央廣網(wǎng)北京3月1日消息 經(jīng)濟(jì)之聲《天下公司》傾聽全球欄目播出特別節(jié)目《燒腦季》，每天半小時(shí)權(quán)威科學(xué)家演講，火星移民、量子計(jì)算、人工智能、基因編輯、區(qū)塊鏈，燃燒你的大腦。

　　如果我今天跟你說人工智能可以變成機(jī)器界的數(shù)學(xué)家陳景潤，估計(jì)大多數(shù)人都不會(huì)感到非常的驚訝，可是今天我要跟大家說的是，在未來的5-10年之中，人工智能它可能變成機(jī)器界的郭德綱，又幽默，又風(fēng)趣，而且還很睿智，人工智能還可能變成機(jī)器界的黃菡，也就是大家在《非誠勿擾》節(jié)目中知道的黃老師，她有很高的情商，她既懂人心，懂感情，這些看似很科幻的事情是如何能在未來的5-10年之內(nèi)一步一步的變成現(xiàn)實(shí)，也就是今天這個(gè)節(jié)目我要向大家介紹的。

　　我介紹一下，我是微軟小冰首席架構(gòu)師以及研發(fā)總監(jiān)周力，我自己是在北京大學(xué)本科畢業(yè)，在美國的南加州的博士，從畢業(yè)之后十年以來一直在微軟工作，最近的三年一直在負(fù)責(zé)微軟小冰這個(gè)項(xiàng)目的研發(fā)，三年前開始進(jìn)行聊天機(jī)器人方向嘗試的一個(gè)產(chǎn)品，直到今天它已經(jīng)在中國、日本、美國三個(gè)市場上擁有8000多萬個(gè)用戶以及它進(jìn)行了幾百億次的對話的嘗試。今天跟大家所要介紹的是人工智能的情感與理智。

　　其實(shí)智商的角度來說，大家都知道，在十年前，在國際象棋上人類就已經(jīng)被機(jī)器擊敗了，唯一剩下的人類在硬智力上的一個(gè)優(yōu)勢就是圍棋也被計(jì)算機(jī)突破了，在更早以前，比如說人的記憶的能力，計(jì)算的能力可能在一九四幾計(jì)算機(jī)剛發(fā)明的時(shí)候，人類已經(jīng)遠(yuǎn)遠(yuǎn)地被計(jì)算機(jī)拋在后面，可是在那些涉及到情商的各種的話題中，和人之間它是通過對話進(jìn)行交流的，那么一個(gè)計(jì)算機(jī)，如何能跟人，不是通過鼠標(biāo)、鍵盤或者觸屏，而是通過一個(gè)交談，通過交談來進(jìn)行交流，這件事情還是非常的難。

　　比如計(jì)算機(jī)現(xiàn)在的階段，大家都對它的認(rèn)識(shí)還是一個(gè)冷冰冰的一個(gè)工具一樣的東西，它如何變得更加有溫度？它如何去理解幽默，理解有趣，如何變得有血有肉？這也是一個(gè)很新的話題，計(jì)算機(jī)和人在情商方面還有非常非常遙遠(yuǎn)的距離，我們首先先想說最近這幾年中，人工智能這些技術(shù)產(chǎn)生的這個(gè)飛躍，到底代表了什么？從我們來看，事實(shí)上這些人工智能的革命中，包含了第一個(gè)我們管它叫大數(shù)據(jù)，就是說一個(gè)大的商場，它的購物架是怎么去擺放，我哪些物品促銷，這些東西都會(huì)得到大數(shù)據(jù)的支持，然后讓它把它的商業(yè)價(jià)值發(fā)揮到最優(yōu)，這是我們過去5-10年內(nèi)取得的一個(gè)突破。

