人工智能超越人类可能还需要500年 微软洪小文

首届语音与智能技术技术高峰论坛今日在北京举行。在本次论坛上微软亚洲研究院院长洪小文发表了“人工智能时代”（The Age of A.I

首届语音与智能技术技术高峰论坛今日在北京举行。在本次论坛上微软亚洲研究院院长洪小文发表了“人工智能时代”（The Age of A.I。）的主题演讲。

洪小文首先提出了人工智能发展的几个阶段：功能（Capability）、智能（Intelligence）、智力（Intellect）再到智慧（Wisdom），并以微软的机器翻译为例，指出当今的人工智能仍然是“弱人工智能”（Weak AI）。但是“弱人工智能”对人类非常有用。

之后，他又以微软近推出的图片识别年龄（How old.net）等人们手机应用为例，表示微软图像识别的错误率仅为3.5%，已经低于人类的5%。微软未来还将推出难度更大的视频识别应用。

人工智能大热后，引发霍金、马斯克等名人对这项技术存在的风险表示了担忧。但洪小文认为，人类不可能造出不受控制的人工智能技术，人工智能未来产生不可控的唯一因素是软件漏洞（Bugs）。他引述人工智能专家John MaCathy的话，认为“奇点”，即人工智能智能超越人类的时刻，可能还需要500年才能到来。

最后，洪小文对人工智能提出了自己独特见解，他认为AI即增强智能（Augmented Intelligence），人类加机器是最好的组合。

以下是洪小文演讲全文：

尊敬的李老师、各位领导、各位嘉宾大家好，今天很荣幸参加盛会，和大家谈一谈AI的时代、人工智能的时代。刚才高老师、怀老师都讲了今天AI是无所不在的，今天在座的大家都是媒体，媒体每天几乎都有AI的文章，就是一般的媒体。而且今天做AI的人有点像明星，大家追捧，因为AI代表着未来，所以AI is everywhere。一方面AI非常火，有的人可能过火，但AI真的很火，所以我想用短短30-40分钟的时间跟大家分享一下，AI未来在工业界和学术界继续往下走到底会是怎么样的情形。

首先跟大家回顾一下AI的应用，跟中文信息学会最有关的就是语言跟语音，人类社会用语言和语音做很多的沟通交流和思考，这里不仅是大家所想的自然语言处理，语音，实际上网络社区本身就是一个语言问题。大家可以看到今天很多做微软包括搜索的公司在AI领域都是领军人物，你打几个字就可以找到很多东西，这本身就是很智能的东西，在座做中文信息处理的就不用我说了，做自动翻译，在很多公司都提供免费的越来越强大的翻译系统。

人工智能助手，这也是今天兵家必争之地，在全球上美国有所为的小娜，其他公司有谷歌、亚马逊等等，中国有很多公司，百度，BAT等等类似的产品。同时还有真正助手帮助你完成O2O，整个服务，像美国的Magic、中国的来也。还有Chatbot，微软叫小冰，今天已经到了第四代，很多人都关注。社交网络的Chatbot很有趣，从AI一开始，大家知道图云测试，事实上围绕的就是这种ChatBot。图形测试其实上是一个蛮弱的测试，事实上只要你能够让三分之一的用户，分不清机器还是人就通过了。

我们以小冰为例，我们有一个衡量的标准，我们做小冰和一般的人工智能助手是不一样的，智能助手你不希望它太罗嗦，讲一句话、两句话就应该完成工作了，不应该再来烦你。但是Chatbot所衡量的标准是不是继续再跟他聊下去，我们做了“一问一答”算是一个来回。两年前小冰推出的时候是5个来回，到今天多多20个以上，我们在日本推出的“瑞娜”达到18。人们知道这是一个聊天机器人，但是愿意花20个来回跟他聊，在非常大的程度上已经通过了测试，如果聊的内容没有意义，你是不愿意跟他继续聊下去的。

