想象不到我們現(xiàn)在所有的一些工作。比如那時候還沒有飛機，所以估計很難有人想象到現(xiàn)在的飛機已經(jīng)多到需要許多空中交通管制員隨時隨地進行指引了。這個崗位應(yīng)該是沒有人能想到的，同樣的，用我們今天的思維其實也很難去推斷未來的事情。但是我可以肯定的是隨著機器人的發(fā)展，肯定會有一些新的崗位出現(xiàn)的?，F(xiàn)有的崗位也未必就會被全部取代。只是我們還是需要對自己進行一些調(diào)整來適應(yīng)這種改變。

雷鋒網(wǎng)：關(guān)于AI和機器人可能對社會造成的影響，您對我們有什么建議嗎？

Rus：人類和機器人各有擅長的事情，我相信未來會是一個人與機器共同協(xié)作，互補對方短板的社會，我們也需要努力去創(chuàng)造這種社會。

我們無需過于擔憂，只需要記住我們要盡力去學習新的技能，使我們能和機器一直保持最好的合作就可以了。比如說，我有一個朋友創(chuàng)辦了一家叫rethink robotic的公司。這家公司其中有兩種機器人，一種叫Baxter，一種叫Sawyer，這兩種機器人就是人可以親自很方便的調(diào)整它的機械臂，編程機器人的工作流程。實現(xiàn)很高的協(xié)作效率。這些機器人本身的功能其實很簡單，但有了人的編程它們的作用就會大很多。所以我們不要對技術(shù)感到恐懼，只要擁抱這個屬于21世紀的全新理念，并保證我們的下一代能對此做出充足的準備就行了。

后記：

與Daniela Rus的對話解決了我們心中長期以來的一個疑惑：為什么人類在歷史上每次工業(yè)革命中，經(jīng)歷短暫的混亂后都能變得更好？要知道那些失業(yè)的人可是確確實實存在著的。他們都去哪了呢？其實就像Rus教授說的那樣，機器人和AI的不斷發(fā)展，能讓人們做到很多以前從來做不到的事，隨著那些新的崗位被創(chuàng)造出來，曾經(jīng)被從舊的崗位上替換下來的人也很快就有了新的歸宿。而人類整體也在這樣的過程中不斷解放生產(chǎn)力，逐漸向文明的更高層面發(fā)展著。

所以我們無需擔心未來，就讓我們擁抱人工智能將給我們帶來的嶄新的世界吧。

Daniela Rus教授將參加雷鋒網(wǎng)8月舉辦的CCF-GAIR大會，想同她近距離交流嗎？那就不要錯過這場年度AI盛宴！

題圖來自qmagazine.ro

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。