時間：2017-05-11 來源：互聯網 瀏覽量：
洪小文博士近兩個小時的演講+問答是從一本書開始說起的—《Thinking， Fast and Slow》。這本書的作者是一個諾貝爾經濟獎的得主，他把人類思考的行為分成兩大塊，一個是我們不假思索，一個是需要好好想一下的。根據這一理論進一步細分，洪老師提出有關 AI 能力的三個問題：
1. 感知：這是貓還是狗？——這是個不假思索的問題（Think Fast）
2. 認知：這是喜劇還是悲劇？——這個要好好想一想（Think a little bit Slow）
3. 決策：微軟是否要買下LinkedIn？——重大的決定（Think Slow）
感知：人工智能正在從各個方麵超越人類水平，幾行代碼輕鬆實現人臉識別
對於第一個問題，涉及語音識別、圖像搜索、圖像識別，人工智能已經解決的很好。洪小文提到2015年，微軟亞洲研究院的深度殘差網絡做到152層的時候，在ImageNet上的錯誤率隻有3.5%，低於人類5.1%的錯誤率。更不用說現在還有上千層的深度神經網絡。
在2016年COCO圖像分割比賽中，微軟亞洲研究院再次獲得了第一名，比2015年的成績（當時也是微軟第一）進步了33%，超過2016年的第二名穀歌的性能11%。
微軟對於這些認知、感知，將其做成微軟認知服務，裏麵有計算機視覺、語音識別跟自然語言識別，知識還有搜索，通過API的形式，讓學生們、老師們和各個開發者不需要掌握人工智能的專業知識，也可以開發出屬於自己的智能應用，從而把AI普及化。Uber、可口可樂都用人臉識別做很多東西。
洪小文還提到前兩年風靡的How-Old.net就是用微軟認知服務的API，它的人臉識別功能可以識別性別、年齡，而這個應用隻用了幾行代碼。
認知：大數據隨物聯網崛起，分析、預測、決定全麵進入自動化
洪小文介紹，我們有了物聯網隨時搜集數據，就會有更巨大的數據幫我們實現自動化。在控製係統中有FeedbackLoop的概念，其中包括驅動器（Actuator）、物理世界（Physical World）、傳感器（Sensor）、分析（Analysis）、決策（Decision）。
洪小文舉例到，例如想治理河流，先有傳感器檢測水質、之後再分析決定，每一次完成一個Loop都會進步。隨著更多傳感器隨時隨地收集數據，就能完成更多的Loop，係統提升就越明顯。人也可以用可穿戴設備形成這樣的係統，以隨時監測健康，提前預警健康問題。微軟目前和勞斯萊斯飛機發動機合作，進行飛機油量的自動化管理。不論是監測監控還是監控飛機油量，都是重複性的工作，非常適合AI做。
決策：AI黑盒無法承擔重大決策，AI+HI是終極智能形態
人有因果推理，而現在的AI是黑盒子，對於重大決策，我們不會放心交給係統做。這種非重複性任務，讓AI去做的價值值得商榷，同時複雜決策常常不是在一個封閉的係統中作推理，它的涉及麵太廣。
但是AI是否就無法為決策提供價值了呢？AI利用其大數據的處理分析能力，可以為我們推薦值得注意或者研究的點，但裏麵的道理還要人類自己去求證。正如微軟的AnnaTalk，用自然語言提問，係統給出初步的分析結果。AI與HI配合，可以讓我們做出更好的決策。
AI威脅論由來已久，人類早已朝著AI+HI共進化狂奔了
洪小文對AI報以樂觀的態度，並不認為AI真的會威脅到人。曾經1950年二戰結束不久，全世界的計算機用兩隻手就數的過來的時候，時代雜誌就開始宣傳機器威脅論。現在回想起來，蠻不可思議的。
洪小文提到他曾經最傷心的是小學一年級沒有被選進珠算隊，可是現在的年輕人沒有幾個會拚命學習珠算。所以人類在圍棋上被AI打敗也沒什麼好傷心的，就像現在也不會有人因為珠算算不過計算器而傷心了。
事實上智能的四個層級：感知、認知、創造力、智慧，人類被碾壓到1.5層，也就是說大多數常用感知、聽、看都被超越了。認知也有相當一部分被超越。
人類應當習慣，就像計算能力和記憶力，我們覺得機器比我們強是很正常的。我們其實早就朝著人類智能和人工智能共同進化的路狂奔了。
微軟硬起來，硬件做的比蘋果還好
洪小文說：“最近很多人說，微軟的硬件做的比蘋果的還好”。微軟的混合現實設備HoloLens馬上要在中國上市了。
蒂森克虜伯電梯公司的維修人員用HoloLens為電梯進行維修已經用了很久了。AI的確對職場工作產生了一些變化，但我們不是被取代，而是用AI做的更好。
AI=Augmented Intelligence
Human+Machine=Superman
洪小文認為人工智能確實很多方麵比人強，但是他也認為人的不完美可能正好造就了我們的創造力。