除了刚才讲的语言语义以外，围绕所谓认知Cognition Services，就是AI所有的技术包装成API，因为微软是一个平台公司，让任何一个公司可以来简单的写人工智能的，包括了语言、语音、视觉、厕所，大家都可以上我们的API，非常清楚的网页，很容易就可以写程序。举个例子，比如How old.net，到了今天很多人还不知道这是微软所推出的，事实上在一年半推出的一个东西，马上造成了轰动。

我们推出这个的时候，有点无心插柳柳成荫，我们推出这的时候其实是在推出Cognition Services，用这个来展示多么简单就可以写人工智能的应用。How old.net里面的代码不到八行就可以写出来，因为这个Code是Cognition Services的API，陆续我们还推出了新的Cognition Services不断的更新，产生一些新的功能，最近加的Video的功能，也是一个新API，是Aptionbot.ai，也可以上传任何照片，可以用自然语言来描述里面有什么，你们都可以试。

刚才怀老师提到进展，微软很有幸有参与了，去年年底最新一届的比赛，得到第一名，而且首度超过人，人在上面做两千的大概会犯5%的错误，我们这个系统不但是深入学习，而且是更深度的，能够做到3.5的水平。有了这个技术，我们不仅可以做照片，同时也可以做视频，比如像Video Capitioning我们还没有开出，我们很快就可以推出，你可以上传一个视频，可以用自然语言来描述这个视频做的是什么，当然难度比图片高很多。

剩下的时间想跟大家探讨，到底AI往前走，今天有这么多的报道，到底需要注意些什么？接下来研究的方向，像刚才李老师、高老师提出的很多，我完全同意高老师所说的，就拿自然语言处理，远远要比所谓的下围棋难的多，所以AI往前走会是什么样的？

大家也听过AI有冬天，我从80年代学AI，也经过了冬天，到今天爆红。今天的AI很大程度，基本上的云能力等于数据，今天大家看到的数据都需要大数据。所以这三个东西的交集，虽然可能不是百分之百，但也有98%以上，在语音界常用的一句的话就是There is no data like more data，深度学习也好，你给他很多的数据，只要他的模型足够正确，你就可以做出很多东西。肯定有类似的处理数据的能力，我们很快的能够上传到语法、语义，你还可以跟大数据来做交互，现在虽然也可以用DNA做一些本地的分析，怎么样来做结合。

但是，今天有了数据之后，所有很多智能的东西都可以做，所以现在有一个新的职位叫Data Scientists/Analysts，像微软这样的公司，业界类似的不管是FaceBook、谷歌、百度雇的60%的人都是做这个，怀老师讲的洞察，你要懂一些编程，从数据里看出一些Insight，从控制学的角度甚至于人类整个的文明史都是一个Closing The Feedbock Loop。今天你有一个假设，你有一个实验，你有一个想法，你把它放出去，石器时代磨一把刀来切肉，用手去撕肉不够好，有一个想法把它造出来，造出来去搜集这个数据，拿它切肉看看，看哪个工整，哪里不公证。了解出Insight以后，想办法可以下一把刀或者加一个勾之类的，这就是你下一个Hypothesis、下一个Idea，把它放起来。人类的文明史都是这样的，不管是有型还是无型的。今天不一样的地方是计算机将来的物联网，也就是现在的物联网或者互联网，能够更快的时间把数据搜集起来所谓的互联网思维也就是这个Closing The Feedbock Loop不一样的地方是，我们以前要花百年甚至一千年才可以去Close一个Loop，今年可以很快的，每一次Close loop，你就加入一些，后来精益求精，东西就优化了。所谓的DNN，AI也是这样，搜集数据，把系统做出来之后再搜集新的数据，再做一个新的模型，最后把它发布出去。

大家很担心，今天很多文章说将来及其要超越人的智力，机器会毁灭人类，大家都看科幻电影。今天我想跟大家说的是1950年的时代杂志封面就是这个，当年AI名字还没有出来，是1956年才有AI这个字眼，但是1950年主流媒体就开始担心了。他说我们人很奇怪，可以造很多机器，火车、飞机、大炮，造很多大的机器的人，我们都不怕，事实上我个人很害怕，人通常不再害怕造大机器，但是很多造一个东西，比如计算机计算比我们快，哪一天计算机造的比我们聪明很害怕。人很奇怪，大家都在探讨到底人工可不可以建设成一个的超人。

