智能能給普通人帶來什麼？語音識別什麼時候才能真正實現？

◆ ◆ ◆

摘要

2016年11月13日，第二屆萬物互聯創新大會「創業下一潮水：大數據與智能時代」在杭州召開。“鏗鏘三人行”環節請到了矽穀風險投資人、《智能時代》的作者吳軍博士，觀數科技聯合創始人、前阿裏巴巴集團副總裁塗子沛先生，以及伯凡時間創始人吳伯凡先生，並針對大數據和人工智能相關話題進行了探討。

大數據文摘記者帶來現場第一手報道，以下為對話原文，在不改變原意的前提下有部分刪改：

 

◆ ◆ ◆

大數據和人工智能的關係

 

吳伯凡：今年三場黑天鵝，AlphaGo取勝，英國脫歐，以及川普當選美國總統，這裏都有一個很重要的問題，就是智能預測。第一個問題，大數據和人工智能到底有什麼樣的關聯，區別顯而易見，關聯是什麼？

吳軍：這一次川普和希拉裏競選，希拉裏是一個什麼樣的勢態，傳統營銷能夠想到的辦法，砸錢、鋪廣告位，找意見領袖、代言人，就是好萊塢的，傳統方法全用上了，但是不產生結果。為什麼呢，很多程度上過去這種傳播方式，一個單點到多點的傳播出來以後，什麼結果不知道，接下來該怎麼調整，不知道。

 

今天大眾每一個人都是製造思想想法的這麼一些人。通過移動互聯網，大家互相抱團，一個個小社區。有這麼一些人，他們的思想很相近，這些意見在過去淹沒在汪洋大海之中沒有人知道。支持川普很多人就是這樣的，在今天看來這是一群很奇怪的動物，千奇百怪的想法，在過去媒體時代根本體現不出來。

 

今天，到了大選前幾天，在facebook上，這些大數據的體現，好像facebook已經能夠感覺到味道不大對了，雖然傳統媒體都清一色說希拉裏能夠當選。在社交媒體上好像反映出要變天了，從這個角度來看也不完全是“黑天鵝”。就像在座各位參與到了大數據時代，智能時代之中了。這是我的看法。

 

塗子沛：伯凡的問題是大數據和智能有什麼關係，我們簡單的說，直接回答就是大數據是智能的基礎，大數據是智能的母體。我用了一句比較性感的話來說，大數據是智能的土壤。也可以簡單的這麼說，沒有數據就根本不會有智能，所有的智能都是建立在數據的基礎之上。

 

我要來看，過了互聯網時代之後是大數據時代，智能時代其實還是大數據時代的一個組成部分，一個巔峰。剛剛談到今年美國大選，我們在關注大洋彼岸的選舉，大家有沒有關注浙江發生的事情，5月份阿裏淘寶上就看到了和希拉裏，川普的各種宣傳旗幟出貨量，川普是希拉裏的5倍。

 

義烏人民說川普的貨不要定金都敢做，而希拉裏不行，所以數據是什麼。剛才我們說數據是目前預測未來最有效，最有力的工具，因為數據表述的是過去，記錄是過去的事情，但是表達的是未來，它告訴我們未來，因為整個世界是有因果關係的。黑天鵝是怎麼來的，美國是怎麼解釋，我覺得可以看義烏。

 

吳伯凡：塗總是數據的代言人，吳軍老師是智能時代的代言人，你認為塗總說的數據是大腦，智能隻不過是一個延伸，你同意這個觀點嗎？

 

吳軍：我同意，機器獲取智能的方式和人不一樣，它很大程度上靠數據。關鍵的是，機器獲得智能在哲學層麵和人還是有很大差別，人是強調邏輯推理，很嚴格導出知識。而機器某種程度上來說是一步到位，因為有這個數據一步到位，通過相關性直接找出知識，它對我們的認知是挑戰。過去我們說要知其然，知其所以然，在計算機不是這樣的，它知其然，不知所以然。你對這個結論用還是不用，信還是不用。舉個例子，比如阿裏的好多商品，包括亞馬遜很多商品，它之間的關聯，你根本說不出是什麼原因的。但是你把這兩個商品房在一起去賣，結果就是好，實際上這對過去人的認知也是一個蠻大的挑戰，所以數據可以講是機器智能的一個基礎。

