人和机器终将合二为一

王小川

我们一直在寻求人和机器的关系。

然而在讨论这种关系的时候，就要涉及到历史的趋势，尤其是什么事情是必然会发生的。只有对趋势的了解，对于必然有认知，我们才能够开始探讨人与机器的关系，这是哲学的问题。

纵观历史发展，我们经历了从史前文明、农业文明、工业文明到信息文明的各个阶段的技术突破。其实，离我们最近一次的信息文明其实并没有结束，是计算机和互联网发展推动了信息文明的快速发展。

即使到今天，在中国还有大量的场景并没有信息化，比如教育。但，这时候已经有一个苗头，就是智能文明的降生。说到智能文明，人工智能是我们绕不过去的话题。

AI带来的启蒙

人工智能有广义和狭义之分。狭义的人工智能，讲的就是2012年之后的深度学习，尤其是2016年阿尔法狗的诞生。可人工智能有更长的历史，最早从上世纪60年代的专家系统，之后是特征工程，到现在，我们开始使用的更多的监督学习，尤其是对语音图像的处理能力。

在深度学习和监督学习之后，我们还在做的工作叫做强化学习，或者叫做推理，但是，它们到现在还没有进入到实用阶段。我们今天讲到的深度学习，还停留在现有的语音图像处理阶段。所以，我们对于未来的趋势充满好奇。

我更多是想探讨技术将会带来什么变化。

其实，2016年给我最大的冲击是阿尔法狗，我们称之为一场启蒙运动。相对以前的文艺复兴，它是在探寻人和人，以及人和神之间的关系。阿尔法狗之后，我们关注的是人与机器的关系。

2016年的那场比赛，我参与比较多，我当时在在新浪直播全程见证了李世石被机器打败。在那场比赛中，和我一起做嘉宾的是中国围棋队总教练余斌。赛前，他坚定认为，人一定会打败机器，甚至觉得机器能够下围棋是一件不可理喻的事情。

赛后，余斌教练的精神出现了一定的崩溃，我听说是新浪编辑帮忙打车送他回去的，他已经不知道怎么打出租车了。

当一个机器文明诞生时，对于我们来说，特别是专家，被机器取代的那一刻，自己的内心是难以接受的。之后在医疗、驾驶等各领域都会发生这样的变化。

赛前，我们对阿尔法狗有很多质疑，赛后，我们发现很多年轻朋友把阿尔法狗称为狗狗，对它有很大的接受，围棋九段选手们把它称为“阿老师”。今天，我们通过拟人化的方式接纳了机器。这种接纳的速度会更快一些。

语音为AI入口

什么样的工作将会被取代？这是很多媒体人好奇的问题。我想，这是近期要去解决的回答，还有一个问题是人类是否会被机器取代，这是更加远期的问题。实际上，2016年到现在的3年时间，我永远被追问的最核心问题也是这两件事情，而不是探讨背后的技术。

关于什么样的工作将被机器取代？我们要理解当下机器本身的强大，以及它目前的局限性。在一些媒体或影视作品中的解读中，机器很强大，想象它变成人的形状，能跟人对话，甚至比人更加厉害。实际上，以今天的技术能力、水平，要制造这样的机器人，恐怕还只能处于幻想中。

我用两个观点来阐述现在人工智能本身的局限性。

第一个观点是，今天人工智能已经具有了强大的感知能力。什么感知呢？就是听觉、视觉，跟外界接触之后进行信息低层次处理的感知。现在图像识别里面，机器做人脸识别已经可以超越人了。

另一个就是认知领域，机器就会难很多了，尤其是跟语言相关的。语言是我们对世界的一种抽象认识，就像人类简史里讲到的。我们在森林里去找仙女，这样的事情是有概念有故事的，这个事情机器没有掌握。加上人类还有迁移学习能力，机器目前都不具有。

在这种局限性下，我们可以做一种简单的断言，在认知问题里面机器只能辅助人类，比如说写一部小说或者对话的时候，机器并不能独立工作，但在认知问题、感知问题里面，机器可以独立上岗，就像图像和语音的处理。

我们的做法是以语言为核心，去探讨语言相关的感知和认知，感知是处理语音、图像，认知处理的是对话、翻译和问答。在这个感知中，机器已经可以达到和人相同的水平，但是在认知领域会非常难。

