Google無人車之父最新演講：AI將讓人類更富創造力

塞巴斯蒂安·特龍(Sebastian Thrun)有很多眾所周知的身份，他曾是斯坦福和卡內基梅隆大學人工智能與機器人專業的教授，有380多篇學術文章發表，榮譽等身。也曾是Google X實驗室的創始人，Google無人車、Google眼鏡就在他手中從概念成為現實。

△Sebastian Thrun

不過現在，他最核心的身份是硅谷前沿技術學習平臺優達學城（Udacity）的創始人及CEO，特龍希望用來自硅谷的在線課程和創新人才培養模式升級人才佈局，幫助工程師“升級”，為未來趨勢做好準備。

騰訊作為中國最大的互聯網公司之一，當然是特龍和優達學城“覬覦”的對象。而且就在近日，騰訊和優達學城宣佈正式達成深度合作，在深圳的騰訊大廈，塞巴斯蒂安·特龍圍繞“人工智能”進行了一場演講。

他認為AI正在替代一些重複性的腦力勞動工作，而這恰恰會幫助我們投身更多富有創造力事情的研究，“想到AI帶來的變革，我就很興奮。”

△騰訊和優達學城達成合作

塞巴斯蒂安·特龍(Sebastian Thrun)：

大家好，我今天作為Udacity的創始人的身份來跟大家分享，最想分享的話題是AI。

AI、深度學習、機器學習，都是最近最熱門的議題。但AI並不是什麼新鮮的東西，在上世紀50年代美國就有這個概念，在過去的60年沒有很多人特別在乎它，也就是在過去兩到三年，AI突然受到大家的關注。

對於我來說，談到AI的時候，可以往前10年、20年、100年，甚至往前500年說說，說到文藝復興的階段。

這是一張反映人們在稻田裡勞作的圖。在很久以前，我們主要是靠自己的體力，通過體力來移動物件，很少有人說我們的智商有多高，我們怎麼去解決問題，當年沒有軟件工程這樣的工種，有這麼一些聰明人在200年前創造了插秧機，因為它是蒸汽引擎，有現代化的設計，這樣就可以擴大我們的勞動力、工作能力，我們可以工業化生產。

或許一個農民是沒有辦法養活200個人，但藉助插秧機就可以，藉助蒸汽引擎的機器就可以。

這樣的機器在過去200年比比皆是。我們在過去200年裡突然有飛機了，我們可以在天上飛翔；我們有電話了，可以拉近人與人之間的關係，很短的時間我們造就了眾多的成就。關於這樣一個機器，我們從一個純物理性的解釋到大腦的能力提升。

工作場景也發生了變化。我們當年是在農田裡工作，現在在辦公室工作。在美國，75%的人都是在辦公室工作，當年我們在做體力勞動，現在我們就開始做腦力勞動。但是腦力勞動和體力勞動是有相似之處的，我想未來AI就可以針對腦力勞動，為我們的辦公室工作解決一些問題。

AI替代部分腦力勞動

我們說AI，最重要的一點就是機器開始學習——電腦可以開始自行學習，這可能是一個比較新鮮的事情，它是怎麼樣開始的？

首先，需要教電腦學會學習。讓電腦知道什麼是狗，什麼是貓，告訴它有100萬隻狗、100萬隻貓。它要了解怎麼區分貓與狗。我們可以通過給它們看圖片來區分貓和狗的差異，這樣使它更像人。

小時候你的父母會教你學很多東西，當時你並沒有辦法從父母那裡學到各種各樣的規則，世界充滿了可能性，需要小孩子去嘗試，小孩子會跌倒，在跌倒過程中不斷地學習經驗，現在我們處在一個新的時代，這個時代中計算機可以發現規律、發現模式，這樣它們就可以越來越聰明。

這背後當然還有神經網絡的左右，神經網絡在很多方面和人腦類似，左邊是一些圖片，這些圖片非常小，可能看不清，有一層又一層的神經元，神經元可以來處理圖片或者是圖象，這些圖象最終可以識別出人的表情，有一些人有鬍子，有些人在大笑，這就是我們的大腦分析信息的方式。我們的DNA非常少，但通過一點點DNA可以定義我們是誰，在DNA中有重要的信息來幫助我們識別出各種差異的特徵，小時候小孩子學語言的時候，他們從牙牙學語，到後來掌握了語言，在這個過程中他們不停地吸收新的信息、新的語言，逐步地適應，我們也要讓神經網絡這樣發展。

