韦青：巨变的时代，每天都是起跑线-凯发k8国际首页登录

作者：韦青

来源：北大纵横

今天非常高兴跟大家交流一下关于《深度学习》这本书的体会。我看完这本书之后非常喜欢，希望借这个机会和大家介绍一下这是一本什么样的书，我们该以什么角度看待这样一本书，在这个大时代背景下我们怎么理解这本书出版的意义，这本书背后的知识将为我们带来的新的看法。

这本书是业界大拿出的书，作者本人经历非常丰富。他是学物理的，同时还学生物科学，研究神经网络。他的背景像业界知名的人工智能专家学者，他们的研究都是覆盖多个领域。一方面以数学为主的，以数理化为主的科学领域，另外一方面以医学、生物学、神经学为主的领域，两者结合恰恰反应了这个时代的潮流。

以史为鉴，重新认识科技进步

在全球范围内由于技术的进步引发的新话题层出不穷，我们不断接收到新的理念。越来越多的公司和人发现，人类开始进入“无人区”，没有一个大思想家或者大哲学家能够告诉我们未来会怎么样。所以人们产生了很多争论，关于人工智能的争论，关于机器智能的争论，关于机器人的争论，关于技术和人类关系的争论等等。

去年10月份微软公司ceo萨提亚的一场非常有名的演讲上说，未来没有人引导我们，那么我们可以以史为鉴，看看历史上发生过什么。最有代表性的就是第一次工业革命到第二次工业革命之间，由蒸汽时代进入电气化时代。我把这个阶段总结为四种态度和四种结局。当时有很多有影响力的全球性的公司，他们用蒸汽力量代替人的四肢。但当电气出现的时候，绝大多数公司态度是看不起电，因为开始的阶段电的效率并不够高。

第一类公司的想法是电力不行，效率低，没有未来，蒸汽力量足够了，一百年之后他们被淘汰了。

第二类公司放下一些包袱，认为电是新生生物，也有潜在发展的可能性，但是仍然坚信蒸汽机的力量，坚信只要对蒸汽机进行改良一样可以保持竞争力，这些公司也被淘汰掉了。

最可惜是第三类公司，他们已经放下旧的生产力，开始拥抱新的生产力和形成新的生产关系，但是思维方式没有改变。他们认为自己全面拥抱电气化时代，已经产生比蒸汽机时代超高的效率，更低的成本，但是他们还在跟蒸汽机相比，这些公司最终也被淘汰掉了。萨提亚在会上提到，我们做了一些粗略的分析，只有不到5%的公司在那个时代完成了转型和飞跃，真正进入了电气化时代。

当时大部分企业对于电气化的观念只是能点多少盏灯，或者生产线能够提高多少效率。只有5%的公司选择彻底放下包袱，忘记什么是电气，什么是蒸汽，而是把它们都当成是工具。这些公司要的就是进入新的时代。这代表更高的效率，更低的成本和更优秀的用户体验和产品品质。

通过历史上的事件可以发现，我们现在对未来的任何预估都是不足够的，都可能没有完全估计到未来的冲击力。

在五六十年前，全中国人民都有一种对未来社会的憧憬——楼上楼下电灯电话，这在当时来说是非常具有前瞻性了。当时的人们认为已经看到了最终最理想的社会，但是几十年之后再看，当时的憧憬并没有那么远大。从人类从开始考虑到用电到电的普及，已经有一百多年的历史。我们发现电不仅仅可以点灯，不仅仅可以驱动电器，不仅仅可以驱动电机，甚至还可以有计算机，还可以驱动一辆汽车，电力比原来的内燃机要更加高效、更加可靠和更加优秀。

我们跟客户的交流中也有思考，是否需要做思维的转变，才有可能真正理解这一轮技术变革是怎么回事。如果我们还抱着老的观念，抱着产生问题时候的观念，我们真能够理解这个伟大的时代将带给我们的辉煌未来吗？我们是否需要先把我们认为的所有成见都放掉，然后再来看现在的技术到底怎么回事？我们也知道深度学习只是机器学习、人工智能的一部分，我们要把深度学习的包袱也放下，扩展到我们进入的这个时代来思考。