 

◆ ◆ ◆

大數據的相關性與因果關係

 

吳伯凡：知其然，不知其所以然，萬物都是有因果關係的，基本關於大數據的嚐試，大數據是相關關係，不是因果關係，這個怎麼解釋？

塗子沛：吳軍早上說到一個案例，沃森看病，沃森看疑難雜症比普通病還準確，為什麼？我覺得這個問題在某個階段可以去回答伯凡先生的問題，為什麼這麼講呢，我其實還是相信因果性。相關性是沒有因果的相關性，我們一定要驗證這種相關性之後，才證明它是科學的。

 

比如伯凡說很多東西擺在一起，它們就是會賣得更好，它們有原因嗎。啤酒和尿布是最經典的認知，開始沃爾瑪也搞不清楚原因，啤酒和尿布擺在一起，雙雙銷量都上升呢。它是有真實原因的，每一個最後有價值的相關性，它是有因果性的。如果沒有價值的相關性，它背後這個因果性是不成立的。

 

◆ ◆ ◆

吳伯凡：有時候我們做決策時沒有必要追溯因果，來不及。

 

塗子沛：對，我一定程度上同意，從數據上看相關性，我們一分析，杭州啤酒銷量和矽穀犯罪率是相關的。這在數據上完全可以出現的，那我們怎麼去解釋。

 

吳伯凡：這個問題很深刻，過去說的雄雞一唱天下白。大公雞每天一叫，天就亮了，人們就認為天亮是被它叫亮了，實際上沒有因果關係。我們聽見雞叫了，一會天亮了，這個我們可以用。這個問題思辨，大數據與思辨。

 

塗子沛：我認為這個東西已經上升到哲學層麵，因和果，我們永遠說不清楚。說了果，前麵有因。因又是另外一個事情的果，整個事件是錯綜複雜，上升到哲學層麵。最終解決這個問題，一定程度上是數據解決了這個問題。

 

吳伯凡：最近大數據不像前幾年那麼火，最近談人工智能比較多。但是大數據，大家已經往深處在挖掘。比如最近我看到好幾篇文章在談林彪與大數據的關係，說林彪是一個數據分析的高手。

 

塗子沛：我相信這個例子來自於我的書，我是中國最早講這件事的人。其實延伸過去，軍事戰爭對數據的應用是非常密集的。為什麼？因為數據就是情報的載體，就是信息的載體，所以他要收集數據。

 

這個故事說什麼呢，說林彪他有一個很好的習慣，什麼習慣？他時刻兜裏帶一個小本子，他見到什麼東西，有人報告什麼東西，他就記下來。記下來幹什麼，他把所見所得變成數據，一到決策的時候他什麼情況就知道了。

 

我們今天要看，剛剛說了無數據無智能，事實上還有一個東西，在管理學上來說無數據無決策。我們所有的決策事實上建立在情報收集基礎上，今天的情報是什麼，今天的情報就是數據，不是其它的東西。

 

◆ ◆ ◆

智能能給普通人帶來什麼

 

吳伯凡：數據如果是一個情報的話，為我們提供了做決策的依據。但智能好像關心的還是數據，普通消費者關注的就是智能，智能無非讓每個人都當上官，有秘書，有司機，吳老師怎麼看待這個問題？

 

吳軍：發展機器智能還要有醫生，任何科技最終目的就是為了你的生活變得更好一點，這是終極目標。延年益壽，醫療，剛才很多人都講到醫療，還有出行各方麵要方便，要有人替你管理這些事。最好這個計算機足夠聰明，把你的時間省下來，自己幹一些喜歡的事，安排你日常活動的這些事，讓他去幹了。

