今天上午，WARE 2016 新硬件生态大会在深圳南山蛇口希尔顿顺利举行，包括深圳湾联合创始人程天纵、小米活塞耳机之父谢冠宏、Ayla Networks 艾拉物联联合创始人张楠雄在内的诸多硬件业界大佬，以及搜狗公司 CEO王小川、CSDN 创始人、极客帮创始合伙人蒋涛等互联网名人共同出席，见证新硬件领域行业创变。猎云网作为本次峰会的媒体合作伙伴，为读者及时带来最有价值的干货。
搜狗CEO王小川作为活动的第一位分享嘉宾，表达了自己对于人工智能领域机遇与未来的思考。
他认为，人工智能的前提是要理解深度学习，机器是模仿人脑去学习。在 1985 年，人类就提出了人工智能，但那时做不到，计算量太大，而现在技术已经成熟，主要表现在计算力的提升。在这样的背景下，要定位好自己。
人工智能的三个层次：
人工智能但凡与实践结合，是否就会降低人工智能的水平。人工智能有三个层次：
1.将传统规则教给机器
2.将答案教给机器记忆学习
3.将目标给机器自我学习
这是一个不断进化的过程
基于这样背景，什么样的人容易被取代？如果人类的工作环境相对封闭，工作结果的更加标准化，信息需求较少，那么这样的工作更加被机器取代。相反，认知边界越宽广，需求信息越多，这样的工作，就不容易被取代。
人最终是否会被取代？
想象力是目前机器取代不了的。但如果科学家，以创造生命的态度去做，那就不一样了，要理解这人工智能和创造生命这是不一样的概念。未来，人类是和机器一起的进步的，如果我们目标清晰、环境封闭，那么机器会代替我们一些繁重的活，把我们解放出来，技术会带来与人的融合，让我们生活水平提高。
以下是王小川分享要点记录：
今天我抬头第一眼看到咱们讲的是“新硬件生态”。我们在提一个词叫智能硬件，其实每次提到这个词我反而焦虑，我们有时候弄了没有想明白的词做这个事情，可能带来很多风险。就像我们很多公司在做一个技术，这个技术能做什么、不能做什么，没有判断，要么产生恐惧感，要么产生盲目膜拜，不知道有什么意义，可能投资或者做事就偏了。当我们回到“新硬件”反而给我留下空间诠释什么是智能。
今年3月8号开始的一周时间有一个Alpha Go李世石的人机大战，人跟最顶尖的科技公司进行了一场较量。这场比赛的赛前很有意思，我们回顾一下，但是Google一发布我就兴奋了，因为两年前我看到了他们的生物科学的发展，很可惜自己没有把气场攒起来，我跟清华的同事和实验室都提到这个想法，但是没有提做下围棋这件事情，说这件事情太难了。没有参与这件事情是挺可悲的事情，有很多朋友说你怎么积极的在这件事情，包括2月份就在知乎上写文件说Google会有，没有参与，围观总是可以的，所以这个事情参与了比较多心思。赛前的时候我发现大部分人看好，有两类人不看好，第一类人是围棋选手，尤其是参加世界大赛拿到9段的选手，包括聂卫平。我在五局棋里面参加了两局，我跟大家讲我对围棋理解不同，虽然知道规则，但是根本没有办法判断这个局面好不好，所以下棋比赛当中我就看一件事情就知道这个比赛人是否会赢。我就看教练的脸色，脸色越难看机器胜算越大，最后教练崩溃了，最后机器赢了。
我讲这个例子是，我们似乎面临一些威胁，曾经擅长的思考能力开始由机器侵入进来。一个围棋选手的情况就是一个机器把你的成功和引以为豪的东西替代的时候，这是一种什么恐惧。我想以后各位可能多多少少会经历一点，包括腾讯开始改BUG了，我们可能有这种压力。在这个比赛前，很多互联网的代表人物，甚至有技术代表的人都认为人会赢，机器赢不了，包括我们公司十几个人，我们一一去问，百分之八九十的人给我的答复是未来机器会赢，但是这次人会赢。他们认为下围棋会有区别，认为以后机器没有问题，但是现在时机不成熟，很不幸，最后机器确实战胜了人。我们当时记小黑板说不够情怀，即便做科技的人也没有想到这个这么突然，这是这个事情给大家的感受。
