機器學(xué)習將推動(dòng)下一次工業(yè)革命的到來(lái)

　　在1日舉辦的“全球思想盛筵-人工智能與人類(lèi)文明”上，圖靈獎獲得者、美國國家科學(xué)院院士、美國國家工程院院士John E. Hopcroft發(fā)表主題演講，稱(chēng)機器學(xué)習將推動(dòng)下一次工業(yè)革命的到來(lái)。

　　John E. Hopcroft認為，人工智能的許多項目還不能提取一個(gè)物品的本質(zhì)，或者是理解物品的根本功能以及其他重要方面。所以要想真正的具有全智能性還需要再進(jìn)行一次革命，讓我們看到一個(gè)物品能夠立刻理解。

　　John E. Hopcroft表示，AI現在還處在一個(gè)比較早期的階段，下一步可能還要花一段時(shí)間才能夠實(shí)現。AI不是唯一一個(gè)在驅動(dòng)革命進(jìn)程的一個(gè)技術(shù)基礎。大數據能力、互聯(lián)網(wǎng)、云計算、物聯(lián)網(wǎng)等等都提供了可用數據，這些都是驅動(dòng)因素。我們需要做的事情就是去決定哪些靈域是合適的，哪些是不合適進(jìn)入的。

　　在演講的最后John E. Hopcroft建言年輕人，考慮事業(yè)的時(shí)候要面向未來(lái)，這樣才會(huì )有更美好的明天。(澤宇)

　　以下為John E. Hopcroft演講實(shí)錄：

　　非常高興出席今天下午的盛會(huì )，我的主題就是人工智能技術(shù)的前沿領(lǐng)域，此次人工智能不僅影響了工業(yè)也影響了農業(yè)，首先我們發(fā)現在工業(yè)革命的時(shí)候所有的體力活都進(jìn)行了自動(dòng)化，這改變了整個(gè)社會(huì )和生活的運作模式。大家面臨這樣的問(wèn)題，人類(lèi)是不是能夠完成我們所需要的所有的食物和服務(wù)?工業(yè)革命這是我們思考的一個(gè)主題。

　　今天我想和大家分享的就是人工智能AI，它的背后是機器學(xué)習，因為機器學(xué)習會(huì )推動(dòng)下一次工業(yè)革命的到來(lái)。機器學(xué)習在過(guò)去的10到15年間，我們主要關(guān)注的是監督式學(xué)習，我們會(huì )去培訓所有的數據和一些標簽式數據，現在我們轉了一個(gè)方向做非監督式的學(xué)習。在這樣大的背景下，包括圖像識別，舉個(gè)例子我們走到一家商場(chǎng)中這個(gè)商場(chǎng)可以確定你需要什么樣的產(chǎn)品，你是誰(shuí)，可能還會(huì )幫我們找到一瓶我們需要的飲品，同樣我們也關(guān)注語(yǔ)音識別，比如給公司打電話(huà)可以直接給我們轉接到真人，這些日常生活場(chǎng)景都是通過(guò)自然語(yǔ)言處理實(shí)現的，我們可以閱讀這些文件和包括找到酒店信息，這些閱讀量哪些是有效的，大概50%都是非自然語(yǔ)言處理。

　　在美國我們通過(guò)立法之前通常有那么一段時(shí)期所有的公民都有權利和機遇提供他們的建議為該法提供建議。我們會(huì )有2萬(wàn)條相關(guān)的建議，但是政府既不能忽略也不能全讀一遍，所以我們需要一些機器找到一些正面、負面的意見(jiàn)進(jìn)行篩選。

　　同時(shí)我們也考慮到了無(wú)人駕駛，在美國總共有350萬(wàn)人工駕駛和相應的司機他們會(huì )失去職業(yè)，我小時(shí)候非常喜歡拉杠桿，比如當我們學(xué)習了整個(gè)簡(jiǎn)單的電梯的運行原理之后就不需要這樣的服務(wù)人員了。其實(shí)自動(dòng)駕駛一開(kāi)始要從卡車(chē)開(kāi)始，比如現在卡車(chē)司機在美國的話(huà)，他只能每天開(kāi)一段時(shí)間，是有時(shí)間限制的，假如說(shuō)自動(dòng)駕駛的卡車(chē)的話(huà)，卡車(chē)可以24小時(shí)開(kāi)著(zhù)不停。也許這會(huì )降低某些工種，但是同時(shí)也降低了生產(chǎn)卡車(chē)的數量，那背后的影響會(huì )涉及社會(huì )的方方面面。

