Tom Mitchell：人工智能及互联的未来

CMU机器学习系创始人、著名教科书《机器学习：一种人工智能方法》作者CMU教授Tom Mitchell在新智元AI WORLD 2018世界人工智能峰会上探讨“万物互联、人机共生”的未来。他指出应该让AI通过自然语言理解人，而不是反过来人人都该去学Python。

卡内基梅隆大学（CMU）的机器学习系是全球高校里的第一个专门的机器学习系，其创始人Tom Mitchell 教授参与写作了1983年出版的经典教材《机器学习：一种人工智能方法》，其中的一些思想即使在今天看来，也依然深刻而历久弥新。

被誉为“机器学习教父”的Mitchell教授，专为新智元AI WORLD 2018世界人工智能峰会撰写了演讲报告《人工智能与互联的未来》，探讨峰会主题“万物互联，人机共生”。

Mitchell 教授告诉新智元，在他长达30多年的职业生涯中，机器学习技术的产业化发展，是令他印象最为深刻的一个变化。从上世纪八九十年代开始，再到如今的深度学习，机器学习技术转变为越来越多的应用，走进人们的生活。

“未来，我们可以拥有像手机一样的电灯，”Mitchell教授兴奋地说：“在餐厅里的灯泡可以观测客户是否需要点餐或结账，而医院里的灯泡则检测病人是否摔倒或需要帮忙，家里的灯泡可以检测温度、湿度、自动调节明暗……技术的发展让我们未来的生活拥有无限可能。”

这也是他认为“深度学习寒冬”不会到来的原因——深度学习已经在产业界得到应用，并且取得了显著的成效。

Mitchell教授对机器学习领域新技术的发展时刻保持密切关注，但对于新入行的学生，他给出的建议却是“要重视基础理论”。“是的，你可以写一个模型并在基准测试上得到更好的性能，”Mitchell教授说：“但是，如果忘记了理论，这样做只会事倍功半。”

在演讲中，Mitchell 教授也着重强调了他的观点——不是人人都该学Python，而是应该让AI通过自然语言学会理解人。编程和AI技术毕竟只掌握在少数人手中，但每个人都能说出自己的需要，因此，如果AI能够通过自然语言学会理解人，那么每个人都能教会AI完成自己的所需，比如听力不好的人可以让AI辅助听觉，而视力不好的人，他们的AI则会自动帮助主人实现文字放大、高清化等功能。

要实现这样“万物互联，人机共生”的未来，不仅需要在技术，也需要在政策和伦理上进行一些辅助和约束。Mitchell教授认为，中国与西方在AI领域的关注点和侧重都不同，各有强项，这是好事，可以形成互补，而在教育、医疗等不涉及竞争的领域，则可以相互合作，发挥更大的作用。

以下是Tom Mitchell教授在新智元AI WORLD 2018世界人工智能峰会上发表的演讲。

Tom Mitchell：人工智能及互联的未来

CMU机器学习系创始人Tom Mitchell教授

Tom Mitchell：早上好！我非常高兴能够来到这里和大家分享一下关于人工智能以及未来的话题。在过去的这些年里，人工智能发生了很多的改变。具体到机器学习，我们知道机器学习主要分为几个领域，比如深度神经网络、支持向量机、贝叶斯网络、强化学习、决策树、高斯混合模型、最大期望算法……

但今天，我们主要讨论的话题是深度神经网络（DNN），确实DNN的应用也取得了很多成果，在视觉、语言等领域。不过，机器也不是万能的，有时候会发生一些错误，比如人机对话时答非所问，图像识别时发生错误。

当然，机器学习未来变得越来越重要，尤其在强化学习方面。考虑人机合作的问题，机器作为我们的朋友，我更加关心的是机器如何根据我们人类的需求来进行定制。

人跟万物互联的时候，比如各种传感器，还有显示、会话界面，很多方面都有一些变化，我们需要研究持续的、永不停止的机器学习。就像自然演化生物不断适应环境一样，AI也需要不断对周围发生的情况作出响应，需要进行持续的学习。

例如，我们经常使用的智能手机，它已经具备一些基础的AI功能。如果这样的AI能够持续学习，并且通过自然语言理解人类的需求，那么每个用户都可以是这个机器的老师，比如明天我要早起，你跟手机说“请提前30分钟叫醒我”，但第二天你生病了，你告诉手机不需要叫你而是帮你给公司请假，也许这个手机会说“哦，我不太明白，你能给我说一下或者教我一下吗？”

