吴恩达离开百度后再出山,对话李开复及 Google 无人车创始人

离开百度的吴恩达 (Andrew Ng)去哪里了?

这位创立了大名鼎鼎的 Google Brain 项目和在线教育平台 Coursera ,后来又加入百度担任首席科学家的深度学习界明星人物,前不久突然宣布退出百度,让人颇为惊讶。而更让人关心的是:他下一站去哪里?

最近,吴恩达给出了一个玩笑式的答案:

我的妻子前阵子说我是工作最努力的无业人员(unemployed person)了。(全场笑)所以,我在很努力工作,但是我目前没有任何可以宣布的。

而这仅仅是创新工场近期在硅谷举办的人工智能主题活动上的一个小花絮。在活动上,他和前 Google 中国区 CEO、创新工场创始人李开复,Google X 实验室创始人、在线教育平台 Udacity 创始人、Kitty Hawk 的首席执行官 Sebastian Thrun(塞巴斯蒂安·特龙)一起,在普利策奖获奖记者 John Markoff 的主持下,进行了一场精彩绝伦的对话,讨论人工智能和人类的未来 —— 甚至一度展开了激辩!

IMG_5532

如果你也对于现在人工智能的发展充满好奇、对于机器和人类的关系感到疑惑、对于人工智能影响下人类社会的变化感到担忧,那么你绝对不能错过这场由三位顶级人工智能领军人物带来的头脑风暴。

以下是 PingWest品玩 整理的对谈实录(为方便阅读,有删减和调整),Enjoy!


 

问:人工智能在最近五年有了非常大的发展。但是我想问,我们生活在一个真正的呈指数级变化的时代吗?到底人工智能是过去的技术积累带来的一次性变化,还是这个变化速度会越来越快?

 

李开复:

我认为肯定会越来越快。

第一,它关乎于很多领域是否有足够的数据给算法用。这是一个倍数;然后,是否会有新的算法出现,这又是另一个倍数。两个倍数后,它应该是指数级了。第一部分,我认为我们已经在互联网领域看到了,最起码在中国是这样。互联网 App 需要 AI、金融 App 需要 AI,然后我们会看到医疗,教育领域等等都是如此。所以,我绝对认为它是指数级别。

当然一些投资人没有意识到它们的真正价值,现在 AI公司在估值方面有一些泡沫,AlphaGo 引发了这些泡沫,然后一些公司拿到了 18月的融资,所以距现在 6-12 月之后,泡沫就会消失,然后回归正常。

吴恩达:

说实话,我认为指数思维是一个简单的说法。它引来了很多炒作者,我觉得那个水平的分析比较简单。

有人认为,人口数量呈指数级增长,所以你可以直观推断,什么时候我们会摧毁整个地球。也许我们会毁灭地球,但我不相信一个非常简单的指数论证,就能让我们真正了解发生了什么。

由于深度学习的崛起,我们现在看到了一个清晰的科技迭代的路线图,从监督学习到改变了很多行业。而且,我们希望有其他的技术创新方式来发现新的方法。我知道这是巨大的,但它是指数级还是不是指数级,我都不知道。

特龙:

我认为指数级是非常有趣的一个词。我的意思是,不管你信不信,人类出现大约4万年了,而几乎所有的工业化在过去60年完成。

更有趣的事情出现在去年。所以如果你觉得这是上升的话,我会从另外一个角度去看待它。这是一个巨大的机会。美国75%的人在办公室工作,我们几乎都在做非常重复性的工作。即使是CEO,工作也是非常重复的。

如果跳出来看,我相信在办公室里任何重复的事情都可以自动化。 如果你不相信,最近在法律方面有一些例子,浏览法律文件,起草合同,机器都可以超越人类。 在医学,皮肤病学方面,我们现在有 AI 助手比那些每年挣45万美元的医生都老道、更能精准诊断出皮肤癌—— 这只是冰山一角。

所以,如果看看下一步会发生什么,我会说 AI 对办公室员工带来的改变,会和农业革命、蒸汽车对农民带来的改变一样大。

问:AI 对于工作的影响在哪?如果如大家预言的 AI 会让大部分人失业,为什么我们还没看到这个迹象出现?