什么叫做智能？我认为至少有四个定义，一是功能，这个完全没有争议，今天买一个机器，有多少内存，可以算的多快，今天你买一个相机有多少像素，都没有争议。下一步就开始有争议了，什么叫智能，我一开始用智能电视机的时候，当时有一个珍妮斯的电视，是第一次有摇控器的时候，把它叫智能TV。以前要转台都是要走到电视机前面转回来看一看，不行再转，有了摇控器就在手在坐着就可以。当年的智能TV是这样定义的，今天智能电视的定义完全不一样了。如果你再仔细想，算术，小时候我心里受到很大的挫折，小一的时候没有被选成去参加珠算队，大家今天很少人看到过算盘，当时我觉得非常羡慕，不只是一个算盘，当时的小朋友能够做到那种训练，一两年以后可以到几段，跟围棋一样，可以完全不要一个算盘，在心里算，非常大的数字，甚至于开根号都可以算，我羡慕的不得了，当时没有被选成珠算队。

今天没有人认为算术是一个智能，今天有没有人要跟计算机比计算？比一个多位的加减乘除？没有人认为那是很智能的东西，甚至于下棋何尝不是这样？下象棋，当时机深蓝败人的时候，我对徐红久博士说，你对人的贡献一方面打败了世界冠军，你也证明了下棋其实没有那么有智能，下棋就是比谁下的深，其实今天的AlphaGo也是这样，基本上也是一种记忆的模式，我会深度的跟大家聊。下棋也不是很深度智能的东西，显然智能程度没有那么高。

到了智力层面，就更模糊了，在座很多人都有小朋友，我们常常讲中国的教育，讲创造力，今天在中国说领导，领导要做很的事情，在数据不足的时候做出一个方案，这个方案本身不是很智慧，假如你有大量的数据，事实上方案也容易了，其实人的智慧最了不起的小数据，当你有大数据的时候一切都很清楚，最难的是在数据不足的情况下必须要有一个决定。

再举一个，引力波，今年是一个很大的消息，人第一次便勉勉强强测到引力波，一百年前爱因斯坦提出引力波的时候哪有数据呢？别说小数据了，一点数据都没有。人在没有数据的情况下还可以做到这个程度，从石头里蹦出一个idea，这就是人的厉害之处。这个东西大家可以同意，今天计算机联盟都没有，可能哪一天会有。今天显然还没有。当然如果上升到智慧，那就更不用了。常常有一些长者给你点化几句，哲学的思维，这种东西我更不了解，更不要说计算的东西。这种智慧是给你讲一些虚虚游游的东西，让你觉得受到很大的启发，这种东西是什么。

回过头来讲计算机，不要忘了算法是人想出来的，并没有说这个机器有算法，算法来自于人，加入有这个东西全世界所有问题都可以被解，都很有可能被解出来，这种东西显然是一个更大的问题。

说到这里讲一下数据，到底数据、资讯本身是不是一个Intelligent，是也不是，为什么？首先我们说一个人，博学多文，很多资料，很多数据，这个人知道很多事情，这个人博学多闻，显然是一个很聪明的人，我们刚才讲大数据里最重要的是数据。举个例子，炒股票，假如你有一些别人没有的信息，比任何的东西都有用，但是内线交易不但违法而且要抓去关起来，所以今天有一个人有内线的数据，炒股炒得比你行，你会觉得这个人比你聪明吗？所以数据很重要，在这里我要讲的是AI如果是以大数据为主的，将来各行各业一定会走这条路，但是这跟人的智慧还是有点不一样的，从学术上和工业上来看。