不過，1995年我做我的博士論文的時候，還沒有人研究這樣的網絡，當時計算機的計算能力非常弱，數據集也非常小，我當時用了很少的圖片來訓練網絡，現在你可以用5億張圖片來訓練你的網絡，但是在當時我的信息和資源非常有限。大家看這些圖片，左邊是老鼠的大腦，右邊是人的大腦，一個小的網絡學不了多少東西，就像老鼠的大腦，它比人的大腦小很多，1995年的時候，計算機的能力很弱，沒法學到很多的東西，現在計算機非常強大了，可以學到更多的東西，可以分析更多的信息，在未來可能更加瘋狂。

AlphaGo的例子大家都很熟悉了，電腦通過學習，讓擊敗最頂尖的人類圍棋選手成為了可能，類似的事情也正在其他領域發生。

比如醫療領域。醫療是一個非常專業的領域，需要很多的專業知識，你要當醫生，就要花很多的時間培訓，要學習很多知識，每一名醫生都是一個專家，即使在醫學中某一個分支要做得很好，也需要很多年的學習。

其中醫療領域技術要求最高的是皮膚病領域，皮膚病領域的專家的薪酬特別高，他們會研究人的皮膚的每一個狀況，黑色素瘤以及其它的皮膚癌症都可能帶來嚴重的生命威脅。這裡面需要做出很多的決定，這些皮膚病專家要做出人命關天的決定，在美國，這樣的醫生一年的薪水可達40萬美元，他們賺錢非常多，通常比一些CEO的工資都高。這些皮膚病醫生每天的工作很無聊，要用放大鏡來看人們皮膚上的斑紋——零級的黑色素瘤是沒有什麼傷害的，到了四級的時候就非常嚴重了，可能會擴散到其它的器官中，只需要8到10個月就可以擴散到全身，這時候你的狀況非常糟糕，四級的黑色素瘤可能會危及到生命。

在斯坦福，我的學生試圖利用AI讓皮膚病專家的工作更輕鬆一些。學生髮現了一些規律，他們找到了13萬幅皮膚病的切片圖片，這些圖片後來都拿來做計算機訓練，利用切片讀取，用來判斷人是不是有癌症。實際上這些圖片非常難分類，這裡前5幅是良性的，不會威脅生命，下面這些是惡性的，如果不治療的話，會出人命。這些圖片就可以用來訓練我們的計算機系統。要進行分類實際上有很多困難，哪些圖片代表惡性的，哪些圖片代表良性的，這就是皮膚病專家專業知識的價值所在。

大家如果看具體邊界，這些邊界是模糊的，但是模糊的邊界也有不同的特徵，在不同的邊界狀況下，我們可以做出不同的診斷，判斷出是不是會威脅到生命。

我們最終訓練一個神經網絡，你可以接觸到關於皮膚病或者皮膚癌症的各種各樣的信息，你可以拿到很多的信息，這些信息可能並不是相關的，在這幅圖上或許你可以找到所有的皮膚癌症，但是特異性如果是0，意味著特異性不足，這種情況下就不會造成皮膚癌。

最終，我們的這個神經網絡在判斷最危險的黑色素瘤方面，誤差率達到8%，這是一個哈佛、耶魯畢業的頂級皮膚病專家的表現，可能他們沒法都可以幫你看病，但AI可以。

AI會讓人類更富創造力

當然，這也意味著一些皮膚病醫生被替代，而且AI帶來的變革不侷限在某一領域，很多垂直、重複的腦力勞動領域，都會涉及工作被替代的問題。

比如出租車司機會被取代，因為無人駕駛汽車會改變美國10%的交通系統。還有貨車的司機，飛行員也有可能被取代，有些時候在惡劣的天氣下，可能無人駕駛的程序駕駛飛機比人員駕駛更穩定。

還有律師也有可能被取代，現在已經有AI系統用來做一個合同，這些已經可以取代律師做的工作。還有會計、信息搜索員、工程師，像在座的諸位，您的工作是否有重複性，有沒有可能被AI所學習？還有CEO會被取代嗎？我的工作是不是有一定的重複性？可能我不會被取代，然而我還是期待有一天AI可以取代CEO90%的工作，如果它能取代我90%的工作，我可能會更要效率地管理企業，賺更多的錢。

而且更關鍵的是，重複性的工作真的很爛。很多時候，我們會通過不停地做重複工作讓自己的能力越來越差。我們人類原本希望可以得到更好的東西，我們希望可以創造更好的事情，但很多時候在做重複性工作做多了之後，你的創新能力就會下降。

所以想到AI我就非常興奮，這是目前最重要的事情，它對我們會有很大的影響。

AI會讓我們從重複性的工作中擺脫出來，而轉入更多創造力工作的研究，為什麼我們還沒解決癌症的問題，為什麼我們還沒創造出一個會飛行的汽車？可能過幾年就會有，因為AI正在幫助我們從重複性的工作中解放自己的天性，解放自己的創意。