0
| 本文作者： camel | 2019-07-26 17:53 | 专题：CNCC 2019 |
洪小文博士是微软的全球资深副总裁，微软亚太研发集团主席，也是微软亚洲研究院的院长。因此洪小文如何看待人工智能，在很大程度上决定了微软（亚太）如何看待人工智能。
6月14日，受清华五道口金融学院、清华国家金融研究院、清华研究生院邀请，洪小文在清华大礼堂做了一场报告“智能简史及数字化转型的未来”。在这个报告中，洪小文再次展示了他的金字塔哲学。
为什么说是“再次”呢？因为雷锋网记者很早便开始跟洪小文的报告，发现洪小文博士从2015年在清华举办的“二十一世纪计算大会”起，已经在许多个场合讲述过他的金字塔哲学了。2015-2016年，洪小文在“二十一世纪计算大会”上提出“工具、智能、智力、智慧”的四层划分。2017年和2018年，他的报告中普遍采用的是“运算智能、感知智能、认知智能和创造智能”。
但据雷锋网观察，1）这次报告是历届报告中对其金字塔哲学讲述最为详细、完整的一次；2）似乎迄今为止，还没有任何一家媒体完整地解读过洪小文的金字塔哲学。
鉴于微软亚研在中国AI领域的重要地位，我们在这篇文章里解读一下洪小文的“金字塔哲学”。
洪小文从更广义的角度来理解智能，他将智能划分为五个层次放在金字塔三角形中，从下到上依次复杂。
处于最底层是计算和记忆力。在人类很长的历史中，神机妙算、过目不忘，都是非常聪明的表现。所谓神机妙算就是计算，而过目不忘就是记忆。但随着图灵机（或冯诺依曼机）的出现，CPU+存储，在计算和记忆两个方面已经远远超过人类。
其次是感知。人类社会中有一大部分生活内容是与感知相关。例如速记工作、车间产品质检、交通违规判断、人脸识别等。这些在传统上是极为消耗人力的。但随着最近这一波人工智能的崛起，计算机在这些方面的表现已经远远超越人类，在行业中许多依靠人类感知智能的工作正逐渐交由计算机来执行。
再往上是认知。所谓认知，即我们对生活中事件的理解、洞察、推理、计划、决策等，例如阅读一篇文章了解其核心观点，把一段汉语翻译成英语，公司领导需要依据市场情况做产品策略，我们日常生活也要做各种买和不买的决定。在这些方面，目前的人工智能已经有诸多突破，例如在阅读理解SQuAD挑战赛中人工智能系统已经能够超越人类水平，机器翻译方面计算机也能快速、大量且相当准确地完成任务（在某些特定领域甚至超越人类）。但这种AI认知只是基于大数据的推理，AI能够告诉我们结果，却不能说出其中的因果关系。此外，目前的AI系统大多还只能局限在特定封闭环境条件下的认知，对于广阔生活中开放的认知问题则力有未逮。
第四层是创造力。近年来深度学习可以用于“创作”，比如写诗、作画等。如果关注微软小冰的话，应该知道小冰出版过一本诗集《阳光失了玻璃窗》；而同样小冰也能够自己作画。但这些并不代表计算机真的有创造力，因为无论是机器作诗还是作画，其本质都只是大数据训练的结果，是基于已知创造已知，而真正的创造力则是基于已知创造未知。
最高层是智慧。目前还是人类的领地，计算机还无能为力。
从计算和记忆力、到感知，到黑盒封闭环境下的认知，目前的AI 已经做得很好了（超越了人类），在智能金字塔中，洪小文用紫色表示。而白盒开放环境下的认知以及创造力这方面，目前的AI与人类相比还差得远，金字塔中用绿色表示。至于AI还无法做到的智慧，则用蓝色表示。
可以看出，当前机器智能与人类智能的交界是在认知和创造力这个层面，目前的AI还处在“半认知”的阶段；之下，AI已经完全超越人类；之上，AI 还望尘莫及。
在当前AI这种智能条件下，自然无论对于个人还是公司，最恰当的做法应当是把机器善于做的事情交给机器，把人善于做的事情交给人。
在算力和记忆力方面，人类若想挑战机器无疑蚍蜉撼树。但在认知层次呢？
我们以决策过程为例。决策过程中我们要做的第一件事情，就先分析，然后做出一个决策，最后到实际的物理世界去做执行，并通过传感器收集数据，并反馈给数据库中。例如我们要控制一条河的水质，传感器能够测水质、执行器用于控制排放污水的开关。在没有互联网的时代，我们要派人专门去那里检测和控制排污，现在有了物联网，我们可以让机器自动完成。
事实上，几乎所有的事情（包括做社会心理学分析、做实验、做假设、做产品，或是做互联网都是如此），每完成一次闭环，就能够有所改进。如今，数据很容易取得，分析、决策的过程就是AI。如果我们有一个闭环，又有办法收集到数据，就可以实现自动化。
如今诸多AI的商业应用，简单来讲都可以抽象为这个闭环过程。蒂森克虏伯（thyssenkrupp）是一家做电梯的企业。之前他们遇到电梯故障，一般都是用户给维修人员打电话，维修人员先来收集一些数据，然后回到实验室分析几天，分析出结果后，再回去维修，这中间可能要隔好几天，甚至好几星期。而现在他们在电梯里安装了传感器，传感器能够收集速度、声音、温度等数据。系统能够根据这些数据（1）利用机器学习方法建模进行异常分析，当数据接近故障点之前派遣维修人员进行预防，可能只需要滴几滴油即可；（2）数据收集足够多时可以对不同的故障情况进行分类。
