谷歌无人车之父Sebastian Thrun ：如何看 AI 和人类未来？.doc

《谷歌无人车之父Sebastian Thrun ：如何看 AI 和人类未来？.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、谷歌无人车之父SebastianThrun：如何看AI和人类未来？　　前不久，优达学城（Udacity）联合创始人兼总裁SebasTIanThrun通过知乎Live，与中国网友进行零距离交流。　　　　SebasTIanThrun眼中的AI和未来世界　　AI，也就是人工智能，是现在硅谷最火的话题之一。人工智能的目标，就是要让机器像人类一样聪明，甚至比人类聪明。从历史的角度来看，大约300年前，人类发明了蒸汽机和农业设备，这些机器在物理层面上超越了人类的能力。　　而AI要做的，是让机器从智力层面上，也要超越我们人类。机器也可以变得很聪明，他们可以玩游戏，可以开车，可以开飞机，还有很多它们能做到的

2、事情。而目前最有趣的人工智能相关领域，就是机器学习。　　机器学习，是指机器从经验中学习的能力。同样，让我们对比着来看。当你为一台电脑编程时，你会事无巨细地告诉电脑在任何一种可能的情境下，需要做什么样的反应。现在的电脑程序，通常会有成千上万行代码，因为有成千上万种情况需要它们去处理。　　而一个程序员，需要足够聪明，可以预测到所有可能的情况，从而避免你的电脑崩溃。这也是为什么软件工程师的薪水都那么高。在机器学习时代，机器不再需要被一条一条的灌输指令，它们也可以被“教育”，就像人类的小孩获得的教育一样。我们教小朋友时，不是一行一行地把所有可能的行为指令都灌输给他们，而是让他们不断去尝试，跌倒，然后

3、站起来，从跌倒的经验中去学习。机器学习让也能够像小朋友那样，能够从经验或数据中学习，获得成长。　　我在人工智能领域探索了很长一段时间。说起来你可能不信，我1993年就写了一篇关于机器学习和机器人学的硕士论文。自从那时开始，我就为一个问题深深地着迷：机器到底能不能用和人类同样的方式去学习？　　2005年，距离现在十多年前，我参加了美国政府组织的DARPA超级挑战赛，一个无人车驾驶大赛。196个队伍参与角逐100万美元的大奖，而我当时在斯坦福大学的团队赢得了胜利。我当时是斯坦福人工智能实验室的总监，在Google的人工智能项目中也担任了同样的角色。在参加挑战赛时，我工作的核心，就是运用了机器学习

4、。Stanley是一辆会学习的机器人车。它能从数据中学习，有时它会从自己的经历和错误中学习，更多时候，它会学习人类司机的行为，使得它自己能够像人类那样去驾驶。最终，Stanley的学习模块，让它从196个队伍中脱颖而出，早2005年，以决定性的优势赢得了DARPA超级挑战赛。　　Google的无人驾驶车也会学习，而我们也遇到了同样的问题：在驾驶过程中，有太多的罕见情况需要去考虑，而无人车需要能够处理好其中的任何一种情况。所以，Google无人驾驶车最终在公路上驾驶了几百万公里来训练软件如何驾驶。人类和电脑的一个区别在于，学习的速度大不相同。举例来说，如果一个人类驾驶员犯了一个错误，他会从中吸

5、取教训，也许下次可以不再犯错。　　但是其他人并不会拥有同样的收获。如果是一辆无人驾驶车出现了错误，不但它自己会从中吸取教训，所有其他的无人驾驶车甚至是所有未来的无人驾驶车，也将从中获得新的经验。这意味着，一个错误就能训练世界上所有的无人驾驶车，无人车的学习速度远远超过了人类。这个区别将导致未来有一天，无人车驾驶将比人类驾驶要安全的多得多。这是人工智能和人类在学习上非常关键的一个区别，而且它也适用于很多别的领域。　　机器学习正在被运用于很多很多很多的领域。举例来说，医疗诊断。机器学习可以比最优秀的人类医生更准确地诊断癌症。在法律领域，最资深的律师，也会在寻找资料和起草合同上输给机器学习。当然，

6、还有互联网，Google和百度都因为机器学习的助力，可以用超乎人类想象的准确度搜索信息。还有很多其他的领域，比如会计、驾驶飞行器和玩游戏。　　前段时间，Google的AlphaGo刚刚在围棋上打败了世界冠军。而而这所有的人工智能应用都有一点相同：它们都会使用机器学习，从海量的数据中学习。如果你再观察一下机器学习，比如AlphaGo，会发现它能从成千上万个棋局中学习。没有任何人类的专家能够活那么久，去看完几百万个棋谱。这个区别，使得AlphaGo可以运用比人类多得多的经验数据，围棋水平最终超越地球上所有的人类。　　未来，人工智能对人类生活的改变，将和农业革命、工业革命带来的改变一样，让我们可以

7、变得更为强大。它将把我们从不需要动脑的重复性工作中解放出来，比如每天你在办公室中不断重复做着的很多工作。在未来，律师可以浪费更少的时间去寻找资料，花更多的时间去进行创意型的思考；医生的误诊将大大减少，他们可以更好地诊断人类疾病，可以花更多时间和病人交流而不是用来盯着皮肤组织样本。　　　　精彩问答　　　　Q：你是如何看待计算机视觉的未来前景的？　　Thrun：计算机视觉是人工智能中最激动人心的领域之一。直到几年