按：12月3日，深圳市龍崗區政府主辦的2017國際衆創週末活動在天安數碼城開幕。活動以「在未來」爲主題，邀請了國內外的知名科學家、學者、教授和企業家們一起暢談未來，探索世界。
其中的知名演講嘉賓之一就是斯坦福大學教授、前谷歌首席科學家 Yoav Shoham。Yoav Shoham 教授的研究領域有多個都與 AI 相關，包括時序推理、非單調邏輯以及常識理論。近年來，教授還研究了多智能體系統，尤其是在計算機科學和博弈論的交叉領域。Yoav Shoham 教授也是AAAI Fellow，創作了四本書，創立了多個電子商務企業。
在下午的演講中，Yoav Shoham 教授以「人工智能的過去、現在和未來」爲主題進行了演講，通俗地介紹了人工智能技術發展的現狀和遇到的問題的同時，也希望幫助更多的人清晰地認識這個領域。以下爲根據現場速記整理的演講圖文。
Yoav Shoham 教授：首先感謝主辦方邀請我來參加這個盛會，我是第二次來到中國，中華文明有5000年，但是人工智能的歷史還是很短的，所以我主要是大致講四點。
首先我講講人工智能的現狀，怎麼成長到今天這樣的情況；人工智能取得了不少的成就，但我還是要指出人工智能還是有相當大侷限性的；第三點跟大家講一下怎麼克服些侷限性和約束的因素；最後還有 AI Index。
在1985年的時候，在洛杉磯誕生了人工智能的研究，漸漸發展起來的。今天人工智能已經深入到了人們生活的方方面面，哪怕自己家的冰箱也帶着人工智能在裏面。人工智能在不同的年代有着不同的方法和用途，80年代人工智能主要是做什麼呢？主要是知識的呈現 、邏輯還有常識的東西。今天的人工智能是機器學習和不同的可能性。
但說實在的，人工智能不只是一個熱點詞而已，他其實是有切實的影響的。八十年代人工智能也熱門過，然後迎來寒冬，到這幾年再次熱起來，但其實人工智能的一直都有影響。一開始人工智能沒有多大的商業應用，但今天就完全不一樣了。我們知道有很多人工智能方面的成功故事，比如AlphaGo或無人駕駛的汽車，這些都是商業應用的例子。
我要講的第二點就是現在人工智能的目標還離我們甚遠。我年少的時候看過一幅圖，今天我把它重新畫了出來，是一個少年通過一個望遠鏡看太空中的星星，然後爲了看的更清楚一點，他腳下踩了一個凳子。這就是我對今日的人工智能的看法。
現在的人工智能是發展非常迅速的，可以幫我們做到以前做不到的事情，但現在還僅僅處於非常初級的階段。你的小孩可能從學校回來說：「媽媽，丹尼爾在學校打了我一下，然後我又打了他一下，然後老師看到我打了他，然後老師就懲罰了我，這是非常不公平的」。很多小孩，可以說只要會說話的小孩都可以理解這句話，但是要讓機器理解這句話是非常難的，因爲要理解這句話，我們必須要了解時間、動作、相互的信念以及情緒等等。我們還要理解人類的情感是不是公正的一個事件。今天的人工智能是由數據主導的，或者是由機器學習主導的，或者是深度學習。
而機器學習，我們是需要一些特徵的，我們做數據的時候需要一些事件作基礎。究竟這些特徵來自哪裏呢？如果我們把這些特徵交到你手上，它有可能是金融數據或者是客戶數據，這些數據都是比較容易獲得的，在很多時候我們都忘了我們的初始步驟，因爲這些數據不是雙手呈現給你的，不然的話我們就不可能把它稱爲特徵。人類花了幾千年的時間才把這些特徵，這種語言弄清楚。我們很有可能要等幾百年的時間，機器才能夠了解這些特徵。
還有一個可能性，也就是我要說的第三點，在80年代的時候，人工智能要做的就是獲取這些特徵，其中包括了時間、信念甚至是情緒，這是人工智能一直在嘗試做的事情。現在的機會點是什麼呢？就是我們回到知識的呈現，把它跟現代的數據進行結合。凱文·凱利也提到了這一點，其他的講者也提到，認知是最重要的，我們人工智能做的就是模式的認知。今天人工智能的輔助，無論是 Siri 還是Google home，它們都是去理解人類的語言，還有破解人類的語句語法，但它們做的都是冷冰冰的指令，比如把燈打開/關掉，而真正深度的對話是比較困難的，要挖掘這個領域的話，我們一定要了解現在的人工智能還處於一個初級階段。