　　第二個(gè)技術(shù)突破，大家其實(shí)聽了這個(gè)名詞也會(huì)很熟悉，就是“云計(jì)算”，以前我們完成的各種任務(wù)，多數(shù)都是在我們自己的電腦上，那么現(xiàn)在我們手機(jī)上很多很多大家熟悉的應(yīng)用的一些程序，它更多的計(jì)算并不是在我們手機(jī)本身，而是把它放到了一個(gè)很大的一個(gè)數(shù)據(jù)中心中集中進(jìn)行計(jì)算，在那樣的數(shù)據(jù)中心中，其實(shí)我們可以接觸的數(shù)據(jù)幾乎是無限的，我們能擁有計(jì)算的能力也是幾乎是無限的，它就為人工智能帶來了更大的一個(gè)想象的空間。最后人工智能的一個(gè)核心的進(jìn)展，這就是深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)。但是人工智能之所以最近這幾年之中能有突飛猛進(jìn)的進(jìn)展，其實(shí)它很重要的原因，是我們在深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)中產(chǎn)生的一些突破。

　　計(jì)算機(jī)模擬神經(jīng)網(wǎng)絡(luò)

　　神經(jīng)網(wǎng)絡(luò)本身這個(gè)學(xué)科，并不是這幾年才剛剛出現(xiàn)的，事實(shí)上，我們退到80年代就已經(jīng)有人提出了神經(jīng)網(wǎng)絡(luò)的概念，它的主要的思想是去模仿人的大腦神經(jīng)的結(jié)構(gòu)，像仿生學(xué)一樣去盡量地接近人的思維的過程，人的大腦的皮層它在進(jìn)行思考的時(shí)候，主要是靠一個(gè)一個(gè)神經(jīng)元以及每個(gè)神經(jīng)元之間互相的鏈接組成的一個(gè)網(wǎng)絡(luò)。

　　我們在外界得到一些刺激，比如聽覺或者視覺或者觸覺得到什么刺激的時(shí)候，我們的神經(jīng)元中有一股股電流去穿過這個(gè)神經(jīng)網(wǎng)絡(luò)，每一個(gè)神經(jīng)元它收到一部分的電流它自己都會(huì)進(jìn)行一部分的處理，不同的電流傳導(dǎo)到其他的神經(jīng)元，通過這一個(gè)一個(gè)神經(jīng)元的傳輸，又把它用電流又控制，比如說人的語言，人的動(dòng)作，人的表情把它變成輸出，這個(gè)是在人的大腦的生理的層面產(chǎn)生的事情。

　　計(jì)算機(jī)的神經(jīng)網(wǎng)絡(luò)實(shí)際上是希望把一個(gè)普通的計(jì)算，變成一個(gè)又一個(gè)神經(jīng)元的節(jié)點(diǎn)他們通過形成了一個(gè)網(wǎng)絡(luò)之后，通過一些復(fù)雜的計(jì)算，模擬人類思維的過程，讓人工智能像人一樣進(jìn)行思考。

　　坦率地講，十年前我還在美國讀博士的時(shí)候，當(dāng)時(shí)大家看的這個(gè)神經(jīng)網(wǎng)絡(luò)的這個(gè)學(xué)科，大家都覺得是一個(gè)挺虛幻飄渺的一個(gè)，沒有什么太多真正能應(yīng)用到實(shí)際的學(xué)科，因?yàn)槟莻�(gè)時(shí)候我們的計(jì)算能力，我們數(shù)據(jù)的復(fù)雜度所能支持的這個(gè)神經(jīng)的網(wǎng)絡(luò)的復(fù)雜度，遠(yuǎn)遠(yuǎn)要比人腦的這個(gè)復(fù)雜度要低的多得多，它能做得事情非常的有限。

　　十年來，因?yàn)槲覀冇辛烁�好的大�?shù)據(jù)的支持，我們也有了更好的云計(jì)算的支持，我們就取得了這個(gè)突破。神經(jīng)網(wǎng)絡(luò)它本身能夠支持的復(fù)雜度，已經(jīng)開始接近人類的大腦，那么這個(gè)時(shí)候我們就發(fā)現(xiàn)它可以處理一些以前只有人類能做的事情，比如說它看懂一個(gè)畫面里到底哪一個(gè)物體是什么樣的意義，像剛才我看了一個(gè)圖，我把它分成幾萬種其中這樣的一個(gè)任務(wù)。

