圖片來源：Daniel Hertzberg
你如何教導機器？
Facebook的人工智能研究總監(jiān)Yann LeCun：如何為機器制定教學計劃。
人工智能的傳統(tǒng)定義是，機器以通常我們認為屬于人類的方式，來執(zhí)行任務和解決問題。有一些任務我們覺得很簡單——識別照片中的物體、駕駛汽車——可是這些任務對于AI來說特別困難。機器可以在棋盤上超越人類，可是那些機器的程序從本質上來說是體力活，機器受到程序的限制。一個30美元的設備就能在棋類游戲上超越我們，可是它沒法做——也沒法學會做——其他所有事情。
這就是為什么我們需要機器學習。給機器展示幾百張貓的照片，機器就會訓練自己的算法，學會更好地識別照片中的貓。機器學習是所有大型互聯(lián)網(wǎng)公司的基礎，讓公司可以進行搜索結果排名，為特定用戶選擇最相關的內(nèi)容和建議。
深度學習是以人類大腦為基礎，要復雜得多。與機器學習不同的是，深度學習可以教會機器忽略聲音或圖像中所有不重要的信息——呈現(xiàn)一種能夠反映無限多樣性的層級性世界觀。正是深度學習為我們帶來了無人車、語音識別、以及有時候比放射學專家更擅長識別腫瘤的醫(yī)療分析系統(tǒng)。
雖然有了這些值得贊嘆的進步，我們距離與人類同樣智能的機器還很遠——我們的機器甚至與老鼠的智能相比都差得很遠，我們大約只見證了AI實力的5%。
是時候重新思考就業(yè)嗎？
百度首席科學家吳恩達：AI將如何改變未來的就業(yè)。
如今在美國，駕駛貨車是最常見的職業(yè)之一。幾百萬人在東西海岸之間運輸著貨物，以此維持生計。然而，很快所有這些就業(yè)機會都將消失。無人車將替代人類司機在路面行駛，并且更快、更安全、更高效。有這么好的事，還有哪家公司會選擇更昂貴、更容易犯錯的人類司機呢？
類似的勞動力變革在歷史上也有先例。在工業(yè)革命前，90%的美國人在農(nóng)場工作。蒸汽技術和制造業(yè)的興起讓許多人失業(yè)了，但是也創(chuàng)造了很多新的工作機會——還創(chuàng)造了很多當時人們無法想象得到的新領域。這個排山倒海般的巨變是在兩個世紀的過程中慢慢展開的，當時，美國有足夠時間來適應變化。農(nóng)民們直到退休都在種田，而他們的下一代去上學，成為了電工、工廠領班、房地產(chǎn)商和食品化學家。
而卡車司機們就沒有這么幸運了。他們的職業(yè)，還有另外幾百萬人的職業(yè)，很快就會過時。在智能機器時代，數(shù)量眾多的人們將沒有工作的能力，或者有被淘汰的風險。我們可能會見證20世紀30年代經(jīng)濟危機以來最大的失業(yè)大潮。
1933年，富蘭克林·羅斯福的新政幫助了大量失業(yè)人口，并且?guī)椭貑⒘嗣绹?jīng)濟。更重要的是，它幫助美國從一個農(nóng)業(yè)社會轉變?yōu)橐粋€工業(yè)社會。羅斯福的“公共工程署”雇傭了失業(yè)者來建造橋梁和新的高速公路，改善了美國的交通基礎建設。這些改善為當時非常先進的新技術應用奠定了基礎：汽車。
我們需要有一個針對21世紀的新政，針對人工智能會帶來的新就業(yè)機會打造培訓項目。我們需要重新訓練卡車司機和辦公室助理，來打造未來的數(shù)據(jù)分析師、旅行規(guī)劃師等等其他我們現(xiàn)在還不知道自己有需求的職業(yè)。美國南北戰(zhàn)爭前（19世紀60年代前）的農(nóng)民，絕對無法想象自己的兒子會當電工，而現(xiàn)在，我們也很難說AI在未來會創(chuàng)造什么樣的工作機會。不過我們清楚的是，必須采取革命性的措施，才能完成從工業(yè)社會到智能機器時代的轉變。
AI：和人類一樣？
智能機器如何做到模仿自己的“造物主”。
要實現(xiàn)人類級別的人工智能，我們下一步要做的就是創(chuàng)造智能的——但不是自動的——機器。你汽車中的AI系統(tǒng)可以讓你安全到家，但是沒法在你回家后自動選擇下一個目的地。我們將以此為基礎，加入基本的動機以及情感和道德價值。如果我們創(chuàng)造出學習能力像人類大腦一樣強的機器，應該不難想象機器會“繼承”一些類似人類的特點——還有弱點。但是在我看來，“終結者”預言及其不可能。這需要一個精心策劃的、意圖不軌的個體，特意將惡意企圖寫入智能機器，沒有哪個機構——更別說哪個公司或者個人——可以憑一己之力實現(xiàn)人類等級的AI。打造智能機器是我們這個時代最大的科學挑戰(zhàn)之一，需要各個國家、公司、實驗室和學術團體之間共同分享智慧。AI的進步最有可能是漸進的，而且是開放的。—— Yann LeCun。