再分析一下人的脑，这个时代我是从心理学家、脑科学家学习过来的。两边相比，有左脑右脑，左脑负责逻辑，右脑负责直觉；左脑Sequential的，因为逻辑是一步一步按部就班，右脑比较Random；左边有分析能力的，右脑是合成能力的；左脑比较Objective，右脑比较Subjective；左脑是Detailen（parts），右脑是Big picture（Holistic）；左脑是Digital，右脑是Analog；左脑是Directional，右脑是Creative；左脑是Rational，右脑是Emotinol；左脑是Factual和Reality，右脑常常在做白日梦，Imaginary、Fantasy（Dream）；左脑做Pattern Perception，右脑做Sturtural Perception；左脑是Math Science，右脑是Art、Poetry；左脑是Verbal，laguage，右脑是Music、Image；左脑是FormStrategy，右脑是Present possibilities；左脑是Control，左脑是Freedom；左脑是Practical，右脑Impetuous；左脑Coll、Routien，右脑是Fun、Vivid；左脑是Past、prensent，过去和现在，右脑是Present、Future，左脑是我知道，右脑是我相信；左脑是Acknowledge，右脑是Appreciate。

其实计算机是最好的左脑，比左脑还好，没有人跟计算机比计算能力及这里要计算的是什么叫算法，我的定义是Step-by-step set of operaions to solve problem，根据这个定义什么是创造力？我的定义也很简单，未解决的问题解了，比如费马猜想，十几年前终于被解了，现在是费马大定理，你还没有解以前就解了，这了不起，是很大的创造力。或者你解一个已经解的问题，你解的比他更好，本来旧的问题是NQ。

在座每个人如果有小孩儿或者是亲戚的小孩儿，你教他数学，教各个东西的时候就会发现，很多时候一个东西一直教，这个学生就是不懂，突然你了解这个学生，换一种方法教他就懂了，你就有New argry，因为你改变了这个事情，你一直教那个小孩就不懂，换一个教法那个小孩就懂，这就是New argry，这就是人的创造力。

再要提，今天计算机有的是有计算，它的算法都来自于人，AlphaGo的算法来自于谁？今天讲DNN这些算法都来自于我们，所以任何时候都是左脑加右脑，是算法加计算。现在仔细来看AlphaGo，每一次我的看法和其他人不太一样，每次当机器打败人的时候，我赞叹的并不是机器人厉害，我赞叹的是人怎么这么强。

举一个简单的例子，把1加到N，小高斯，小时候因为太聪明了，每次问老师老师都很烦他。有一次出了1+1000，他以为他要算30分钟，没有想到他用了1分钟就回来告诉他答案。今天在座每个人都n/2×n+1，为什么用这个例子来比喻，假如今天把N用一个很大的数字，而且这个数字不是整数，是很奇怪的数字。你用高斯的算法，计算机有最笨的算法，谁算的快？计算机快。你会觉得计算机比你聪明，不会，因为你的算法比较好，但是人要有一个算法，要有一个左脑去计算，所以任何东西都是算法和计算。拿AlphaGo来讲，虽然李世石输了4场，但是李世石必须自己要有一个算法，而且左脑爱计算，下围要看时间，而且人会累，会算错，但是AlphaGo用人的算法，用几万台机器算，最后都是AlphaGo用计算机，如果用一样的话，人和机器的比赛是以卵击石，今天李世石可以赢一场，代表他的算法比AlphaGo的计算好，李世石的计算比我们强很多，但是比计算机的计算还是以卵击石。任何时候一个机器达成一个高度的时候，我赞叹的并不是机器很强，是人真强，还能够和计算机有一拼。

很多人说自动车很聪明，我说这完全是胜之不武，人开车只有两个眼睛往前看，今天所有做自动汽车的人，前面至少放两个计算机，后面放两个计算机，同时还放声纳，一大堆东西，事实上无人汽车任何时候都知道跟前后左右各个物体之间的距离，毫米的精度都有，人哪有这样的精度，随便看一下就往前看，所以人所有的数据要比机器所有的数据小的多，人还可以开的这么好，当有无人车的时候，无人车现在还比人开的这么差，代表人的算法感知能力太强。

刚才提到爱因斯坦的相对论、引力波。我们永远要记得两个比赛一定是算法和计算。如果人要比计算不要和计算机比，计算机是我们造来帮助我们做计算，我们是把算法放进去让计算机去算，今天所有都是这样的做法，所以计算机真的是一个最好的左脑，所以尤其在座每一个人，我们都会编程，我们都会做计算机，事实上每天做的东西都是左脑加右脑，我们的算法让计算机去算，从里面得到结果以后，要想下一个程序怎么编，何尝不是右脑的假设让左脑去小心求证呢？