吴恩达:

有这么一个故事,我带领团队进入呼叫中心,并采访呼叫中心的客户们,来了解他们的工作。当我看看他们如何在电话上工作时,我知道我的团队可以编写软件来自动化大部分的工作。所以,我认为技术专家在看待趋势方面和经济学家不同的原因之一是,我们经常看到更前沿的指标,它会出现就业率,GDP等经济指标之前。

而且,我认为技术的一个不幸之处在于它创造了巨大的生产力。坦白说,技术黑暗的一面在于,有些公司真的很擅长hack人脑,制造一些干扰人脑的元素,我认为这实际上是伤害人的生产力。

但是看看那些前沿指标,我觉得工作岗位流失的情况正在到来。比如特龙刚刚提到的使用计算机视觉来诊断皮肤癌。我认为当这些工作被取代时,我们会需要像教育之类的解决方案,让世界上的一大部分人重新获得技能。

特龙:

我都等不及这些愚蠢的工作消失了。看看会计师,对吧?他们的一生都在一次又一次地使用相同的电子表格计算公式。我认为其中有些工作非常过时。我想我们在过去几百年,都在地里工作,而且我们都不能读或写,除了少数人。我们写得也很慢,突然之间,我们得到了这么多空闲的时间,因为现在我们都有机器帮助我们。所以,我们学会了阅读和写作。我们现在都是作者。我们都在Facebook和Twitter上写。这就是人类创造力的开始。我认为我们还有更多的创造力被释放。

李开复:

想象一下,你雇用人,让他们做无聊的工作,他们不会更有效率。 所以,我想我们要做的就是消除无聊的工作,让人们做他们为此激动的事,他们自然会努力工作,他们会爱这些事,他们会花更多时间, 会得到更多的结果。 所以,我认为人的生产力是平的,因为工作是无聊的,也因为我们没有把这些事给取代掉。 我认为我们将第一次彻底消除大部分这样的工作。华尔街的交易员、呼叫中心的客服都将彻底消失。所以,我想我们将推动新的边界,要么使人们做一些他们喜欢的事情,变得有成效,要么做一些有趣的事情。

另一个答案是,也许生产力是错误的答案。 你如何衡量诗人的生产力? 你如何衡量艺术家的生产力? 所以,我想我们希望人们做他们最擅长的事情,无论是要有成效,有趣,还是基本上分享爱,做这些对这个世界积极的事情, 也许我们需要一个新的指标。 我认为,一旦我们去除人们不得不做的那些无聊的事,那么这个指标就会上升。

问:很多公司都称自己不在做 AI (人工智能)公司,而是做 IA ——智力增强。这样就不是在取代人类,而是用工具进一步拓展人类。你们觉得这可能吗?

吴恩达:

我花了很多时间思考的一个想法是,AI公司的这个概念是什么?我不认为我们实际上已经弄清楚了。

附近的斯坦福购物中心做一个网站,这并没有让它成为一个互联网公司。一个带网站的购物中心和亚马逊完全是两回事。不同之处在于,随着互联网的兴起,我们知道我们可以进行更多的A / B测试,只需要运行更长时间的测试就行了。一个传统的零售商不能,但一个互联网网站可以。而且很多的决策权力推给了工程师,因为在一家互联网公司,很多知识只存在于工程师层面上,而非首席执行官自上而下的决策。只是因为一家公司使用 AI,不会成为 AI 公司。对于如何组织我们的公司真正利用 AI ,我们正处于早期阶段。

所以,我认为一个真正的互联网公司必须利用互联网或技术实现的新功能,如A / B测试和数据等等。我认为随着 AI 能力的提升,我们仍然处于搞明白如何重组公司的早期阶段,以便利用新的 AI 功能。

举例来说,我认为 AI 公司会需要战略性地进行数据的积累和数据的组织。 AI公司更倾向于拥有集中的数据库。传统的工作描述一般都定义了产品经理做这个,工程师做那个,设计师做这个。但在AI的时代,传统的工作流程也在崩溃,我们开始有新的职位描述。所以,我认为整个生态系统——哪怕是像 Google 和百度这样有前瞻性公司——都还在思考:成为一家人工智能公司,这究竟是什么意思?