但是我想我们不要有恐惧或者有浪漫性的关怀，我们了解它到底能做什么、不能做什么，这对我们生活态度和工作有帮助。不是说这个东西到底怎么赚钱，很多朋友说到底是不是商业机会，我们究竟怎么理解这件事情，包括人自身的提升，我们对机器的了解可能会更加长远。
不知道大家有没有听过“深度学习”这个词。大部分都听过，因为这个词像Alpha Go一样，讲到了一个特别神秘的概念，就是机器的深度学习或者智能。深度学习讲的是两个概念，第一个概念是机器学里面用神经语言模拟人脑的语言模型做训练或者机器的识别，就是把你的输入变成向量，中间经过迭代做到结果。第二是迭代的网络结果很深，不是一层可以做到，需要多层。后来研究人员不断提升这样的模型。这个概念很早就提出来了，1985年这个理论就已经趋于成熟，它是反向传播，机器怎么进行训练这个已经有了。有了这个机器之后有一个问题，计算量太大，做不到。当时十几个结点的时候机器已经不够用了，但是现在最大的不是理论体系变化，而是计算力的提升。这也告诉大家，从人工智能到理论深度学习的做法，包括之前的这些机器的理解能力已经慢慢成熟，今天我们用的方法没有超过当年理论的框架和计算模式。这不是一个新东西。
发生了什么变化呢？其实变化在两件事情，一件事情是计算力的极大的提升。Alpha Go的机器计算力是深蓝的2.5万倍。第二个是我们采集了大量的数据，数据采集比较困难，现在有大数据之后，数据有多大？其实下围棋没有多大，基本上数据基本上用了30万台曾经下过围棋的用来做训练。没有互联网不敢想，有了互联网之后，国外下围棋的网站上已经有对应的数据，30万台，每一台大概100步的样子，所以一共3000万步棋做了训练。我们怎么把这个理论用来下围棋，这是Google的创新。第一件事情cnn网络（音），用点看图的方法来下棋，以前说棋子是逻辑分析，而不是网络。现在就像看照片一样看棋盘，因此机器有了棋感。最近五年有一个最大的提升是人脸识别，之前是完全不知道怎么样的事情，识别眉毛吗？识别眼睛吗？在座可能有写程序的，你想一下用什么规则去描述人的脸，但是今天我们用CNN图像的感觉做到了。所以Google的第一个创新是用CNN网络对机器进行描述，使得机器有了体感。第二个是把跟深蓝相关的搜索作为理性的方式，跟CNN的感性进行结合，这是第二件创新。第三件事情是用的强大的学习，让机器跟自己下，当机器变得聪明之后自己可以跟自己下，因此在这里面提升。这里面并没有带来理论界的突破，但是在创新应用里面做了很大的贡献。所以Alpha Go的胜利背后融合了工程师的重新能力在。
这件事情真正重要的在于什么地方？不是在于技术本身，而是所有人在关心我们自己的定位。我把这一周的活动比拟成原来几十年文艺复兴的结果。这样一个星期过去，我恍如隔世。大家知道一个星期机器是什么理解和态度，一个星期之后有了很大的变化。我们人和人的关系，包括我们看《圣经》，人和人平等了，距离拉近了。现在我们怎么看这台机器？比赛之前大家认为机器比较笨，什么干不了，比赛之后有两个重要变化，第一个是我们对机器的能力有了更高的评价，机器可以战胜人了。之前说我们看病的时候，你拍一个片子，机器告诉你做诊断没有什么病，我们难以接受，很不相信。