从优先顺序看，最容易做的事情是机器翻译。即使如此，我们可以看到它跟人相比较，也有一定的差距，尤其是，人觉得特别简单的事情，机器并不一定处理很好，而人觉得复杂的问题，机器可以做得很好。这与感知不一样。在感知方面，机器可以比人做的更全面，机器不精准的地方，人也做不好。而认知世界里，机器和人好像是不同类型的人。

在感知领域，我们已经做了语音识别。搜狗是中国今天To C领域语音识别量最大的引擎。因为我们拥有中国最大的输入法，每天有超过6亿次语音识别请求，包括语音修改，目的就是以语言为核心使得人跟人通过感知能进行更好的沟通。

但是，我们觉得这件事不代表技术前沿，我们又做了唇语的识别。之前是用声音转化为文字，现在，我们可以做到用嘴形变化转化为文字。

除了语音识别，还有语音合成，包括风格迁移。在互联网上，除了机器能识别用户以外，当用户在表达的时候，机器能够做更多辅助的工作。我们可以把自己的音色做迁移，变成个性化合成。

我们发布了一款技术，叫做AI的合成主播。就是把语音、图像和文字的关系完全联动起来。之前，我们将嘴形识别变成声音、变成文字，现在我们倒过来，也是同样的技术，能把文字变成声音的表情。我们的AI合成主播，能合成人的声音、嘴形、表情，同时也是我们在全球首个用AI能取代人的分身技术。

AI的合成主播技术已经上线，全球很多媒体都会采购，包括国内最大的一家保险公司在线客服也将采用我们的技术，用机器取代部分人。在感知視觉里，机器和人沟通机器能做到很大的取代人的作用，独立开展工作。

人机“新合体”

未来，随着AI技术发展，机器越来越准确之后，其辅助能够逐步给出标准答案的结果。可以看到，从语言处理当中，我们的努力方向就是从搜索走向问答，以后用语音提问就能给除直接的结果。现在，我们能看到40%的用户提问能给到直接的回答。从搜索到问答，最终的形态是走向个人助理，让机器和人产生后面的交流，能辅助完成一些任务。

人类是否真得会被机器取代，这是我们需要回答的事情。有一个悖论，学术上很有名，我们的感知说，人脑太聪明了，我们竟然能造成出一台比自己更聪明的机器，但是另一个人说，人脑太聪明了，我们不能造出一台比人脑更聪明的机器。

这两个说法都成立，人聪明的时候，到底是否机器能超过人自己，这是很难回答的问题。我的看法是，未来我们做出的人工智能，和人脑不是进行直接的比较，也不是做出拟人的机器成为人工智能发展的未来，而是走不同的道路。

在人最擅长的领域中，机器的设计原理，从目前可知道的技术是没法到达的;但是倒过来，机器所擅长的这些事情，人也做不到。就像一个计算器，我们不会跟一个计算器比拼计算速度怎么样，同时，未来的人工智能在特定领域里的使用，也一定远远超过人。

但是，我们通用的智能，我们的生命力，适应环境的能力，在可见的技术里面，机器也是做不到的。这里我想提到的一个基本观点，首先不要妄自菲薄，我们想机器会把人取代了，因为我们找不着一个方法比人更厉害、能完整替代人的机器。

之前，我们有一种狭隘的理解，我们特别害怕机器在某个领域里面把人给超越了，就像下围棋一样。事实上，我们要去接受机器在很多情况里面能够替代人的部分的功能，或者增强人部分的功能。比如，有很多人都在戴眼镜，想过没有，我们已经被技术入侵了，因为眼镜使得你视力变得更好，因为手机我们每个人变成千里眼、顺风耳。未来一样，技术和人会产生新的融合体。

跟一个猴子说，如果改变基因把你变成人你会愿意吗？猴子肯定不愿意，因为它听不懂，也不理解。同样的，如果用技术改变人，将人变成超人，我们会愿意吗？今天就在发生这样的事情，我们大多数人还是采取这种拒绝的态度，因为觉得人更渺小，但是，在未来，人和机器会有一种新的合体，跟技术在一起，我们会变得更加强大，形成新的生态，这是人和机器协同进化的未来。

我们的使命是，在AI中做简单的工作，让表达和信息变得简单，并在大时代找到自己的位置。