问:中国的 AI 与美国的竞争状态是什么?

李开复:

中国已经出现了非常有效的方案,称为千人计划。基本上是为了召回海外华人,照顾他们的收入,家庭,孩子的教育以及他们的研究经费等给予奖励。顶尖的学者正在离开学校进入行业。

美国顶尖大学的人才流失是一个问题。我和很多回国的或者还在美国顶尖大学的人聊过,美国学术界最大的抱怨在于报酬低,每个项目申请资金要写太多政府文件,所以很多人宁愿去企业,或者成立自己的公司,像我们一样。而我的母校,整个自动驾驶研究团队都被 Uber 挖走了。

所以,我认为美国学术界正处于一个可怕的时期,那些应该留下来做研究的顶尖人物正在被其他国家、其他机会、初创公司、大型公司挖走,而且学校花了这么多钱和资源培养这些人成为伟大的研究人员。我觉得美国顶尖大学的人才流失(brain drain)是一个非常严重的问题。

还有一个问题在于数据,学校掌握的数据太少,那怎么做主流的研究呢?怎么可能在人脸识别这一领域打败巨头呢?

现在看中国,我认为中国学术界目前很少有超级专家,所以它有不同的问题。 我觉得它没能带进最顶级的人。当然有一些例外,如 Andrew Yao。但中国学术界有不同的问题。 但千人计划带来了一些回报,注入了一些新鲜血液。 另一个有效的方案称为“青年千人计划”,针对的是35岁以下的助理教授级别。 我们已经看到AI 2.0计划的早期版本,我认为这些计划会有一些作用。

我认为美国顶尖的学术界人才流失是一个很大的问题,如果你说的是资金会进一步缩减的话,那就会加剧这个问题。

吴恩达:

我认为美中两国都有不同的优势。两个国家都有惊人的AI团队。

美国在基础研究方面有很强的实力,中国的团队动作很快,在中国,将研究推向市场化能力是不可思议的。而我认为,也许只是部分文化差异和人口差异。在中国,国家感觉比较均匀。如果在美国,你可能会得到100个细分市场,但是在中国,可能会得到10个细分市场——当然这些数字是我打个比方。

中国的产品从零到数十亿的速度要快得多。但是财富制造得快,流失得也快。而且在中国,如果公司上午做了点什么,那你最好下午就要给点反应,否则人们就要杀了你。所以中国的节奏之快是令人难以置信的。

当我在中国领导团队时,不管我想不想,我都会在星期六或星期日召开会议,或者每当我感觉到,每个人都会到场,并没有怨言。如果我在晚上7:00发消息,他们没有在晚上8点回应,我会想出什么事儿了。所以,这只是一个不断的决策节奏。市场有动静,你最好做出反应。这使中国的生态系统以不可思议的节奏创新,并将之市场化。

有一次,我在美国,与一个供应商合作。然后他们打电话给我说:“Andrew,我们在硅谷,你必须停止像在中国一样对待我们,仅仅因为我们无法按你预期的速度交付。”这是一个完全真实的对话,所以我认为,这些节奏推动了中国的进一步创新。当然我认为美国的基础研究能力也是惊人的,所以实际上我很喜欢这两个生态系统。

特龙:

我去过中国五次,有时天很蓝,有时不太蓝。

在人才流失方面,我有一个实际上非常积极的看法。有许多学术领域,如历史和艺术研究,没有人才流失。很多学术领域的社会影响很小,但我们很幸运,实际上我们在学术界做了一些实际上对现实生活有影响的事情。Google Brain 让 Google 的搜索更好,促进了图像识别、视频等很多美好业务的发展。我宁愿让他做这个,而不是再写十篇论文。

我想我们应该做的是重新思考学术界对行业的关系。我旁边的两位就有令人难以置信的智慧和经验,他们正投身工业界,所以应该有一个更好的方式把他们带回学术界,而不是让他们成为兼职教授。

问:那基础科技科学怎么办呢?