现在机器告诉你一个什么结果，我们可能觉得比人还要准。但是能想到这个变化吗？我们机器因为这一个事件之后，对能力有一个巨大的认可。这使得我们更多的工程师、更多的创业公司、更多的资本会投向人工智能。我开玩笑讲A股人工智能概念可能延续了好几个涨停板，我们看到了人工智能的信仰。但是很巧的是Alpha Go不是五局都胜利的，输了一局，但是大家还是转不过劲儿来。它代表了整个围棋界的共同的胜利，就是机器变成另外的门派，我们还是有自己的尊严。想到二十年前的电影《独立日》，当时人类飞行员面临太空船的时候，把飞船开进去把太空船破坏掉，所以面对机器我们还有尊严。更多人，我们很多年轻人开始乘Alpha Go叫狗狗。我们想到年轻人90后或者00后会觉得机器人成为朋友，还有人叫阿老师。其实机器并没有到不可战胜的时候，第一是要相信它，第二要接受它。拒绝它很难，我们要接受它。这是我们整理人机大战的关键，到底我们怎么用、怎么跟它交朋友，后面会提到，所以这场启蒙运动很重要。
技术的进步有三个层次，不管是从软件硬件。这三个层次是什么呢？传统最早的是智能，其实是把规则交给机器。举个例子，我们做一个电饭锅、智能冰箱，它来干嘛呢？我们程序员要写程序，当温度到103度的时候我就跳闸。实际上我们可以把足够复杂的东西交给机器，把人类的智慧交给机器。很不幸的时候，老师讲学生如果把规则给他，他的能力会下降，所以这时候机器比人落后，智力少于人。还有一种情况，我们自己都不知道规则是什么，我们是用感觉。就像刚才讲的人脸识别，这是一个非常经典的问题。每个人都觉得很简单，可能脸盲吃力一点，但是大部分没有问题，不像大家学外语这么难，只是可能记忆力不好，识别没有问题。当把这个问题给机器的时候我们遇到了障碍，几十年里面在图像识别方面我们举步维艰，国外就有做过把这种数据分大类，每年进展非常缓慢，搞图像的人基本上找不到工作，因为不实用。很长时间里面人工智能跟理论是脱节的。我们前几年跟清华做人工智能的院士聊，说人工智能但凡跟实践结合就拉低水平，因为连接不上，但是现在不是，现在连接到一块了，为什么呢？因为我们到了第二个阶段，我们开始不用跟机器讲规则。深度学习的美妙之处是我们把问题和答案对应的交给机器，告诉他这是张三的脸，那个脸是李四的，不用告诉机器为什么他是张三或者李四。机器通过大量的数据训练就能够学会。就像我们教小孩一样，通过这些方法一步一步的展开，而在这里我们一并给到机器，图像和声音领域已经非常好了。去年开始图像人脸识别机器超过了人，准确率超过了人一倍。我们可以告诉机器答案，机器可以自己学习。这还不够，甚至有一些问题我们连答案还不够。我们说学围棋有3000万步答案，机器就学会了下棋的基本规则，把6段到9段的方法告诉它，它达到了6段水平。后来Google让两个机器随机下，下完之后不告诉你赢了还是输了，机器通过自己优化算法找到更好的答案。第二件事情是把答案给机器，第三个是告诉你机器给你一个答案，我评价答案是好或者不好。这是三个层次的进度。特别是第三件事情，像Google团队或者微软顶级的人里面，甚至可能有宗教色彩，当我们给机器一个目标，机器是否自己学会找规则和答案，我只给他目标，而不是告诉他怎么做，这是演进中很重要的一步。我看到一个文献，他们想重新训练一台Alpha Go的机器，一开始不是让它学习人怎么下的，一开始是两张白纸的Alpha Go，自己跟自己下，只告诉它目标是赢棋、输棋，看能不能训练出新的棋手。我觉得这件事情很有意义。一个人在中原学会了所有武功，把它融汇贯通，然后再进行提高。另外一个人从来没有来过地球和中原，来学武功，你说它的武功跟人一样吗？这是人类好奇的，看重新会长出什么智慧来。这是三个层次做的事情。