1980年在座的很多人还没有出生，跟今天讨论的话题自然语言有非常大的关系，就是中文房间，提出这个人的不是中国人，是美国人，1980年提出的。他为什么提中文？因为当时在美国懂中文的人非常少，他就做了一个项目，今天有一个房间，关起来，每一次你有一个问题，用中文问，用一个字条递进去，房间里面有一个人，当时还没有计算机。给他一个百科全书，相当于你把所有的Q&A提出来，他也不懂中文，完全不懂中文，完全看你中文的点，你问这个我就答这个，当你看到是这样子的组合，就把下面的答案递出去。外面人都觉得房间这个人懂中文，所以他叫中文房间。

我这样讲话大家就很清楚，今天所谓的AI都是这种AI，当时完全是（?36：42），这基本上就是是今天的主流AI。比如说自动翻译，就是相当于计算机里面有一个人根本不懂这个语言，基本上就是中文房间。当你有很多数据的时候，可以用这个东西，包括今天的语言语义都是这样做的。为什么John Seale会提出这个观点？他说这种AI不是现在真正的AI。我们经常说什么超过人，包括翻译、语音识别，语音识别机器早早超越过人了，但也是胜之不武，我今天演讲的内容，如果有一个机器或者让你们讲出来我今天讲了哪些话，百分之百机器一定赢过你们。但是人不是这样，我问你语义，你有没有了解我今天的内容，你今天的理解肯定是百分之百，但是机器显然不懂语义。跟翻译一样，讲到翻译我常常会举一个例子，人做翻译的时候，我们是听完一段，用自己的话讲出来，所以常常一段话只翻译成一句，有时候一句话翻译成一段话，我的老板是美国人，每次来中国我就做翻译，有好几次我被他抓到，他有几次跟我说，我到底讲的那个你怎么已经先翻了，原因很简单，我知道会谈什么内容，实际上不用老板在那里我自己都可以讲，这就是人的智力，但是计算机不可能做这样的事情，而且计算机逐句翻的结果常常词不达意。虽然中文房间是Weak AI，但很有用，因为给他数据，今年想看一个法文的网页，大家都看不懂，但是今天有这个自动系统，一翻译就可以了解80%，也足够了。

到底“Understandnig”，对于未来的AI了解的多读读这方面脑神经科学家和所谓的心理学家。讲到心理和自觉，事实上今天对于这些的了解都还不够，很多生物学家，脑神经学家也做了实验，今天你看一个镜子，人在镜子里边知道那个人是你，事实上很多动物，大部分动物是不能够通过这个了解的，包括我们最喜欢的狗、猫，你给他一面镜子，当然这个有争议，因为你也不是狗，你怎么知道它不知道那是自己，但他在你的额头上贴一个便利贴，人一看到是自己，就知道是你的一部分，就会拿走，他们做了一个实验，让狗贴了以后几小时也不会拿走，只有一些动物，某一些猩猩可以。还有海豚，能够突破的不多。

今天非哺乳类和哺乳类，很多动作都是没有自知之明，没有自觉的，人是有的。笛卡尔说过我思故我在，这里面有两派的学者，到今天为止，比较一派的学者是整体论，有一派学者认为人是心和脑可以分开，人有一个脑，脑里面有我们的心灵，当你的脑没有之后，就没有心灵了。实际上今天的主流派认为这更多的是一个整体的概念，就是我们人不仅有脑，还有脊椎和神经的感知，今天我打你一下，你的痛和感觉是会影响你的思维的，所以这是更大一部分人认为不可分的，把人分解之后事实上就等于没了。当然我们今天还在研究人死之后到底有没有灵魂。