　　現在，亞馬遜在布局自己的智能倉庫，也就是說(shuō)我們在進(jìn)入一家倉儲式購物中心的時(shí)候自己進(jìn)行遴選和結算。背后的助力是什么?就是人工智能。我簡(jiǎn)單和大家介紹一下人工智能的一些基本點(diǎn)。

　　首先在40年代的時(shí)候一位叫皮特斯的專(zhuān)家提出了神經(jīng)元的理論，從40年代開(kāi)始到現在，尤其在2022年會(huì )有什么事情發(fā)生?我們看未來(lái)的場(chǎng)景，在做圖片識別的時(shí)候，在圖片識別場(chǎng)景中有12億收集到的圖片在當時(shí)我們可以寫(xiě)一個(gè)電腦程序，我們會(huì )設計一些任務(wù)的模型來(lái)判斷究竟我們的算法怎么樣去處理這些數據和模型。在2012年的時(shí)候，當時(shí)的錯誤率是15%，2013年只是提高了0.2%，到2014年的時(shí)候錯誤率降到了6%。其實(shí)和2013年相比是一個(gè)重大的進(jìn)步，這也鼓勵大家利用深度學(xué)習在各個(gè)行業(yè)去實(shí)踐，成果也是斐然的。包括金融和其他的一些社會(huì )行業(yè)。

　　但是當時(shí)大家似乎不明白深度學(xué)習背后的邏輯，這就是為什么后續我們有很多這樣的基礎工作，又過(guò)了兩年谷歌地圖將錯誤率降到3.57%。最后我們去對比人類(lèi)的錯誤和機器的錯誤，其實(shí)人類(lèi)錯誤保持在5%，此時(shí)機器就超越了人類(lèi)。

　　這個(gè)時(shí)間節點(diǎn)上我們的網(wǎng)絡(luò )可以不斷的生成，可以生成為幾千個(gè)層級，監督式學(xué)習下我們加入一個(gè)圖片，在最后把圖片進(jìn)行分類(lèi)，有人會(huì )想做一些不同的嘗試，他們首先選擇一張圖片讓網(wǎng)絡(luò )通過(guò)訓練能重新生成圖片，通過(guò)圖片的生成我們可以了解在中間這些層級上他們會(huì )以更好的方式表現原圖。在這個(gè)節點(diǎn)上，我們有很多生成，假如說(shuō)這個(gè)圖片是一只貓，沒(méi)有人教這個(gè)程序什么是貓，這個(gè)程序自己決定了這是一只貓，它做出了準確的一個(gè)選擇，這就是非監督式學(xué)習的成果。

　　同時(shí)，還想跟大家介紹一下，在現代生活中的人們，我們感受到一個(gè)強烈的影響那就是生成對抗式網(wǎng)絡(luò )?，F在我們在寫(xiě)程序的時(shí)候希望加入一些圖片，比如說(shuō)我們想要輸入一張貓的圖片，想要生成這樣的圖片，但是有時(shí)候生成的情況非常不佳，所以工程師首先就找到了一個(gè)圖片的篩選器當你提供一張圖片的時(shí)候，不管是真實(shí)的還是合成的圖片它都可以加以判斷。同時(shí)這兩個(gè)對抗網(wǎng)絡(luò )平行運行，你把圖片生成器輸入圖片，此時(shí)的區別器無(wú)法區別真實(shí)的圖片和加工的圖片，但是通過(guò)反復的實(shí)驗，圖片的生成器可以生成一個(gè)最終合理圖片，可能聽(tīng)上去非?？菰?，只是生成圖片罷了。

