正文
很高兴来到这样一个场合，刚得知秘书长让我参加这个创新创业论坛时，我觉得和自己的身份有一点距离。我来自于企业研究院，不过从技术⻆度来讲其实有共通的地方，我所在的IBM中国研究院不断地制造新技术和新的产业方向，改变了我们公司，所以我想今天讲的一个话题是在1万米的高空从技术的眼光看看人工智能对于行业发展的变化，哪些关键的技术可能会被改变。那么既然讲到了，想给大家一点感觉，简单回顾一下历史。因为从历史上来看，计算机产业从过往来讲变化很大。大家也许不不太清楚，最早的程序员都是女生，或者是说多半是女生，原因是最早的程序员面对的是机器、是硬件，程序怎么编？通过一个硬件后面板子的连线，会连成这样，把连线改变，程序逻辑也就改变了。所以，编程实际上相当于硬件上通过连线来做，女性在这方面或许更有优势， 会更细致一些，有一根线松了或连错了，程序会出BUG了。
计算机自出现以来有很大的发展，它可以开始编程，用软件的方法来编程是很大的变化。最早的硬件计算机，能够做简单的计算，比如人工普查、导弹的弹道计算，所有东西都固化。当你写一个程序开始交流，这也带来了像PC或者是手机进入我们视线中，大大改变了我们的产业，所以现在的计算机是很强大的。现在有一个新的方式，我们可以通过计算机交流，这个交流方法是说我们除了有这样的程序以外，还可以通过训练一种模型，让计算机通过数据解决现实中的问题。所以，我们讲计算机其实是在过往100年间发生了很多的变化。
其实AI 也是一个老话题，2 000多年前的古希腊, 比如亚里士多德这些人，他们讲一些逻辑、辩证和思想，现代AI逻辑推理的思想最早可以追溯到他们。但是我们把AI用在计算机系统里面，这是计算机发明以后。早期很多发明的人用AI做很了不起的事情。70年代有人用AI做推理，如能不能把红色的三角形给我搬起来，也许上面还摆着一个另外的小物体，必须要把那个物体搬开，然后拿出来。在1973年有人用AI的技术去做画，这个很了不不起。我记得昨天的主论坛说到了计算机是不是能够有创造力，这个创造力是怎么来的。其实人们都见仁见智，但是有一点很有意思，多数的艺术家的艺术都说是来源于生活。他也是通过一些大数据，通过生活中的一些经历，或者说他小学比如说画画，要向很多的画学习，就是说他小时候做过很多的基本功。这种机器画画这件事，也做了很多，1973 年开始做。我们现在来看很多人用深度学习方法来做，也取得了很好的效果。比如，用深度学习去学习梵高画的模式，给他任何一张照片，都能画成梵高的状态。让机器来教书，教的是代数，可以看到在五六十年前以前，我们就试图让机器做一些像艺术家、老师的工作。所以如果这样来看，今天在讲我们AI，刚刚说把这些机器人放在这个酒店里去帮助酒店去送水、送东西，其实这些工作是一脉相承的，只是说今天我们可以做得更好。
最近也有很多有意思的事情，明天AlphaGo和柯洁下棋，机器在下棋这个问题上已经无数次证明过人的能力。最左上角这位老先生是我们IBM 的老前辈Arthur Samuel，1956 年写程序很难，没有高级语言，就是通过开关连线和打孔卡片来写程序，在IBM701上做算法、做国际跳棋。里面用搜索树的方法来做国际象棋的方式，那时好像已经有直播了，战胜的美国一个洲际的冠军，很了不起了。下棋这件事人们觉得很了不起的事情。小区里经常看到一些退休的老头下象棋下得不亦乐乎，越是年龄大可能越会觉得这个里面有很多的哲理。右上角的人也是很了不起的，Gerald Tesauro，他现在仍然在IBM研究院工作。在1994年他通过机器和机器自己下去优化西洋陆战棋棋局评估策略，其实这些技术和AlphaGo 的技术是一脉相承的，可以看到整个发展历程。下棋是很简单的过程，棋本身的规则很简单，输赢信息在台面上，所以对人工智能的很多人来讲，下棋是一个验证算法是不是有效的很好的方式。比方说，现在谈到了很多所谓的对抗神经元网络，可能很多都是因为AlphaGo做了很好的榜样，这是很有意思的工作。但是其他，随着搜索状况很多，信息公开的是能计算的；有一些信息很难计算，比如说语言是非常非常难计算的。语言的产生，最近研究语言学的同行做了一项有趣的分析。发现不同语言文字在大脑里的兴奋区域不同，这个关键字在这个区域，另一个关键字在脑的另一个区域，他们把结果画了一张图。人类历史到现在有几百万年，甚至上千万年时间，语言同样也进化了这么多年，自然语言理解这件事是非常非常难做的。2011 年时IBM 做过一件事，沃森试图解决其中一部分的问题，问答机器是不是能够做得比人好。结论是，沃森系统打败了人类比较好的专业选手，从这个角度来讲，好像我们离智能又近了一步。原因是说，即便图灵测试也是一个问答的场景，问答做得好，其实也打开了一扇大门。