最近耶鲁大学有一本书出了大概四五个月，里面他发现一些很好玩的实验，发现我们非常有知觉的时候，这些时候需要做一些计算、需要做逻辑思考的时候会做的特别敏捷，但是low strong的时候，发现那个时候的创造力或许会更强。他提出一些例子，比如说贝多芬在做九号交响乐的时候完全聋了，也完全看不到，这时候他的S?肯定是low的，不能说他精力很集中。梵谷?把自己的耳朵切了之后，最后那一段时间他自己画出来的画被认为是他作品里很了不起的一部分。人在这么痛楚的时候，在Low Strong的时候，能够产生很大的创造力，还有里很好的例子是化学家科库乐，这是他自己亲自讲的，他就是在做梦的时候梦见一个六角形，他就是在做梦的时候梦到一只蛇，咬住了自己的尾巴，让他得出灵感，得出了一个六方的结构，他之后还花了很多实验去证明。在这里跟各位同学讲，需要创造力是不是都要去睡觉，都要做梦。睡觉是重要的，但是小心求证也非常重要，大胆假设，要假设，还要求证，不能只假设一堆东西。什么是创造力？好像可以从一个东西转化到另外一个东西，很多人说最了不起的创造力都是在半梦半醒的时候，一些看起来不是完全相似的东西看到了相似点。

另外一个画家也说，他为什么会去画天空，像鸟等等，他觉得云的形状像鸟的时候就画出来。我们意识清醒的时候经常觉得两者没有关系的时候，恰恰是在半梦半醒的时候觉得他们之间会有关系，这是人最了不起的东西，这个道理是什么？我们也不了解，但这是人很重要的一个特质。

回到AI，讲到WeakAI和StrongAI，有两钟定义，第一种是我刚才讲的，当你做AI达到人的能力的时候不需要了解就可以做，这叫WeakAI；另外一种是今天做的AI，比如做一个语音识别，就只能语音识别，做一个能辨认鸟的，就只能辨认鸟酸今天做一个机器人，在工厂里可以做重复的智能工作，这叫Weak AI，StrongAI是像人一样，能看、能读、能思考，是全能型的，这是StrongAI，但是这不代表有一个功能可以超过WeakAI，WeakAI是专业性的，虽然没有全能的能力，但是对专业的门类实际上比人还强，这就是这两者的定义。

有些人认为人如果没有心灵，没有自觉的话是不太可能产生StrongAI的，因为你没有了解，人的了解事实上和人类的脑、脊椎各个方面都有很大的关系，就像我讲的你可能有一个想法想不出来，某一天你受伤了，某一个痛能够激励你，你就想出来了。所以为什么提出这个StrongAI的这个人，觉得这和心灵有很大的关系。

未来我们人能不能做一个机器，能够做到所谓的StrongAI，做到Stron必须要能够做到General purpose，不仅只能解一个问题，要解所有的问题。人所知道的General purpose无外乎几种，一个一个试，至少要可数才可以试，，我们的算法里NP不等于NP，可能会有相当大的关系。

前一段我在中科大，有人问我，AI到底和不Quantum Computing有什么关系，我勉勉强强找到下面的关系。因为Quantum Computing在中国、美国也很火，也有很大的团队在做。他所解的一个东西可以是零，，如果有Quantum Computing对某一些问题，还不是所有问题，，这还是很了不起的，可以解决很大的问题。首当其冲的是解码，今天所有保护手机、计算机所用的，就是因为你是NP，但如果Quontum的解决方案的话，很多人现在做一些Quantum ?（50：30）这变成很重要的Reaserch?。

就算你能做这些东西又怎样？有很多问题，举例人从哪里来？地球的大爆炸，这些就是东西是不可以解释的，张一唐（音）所解的东西，当年10多个问题，20多个问题，?（51：02），还有爱因斯坦所谓引力波这样东西，没有解决方案怎么可以？根本不知道怎么去找答案。有一天天外飞来，你假设，你很小心的去求证，这就是人最了不起的地方。

这就提到你要不要足够的了解人，早期的AI是从了解人来做的，的确今天大数据的AI不见得完全是人解决问题，我们可以做很多事情，当然有不同的争议，但如果问我个人的话，我越来越相信，假如你要做一个东西，要逼近人的智慧，逼近人的创造力，超越人的创造力的话，我觉得首先要了解人。最后可以讲一点，我们到底要不要一个?（52：33）同时又有自觉，又有自己脾气的机器人，到底有没有意义？这个问题留到最后再讲。