　　那么我們看看怎么生成翻譯?通過(guò)A語(yǔ)言到B語(yǔ)言，比如從英文到德語(yǔ)，現在傳統的做法就是找到很多文本，這些文本可能是雙語(yǔ)的文本都能夠收集，我們來(lái)生成翻譯的文本，現在我們怎么做?我們去培訓一個(gè)網(wǎng)絡(luò )，它們在網(wǎng)上找到英語(yǔ)的原語(yǔ)，提供相關(guān)的德國語(yǔ)相對的單詞，不是一個(gè)句子，同時(shí)培訓這個(gè)區分儀，找到這個(gè)鑒別器進(jìn)行鑒別和培訓，然后你再找到另一個(gè)鑒別器，它輸入一些德語(yǔ)，然后生成一些句子，再然后你將這所有的要義都一塊進(jìn)行培訓，然后就可以讓它實(shí)現德語(yǔ)到英語(yǔ)這樣的一個(gè)翻譯功能。

　　怎么去還原成英文呢?就是利用鑒別器返回到英文，這些都是德英互譯，通過(guò)鑒別器實(shí)現的功能。

　　我們能做什么?假設我們有兩個(gè)任務(wù)，你可以同時(shí)訓練兩大網(wǎng)絡(luò )，可能大家會(huì )問(wèn)這兩大任務(wù)有什么共同點(diǎn)嗎?你需要做的事情可能就是其中兩大網(wǎng)絡(luò )會(huì )有一定的分享，如果你對整個(gè)網(wǎng)絡(luò )進(jìn)行培訓的話(huà)，比如說(shuō)這里這個(gè)點(diǎn)，它會(huì )了解到兩個(gè)任務(wù)之間的交集，下面的這些點(diǎn)能夠學(xué)習到第一個(gè)任務(wù)具體特殊地方在哪里。我畫(huà)了這張圖就是希望給大家展示一下，我們如何能夠利用這樣的一些訓練網(wǎng)絡(luò )?

　　為了保證我不超時(shí)，我講快一點(diǎn)當你訓練這些深度網(wǎng)絡(luò )的時(shí)候會(huì )發(fā)現它們有很多局部最小值，問(wèn)題是哪一個(gè)最小值是你應該采納的，哪一個(gè)數值可以給你帶來(lái)一些生成對抗能力。我們看一下人們是怎么想的，這里是你的訓練數據，上面縱軸列了訓練數據錯誤率，這是一條曲線(xiàn)，我這里箭頭指向了兩個(gè)極小值，兩個(gè)值不一樣，這個(gè)地方曲線(xiàn)非常寬，這個(gè)地方曲線(xiàn)非常陡，選擇哪個(gè)數值才能確定測試數字最大準確度，我建議大家選擇這個(gè)寬的，為什么呢?因為你的這個(gè)訓練數據它是隨機選擇的，從整個(gè)數據庫中隨機抽取。也就是說(shuō)，我們這個(gè)數據庫的錯誤功能會(huì )和這個(gè)數據功能沒(méi)有太大的區別，而這樣的一個(gè)曲線(xiàn)就代表的是我們測試數據的錯誤情況。你會(huì )看到這個(gè)錯誤的發(fā)展曲線(xiàn)它虛線(xiàn)和實(shí)線(xiàn)有一定的區別，它的錯誤率差別并不是很大。對于較陡的這個(gè)極小值同樣的橫坐標會(huì )發(fā)現兩大曲線(xiàn)錯誤值差別很了大，很多人在這方面做了很多研究，因為人們希望能讓這兩大網(wǎng)絡(luò )進(jìn)行壓縮，讓它們靠近。他們希望手機上就可以做深度學(xué)習，但是現在這樣還是有很大難度的。比如你選擇的是這樣的一個(gè)小網(wǎng)絡(luò )，并且希望能對它進(jìn)行訓練，準確的進(jìn)行分類(lèi)，你會(huì )發(fā)現這樣的訓練是很難做的。