 

特龙:

基础科学是个有趣的事情。

现在这个节点,我自己的钱,无论是税收还是个人投资,我宁愿把它放在一家公司,而不是大学。因为我认为,即使在深度学习中,我也会认为,推动这个领域的也大概是20到30岁年前的。

我猜 Yann LeCun 在 30年前的1998年,就针对卷积网络课题做了研究。而真正带来区别的是,Google能够将足够的计算机串联在一起,并获得足够的数据来使这个事情真正发挥作用。

我写了一篇论文,因为我有一个这个大的网络、这么小的网络,而现在我们有一台这样的电脑了,突然间,你就能得到这个效果。这一切成为可能,是因为他背后有一家公司,而且有一套商业模式。Google不是靠税收建立起来的。

所以我觉得当某个领域达到逃逸速度并且有很大的影响时,让企业蓬勃发展,让他们试一试,这是很好的,因为最后一切都与影响力有关。基础研究只对某一点有影响。但当我们对人的生活造成重大改变时,真正的影响才会浮现。

问:我们要找到下一代的技术,比如深度学习或者别的什么技术,你认为企业可以做这种创新吗?如果企业不会的话,那么大学怎么报留住人才以及获得数据来进项下一代的创新呢?

 

特龙:

大学实在是太渐进了。所以,我认为深入学习它会自己发展,因为你可以资助一大批公司,这些人都会狂热地通宵工作。

我认为真正缺失的是真正的基础研究,例如,为什么我们不研究将人的寿命加倍?为什么我们不大量资助研究来解决能源问题?为什么我们不进行大量的研究治愈所有癌症?我认为今天实际上是可能的。为什么我们不在大学发明飞行汽车?这只是一个例子——现在我当然是公开参与其中了(注:特龙现在是一家飞行汽车公司的 CEO)。但是为什么我们不真的提前思考呢?那么今天的研究前沿的是什么呢?为什么我们不建立脑机接口,植入我们的大脑,让我们对计算机网络提供完整的,立即的透明度?这是我认为我们应该在做,但几乎没有人在做的。

当我们谈论基础研究时,我们总是去提供超级增量、小的东西,比如让我们做一个更好的语音识别。 我的意思是说,如果没有别人做语音识别,那大学做这个才重要。现在有真正一个行业在做这件事了,我就不想为大学提供资金再去做这个。

吴恩达:

积极来看,深度学习刚开始起飞,所以绝对值得大量的投资。

我认为美国一个问题在于,我们对于高等教育制度,投资和研究,以及教育在多大程度上是一种私人利益还是公共利益,一直存在分裂。所以,如果我们认为教育或研究是私人利益,那么也许你应该为自己付钱,但如果是公共利益,无论是扩大受教育人群,还是推进前沿研究,实际上值得政府或公众投入。

那么在资源和研究的分配方面,我认为作为一个社会,如果我们有一个非常多样化的方向,我们实际上更强。

所以,即使我认为AI是一个巨大的机会,也不觉得硅谷的每个人都应该将精力集中于AI,因为我认为我们中的一些人应该努力治愈癌症,有些人应该在区块链上工作,或者有人做其他不同的事情。虽然AI已经证明它值得大量投资。但实际上,我支持政府资助艺术史教授,因为我认为他们做得也很棒。

问:自动驾驶的商业化会先在中国还是美国发生?

 

吴恩达:

我认为自主驾驶将采取公私合作方式,如果你正在开车,看到路上施工工人,你得按他的手势去做。我不认为我们中的任何人都会看到一个直观的方法来建立计算机视觉,以达到将手势区分开来的所需的可靠性。

也许有人说:“我们要努力尝试,那么也许我们做到。”但是我不认为这是正确的方法。我认为让自驾车成为现实的方法是要做出适度的规则变革。所以,会需要警察或者施工人员通过应用程序或其他方式与汽车进行交流,而不是手势。

所以我认为,那些更愿意与自动驾驶运营商合作,能够更快改变规则的国家将会更快到达那一地步,无论是美国还是中国或其他国家。

特龙:

我认为会在一年后就能发生,非常快。我管了好几年的自动驾驶团队。 当我离开的时候,它已经比人类司机开得更好了。所以,你可以通过许多不同的角度来衡量这个。比如说,它可以自己安全行驶30万英里,这之前任何人类安全司机都不需要接管。 而现场的所有人,谁能开30万英里而无事故?也可以衡量它停留在车道里的能力,减少制动距离和加速度的能力。无论你怎么测量,计算机会开得比人都好。 而且不需要任何规则变更。 我认为技术基本上就在那里了,但是还没实现商业化,这件事让我很抓狂。

李开复:如果你看的是技术,那美国明显领先,但如果你看的是哪个社会和政府更能使用它、做出道路调整、让公司不那么害怕天价诉讼,那么我会选择中国。所以各有一半的机会吧。

问:AI 会导致很大的不平等吗?如果会的话,我们应该怎么做?

 

李开复:

也有一些乐观的趋势。 比如教育,Andrew 和 特龙是 Coursera和Udacity创始人,对吧? 那么我认为我们将会有智能的AI算法来教授更多的人,这样的规模教育会对更落后的国家更有意义。所以我认为这是一个积极的平衡趋势。

但消极的方面在于,大型AI公司会赚到这么多钱,而失业流离失所的人就会如此无奈,那么我们如何弥合这个差距呢? 除了税收点,税收和最低限度的津贴,我真的没有其他答案。 这不是一个好的答案。 我希望我们人类可以想出更好的一个,但也许这是一个起点。

特龙:

我认为这是一个很好的答案,最低工资的负所得税实际上是一个很好的办法。我认为这主要是财富分销问题。所以,如果我们建立,创造AI,我们在世界上创造了更多的财富, 问题是我们如何分配它,因为总是有不平等的。

在民主国家出现之前,被剥削的人们会杀了国王,然后再换一个国王,然后那个国王会变得很富有,然后再被杀掉。现在我们有了民主。如果我们选举了我们应该当选的人——我不想在这里讨论政治立场,我也没有投票给他,但是如果伯尼·桑德斯当选,而不是我们不小心选出的唐纳德·特朗普,他也许有一个更好的分配方案,我想虽然我们在这次选举中没有解决,但也许下一个会好一点。 但最终,我认为会有足够的人会说,“好吧,我们分到的太少了。”那时,民主会自己解决这个问题。

美国和中国可能将企业收入重新分配给穷人。那些穷国呢?

我不是一个政治学家,不过贫穷程度在全球范围内一直在下降,全世界的贫困县都在提高。如果对比两三百年前,我们现在几乎可以一致地访问相同的信息,我们一致的拥有阅读或协作的能力等等。我不是想贬低较穷的国家,但我认为,作为一个全球社会,我们已经能够提高底线。我认为技术使事情变得更可及。技术使教育、食物、交通、住房,、健康更可负担。而这些东西,我认为他们并没有被平等分配,但是已经在全球范围内分配了。

中国过去是一个非常贫穷的国家,但现在已经非常富裕了,这部分是由于美国、前苏联等国家发明的技术。我们实际上刚刚在沙特阿拉伯开设了一个很大的办事处,这不是一个贫穷的国家,而是一个石油国家,人们并不真正工作,他们只是抽取石油,然后“丰收”。但是沙特阿拉伯的妇女也需要教育,她们没法开车去上大学,得不到良好的教育。

所以,我觉得在世界上有很多需要调整的地方,但我很乐观。

吴恩达:

数字教育将给人们更多的机会,比如Coursera 在发展中国家中的使用率非常高。

随着 AI 的兴起,我认为我们可能需要一个新的“新政”。除了像负所得税和普遍的基本收入这样的大的解决方案外,我个人还是会赞成一个有条件的基本收入—— 根据人们学习和进步的情况来给与基本薪酬。这给了他们学习和重塑自己的动力,并为所有这些支付的纳税人做出了贡献。

我认为最大的教育问题之一是动机,每个人都上网努力学习这是梦,但有条件的基本收入创造了一种激励机制,鼓励失业人士学习。我这是整个经济的一个新引擎。

李开复:

有条件的基本收入应该基于一个假设——人们自愿接受。新兴经济体的情况是不同的。考虑到重复性劳动的工作岗位的减少,中国家的人口规模和增长率正在成为一种责任 – 他们甚至没有足够的公司收税来补贴再教育。这可能会需要中国或美国,或通过联合国来补贴。

问:在DARPA(美国国防部高级研究计划局)的比赛上,机器人大多都是遥控的,在你们看来,让机器人自主行动的算法或者技术方面有什么进展吗?