很多人在警告AI很可怕，经过我的报告，其实AI没有那么可怕，计算机就是最好的左脑，很能计算，他的算法全部来自于人，所以最好和最坏的事都是来自于人，你要怪设计他的人，而不是怪机器。还有人谈机器人六大定律等等，我也觉得挺奇怪的，就像法律一样，法律是要规避人的，人可以做大炮、做飞机、做汽车，大家觉得飞机是好东西，但是恐怖分子用飞机去杀人。你最后怪的是飞机吗？不能说飞机违法，违法的是人，最重要的是限制人，机器何尝不是这样？当然有人说，“Singularity”有两个意见，一种是我脑可以上传就永生了，有一部电影是这样的。我个人非常存疑，还有人说二三十年可以达到这一点。人是不可分的，而且只有脑，什么是脑？今天一个新爱的人，你跟他失散了30年，最后他回来是一个机器人的模式，你觉得他还是同一个人吗？更何况你跟他没有过去这20年、30年共同的经验以后，你还会觉得他是同一个人吗？我比较相信人是一个全体论，所以当你的肢体改变了，两个人的走过的经验也改变以后，就算它有你脑里的很多部分，也不是同一个人，这个有点太形而上学。

另外还有一个说法，当你达到一个临界点，所有未解问题都解了，而且能够迅速往前进。我也存疑，大家如果从算法的角度来看，当你今天解了一个问题，下一个问题事实上更难，就讲NP是不是等于P？大部分人都觉得不太可能等于，但是能解吗？有办法证明吗？不要说今天证明，在过去提出这个东西开始也没有看到一个人可以去解决，当你解决了这个一个问题，下一个问题更难。

今年是AI的60年，Matrix是我的师祖，大家称他为AI之父，当时他就很有智慧的说，别人问他造一个机器达到人的智慧要多久？他给了一个答案，5-500年，当然今天已经超过5年了，我认为还要500年，甚至还要更多，因为要像人从哪里来，为什么人有这个智慧，这些问题更复杂。

最后要提出来，我们去造一个机器，像我们，跟我们一个聪明，而且还有自觉，一个有自觉的人你没有办法控制他。我常常举一个例子，他必须要十次给我咖啡，如果我叫我太太弄十次咖啡，十次有五次他跟我说你自己有手有脚，为什么自己去？我说是是是，我的意思是说造机器人，有自觉吗？大可不必，我不想说弄一个机器人十次有五次说你自己不会去啊？所以我们造一个机器人是希望他可控，可控的意思是他没有自觉，不可能一个自觉的人还可以可控。然后我们要讲一下，就算你要造一个东西，跟我们一样聪明，又不可控，也可以说我们有几千人的经验，那个叫我们下一代，我们的小孩，我们希望他比我们聪明，他可以控吗？根本不可以控，造这样的东西多生一些小孩儿就够了，所以做这些东西的目的在学术上很有意义，像克隆动物，造一个有意思的机器人有法国意义，我个人觉得我是非常存疑的，从实用的角度来看，从学术的角度当然也有很大的意义。

有人问我你觉得科幻电影描述AI比较传神，比较接近未来，我会说Matrix，为什么？和计算机有关，在任何一个系统里一定没有办法找，不能证明他正确，也不能证明他不正确，就是P?里面，包括当年的T?写一个东西到T?算，都没有办法知道他会不会停止，这就是说任何程序里一定有bug。机器里Bug是很难避免的，机器当然有可能bug，但是他的bug就是回过头来把人全部灭掉，这个可能性也微乎其微。

最后我要讲的是AI这个是我的师祖提出来的，今天WeakAI，这种大数据AI，虽然是WeakAI但是非常有用，是为人类造福的，这个东西在未来跟大数据，人不可以看所有的新闻，但是可以让他去读所有的新闻，去找到他insight帮我做事情，都可以帮我洞察里面的先机，这样的东西是可以做的，人永远是人+机器，Augment加计算，就是一个智能，所以人加机器就是超人，就是最好的组合。这是我们AI向前走的另一个意义。