世界智能大会专题报道
天津北方网讯：人工智能和人的智能这是一个大的讨论，但是很奇怪的是这把人工智能和机器对立了起来，我觉得这好像是一场战斗，一边会赢一边会输。“超级智能”这个词好，让人不是觉得机器赢了人或者是人赢了机器，而是说人和机器可以一起来工作，两者可以达成一种前所未有的相互理解和对于世界的认识。当然了，这最关键的是学习的能力。
很长时间以来我们都觉得，我们可以教机器认识世界的一切，告诉它们这个世界的规则是什么。我们刚开始做人工智能的时候失败了，我们没有能够了解人类存在的根本事实，关于学习的事实，因为人是通过数据来学习的。
我给大家讲一个关于机器翻译的故事。在50年代的时候，美国拿到了苏联的很多文件，但不知道这些文件讲了什么，因为他们没有足够的人工译员来翻译，他们就去找计算机学家，问他们能不能把这些文件从俄语翻译成英文，然后这些计算机专家很自信，他们觉得有能力，给三个月的时间吧。十年过去了，花了十亿美元，失败了。因为结果发现学习和翻译其实是很难做的，这些计算机专家承诺要做的是，他们想给这个计算机教一些非常复杂的语言的规则，抽象的规则，结果发现失败了，做不到。而现在，我们知道谷歌软件可以做很多翻译，很多其他的公司也有类似的系统，关键的是什么呢？就是让机器通过数据来学习。机器通过数据来学习，就可以是一个助手帮助你做决策。
如果我们把数据和算法比较起来，到底哪一个是更重要的呢？数据！通过数据推动了算法，所以数据才是关键。我给大家举一个例子，2015年，最好的无人驾驶车实现了400公里的距离，与此同时，谷歌的无人驾驶车却实现了2000多公里的距离，这要比汽车生产商的纪录大五倍。为什么计算机公司比汽车制造公司做无人驾驶做得好呢？因为他们用的就是数据。怎么样才能优化数据呢？
我们再看一看特斯拉公司，特斯拉所关注的是他们的数据平台，每个特斯拉汽车都有摇杆技术，如果你们驾驶一个特斯拉公司的车的话，它们会边行驶边收集数据，它们还会把这些数据传到总部，因为特斯拉有一个机器学习算法这样的系统，它可以使自己的汽车变得更好。早上的时候，如果你开车，然后到了晚上，经过一天的时间，可能这个汽车软件已经更新了。所以说正是因为这种软件更新，使得这个汽车驾驶得越来越好。所以说，我们已经不用去考虑简单的网络技术问题，应该考虑的反馈技术，我们用这种反馈的数据加强机器的学习能力，这个反馈的数据和数据的学习能力是非常重要的。
我们要做的就是积累够多的数据，并且让机器学习这些数据来帮助我们。现在我们都认为医院越大越好，因为它可以接诊更多的病人。但是如果是这样的话，仍然是一个将苹果和橘子相比的思维。未来其实不是将我们和别人进行对比，而是将我们身体各种阶段的不同状况进行对比。所以，医院的规模已经不是非常重要了，对数据来说也是如此，我们关注的仍然是反馈。所以我们现在关注的是更为精确的服务，我们让人们能够随时更近距离地获取医疗服务，当然在其他的市场也有很大的应用。市场其实跟资本没有太大的关系，因为早在资本出现之前，市场就出现了，因为市场其实就是人们共同合作、协作的一个场所，市场其实是人们日常生活交流的一个最重要的场所，因为它将人们会聚起来，而且让他们协同合作。在市场当我们交易的时候，并不知道我们购买到的商品是不是最好的，是否反映了我们的偏好，所以机器学习也可以帮助我们，而且能给我们很大的帮助，我们可以预先地知道网上或者网下的市场，让我们的机器先去学习，这使得我们的日常购买可以变得更加的有效，而且可以实现人机交互，使其更加有效。
最后一个案例就是教育，我们已经听到了关于教育的重要性和我们进行教育改革的重要性。当然我这里想谈的不是说要教给人们不同的技能，而是要告诉人们，我们该如何进行教学。对某些孩子来说，可能某种计算方法更好，对另一群孩子来说，我们可能适用其他的数据计算方法。所以我们要让机器去学习，这样我们就可以更好地提供教育服务。
当人们谈到人工智能的时候，往往感到担忧，因为他们觉得失去了掌控力。当然，他们的担心可能也是有理由的，但是我想说，超级智能并不是人类的威胁，而是一个机遇。当然，我们首先得设计好，但是不管怎么样它是一个好机会，而且是一种特别的机会，因为通过这个机会，我们就可以去选择，它给了我们选择的自由，即我们自己愿意做什么样的决定，什么样的决定让机器来帮我们做。所以自由的选择真的是给我们带来了巨大的力量，也正是机器学习的时代和超级智能时代的特征。
我认为未来真的是有关人的，为了让这个人的未来真正地实现，我们需要得到尽可能多的帮助。(“津云”编辑曲璐琳 摄影记者王欣鹏)