　　如果你選的比較大的深度網(wǎng)絡(luò )再進(jìn)行訓練的話(huà)，我們看上面這里的激活空間，訓練小網(wǎng)絡(luò )它的激活量和上面深度學(xué)習激活量相比，明顯上面更優(yōu)，所以壓縮的時(shí)候我們選擇上面的可能性更大一些。

　　接下來(lái)給大家介紹一下所謂的激活空間。如果這里我輸入了一張圖片，會(huì )得到一個(gè)矢量，比如有200個(gè)激活矢量板，我把這些矢量對每一個(gè)圖像設置一定的關(guān)聯(lián)，然后得到這些不同的數值，我剛才談到了這里形成了這樣一張圖表，可能存在一個(gè)交錯的關(guān)聯(lián)。如果你有一個(gè)神經(jīng)元，然后和它通過(guò)矢量和圖像建立聯(lián)系的話(huà)，我會(huì )在兩方激活之間反復進(jìn)行交換，每一年我都會(huì )邀請中國大概30到50名學(xué)生，到美國康乃爾大學(xué)進(jìn)行交流大概一個(gè)月的時(shí)間，這一個(gè)月的時(shí)間中國學(xué)生要做一些研究，這些學(xué)生一般都是剛剛完成他們第一學(xué)年的學(xué)習，其中有一個(gè)學(xué)生拍攝了他眼中的康乃爾大學(xué)。他就問(wèn)康乃爾大學(xué)看起來(lái)應該是什么樣的，如果康乃爾是在中國的話(huà)這樣的大學(xué)校園應該是什么樣的?他就給我展示了他的一個(gè)藝術(shù)作品，他說(shuō)我接下來(lái)要做的事情就是找到其中的一個(gè)激活矢量，從康乃爾這張照片里找到一個(gè)矢量作為我圖像的內容輸入。

　　然后我再找到中國國畫(huà)這張圖片里面的矢量，然后看一下兩者的對比。他說(shuō)把兩個(gè)激活矢量進(jìn)行整合，這就是如果康乃爾在北京的話(huà)它應該有的樣子了，這是一個(gè)大學(xué)一年級的學(xué)生作的，他當時(shí)在我們學(xué)校交流關(guān)于深度學(xué)習的課程。

　　我覺(jué)得激活空間是非常大非常高的緯度，如果大家著(zhù)眼于所有貓咪圖片的話(huà)，它們的流型緯度相對較低，什么叫流型?這里面兩張照片大家說(shuō)都是貓咪，有人訓練網(wǎng)絡(luò )發(fā)現了貓咪，他后來(lái)又改變了一點(diǎn)像素，突然深度網(wǎng)絡(luò )提示說(shuō)這是汽車(chē)不是貓咪。所以如果大家利用深度網(wǎng)絡(luò )幫你開(kāi)車(chē)的話(huà)你可能就要小心了，而實(shí)際上這兩張都貓咪，你會(huì )發(fā)現人類(lèi)只是改了一點(diǎn)像素識別結果就不一樣了，其實(shí)這兩張圖片是一樣的，都是貓咪。因為相鄰兩個(gè)像素之間的關(guān)系不是有直接關(guān)聯(lián)的，所以對于機器學(xué)習來(lái)說(shuō)造成了一定的困擾。

　　我們再想一下剛才的所謂流型圖片，如果你有一只貓，然后你改變了它的激活矢量，你最后得出來(lái)的結果可能就會(huì )被定義為這張圖片顯示的是貓，這是正常的一個(gè)學(xué)習結果。

　　這里是我的家人拍的一張照片，這個(gè)照片里有很多基礎的物品，比如說(shuō)汽車(chē)、貓、狗等等，我當時(shí)過(guò)了幾天，我們家人一起出去散步，我的女兒當時(shí)跟我你看這就是我書(shū)本上顯示的消防車(chē)，她就指向了這個(gè)物品，回想了當時(shí)讀到的照片，網(wǎng)絡(luò )就是一樣的道理，我們有數以萬(wàn)計照片對機器進(jìn)行訓練讓它們理解怎么區別兩張不一樣的照片。