我做大學教授已經超過30年了，我大部分的工作其實都不具備什麼實用價值，我也輔助過5家公司，這是我其中的一家公司，被谷歌收購了，叫Timeful，幫助我們管理時間，管理時間是大家非常感興趣的話題，因爲時間是一種稀缺資源。我們有一個應用程序，大家可以看到一個日曆，可以看到每日的活動，跟大家現在看到的日曆是比較類似的，但是你仔細看會看到不同的地方。有一些是會議，有一些是我們現在參加的活動。但是你有看到每一個事件上面，左邊會有一個鉤，這跟手寫的時間管理系統不一樣，但是它也是幫助我們同樣的一個資源，也就是時間和一些會議或活動，它其實是佔了我們的時間。我們花錢的時候也是不希望重複花錢買同樣的東西，我們希望別人幫我們花錢去買我們想要的東西。我們可以看到日曆裏面很多都不是我們主動創建的事件。還有一些帶紅星的是我們一些好的習慣，可能是我們一個星期想要做三次活動和鍛鍊，這其實也佔用了時間。
我們在這裏設計了三個關鍵點，首先就是意圖，也就是說我們主動想要做的事情，比如我們要一個星期跑三次步或給媽媽打電話。所有這些主動意識的項目寫下來之後，其實是非常難去管理的。第二個關鍵點是優化和機器學習，因爲時間管理是很讓人頭疼的問題，而我們時間管理通常都管理得不是太好。因爲時間管理涉及人類的習慣，比如可能我們要管理的是一年之後的會議邀請，或者是一個星期之後的會議管理，我可能就要把重點劃出來。所以這裏融合了行爲科學，但其實最基礎的還是意圖，這個意圖其實是基於《心理邏輯》這本書的概念，他叫約翰、班森，他是我的良師益友，他寫了一篇文章，當然我們自己也需要做非常多的研究去拿資金支持。但是這並不是我最初的一個起點，我今天沒有時間，要不然的話我可以給大家呈現一個正確的決策怎麼樣能把一些概念展現出來。
我們未來的方向是什麼？如果我們真的要去鑽研虛擬現實，還有機器學習的領域的話，兩天前我們推出了一個人工智能指數，開放、非盈利的。現在的人工智能其實進步是非常迅速的，直接做 AI、機器人，這並不是這個指數的目的，我們的目的是爲了讓大家去了解AI的發展情況。我們在2014年的時候在斯坦福推出了 AI 100，我們當時有一個領導小組，去年我退出了這個領導小組。AI100可以幫助我們去了解未來5年的AI研究，我們需要的也是一直去跟蹤AI的發展，這是爲什麼呢？我們有一系列的獨立活動，我們還推出了第一本報告，之後我也會給大家介紹一下這份報告，還有《紐約時報》兩天前也報道了這份報告。我們這個領導小組有這些人員，包括我自己，還有Ray、Erik、Jack和Kelven，我們還請了人幫我們撰寫了報告。
我這裏總結一下大概的要點，很多人都會覺得GDP這些數據是很重要的，但是不同的行業有不同的特徵，有很多非數字化的目標也是非常重要的。我們的報告講的不僅僅是數字，我們把這個報告分了這幾個部分，包括現在有哪些AI活動，技術的進步是哪些，並且我們看到現在有非常多的機會讓我們去推動AI的進步。我們在這個報告裏面指出有哪些AI的功能已經超越了人類的範圍。同時我們也看到這份報告其實還是不完整的，缺少了很多組成部分，但是未來我們會繼續完善這份報告。這個事情我們也做得非常謹慎，不會下絕對的判斷。除此之外，我們做的事情是有限的，就像我之前提到了GDP，但是GDP並不代表一切東西，我們更多的需要從數字和圖表中抓出來更多對我們有用的信息。因爲我們自己做這個事情，有可能我們自己會出現一些我們自己意識不到的偏見和對事實的扭曲，所以我們會組織一些專家論壇，請一些非常有名的評論家來評判我們這個報告。
我給大家舉幾個例子，我們在學術界有很多研究，比如個圖，看學術界到底對於人工智能每年發多少文章，這個數據來源寫的是來自於Scopus.com，我們主要是看有代表性的文章，不是凡是有人工智能的文章都算進來，這個報告是反映了一部分，而不是詳盡的。
這個圖蠻有趣的，各種各樣國際上大的會議，每年有上千人參加的會議。AAAI 和 IJCAI 兩個老牌會議撐過寒冬以後規模回升，其它新的會議也又出現了許多，每年的參加者都在不斷增加。
在 ImageNet 的視覺識別大賽上，人類和最佳的人工智能的比賽，也可以看到AI做得越來越好。對於學術界和行業界的動態，2009年前學術界的活動就越來越活躍，發的文章越來越多，但一直到2012年的時候 VC 風投纔跟着飆升。而學術界也是跟上了這個速度，你可以看到在2013年之後學術界的成果也突然之間又增多了。
我們總結了一下，很謹慎地做了這些關鍵時刻的里程碑，也就是在這些時間節點上，人工智能在具體可見的方面超過了人類，比如一開始的時候是下國際象棋、打牌，然後視覺識別，然後到圍棋，這是在整個人工智能發展史上重要的里程碑，我們都列出來了。關於 AI 100 指數更多的信息就歡迎訪問我們的官方網站，或者是搜索 AI Index，都可以找到更多的信息。
這就是我今天想跟大家分享的內容，謝謝各位。
（完）
相關文章：
凱文•凱利：預言科技的十大趨勢，未來25年最重要的產品尚未出現