特龙:

有的,尤其是在自动驾驶方面。是 DARPA 自己选的遥控,他们自己退缩了。

以我的生活经验,特别是在斯坦福大学,当你招到这些年轻的新来的研究生,从来都不知道这些事有多难时,你告诉他们这样做,然后他们就会做。当他们变老后,他们会意识到这是一件非常困难的事情,然后他们回来说:“这对我来说太难了。”但是当他们真的很年轻的时候,他们并不知道这一点。看,如果你不瞄准高点,你就达不到高点。

在2007年,我可能是世界上最著名的做自动驾驶汽车的人。而且我碰巧赢得了这个叫DARPA Grand Challenge的东西,DARPA Grand Challenge就是在沙漠里开车,你最大的期望就是不要撞上仙人掌。另外四支队伍同样很棒,但是我稍微快一点,所以,我变得非常知名。然后拉里·佩奇(Google 创始人)来到我面前说:“嘿,塞巴斯蒂安,为什么我们不打造一辆车,让它可以在加利福尼亚的所有街道上自行驾驶?”

我说:“这有点搞笑,这不可能,我是世界专家,我是斯坦福大学的塞巴斯蒂安·特龙教授,我已经赢得了DARPA大挑战赛,没有比我更了解自动驾驶汽车的人了。没戏。”但是拉里在那个夏天又回来和我说:“我明白这是不可能的,但是我得告诉谢尔盖(Google 另外一位创始人)和埃里克。有技术上的原因做不到吗?”

我当时还真找不到技术上的原因。然后拉里说他会试一试。然后他和谢尔盖画出了大约一千英里的极难驾驶的路线,说:“好吧,如果你让汽车自动驾驶过所有的这些街道,一千英里,手完全不碰方向盘,开过 Bay Bridges 和Lombard Street (旧金山的九曲花街),从这里开1号高速公路到洛杉矶,到太浩湖,开过那些疯狂的地方,那你就可以赚一些外快了。于是,所以从那时起,我们打造了一个秘密团队。

我们花了15个月的时间才能做到这一点。我可以用15个月来做一个电池或一些小的,东西,或花15个月的时间来建造一个玩具,可以在你的客厅跑,这将是同样困难的。但是,因为我们尝试了不可能的事情,我们试着去触摸了那些星星,我们试着去登了月。

如果你浪费时间,不如把时间浪费在一件非常好的事情上。如果你最终做到了,那真的很棒。从那以后,我一直遵循同样的原则。

今年春天我们有了一份报告,用AI来检测皮肤癌。如果你查看数据库就会发现,25名斯坦福大学董事会认证的皮肤科医生,与一个AI盒子,做的一样好。这些家伙每年赚超过40万美元。现在iPhone实际上更好:一个小小的应用,实际上比我的医生做得更好,这是可行的。

我认为我们只发明了 1% 的技术,还有 99% 没有被发明。所以人们应该去发明这些东西,并且保持乐观。

机器人很快就会变得非常先进,你得心怀远大志向。

吴恩达:

我们确实有这些伟大的例子,当有人目标很高瞄准星星时,获得了一些现象级结果。

但我的观点不太受硅谷欢迎,因为我认为目标太高也会有代价。例如,我真的很佩服比尔·盖茨在治疗方面所做的工作——大规模地遏制疟疾。我真的很高兴他正在治疗疟疾,而不是说,同时治疗所有的人类疾病。而且,我认为这和争论火星殖民与试图超越光速是有区别的。我不会做超越光速的研究。

所以,我认为瞄准太高的代价是存在的,如果你是在试图同时治疗所有的人类疾病,你可能会错过治愈疟疾的机会,后者同样是一件很棒的事情。

特龙:

我完全不同意 。(全场大笑)如果有10%的机会治愈所有疾病的,那应该去做。和腹泻或常见的流感相比,疟疾的死亡率就像这样微小。我想我们应该把目标定得更高。

吴恩达:

是的,辩论点在于它是否是10%的机会,还是-10%的机会,我发现随着年龄的增长,我找到了很多机会,是在我们视线范围内,改变数百万、数千万或数亿人的生活,而AI的能力让我们可以有一个清晰的机会。

特龙:
所以,用这个逻辑,我想我们现在有更快的马,但没有车。(全场大笑)

吴恩达:

其实我不同意。我们确实已经有车了。我认为按我的逻辑,我们没有超光速火箭,但是有汽车。

主持人:

开复,你想加入辩论吗?