 

以前最早是像林彪似的用一個小本子，用一個手冊。然後就變成了你的日曆，計算機上了。以後像日曆，它可以管理得很好，塗老師、吳老師給我打一個電話，什麼時候在這裏搞活動，等等安排，我跟工作人員的郵件來往、微信來往，完完全全記下，嚴格來講用科大訊飛理解語言的部分都記下來了。

 

久而久之，哪些活動，這麼多活動，吳老師的活動，他做的內容和我寫的有相似性，我可能會接受。或者塗老師剛才講到數據和智能是相關的，所以他邀請的活動，我可能參加。另外有一個什麼八竿子打不著的，根據以前習慣就拒絕了。它每天在整理決策優先級的時候，事先排好序了等等，就是很小的例子。

 

這些東西也是從數據到智能，這是我們生活的便利性。它知道我每天工作安排時，以後也不用我天天打電話給滴滴，或者易到用車，今天6點50在哪兒等我，這個時間是自動安排好了。到了6點50我該出門時，車已經準備好了，當然有無人駕駛。未來我們想象一個生活場景有極大的方便性，我們到時候能夠騰出非常多的時間去思考問題，來發動人腦的特征。

 

◆ ◆ ◆

語義識別什麼時候能實現

 

吳伯凡：還有一個聽話聽音，察言觀色。就像現在說的例子，野蠻女友和男朋友打電話，你要是到晚了，沒有到，你就等著。我要是到了，你沒有到，你就等著；我要是到了，你不等我，你就等著！這個智能可能就無法理解，吳老師你覺得什麼時候能夠實現？

 

吳軍：剛才我看訊飛的，基本上沒有挑出什麼錯誤，這個還可以。理解，這裏有兩個難點。第一，本身繞口令，計算機比較容易解決這個問題。一個是它理解上下文這個意思，同樣說一句話，我就表達一般的陳述，可能是個反意。那我得看前麵是個什麼場景，這是一個常識或者人生活的知識，這是計算機現在，我還看不到一個前景。我今天說十年，我說錯了，十年後你也不會找我。大概在這麼短的時間內，我覺得這個事還不能最好的解決。

 

最典型是在北京公共汽車上，你踩了一個北京40多歲的女同胞。踩了她一下腳，她會跟你說這麼一句話，沒硌著你的腳吧，她其實是怪你踩著他的腳了。第二，剛才講的善解人意這件事，數據疊加之後會改進得非常快，包括航班今天晚了，發現哪兒有車禍，堵車了，讓你今天早走半小時。甚至鬧鍾提前鬧醒半小時，這個事做起來會是比較快。一般生活上的善解人意，這件事能夠比較快，可能有個三到五年，生活助手應該能解決。

 

◆ ◆ ◆

便利VS隱私

 

塗子沛：我補充兩個案例，今天人工智能到底在做什麼，今天人工智能在做一些重複性的工作，幫助人類從這些工作當中解脫出來。

 

我原來在美國的時候都用Gmail郵箱，有一次我的朋友在家裏給我寫了一封信，從中國來到美國，什麼時候抵達。到了那個時刻我就準備開車出去接人，這時候我收到了Googleplay發出的信息，說這班航班晚點了，我當時就驚訝。Google在讀這些郵件，讀這些郵件之後給你提供個性化的服務，可能會牽涉到另外一個問題，伯凡會感興趣，就是隱私。

 

如果你說要做到察言觀色，就必須讀懂你的每一句話，這就是問題。當時我接到這條短信的時候非常驚訝，但我認為這條短信非常有用，為什麼？我正準備出門，你說有用沒有用，那當然有用。我們的一個結論，我們今天享受這種人工智能的便利，事實上是讓度了我的一份權力。

 