不管从1956年的达特茅斯会议，还是更早的图灵时代、冯•诺依曼时代、香农时代，他们都有对于人工智能的理解，都有对于计算机到底能做什么事情的理解。我们并不是直接进入了机器学习的时代，中间还有一个阶段是希望通过逻辑的关系。我们知道都有一种服务if this then that，也就是ifttt。这种服务充能够理解人的逻辑思维。比如说if我饿了，then我要去吃饭。if我是北方人，我饿了，then我愿意吃的是面而不是米饭，用这种方式试图解读人类决策机制。后来发现比较困难，一些专家认为这条路走不通，所以选择用模仿脑神经的机制来做决策，通过这种思路才有了今天这本《深度学习》的诞生。

现在很流行说云时代要结束了，未来几年都是边缘智能时代，为什么？其实这和学习能力也是相关的。在某种意义上可以把人类看做是一个发电机，我们之所以要吃碳水化合物，还要呼吸氧气，是因为我们在以氧化的形式进行燃烧，产生能量、产生电力。我们之所以看到东西其实不是真的看到，而是把光子变成电子，大脑去分析电子产生视觉，听觉也是一样。

由此开始，一批科学家开始探究人如何学习，怎么高效学习。虽然作者是深度学习和机器学习的专家，同时他也是人类学习的专家。这本书也是教人类怎么学习。我们业界很多专家学者始终想和广大受众强调，不要把机器能力神话，机器自始至终都在充当代替人的某种机能的角色，目的是减轻人的某种负担。

在历史上的某个阶段，古人类开始发现和使用工具，比如用骨头或者石片可以敲东西，完成手完成不了的能力。著名的科幻电影《2001太空漫游》中有一个非常著名画面，猿人忽然有一天发现可以拿骨头去敲另外一个骨头，可以把别的骨头敲碎，这就是人类历史上大的进步。他就发现这个骨头不仅可以敲骨头，也可以敲肉，可以敲瓜果，敲野兽，也可以用来防身。那时候人类发现，原来可以拓展四肢的能力，利用外部工具去提高自己的能力。

工业革命之后，人类发现不仅靠传统的工具，还可以靠各种机械的力量代替人类的四肢。我们现在不会无聊到说在肌肉能力方面还可以跟机器一拼，比如去和一辆汽车比赛跑步，应该没有人会这样做了。其实不仅是肌肉的机能，我们连计算的机能都都已经被淘汰掉了。有没有人可以马上开7的3次方？应该没有。我们可以十几块钱买一个计算器，计算器就可以做到。我们为什么对这种现象不会抱恐惧心理，而对人工智能抱有莫名其妙的恐惧心理？

我们能不能抱着这样一种态度，不是仅仅了解深度学习，而是通过深度学习了解机器学习的原理，通过机器学习原理了解人类学习的机制，进而了解人类智能的运作机制，然后才能够深刻理解人和机器智能特点分别是什么。

取代我们的不是ai，而是被ai赋能的人

最近也有媒体报道提到，经过14年努力，微软回到了市值第一，几星期之后可能亚马逊又变成了市值第一。这恰恰反映了萨提亚说的特点，这个时代只尊重创新。你昨天是专家，如果你不赶上时代潮流，明天肯定就不是专家了。现在是一个末日感比较强的时代，大家总担心错过机会机会输在起跑线上。巨变的时代，没有起跑线的概念，每天都是起跑线，稍微一放松脚步就会被人超过去，这个时代是压力很大的时代，同时也是机会很大的时代。

理解时代特点，我们要了解深度学习，了解机器学习，进而了解人类学习特点，但是更重要是什么？我们要号准时代的脉搏，要知道在这个时代要采取什么样的态度和策略，才能够跟上时代的脚步。我们既不要成为时代的弃儿，也不希望成为烈士，我们最希望成为一个先行者。这个时代最大特征就是机器从代替人的四肢开始，已经于无声处开始代替人的大脑，甚至会慢慢代替所有能够出现模型的人类能力。明白这一点我们才可以理解所处的时代。

面对深度学习和人工智能的发展，一种人选择放弃自己，一种人会产生绝对的抗拒心理，不去主动拥抱这种能力，这都是有问题的。因为这种能力确实很强大，你不去拥抱的话，有可能被去拥抱这种能力的人类所淘汰掉了，被他们产生降维打击的能力了，这个其实很危险的。与其说是机器或者人工智能，或者机器智能会代替人，倒不如说掌握了机器智能人类变成一种超人类，他们会把不具备这种能力的人类所代替掉，或者所降维打击掉。作者特伦斯的良苦用心是希望我们做一个合格的地球人。为什么不是说作为一个美国人或者中国人？因为地球上的人类都面临这样的挑战，都面临我们如何跟机器智能相处，如何提高我们能力，才能使我们具备更高的能力来应变这个时代的挑战。人工智能带来的这种降维打击还是很强大的，如果我们不认真的应对，去努力学习，并且去积极拥抱这种能力，有可能就真的被降维打击了。