基于刚才三个层次，我们来想，什么样的职业、什么样的人本身的工作更容易被取代？我们可以看作是机会，也可以看作对自身的挑战。
容易取代的有两点，第一是你的工作和环境封闭。意味着做决策的时候，决策来源的信息是封闭的、有限的甚至是结构化的。比如说下围棋这件事情决策很封闭，只需要知道期盼上的规定就可以下决定。医生会难很多，医生会知道病人的病史和病人当前的状态；但是作为一个老师可能会面临更复杂的环境，做决策的时候信息来源可能足够开放，你的答案越标准越容易被机器取代。第二件事情定的是目标，第一件事情是你处理的信息的开放性或者封闭性。从这一点我们知道，有的决策信息需要的少机器就容易做，信息需要的做机器也能做。我们做好一个翻译或者一个作家，需要很多生活阅历，作家就是读万卷书、行万里路的做法。如此开放的环境对机器就是很大的挑战。反过来，如果这个开放答案跟你有关，机器就容易做到。这就是机器是否能做好、人是否会取代的一个标准。
回到人是否会被取代的问题，人是什么概念？人的目标是为了自己的生存或者繁衍，机器更简单，我做诊断，下一个棋，或者做一个语言识别。人已经到了很大的扩展空间，我们的机器只是在局限的空间去工作，主要看机器的训练空间多大，如果算法再好也不能脱离目标和机器适应的范围，所以今天的技术还远不到这一步，第二是我们不会去造一台机器给它设定一个目标怎么生存，也不会说适应环境有特别大的空间。我们即便有能力，也没有动力去制造一个能取代人的机器，我们不认为机器自己会演化出一种生存能力来。反过来，如果有野心勃勃的科学家要做一件事情，说要创造一个智能机器，这个机器有生存的概念，可以面对整个地球环境。其实我们不是在做人工智能，我们其实是在创造一种生命。所以这个概念大家想清楚，如果你朝着创造生命的态度去做，机器可能有一种生命意识，知道自己的存在。反过来，今天我们的做法大可以放心，我们做这些事情目标足够的简单，比如说Alpha Go机器，把棋盘从19×19变成20×20，人类可以理解和学习，但是环境变了，Alpha Go变得什么都不会了。
另外一个问题是想象力，区别于人和动物的。有一本书叫《人类简史》，这种历史发展是相关的，这也是一个路径，这是我认为人不会被取代的核心的两个判断标准。
人工智能和人是怎样的关系呢？有技术我们可能变得更强大了，但是也有可能技术让我们变得更弱了。在座很多人戴眼镜，眼镜是一种技术，当用了眼镜之后我们视力变得更好、更强大，但是离开眼镜我们更弱。我们要抛离技术之后看自己孤立的行不行，放下手机、pad、汽车交通工具是不是变强了？我们发现是变弱了。我们由于机器变得弱化，我们掌握了能源之后体力被取代了，今天的种植也被机器取代了。以后目标清晰之后，环境相对封闭，机器能做的时候我们可以交给它，我们可以利用Google做搜索引擎，通过手机变成千里眼、顺风耳，这是一个趋势。未来穿戴设备可能会变成植入，像Google眼镜，很多人眼睛不近视也会有很多人尝试，包括还有年轻的女孩子会整容，这些东西会带来新的植入。从这一点我认为人工智能与人融合会带来新的物种，你不用害怕，你问一个猴子你会变成人吗？通过我们对人工智能的理解和对技术的理解，技术可以带来与人的融合，可以把人的能力提升了，也可能把人的能力降低了，这是我们未来的进化。
