面对马斯克的AI人类威胁论，我们该担忧吗？丨智能科技

探寻商业本质

预见商业未来

前几日，马斯克又把他的AI威胁论重申了一下，这AI威胁论对于AI专家来说，他们不会有这方面的担忧，当马斯克威胁论重申之后，几位AI专家就迅速怼了马斯克。

同为人工智能领域的大拿，AI专家为什么要怼马斯克的威胁论呢。这威胁论确实也是一些科技狂人、物理学家等等的观点。那外界对于人工智能的认知该用哪些去理解呢？

其实，在推进AI商业化的过程中，AI可能并不像我们想的那么恐怖。并且在AI商业化的过程中还有着非常多的问题存在。

工程师和科学家是目前对人工智能研究多的一批人，但对于人工智能的认知，他们和普通大众有所不同。

先说工程师，举例如果是谷歌的工程师，在推进跟人工智能有关项目。工程师的思维很直接，就是解决问题，工程师的角色就是解决问题的专家，至于解决问题用什么方法，只要用最实用最有效的方法解决问题就行了，甚至都不会去考虑它叫不叫人工智能。

例如，这个工程师在做搜索引擎的数据检索，这应该属于人工智能大数据中的一项。例如检索“创新工场”四个字，工程师用最实用的方式将这四个字分词然后建立索引就OK了，在这个过程中，工程师不会考虑创新工场四个字之间的逻辑关系。这一点就跟人工智能的认识不同了。

另外就是科学家，在之前AI毁灭世界，AI对人类的威胁，AI会控制人类等等一系列的人工智能威胁论的出现，但这些谈起对于人工智能未来猜想的人，都不是一线在做技术研究的科学家，因为科学家明白目前的技术水平在哪一个阶段，如果达到所说的威胁论的情景，人工智能的技术还有很多的不完善。

目前人工智能的发展，就算是人工智能的算法可以达到了超过人类无数倍的水平，但拿不出更多场景应用的数据给人工智能去学习，人工智能跟人的智能还有着实质性的差距。

人工智能在近些年声名鹊起，资本和创业者都在青睐，甚至可以看到百度好像孤掷一注把“宝”都押在了人工智能上。但其实很清醒的看人工智能还有很多问题。

目前人工智能几大比较难进步的问题分别是AI的持续学习能力、自适应能力以及的安全性。是需要继续等待技术突破来解决这样的问题呢?除此之外就是目前人工智能圈子内的技术方向有很多流派，对于人工智能的方向尚且没有明确的统一方向。

对于这个问题，品途商业评论请教了创新工场研究院副院长王咏刚，王咏刚老师是这样回答的。

“目前关于人工智能或者深度学习的一些短板，是不是需要有一些技术突破才能解决，我觉得可能要看具体问题具体分析。”

“人们都在等待技术突破，而技术突破到来其实很多时候都是出乎意料的，比如说两年前，我在谷歌知道谷歌的所有项目都在往深度学习做变迁，外界可能不知道做这么快，但是我知道所有项目都在变迁，也知道在做很多尝试，我也相信深度学习这样的技术以后可以突破很多领域，包括围棋，但是我没有预料到围棋这么快就被突破了，这么快就被组合成非常好使用的东西。”

“所以人工智能现在的缺陷，短板也好，我觉得我们会去想到底怎么突破，但是我们也会从工程角度去想，按照我们现在的状态做思考。”

比如人工智能的安全性就是目前一个非常大的挑战，破坏性的因子在做人工智能学习时被混进了数据中，这些就有可能让机器学习学到错误的路线，计算机就会把它认错，这就是深度学习时代的病毒。这时我们就不能等到用更好的技术解决这样的问题，我们要及时做一个杀毒软件出来。”

至于人工智能未来的发展方向至今仍旧不统一的问题，王咏刚老师也提出了自己的看法。

“我觉得从目前的迹象看，深度学习还是未来很长一段时间的主流技术，连接学派也是未来的主要学派，至于深度学习未来的发展方向，谈很远的未来不好谈，很近的未来可以说一个方向，这个方向我们也在关注，我们创新工场工程院的技术人员也在做相关的研究，这个方向就是让深度学习自己去完成，就是机器学习的机器学习，我这样讲可能有点绕了，太概念化了，我可以举个例子。”

“就是以往去做深度学习需要里面有大量的人工劳动，这个人工劳动要做什么事呢？第一个主要的事情是做课程工程，我理解客户的数据，我要对数据做很多倾斜，加工，规范化，第二我是需要对深度学习的模型进行调参，这个参数有很多，深度学习的层数，深度学习里面具体的设置情况，多少个卷积层，很多也是人工来去做的。所以这个人工劳动量比较大，现在前沿科研里面有一种趋势就是能不能让机器学习来学习这两件事，机器学习自动做课程工程，完成算法的调参。”

无论是技术上的差距还是在流派的方向不好统一的问题上，人工智能仍旧是问题重重，目前，大部分人都认为人工智能是未来的趋势，但实际来看，这个未来的时间期限，也都是未知的。目前，重要的是能否推进人工智能的商业化，利用技术使商业有所发展。

人工智能已被认为是未来商业发展的方向，但目前，人工智能商业化的成功案例少之又少，因此在人工智能发展的问题上，重要的是工程师以及科学家在人工智能商业化的推进。

能够解决问题的科学家，能够解决问题的研究者，但他们进到商场市场里面往往是失败者，大概率是失败者。因为这些科学家、研究者他们关心的只是具体的技巧问题，他们实际上并不关心商业体系结构的问题。就像虽然AIphaGo战胜了柯洁，但在商业化上却难以迈步。

对体系结构的理解，是一个话语沟通的最大效应，是让技术界和非技术界能够建立一个同等的话语语境，在这个语境里面我们可以找到我们所做的每一件事情、完成的每一项任务，在这个语境里面处于什么样的关系。

当做了这些技术以外的工作，例如看一些人工智能投资项目，看人工智能商业发展机会，就需要从技术以外，跳出工程师的思维去考虑应该怎么看待人工智能，这个社会经济整个和人工智能有什么关系，技术在里面起到什么作用，技术和商业怎么结合。

人工智能这个出发点必须明确的是，关于人工智能所有的衍生物、技术、商业，它的出发点最终会落实到的是人工智能的本质技术上。

当你不明白人工智能的本质的时候，你是很难把它的每一个衍生物，很准确地落实到很现实的环境中间去。这也是为什么现在社会上几乎每个人口中的人工智能都不一样，甚至技术人员口中的人工智能都不一样。这才是人工智能商业化过程中的最难的部分。

面对这人工智能的威胁论，其实最终看来也只能是一个未来的方向体现，人工智能领域的专家学者的认识也许才代表了真正的人工智能的未来情况。

技术对于人类的威胁还远远没有达到风声鹤唳的时候，相比于害怕，拥抱人工智能的技术发展，才是主要考虑的。通过人工智能技术的商业化，社会和经济会有很大程度上形态的转变。

人工智能可以推进的是我们更好的改变自己生活的能力，而对于人工智能领域的企业来说，人工智能带动的是更巨大的社会经济价值。

【转载须知】

1.文章为品途商业评论原创作品，欢迎转载。

2.转载时请在文章开头注明“文章转自品途商业评论，ID：pintu360”，作者标注原文作者。