技术是拿来用的，而不是拿来吹和炒的

很多业界专家都有这样的感受，现在媒体对人工智能的炒作过热，反而让广大读者，甚至是决策者失去了去这件事的核心把握。人工智能的核心实际上就是机器学习的能力，就是一种机器智能。现在主要表现方式是深度学习，但并不意味着我们曾经尝试的符号学，用逻辑推理的方式其实并没有过时，只不过还无法实现。现阶段深度学习取得了巨大突破，引领大家进入到新的未来。新的未来里面会不会是深度学习和其他人工智能、机器学习的方式共存的方式？我们并不知道，所以我们不要排斥这种观点，尤其不要认为现在就是深度学习这一种学习方式。未来应该是人类的学习能力、机器学习能力、深度学习能力和逻辑推理能力是共融共生的阶段，这可能是更加客观描述未来时代特征的一个方面。

智能时代之前的深度学习要靠数据的堆积去学习和驱动。但是现在的数据既不够大，也不够好。虽然我们有很多数据，但是并不算真正的大和好。大数据的概念并不是多，我们数据结构和数据来源没有形成万物互联的社会，物联网没有布设到，5g没有到位，可能数据不够那么多，不够那么好。支撑万物互联的基础架构恰恰是一个云计算的架构。所以倒着讲是智、大、物、云，正着去演绎是云、物、大、智。

如何理解人工智能

如何理解人工智能我总结了四点：首先，一定要应用。如果我们去学了“学会如何学习”的课程就会发现，现在最流行的方式是problem-based learning，就是以问题为导向的学习，以实际解决问题方案的学习。未来是终身学习的时代，不存在大学毕业之后就不学习了。如何终身学习？一定要带着问题去学，这样学得越来越深入，学得越来越有用。人工智能也是一样的，它是一种学习的过程。学习不能为了学而学，一定是问题为导向的。

我的第二个观点就是，深度学习的发展不仅仅要靠数学的进步，不仅仅要靠计算机科学的进步，还要对人类自己的神经、脑神经、传输神经、感知神经的理解，才能知道是怎么回事。

现在我们每个人有基础的学习能力，机器学习也是一样，只是通过开放的接口开放学习的通用能力。未来每个人一定要在通用能力之上，掌握行业的学习能力，才能够真正为人类带来更大的福祉。

第四点就是要真正产生深度学习能力，我们需要有数据，需要有人才，还要有算法和算力。像微软这样专业公司可能会提供更强大的算法和算力，更多的公司需要在人才培养，数据收集上面下很大功夫，这样才能产生互动的促进作用。数据、人才、算法、算力这四者缺一不可。每一方面在未来都巨大的商机，正是因为我们即将进入智能社会，商机恰恰不是只在智能本身，而是各个方面。

没有专家的时代，每个人都要终身学习

最后我还有两个观点。我用盲人摸象的寓言来举例，这个时代是没有专家的时代，我们每个人都在学习。不存在输在起跑线上，因为每天都在新的起跑线，我们只要不放弃学习，不放弃自己，不要认为我到了某种年纪或某种地位，我就不去学了，也不要因为我是学文科或者我是学理科的我就不要再学其他的知识。未来需要的是天天学习。因为这个伟大时代还没有来，我们最多是摸着大象的其中一部分，所以每个人都有可能成为最终摸到大象整体的那个人。

第二点，正是因为这个时代没有专家，同时也是没有所谓的公理的时代，每一个理论都有可能成为当时可行的理论，但是并不意味着能够成为永远的理论，永远成功的法则。我们要去学习，不要唯各种专家，不要唯新，更重要唯实，你自己去试，小马过河，水是深浅只有自己知道。听别人说可以，包括我现在讲的，这也只是我在微软这么多年的体会和理解，并不代表所有人体会和理解，尤其不代表是否是正确的。我们不妨能够自己去试一下，大胆去试发现原来水既不像a说得那么是深，也不像b说的那么浅，对你来说最适合的就是最好的方法。

最后以比尔•盖茨先生的这段话作为结尾：“人们大都倾向于高估他在一年内所能完成的事情，但又容易低估他们坚持十年后能够取得的成就。”大家一定要明白，第一没有专家，第二没有起跑线，第三每天都在重新更新有新知识新理念出现，我们先不要放弃自己，同时把握最基本的对自己的自信和信念，认真学习。