這是我們說的第一個案例，第二個案例就說到AlphaGo。AlphaGo確實是計算機打贏了人類，但是我很快看到網上有段子，有什麼段子呢，他說那是下圍棋，你打打麻將試試看，我抓一下頭發，揪一下耳朵，那就有配合了，我們會察言觀色，計算機不會。

 

◆ ◆ ◆

技術的可能性和商業的可能性

 

吳軍：觸一下耳朵打麻將，也不是說做不到，因為你把視覺這些都加進去也能夠做到，是成本的問題。之所以不做，商業上很多事不做是因為沒利可圖。像剛才塗老師講的，提供一個航班晚點的信息，這個事以後你會更加相信我給你的推薦，它有一個商業邏輯在後麵，這是比較好的。包括AlphaGo下棋這件事，是非常好的宣傳。

 

如果哪天說打麻將，給你監測場景，你們大家如果覺得有用，它就會去做，你們大家要覺得沒用就不會做。包括無人駕駛汽車也是，我們過去說眼觀六路，耳聽八方，過去好多事情發生了計算機監測不到。實際上它現在每秒鍾各種傳感器，幾十種數據傳進來，這個察言觀色，像無人駕駛汽車出錯率比人類還好一些。很大程度上做到做不到，看你砸多少錢了。

 

吳伯凡：這就是一個問題，技術的可能性和商業的可能性，成本的問題有沒有人買單，廠商有沒有利益的問題，很多技術實際上早就已經有了，但是它沒有辦法找到一個市場，所以就擱置了。剛才我看到前麵一個演講，一個詞叫“部分輔助性智能”，可能我們下一步看到的無人駕駛汽車，就是那種老人車，貨場和機場裏固定場景，固定道路的，這種無人駕駛車率先會進入市場。那種高智能走盤山公路的車，可能到很晚才會出現。

 

吳軍：無人駕駛要分六個階段，第一是特斯拉，輔助駕駛，但還是人駕駛。第二個階段，它駕駛，人監控。接下來有些分場景的，就是從小區到地鐵站，每天隻走這一條路，這個比較容易。再往後一個階段，比如說你可以全市走，但最好晚上10點鍾之後再上路。最後一個階段，Google現在做的，沒有條件限製，所以每個公司切入點不一樣。特斯拉是切入第一個點，幾個主要汽車廠，奔馳、寶馬是切入第二個點。吳老師基本上切入三四個點，比如園區裏、商場裏，小區和地鐵站之間的，各家目標也不太一樣。

 

塗子沛：這是一個緯度，從技術本身來講有這些發展階段。但是我認為今年事實上是一個點，技術怎麼去發展，怎麼去提高，它最終市場結果就是大眾接不接受，這是一個點。

 

今年AlphaGo戰勝人類的圍棋冠軍就是一個轉折點，這意味著越來越多的人接受智能。比如說吳軍博士上午講的例子，我認為也是很有借鑒意義的。他提了兩個，第一，推薦。今天網站上很多東西，亞馬遜上40%的銷量是由於推薦，你不買這個東西，你沒有說要買這個東西，我向你推薦最後成交了，40%的東西都是這麼賣的，推薦。

 

他又講了一個，沃森。我們要問的一個問題，計算機推薦一件衣服給你，你就買了，這不是問題。如果計算機推薦一個藥給你，你就吃了，我認為這是一個問題。他上午說了三個數據，你的症狀，你的曆史，還有化驗結果，有這三個數據提交給計算機，如果未來在手機上提交。手機告訴你該吃什麼藥物，你敢吃嗎。如果你敢吃，我認為就是人工智能又一大躍升。

 

◆ ◆ ◆

吳伯凡：秘書、司機、醫生，醫生是最難的。

 

吳軍：還有第四個，可以給你推薦老婆。以色列做了婚配的工具，猶太人做的，他的推薦準確率特別高。不光是猶太人去用這個，美國很多白人也去用這個。他說人類找老婆有一個特大的誤區，女的找男的也有一個特大的誤區。比如他是一個60分的男性，他想象女神是95分的。95分女神都不會看他一眼，他最高目標就是70分的，能找著這個就不錯了，當然他對20分的也不會看一眼。