　　如果大家看照片的話(huà)，到底能學(xué)到什么?我們來(lái)看一下，這個(gè)照片樹(shù)枝是不會(huì )飛走的，鳥(niǎo)是會(huì )飛走的，這就給我們一個(gè)提示，大家做處理的時(shí)候要讓這些移動(dòng)物品和背景進(jìn)行分離，有許多這樣的物品。每次我做類(lèi)似演講的時(shí)候都會(huì )面臨一個(gè)問(wèn)題，有人總會(huì )問(wèn)我，AI到底是真正的全智能的嗎?答案就寫(xiě)在第一行里，在目前這個(gè)階段，人工智能它主要指的是圖像識別，是在高緯度的空間的圖像識別。人工智能的許多項目它現在還沒(méi)有能夠提取一個(gè)物品的本質(zhì)，或者是理解物品的根本功能以及其他重要方面。所以我覺(jué)得要想真正的讓它具有全智能性的話(huà)還需要再進(jìn)行一次革命。

　　我曾經(jīng)看過(guò)人類(lèi)每一次革命的間隙，我看到了人類(lèi)隨著(zhù)進(jìn)化的過(guò)程，比如說(shuō)從智人的發(fā)展到至今，我們花了十萬(wàn)年的時(shí)間才有了農業(yè)等等，每一次巨大社會(huì )變革速度都是越來(lái)越快的，基本都是以10倍的速度縮短每一次革命，工業(yè)革命到現在已經(jīng)是300多年的時(shí)間了，我們覺(jué)得下一次的工業(yè)革命這樣推算下去的話(huà)可能要花40年的時(shí)間，那么下一次革命將會(huì )是什么領(lǐng)域的?我猜有可能是我們看到一個(gè)物品的時(shí)候能夠立刻理解它的功能。

　　放了這樣一張照片，大家如果訓練過(guò)網(wǎng)絡(luò )的話(huà)，它能夠經(jīng)過(guò)訓練識別圖片的話(huà)，比如說(shuō)火車(chē)或者是發(fā)動(dòng)機等等，然后你突然把這張照片給到機器，那它接下來(lái)會(huì )做的事情可能是對這張圖片進(jìn)行分類(lèi)。比如說(shuō)它會(huì )說(shuō)這是有一些東西放在上面的一般的卡車(chē)等等。如果你仔細看的話(huà)，再仔細一點(diǎn)，他們可能會(huì )發(fā)現這里有一個(gè)發(fā)動(dòng)機，可能有的時(shí)候沒(méi)有外在的殼體，他們慢慢的還會(huì )逐漸理解，它有點(diǎn)像一般的機動(dòng)車(chē)運作原理是一樣的。好像和我們的貨車(chē)機制比較相似，它們是逐步通過(guò)識別一步一步靠近答案的。 我想說(shuō)的是AI現在還處在一個(gè)比較早期的階段，下一步可能還要花一段時(shí)間才能夠實(shí)現。我們還不知道下一步要怎么做，目前還沒(méi)有理清思路，當我們著(zhù)眼于一件東西的時(shí)候，大家不要只看它的外在，它的形狀，相反，你要提取它的本質(zhì)。比如說(shuō)這個(gè)物品你看到了它有了視覺(jué)，它的功用是什么，目的是什么，怎么使用，然后才能實(shí)現很多的事情，可能是現在我們無(wú)法完成的事情。 還有，AI不是唯一一個(gè)在驅動(dòng)我們現在的革命進(jìn)程的一個(gè)技術(shù)基礎。我們的大數據能力、和互聯(lián)網(wǎng)、大計算，物聯(lián)網(wǎng)等等都提供了可用數據，所有這些都是可用的驅動(dòng)因素。我想提出的一點(diǎn)就是我們需要關(guān)注有一個(gè)概念關(guān)于早上提到的安全和隱私，隱私已經(jīng)受到侵犯了。我們需要做的事情就是，我們去決定這個(gè)領(lǐng)域哪些是合適的，哪些是不合適進(jìn)入的?