　　它在神經(jīng)網(wǎng)絡(luò)中需要幾十個(gè)層的神經(jīng)網(wǎng)絡(luò)，每一個(gè)層都有數(shù)百個(gè)節(jié)點(diǎn)，節(jié)點(diǎn)中，一個(gè)節(jié)點(diǎn)和另一個(gè)節(jié)點(diǎn)有10個(gè)甚至更多的連接，他這個(gè)里面每一個(gè)連接可能涉及到幾十萬或者幾百萬個(gè)不同的參數(shù)，需要進(jìn)行去學(xué)習(xí)，這好像人類從出生到擁有更多的知識(shí)，它其實(shí)是一個(gè)漸進(jìn)的學(xué)習(xí)的過程，他們每一次我看到一個(gè)新生的事物，我在神經(jīng)元和神經(jīng)元的連接上其實(shí)都會(huì)發(fā)生一些生理的調(diào)整。

　　生理的調(diào)整在我下一次得到電流的輸入中我的輸出會(huì)有所不同，這個(gè)是人類學(xué)習(xí)的過程，內(nèi)在生理的原因，轉(zhuǎn)到計(jì)算機(jī)上，當(dāng)我看到了很多數(shù)據(jù)的時(shí)候，我會(huì)不斷地會(huì)調(diào)整我在這些神經(jīng)網(wǎng)絡(luò)中這些參數(shù)的值，把這個(gè)值調(diào)大一點(diǎn)把那個(gè)值調(diào)小一點(diǎn)，就不斷地會(huì)去改進(jìn)自己的算法，讓它越來越接近它所需要學(xué)習(xí)的這個(gè)目標(biāo)。而這個(gè)像這樣有幾十萬或者幾百萬個(gè)參數(shù)、神經(jīng)網(wǎng)絡(luò)，它可能至少需要幾千萬或者上億個(gè)訓(xùn)練的數(shù)據(jù)，比如說有上億個(gè)圖片，我才能開始學(xué)會(huì)像人一樣去觀察一個(gè)物體，這也就是為什么大數(shù)據(jù)和云計(jì)算，他們的發(fā)展才能讓人工智能和深度學(xué)習(xí)，到今天突然越變成為可能，因?yàn)樵谥�前我們沒有那么多的數(shù)據(jù)，也沒有那么強(qiáng)的計(jì)算能力，能訓(xùn)練出一個(gè)如此復(fù)雜的神經(jīng)的網(wǎng)絡(luò)。

　　人類語言豐富，機(jī)器要如何學(xué)習(xí)

　　人的語言其實(shí)是一個(gè)非常非常復(fù)雜的東西，理解一句話本身很難，因?yàn)槲业拿恳粋�(gè)詞匯其實(shí)都有很多很多的意思，我同樣的一個(gè)想法，可能會(huì)有成千上萬種不同的表達(dá)的方法。那么計(jì)算機(jī)理解這一句話的本身，都是一個(gè)很難的事情，更不要說，接下來會(huì)說什么，人和人交流之間，我每一句話和下一句話之間其實(shí)包含著許多思維的跳躍，這個(gè)里面的跳躍計(jì)算機(jī)是如何能去學(xué)會(huì)的呢？

　　從現(xiàn)在的技術(shù)來講，所使用的方法就是他去逐漸的去學(xué)習(xí)、模仿人類如何進(jìn)行對話，因?yàn)槲覀冊诨ヂ?lián)網(wǎng)上事實(shí)上能看到不管是論壇里，或者比如說記者的這個(gè)采訪的筆錄里，我們能看到非常多的人類和人類之間，對話的范例，一個(gè)人的問和一個(gè)的回答來去訓(xùn)練對話的神經(jīng)的網(wǎng)絡(luò)，它就開始擁有一個(gè)基本的可以跟人類去對話的一個(gè)能力，因?yàn)檫@個(gè)神經(jīng)網(wǎng)絡(luò)它可以做到舉一反三。