 

他做了什麼事呢？把每個人重新做了畫像，他不讓你看到所有人。比如你是一個60分的，他讓你看到最好的就是70分。這個60分，70分不是說長相，是各方麵綜合評估。這個成功率非常高，而且回訪以後，他們的日常生活滿意程度還很高。因為他找一些內在價值，不是外在的。60分一定要找95分的，最後你有錢也能辦到，但最終差異是很難彌補的。當最後說找老婆這個事也不是你自己篩選，不是你自己的意願，是機器在給你做，這個很有意思。

 

◆ ◆ ◆

機器會撒謊嗎？

 

吳軍：人有一些善意的撒謊，這個機器現在很難做到。

 

塗子沛：人類會撒謊，機器不會撒謊。圖靈測試中存在這樣的悖論，人會撒謊，到底能不能騙過他，這個圖靈測試，吳老師你怎麼看？

 

吳軍：機器撒謊是很容易的，隻是說你有什麼顧慮，機器沒有顧慮。AlphaGo贏李世石很容易，讓它故意輸棋不容易，故意設兩個BUG，讓它輸棋是容易的。如果為了什麼利益，為了賭博，中國的足球，要掙錢，要賭博，那就可以設計輸棋了。但是善意的撒謊，這個是揣摩聖意，隨便撒一個謊，今天天晴天陰，這個事很容易撒謊。

 

塗子沛：察言觀色，人類有這種厲害之處，相比於機器。察言觀色正是撒謊的基礎，因為機器不會察言觀色，它就不會撒謊。察言觀色意味著你要去迎合，扭曲事實，機器不會。從這個角度上講，我覺得未來人工智能世界還更靠譜一些。比人類管這個世界海更靠譜一些，因為機器不撒謊。

 

吳伯凡：人工智能的科幻電影裏，一個丈夫車禍死了，可以根據他過往所有數據，用軟件合成成一個真實的人，而且把這個女的對丈夫不好的評價知道以後，比如說他的脾氣原來不太好。

 

塗子沛：這也是圖靈測試，這個妻子最後能不能判斷這個丈夫。

 

吳伯凡：越聊越多，人工智能，大數據，吳軍老師說的第四點婚配，司機、秘書、醫生，如果我們不當官，不有錢有勢也能夠擁有這三個，那對我們未來的的確確是一個福音，由此看來也的確是一個大產業，人人都擁有私人醫生，擁有司機、秘書的時代。

◆ ◆ ◆

寄語

吳軍：這是一個非常有希望的時代，這是一個最好的時代，也是一個最壞的時代。因為好壞是看你站在哪個角度，你是否參與了，你參與進來，對你來說就是一個最好的時代。你如果拒絕這件事情，可能對你來講未來是一個很壞的時代。

 

塗子沛：我們要更多適應和機器共存共生，越來越多的依賴於機器。但是這並不是代表我們去否認藝術，其實吳軍開始演講的PPT，我記得很清楚，一開始彈鋼琴很好的人最後成為了人工智能的專家，我認為還是要在這當中找到一個平衡。大數據會給你很多建議，告訴你怎麼找到自己的另外一半，什麼樣的人才適合你。但是如果沒有你自己的體驗，沒有每一次約會的心跳，沒有那種察言觀色所帶來的愉悅感，或者說惡作劇感，小小的使壞，我相信這個世界的吸引力也會大大的下降。人之所以為人，還是要善用數據，善用智能，它歸根到底還是工具。本質上，我認為這個世界上最可愛的東西還是人，還是人性，不是機器，隻是我們要適應它。

 原文發布時間為：2016-11-20

本文來自雲棲社區合作夥伴“大數據文摘”，了解相關信息可以關注“BigDataDigest”微信公眾號