雷锋网AI科技评论消息，2019年10月17日上午，CNCC 2019正式在苏州金鸡湖国际会议中心开幕，雷锋网作为战略合作媒体，对大会进行全程报道。
在大会第一天，微软亚洲研究院院长洪小文在会上作为特邀嘉宾做了主题为“智能简史”的特邀报告。
洪小文博士在报告中阐述了他看待计算与智能的“金字塔哲学”，简单来讲即，计算和记忆力、感知、认知、创造力、智慧这五层依次向上、依次依赖、依次变难，现阶段的人工智能就在艰难地向上攀爬过程中。
在报告中洪小文也用通俗的语言解释了一些大众的认知误区，比如对于自动驾驶，目前人们认为是AI的一大典型应用，而洪小文指出，已经存在了一百多年的飞机的自动驾驶（auto-pilot）不被大众认为是AI，但汽车的自动驾驶就被大众认为是AI。以及，AlphaGo击败了柯洁、李世石，大众都认为这代表了人工智能击败人类的新的里程碑，而洪小文说这更体现出的是开发这个模型、组建计算基础设置的这群人类精英智力成果的胜利，人工智能想要媲美人类还有很远的路要走。洪小文博士指出“强人工智能很弱，弱人工智能很强”，因此我们在人工智能的道路上要勇敢进取，另一方面则还要审慎地从历史的角度来看待人工智能，避免泡沫化。
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。
洪小文博士认为，“我们是第一代与AI一起生活的人类，我们跟AI的关系，其实就是我们很忠实的仆人，说一就一，我们不希望它有意识，好好的做我们要做的事情，做我们让它做的事情，其实就是一个AI+HI非常和谐的社会。我个人觉得学习AI也让我对人类的智能有更深的一些了解，也是人类智能跟人工智能的共进化。”
雷锋网报道。
正在生成分享图...
我在思考中 