　　人類的詞匯事實(shí)上是無窮無盡的，英語大概要有600萬個(gè)詞匯，中文，雖然比如說《康熙大字典》中只有五萬多個(gè)字，但是我們知道，漢字一個(gè)和一個(gè)組合起來能生成非常非常多的新詞，我們的這個(gè)詞不是一個(gè)一一成不變的固定。

　　NBA、克利夫蘭騎士或者是說詹姆斯，這些都是一些熱門的詞，那么我們可能在談及到這些NBA或者詹姆斯的時(shí)候，我們比較容易找到大家去談?wù)揘BA，談?wù)撜材匪沟囊恍�對話的歷史，然后我們可以去學(xué)習(xí)它的對話的模型�？墒羌偃绫热缯f這時(shí)候有一個(gè)用戶提到伊曼?香珀特，他是一個(gè)在騎士隊(duì)沒那么有名的人物，所有我們看到的對話的歷史中并沒有很多的數(shù)據(jù)提及過這個(gè)人物，計(jì)算機(jī)應(yīng)該如何進(jìn)行這樣的對話呢？

　　事實(shí)上計(jì)算機(jī)他可以把任何的一個(gè)詞匯或者一句話把它映射到一個(gè)多維的空間之內(nèi)，學(xué)過幾何的話，都知道一個(gè)二維的空間中，它就可以變成一個(gè)X和Y兩個(gè)數(shù)值的坐標(biāo)，在三維空間中，它就可以用三個(gè)數(shù)字來去表示，一個(gè)人類的語言來說，我們通常會(huì)用一個(gè)更高維的，比如說1024維的一個(gè)空間，去表達(dá)一個(gè)詞或者一個(gè)句字。

　　我們在對話中我們可能很少能看到香珀特信息，幸運(yùn)的是各種的網(wǎng)頁、新聞，還有新聞的報(bào)道，他們雖然不是以一個(gè)對話的形式出現(xiàn)，而是以一篇篇文章的形式出現(xiàn)，它的數(shù)據(jù)的充裕的程度可能是對話的一百倍或者一千倍，怎么去計(jì)算這一個(gè)新的詞和已有的這些詞匯，有什么樣的聯(lián)系？

　　它適合哪一類我們已知的詞，更多的在同一篇文章出現(xiàn)在一起，還是向沃特，在對話中從來沒有出現(xiàn)過，但是我們在一些體育的報(bào)道中，我們會(huì)經(jīng)常地發(fā)現(xiàn)他和詹姆斯、NBA或者克利夫蘭騎士的這些詞同時(shí)出現(xiàn)在同一篇文章中，他可能很少會(huì)跟相對論，量子物理這樣的詞匯同時(shí)出現(xiàn)在同一篇文章，我們通過統(tǒng)計(jì)學(xué)就可以推論出，雖然我以前沒見過，但是它在非常大的可能性和NBA或者跟詹姆斯相關(guān)，那么我們在這個(gè)1024維的語義的像樣的空間中就會(huì)把它標(biāo)到一個(gè)跟NBA和詹姆斯非常接近的一個(gè)點(diǎn)。

　　反過來像相對論，量子物理，還有一些可能大家不太聽說過的，比如說薛定諤的貓，他們由于都跟物理有關(guān)，所以他們也會(huì)在這個(gè)1024維的空間當(dāng)中相對地聚集在一個(gè)比較的密集的小球里，這個(gè)時(shí)候我可以利用這樣的像樣的空間，我去尋找一些相近的概念，相近的詞匯，有一個(gè)用戶今天抱怨說今天這個(gè)香珀打球真是打得太差了，怎么投怎么沒有，我并不知道香珀特是誰，但是人工智能可以回復(fù)說一般詹姆斯發(fā)揮不好的時(shí)候，其實(shí)都會(huì)輸球，雖然我不知道香珀特本身是誰，但是又是一個(gè)很合理的回答，有這樣的回答之后，人工智能可以在任何可能的話題，可能的回答中，它能盡量地給你一個(gè)相對合理的回復(fù)。