当然这并不代表AI可以做所有事情。我们在前面智能金字塔中已经讲过，AI目前仍然是不可解释的黑盒，且只适用于特定环境、封闭的系统当中。
黑盒和白盒认知的差别在于，它只告诉你what，但却不能告诉你why，当前的AI主要是基于大数据的模式识别推理，尽管它能给你一个看起来很好的相关性，但却说不出因果关系，因此主要是黑盒模式。
另一方面，生活中大部分的决策都是处在开放系统中，例如并购一家企业，它有许多外部因素，这些因素无法预测，也没有太多相关的数据，这自然无法完全交给AI来完成。人生的决策（例如报考大学）也同样如此。我们可以参考AI给出的结果，但是我们还必须依靠我们人类自己的认知。这既是AI+HI。所谓HI，即Human Intelligence，人类智能。
洪小文做了一个类比。脑神经科学家根据实验归纳了人脑的左右脑的特征，发现左脑更侧重逻辑、顺序、分析、数字化、理性等，右脑则偏向直觉、随机、综合、主观等。事实上计算机就是一个最好的左脑，因为它的所有程序都是人类设计出来的，都是人类逻辑、顺序、分析沉淀的结果，它所擅长的正是人类左脑的诸多功能。
所以AI+ HI，正是这种左右脑互相辅助的关系。我们需要“右脑”来做创造，来做智慧。在没有计算机以前，人类用左脑来完成计算，花大量时间小心推演，这就像走路；而计算机的出现，特别是现在AI的出现，相当于给了我们一辆车、一架飞机，合理利用这些工具能更快地到达目的地。
AI只是工具，它与人的能力是互补的。作为第一代与AI一起生活的人类，该如何利用好这个工具呢？洪小文认为，当前的AI是大数据驱动的知识，因此第一步应当是把传统人类所做的工作数字化，只有实现数字化才能实现智能化。因此我们事实上也处在一个数字化转型的时代。对于传统企业，在这样一个时代面临着数字化转型的迫切要求，否则无论在效率还是质量上都将没有竞争力。
这就涉及到一个概念，即数字孪生。这是美国空军研究实验室于2011年提出的一个概念，简单理解即物理世界的任何存在（无论是人还是物）都有一个数字孪生兄弟。数字孪生至少有两大意义：（1）预测。就像马达、机器、引擎、医疗器械，它自己在物理世界根本不知道快坏了，但在数据世界中的它，却能知道快要坏了，因此可以做可预防的维修；人看电影，自己不知道下一部要看什么，而自己的数字孪生却知道，并准备推荐一大堆电影。（2）模拟仿真。以无人车、无人飞机为例，它没有上路或在天上飞之前，一定要在它的仿真世界跑或飞几万小时，只有这样出去之后才会比较安全；一个公司、一个国家的政策，都可以用仿真的方法去做很多实验。
洪小文认为，微软在经历低落之后又能重回全球市值第一，其最主要的原因就是彻底的数字化转型，无处不在的计算——智能云以及智能边缘，让微软建立起自己的一个“数字孪生”的微软。微软CEO 萨提亚·纳德拉在《刷新》一书中详细介绍了微软公司在这方面的工作，例如包括客户沟通、公司运营、赋能员工等，数字化以及由此带来的AI推动，起到了关键的作用。
然而并不是所有的企业都能够成功地进行数字化转型。德勤的一份报告中指出，全世界90%的企业已经认识到数字化转型的重要性，但只有30%的企业认为已经开始数字化转型，而其中又只有15%的企业认为自己可以完成数字化转型。因此存在数量众多的传统企业面临着数字化转型的困境。不能积累有效数据，或者没有AI技术，或者没有高效的算力，这些都限制着传统企业在一个“AI+HI”的时代的发展。
基于以上的思考，洪小文（微软亚洲研究院）提出了“数字化转型即服务（DTaaS）”的概念，并于2017年成立了“创新汇”平台，利用微软的ABC（AI、Big data、Cloud）为传统企业做数字化转型服务（目前已经有许多成功的案例，感兴趣的读者可以在网上查查相关的信息）。这不得不说是人工智能时代AI落地的一个商业创新。
雷锋网报道
【CNCC 2019来了！】
10月17-19日，CNCC 2019 将在苏州金鸡湖国际会议中心举办，本次会议由中国计算机学会 (CCF) 主办，苏州工业园区管委会承办。
CNCC 全称为中国计算机大会，是我国计算领域规模最大、规格最高的学术、技术、产业交融互动的盛会。该会议创建于 2003 年，每年于不、特同城市举办，至今已成功举办十五届。会议形式包括大会特邀报告、大会论坛、技术论坛色活动及展览展示等。洪小文将作为本次大会的特邀演讲嘉宾参会并发表演讲，敬请关注。
如果你是个人参会，可以：
•通过官网cncc.ccf.org.cn参会报名
•申请论坛，作为论坛主席或讲者参会
•申请资助参会，申请者限边远地区高校青年教师或学生
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
专题