　　給大家舉個(gè)例子，我們發(fā)現在我的汽車(chē)里，實(shí)際上我去到哪里都有一個(gè)GPS定位，然后我看一下我過(guò)去3個(gè)月期間行車(chē)記錄儀記錄著(zhù)我去了哪里，我發(fā)現它不僅是一些有趣的回憶而且是非常有用的信息，那么最后得到什么答案呢?我們的GPS導航系統雖然給我提供了很多信息，但是它總是會(huì )讓我行車(chē)都是在一些主路上，不太希望把我導航到一些形狀不太規則的小路上。但是本土的這些司機他們非常熟悉路況，知道怎么開(kāi)車(chē)，所以每一次你在開(kāi)車(chē)的時(shí)候我們的GPS公司可以下載你的這些相關(guān)的導航數據，如果他們利用你的這個(gè)具體實(shí)際開(kāi)車(chē)情況對于系統進(jìn)行改良，能夠提高1%的結果的話(huà)，可能就會(huì )給他們省下很多錢(qián)。

　　我不知道我的這些GPS記錄有沒(méi)有被下載，因為我可能需要查一下這些公司只要知道了我晚上車(chē)停在哪里就知道我在哪里工作哪里購物，這是不希望導航公司知道的事情，這就是隱私的問(wèn)題。

　　當然，圍繞著(zhù)隱私其實(shí)還兩個(gè)背后的原理，第一個(gè)就是零知識批復，就是我們要不要給對方一個(gè)批準?比如說(shuō)我們是不是需要提供給公司關(guān)于我個(gè)人的一些信息?比如我的病史都在網(wǎng)上可以找到，假如有一天我在中國生病了，醫生可以直接在網(wǎng)上下載我之前的病史為我提供更好的治療方案。

　　換一個(gè)方面，我的保險公司我很不希望他看到這一切，因為保險公司不需要了解這么清楚，他們不需要知道我看過(guò)什么醫生接受過(guò)什么樣的治療，保險公司他們只需要一個(gè)數字上的批準。比如多少醫生等效多少錢(qián)，多少保金?，F在已經(jīng)有很多相關(guān)從事批準技術(shù)上面的工作，他們可以獲得任何人的病史，可是我希望他們只需要讀到數據，而不是任何關(guān)于個(gè)人的描述?，F在有很多研究人員都在做這方面的準備工作。

　　我想我要重復AI的一點(diǎn)本質(zhì)，因為AI的確是下一次工業(yè)革命的推力，它會(huì )改變我們的生活和相關(guān)的生活方式。作為國家就應該清楚的了解多少人，多大的比例能夠獲得就業(yè)崗位，能夠支持他們的家庭。假如說(shuō)大部分人沒(méi)有工作的話(huà)，他們不能夠在家無(wú)所事事，你怎么幫助大部分職業(yè)人從事有意義的工作?這是政府和國家層面需要考慮的。

　　此外這些發(fā)展中國家的出路何在?有人覺(jué)得以后世界上只有兩大國家受益于人工智能革命，那就是美國和中國。因為這兩大國家有足夠的投資金額，也有足夠的信息量，他們會(huì )直接去變現，但是對于絕大多數發(fā)展中國家他們會(huì )緩慢的增長(cháng)，他們的整個(gè)生產(chǎn)體系會(huì )日益復雜和冗余。那么我覺(jué)得我們必須要思考，從長(cháng)遠來(lái)看怎么幫助這些發(fā)展中國家找到出路。