　　人工智能如何向有趣邁進(jìn)？

　　人工智能如何去學(xué)會(huì)有趣的，如何像郭德綱這樣的目標(biāo)去邁進(jìn)，坦率地講有趣和幽默這件事情哪怕對于人類來說都是一個(gè)非常非常復(fù)雜的概念，因?yàn)橹�識(shí)的原因或者是因?yàn)槲覀兩�活背景的不同，我其�?shí)很難理解這個(gè)笑話為什么好笑，機(jī)器來說這確實(shí)是一個(gè)更加復(fù)雜的工作。有一個(gè)人說你為什么皮膚那么黑，有兩種可能的答案，一種是說黑是因?yàn)槠つw下黑色素積累了很多，這樣的一個(gè)回答讓人覺得很冷。但可能還有一個(gè)回答說，不想白活一輩子，這個(gè)可能是一個(gè)相對比較腦洞大開的回答，可是至少從語義上我們很難說這個(gè)黑色素的沉積和我不想白活一輩子這兩個(gè)回答中到底哪個(gè)是更幽默的，哪個(gè)更有趣，這對于計(jì)算機(jī)來說這是一個(gè)不容易判斷的事情。

　　人工智能其實(shí)發(fā)現(xiàn)了一種迂回的方法，可以讓它學(xué)會(huì)什么是幽默，什么是不幽默，人工智能它自己本身有一個(gè)優(yōu)勢，能接觸的對話的量遠(yuǎn)遠(yuǎn)要比一個(gè)人要多得多得多，它可以同時(shí)和幾百萬個(gè)用戶進(jìn)行聊天，所以它會(huì)有更多的機(jī)會(huì)，我不斷地嘗試在這樣的語境下，當(dāng)我回答是黑色素的沉積用戶會(huì)是什么樣的反應(yīng)，通過大量的聊天，雖然計(jì)算機(jī)使用了一個(gè)跟人理解的幽默相對不同的一個(gè)策略，但是它漸漸地就會(huì)學(xué)會(huì)，我可能在這樣白活一輩子這樣的時(shí)候是一個(gè)更好的一個(gè)回答，一個(gè)更幽默的一個(gè)回答。

　　人工智能如何理解情感？

　　一個(gè)議題就是計(jì)算機(jī)它如何去理解人的情感，因?yàn)槲覀冎�道人的情感事�?shí)上是非常復(fù)雜的，喜怒哀樂完全不能涵蓋人的情感，比如說我們還有羨慕、嫉妒非常得多，而且人類很多的情感是互相交雜的，比如說我們有哭中帶笑，有又愛又狠，計(jì)算機(jī)如何能理解這樣的情感呢？我

　　們的研究通常是從理解生物學(xué)和理解人的情感的本身入手，七幾年的時(shí)候?qū)嶋H上就有心理學(xué)家提出了一個(gè)模型，他認(rèn)為人類的情感事實(shí)上都可以近似地在一個(gè)三維空間中得到一個(gè)表達(dá)，這三個(gè)維度分別是我的愉悅度，激活的度，統(tǒng)治的度，我一個(gè)生氣的情感，近似的把它表達(dá)成我的愉悅度負(fù)的51%，我的激活度，人類這個(gè)身體中產(chǎn)生的這個(gè)荷爾蒙是正的56%，而我的統(tǒng)治度對它的環(huán)境或者是其他的人之間互相關(guān)系的程度我認(rèn)為這是正的25%，通過這樣的方法，我其實(shí)可以以任何的一種感情，近似地在這個(gè)三維空間的三個(gè)數(shù)值，計(jì)算機(jī)它就會(huì)比較擅長地進(jìn)行數(shù)值的計(jì)算，表達(dá)的情緒都綜合起來的時(shí)候，那么我最終得到了一個(gè)值也就是這個(gè)當(dāng)前人的情感的狀態(tài)。