李开复:

当然。我很想加入。我会说你们两个没有荣幸接到拉里和谢尔盖最难的任务。你(塞巴斯蒂安·特龙)必须被要求让一辆车在加利福尼亚的路上自动开起来,你(吴恩达)被要求建立一个 Google 的大脑,而我被要求拿下中国市场。(全场大笑)

问:你们都谈到了脑机接口,Elon Musk 也在做类似的事情。机器人技术领域最激动人心的一个方面就是云机器人技术。当一个机器人学习一些东西时,全体机器人都同步学习了。这不是人类学习的方式。如果我们可以把我们自己连接起来,但是代价就是丧失独立性,甚至丧失“人性”,我们应该往那个方向去吗?

特龙:

我们应该“连接我们”,但是不丧失独立性。

举个例子,如果你作为一个司机犯了一个错误,你可以从中学习,但其他人不能。而一辆Google自驾车犯了错误,所有其他汽车都从中学到了,包括所有未出生的汽车。所以,这就像相当于,你有一个孩子,它出生就带有博士学位,可以说所有的语言吧?我们必须得拥有这个。

与我们的机器相比,我们学习效率不高。所以,最终,机器会变得更聪明,更聪明。我们不能,除非我们可以解决我们的输入-输出问题。我们的听力很慢,我们的大脑非常迷茫,事实证明,它不是很数字,它是模拟的。但书籍是数字的。所以,我们必须修好这个桥梁,唯一的办法就是要有一个直接的脑机界面。但是,这将是很酷的事情,你会知道一切。你的智商将达到10,000。你可以按你需要的极快速通信。一旦我们有一个完整的脑机界面,就会有惊人的分享。

吴恩达:

实际上,我不认为脑电脑接口的瓶颈是输入和输出的速度。因为我可以快速发信息给你,而你的阅读速度要慢很多,所以你的大脑处理信息的速度比你接收到的慢很多。具有摄像机和OCR扫描的计算机实际上可以比你更快地读取文本。

所以,我实际上不相信更好的人机协作的瓶颈是输入和输出。我认为只是人类的大脑在处理你丢给它的数据方面还很慢。但我认为这就是为什么约翰的问题是一个非常有趣的问题。也许,为了更快地处理信息,我们应该使用机器做思考,然后在大脑中写出答案。

李开复:

我会再次采取不同的角度。我相信我们必须保护我们的人性,就是我们的信仰,我们的爱,我们的灵魂,我们的精神,并相信这是不可复制的东西。

这并不意味着你不能将你的大脑连接到电子界面。但是,如果你开始相信人类是完全可以被一台机器或一台主导你的机器所完全复制,那么我想我们必须得出下一个结论,即生活没有目的和意义。正如Elon Musk说的那样,我们都在一个巨型视频游戏中。

我想,一个方法是,做科学的探索,做工程的努力。但是要相信人性是有所不同的,而且坚定地相信,并尝试尽我们所能去区分我们与机器。我谈到的那些事,送出更多的爱,连接更多的人,有信心,相信我们有灵魂和生存目的。

这样我们将会有更多的乐趣和更多的爱,并将我们对人性的错误信仰,再延续个一二百年。我认为这是值得的。或者,如果我们将要成为机器人,那么我们将永远无法发展我们的人性,找到生活的意义,我们将终止我们作为人类的存在,而我们生活将变得毫无意义。所以,我们不可能选择机器人的生活。但是连接到机器,我认为谨慎一点,还是可以的。

更多有趣好玩的内容 尽在品玩微信公众号