　　假如他們不能參與新一輪人工智能的話(huà)，那么世界人口會(huì )越來(lái)越兩極化，世界經(jīng)濟和政治都會(huì )不穩定。

　　最后一張幻燈片我就提到了，這些人口、這些企業(yè)和這些國家他們會(huì )越來(lái)越意識到世界級的變化，他們也會(huì )發(fā)現自己該怎么樣去獲得人工智能新一輪紅利。我想跟大家分享一下我的職業(yè)生涯，我之前是做電子工程的，當時(shí)我在年輕的時(shí)候還沒(méi)有計算機工程。我在普林斯頓大學(xué)念的本科，當時(shí)一個(gè)教授讓我直接教計算機的課程，我反問(wèn)他我教什么?因為沒(méi)有這個(gè)課程，我當時(shí)沒(méi)有意識到其實(shí)教課過(guò)程中會(huì )讓我成為世界上第一個(gè)計算機科學(xué)家，正是因為這個(gè)機遇，美國就非常關(guān)注一些資深的計算機科學(xué)家，我就被當選了。其實(shí)當時(shí)我年齡不大，我們總統給我打電話(huà)，他想評選我為全國科學(xué)委員會(huì )的會(huì )長(cháng)，大家可以考慮一下，假如說(shuō)我是做高等物理學(xué)的，我就等著(zhù)退休就可以了我就沒(méi)有這個(gè)機會(huì )了。

　　所以通過(guò)這個(gè)例子告訴在座的年輕人，如果我們考慮事業(yè)的時(shí)候面向未來(lái)的話(huà)就會(huì )有更美好的明天!

　　田薇：謝謝!請稍等一會(huì )，您剛剛說(shuō)到了一定要定位于未來(lái)，請問(wèn)怎么定位未來(lái)?

　　John E. Hopcroft：我知道所有的一切都在細節，細節決定一切，大家思考一下未來(lái)，思考一下變革。同時(shí)我們要想，假如有一天為企業(yè)打工，那么企業(yè)只是過(guò)去150年才來(lái)到工業(yè)時(shí)代的，之前是沒(méi)有企業(yè)的。之后也不會(huì )有企業(yè)，所以請大家思考一下，未來(lái)的變化會(huì )是什么?變革會(huì )是什么?我想要精神一點(diǎn)點(diǎn)，其實(shí)我把自己的定位就是信息推動(dòng)者、信息革命者。

　　大家在找工作的時(shí)候如果想人只有一輩子，想到要享受人類(lèi)的方方面面，大家就不要做一些不喜歡的工作。大家一定要找到自己的樂(lè )趣所在。

　　田薇：不光有總統給定打電話(huà)，也有學(xué)校給您打電話(huà)。同時(shí)有來(lái)自于悟空問(wèn)答上面讀者的問(wèn)題。他們知道您來(lái)中國的時(shí)候，幫助中國科學(xué)家了解算法、了解計算機，來(lái)幫助當地的工程師和學(xué)生的時(shí)候，大家都非常激動(dòng)。主辦方也選了幾個(gè)問(wèn)題，我可以代主辦來(lái)問(wèn)這幾個(gè)問(wèn)題。

　　第一個(gè)問(wèn)題，現在A(yíng)I已經(jīng)推動(dòng)了一次革命的發(fā)展，它會(huì )迅速改變我們的生活和生活模式，那么AI究竟歸為我們帶來(lái)更多的社會(huì )成就，比如像社會(huì )公平，還是說(shuō)往相反的方向去演進(jìn)?

　　John E. Hopcroft：我覺(jué)得答案是否定的，在未來(lái)的15年。為什么我會(huì )說(shuō)不對呢?因為現在探討的是深度學(xué)習。深度學(xué)習并沒(méi)有思考圖片以外的一些種類(lèi)，這個(gè)問(wèn)題可能我們需要了解更多復雜的原理才能夠回答?？赡苁窃谙乱淮?，所以這種復雜的問(wèn)題要放到下一代，而不是未來(lái)短期。

　　田薇：下一個(gè)問(wèn)題，眾所周知，我們都非常關(guān)注生成對抗網(wǎng)絡(luò )，因為這將會(huì )持續變革和演進(jìn)，但是文本卻是條例分明的，您覺(jué)得生成對抗網(wǎng)絡(luò )能不能應用到文本中呢?能不能兩者結合，它為未來(lái)能夠帶來(lái)更高質(zhì)量的文本?

　　John E. Hopcroft：我覺(jué)得已經(jīng)用上了，可能不是高質(zhì)量的文本，可能在文本中是有所使用的。我的演講只是簡(jiǎn)單處理了一下文本，當然深層次學(xué)習還可以用到很多行業(yè)，不只是圖片還有文本。但是我們的生成對抗文本和卷積神經(jīng)網(wǎng)絡(luò )還有點(diǎn)不一樣。