我们知道手机可以实现这个功能，我们需要的只是对它设置这样的程序，但不通过传统的编程，而是通过与手机对话，像老师在课堂上教学一样，让手机学会你想要它做的事情。因此，每个人的手机AI，都是不同的，虽然出厂时它们的基础设置完全一致。

那么，如何指导机器进行学习，把用户每个句子按照句意，分成可以执行的代码呢？我们从2010年起提出了一个研究方向，那就是永不停止的语言学习机器（NELL）。

NELL知识库的一部分，上图是机器阅读文字的能力和知识量，随着时间的推移，AI的阅读能力和精度知识都在不停地增长。我们在NELL中获得一些经验以及教训，那就是必须从标记的数据中进行学习，还要优化一致性，让这些语言优化，从而提高我们的准确率。

避免平坦的学习曲线，不断发明新的学习任务，使它不断完善，还必须继续扩展，虽然有一点困难，但是我们需要继续完善它，使我们的表达更加精确。虽然在这个过程中也有一些困难，但是我们需要用我们的智慧和技术，还有人与机器的关系来解决它。

展望一下未来新的人工智能产品，可能会出现对话式的助理，比如阿里巴巴、亚马逊都有这样的服务。如果以后在每家零售店的过道里面出现这样的机器，它会像导购员一样与你对话，而且精通多种语言，你就不用再担心出国语言不通的问题。

将来还可能会出现能够学习的灯泡，它会带有摄像头，在医院里的灯泡应该学会识别出护士、药品、访客，当病人跌倒了，还要能够识别患者是否需要帮助，它还要与其他传感器联动，对如何帮助病人执行相应的操作。

机器学习对社会有什么的影响？也许在未来的很多年之后，我们的社会将发生一些不可思议的、前所未有的变化，对我们的社会结构还有其它方面产生深远的影响。人工智能会给我们带来一些机会，改善交通、医疗保健、学校教育、老年人的生活……但同时，人工智能也会产生新的非常大的挑战，比如数据挖掘的公平性和数据隐私，因为机器取代人类工作而造成的就业问题，具体到智能汽车的门锁，都会有很多挑战，还有很多工作需要去做。

人工智能对政府会产生哪些影响？政府可以帮助我们加速AI的发展，鼓励强大的创业生态系统的政策，还有制定数据的访问策略，让我们建立数据标准。

政府能够做这一系列的事情，能够促使AI变得更加强大。解决阻碍AI的法律还有伦理问题的政策，这些问题需要AI研发人员帮助我们解决。政府资助基础研究院，可以帮助我们进行进一步的研究。

AI也可以改变政府。AI利用更多根据大数据，基于政策的决策，政府也应该鼓励我们去继续发展AI。我们应该按照行业使用的AB测试策略进行评估，今天政府确实也做了一些努力，比如向公民实时提供及时的信息，提供一些健康的数据、税收的使用，将来政府也会为AI做出一些改变。

在谈到人工智能的时候，一个不可避免的问题就是：中国和西方有什么区别，中国AI有哪些优势，西方AI又有哪些，将来会发生什么？

我认为中国有很多优势，比如有最大的社会规模数据，还有GDP在飞速增长。在中国基础设施构建由政府主导，因此规划比较完善，也在快速发展。我认为中国既然有了这么多优势，通过AI真的能够提高人们的生活。

在西方也有一些其它的优势，比如有更长的AI商业创业经验，研究时间比中国悠长一点。目前在西方高校的人工智能研究处于领先，但是西方也有它自己的一些问题。

比较一下双方的不同点，同样都面临着很好的机遇，AI将在中国和西方创造更多的财富。中西方在非竞争领域的合作，比如卫生保健、智能城市、教育方面，我们都有很多国际合作，可以帮助到每个人。

第三世界会怎么样？第三世界经济体会被抛在后面吗？由于AI巨大的发展。也许不同的国与国之间有着不同的经济形式，但是每个国家都有自己的优势。

做一个总结，我们正处在AI革命的开始，我也希望能够共同发展。互联和支持人类与机器的伙伴将需要新的AI发展。非常感谢大家来聆听我的演讲。