　　當(dāng)它做出在對話中做出一個(gè)反映的時(shí)候，這個(gè)問題又變得更加復(fù)雜了，因?yàn)椴⒉皇钦f我看到你在哭，我也哭，或者我看到你在生氣，我也一起去生氣，這絕對不是一個(gè)很好的情感的對應(yīng)的策略，這個(gè)互聯(lián)網(wǎng)的對話中和在整個(gè)的這個(gè)大數(shù)據(jù)中，有很多很多的例子可以讓機(jī)器去學(xué)習(xí)怎么樣是一個(gè)應(yīng)對的方法，比如說對方在郁悶的時(shí)候我可能應(yīng)該給他講一個(gè)笑話，更復(fù)雜的事情是每一個(gè)人和另一個(gè)人各不相同，學(xué)會(huì)用不同的策略對應(yīng)某一個(gè)人，才能達(dá)到更好的一個(gè)情感計(jì)算的效果。

　　每一個(gè)人事實(shí)上他擁有的交流數(shù)據(jù)是非常非常少，學(xué)習(xí)整個(gè)一個(gè)人類它可能有幾億甚至更多的數(shù)據(jù)，可以讓我們?nèi)ビ?xùn)練這個(gè)神經(jīng)的網(wǎng)絡(luò)，但是每一個(gè)人我們擁有的數(shù)據(jù)只有幾百句，我們其實(shí)有一個(gè)叫轉(zhuǎn)移學(xué)習(xí)的技術(shù)，就是當(dāng)我們學(xué)會(huì)了一個(gè)人類的共性的時(shí)候，在這個(gè)神經(jīng)網(wǎng)絡(luò)，可能它最底下的幾十層我們都建立起了一個(gè)模型，那么當(dāng)一個(gè)新的用戶出現(xiàn)，我們只有他寥寥的幾句話的時(shí)候，我們可能需要一種技術(shù)去重新訓(xùn)練這個(gè)技術(shù)網(wǎng)絡(luò)最上面的一層，這樣的時(shí)候我們可以通過人的寥寥的幾句話，迅速地判斷出這個(gè)人可能在真正的大的人群中屬于哪一種類型，利用學(xué)習(xí)整個(gè)人類情感的表達(dá)和反饋的這些知識(shí)，我可以把一個(gè)更好的策略，運(yùn)用到每一個(gè)的個(gè)體上，這樣它才能變得更加有情商，能變得更加知心。

　　場外提問

　　1024維度體現(xiàn)在坐標(biāo)上它會(huì)是什么樣的？

　　周力：“應(yīng)該人類自己想象的力，能算是一個(gè)二維的空間或者是一個(gè)三維的空間，一個(gè)1024維的空間，那就是說要用1024個(gè)數(shù)字來表示，人的思維其實(shí)是很難去想象的一個(gè)這么高維度的空間�！�

　　人工智能計(jì)算機(jī)小冰里面輸入這么大量的信息，請問小冰的服務(wù)器像足球場那么大嗎？

　　周力：“小冰事實(shí)上是在北京和上海都有一個(gè)很大的數(shù)據(jù)中心，給大家一個(gè)概念，就是小冰運(yùn)用到6000-7000個(gè)CPU的核，大家現(xiàn)在買的自己的電腦上，通常是一個(gè)四核或者八核，它需要我們普通的電腦的一千倍左右，才能去支持一個(gè)跟人的一個(gè)對話，一般都是一個(gè)大的廠房，然后里面一排一排的計(jì)算機(jī)，然后還有各種風(fēng)扇就是為了給它降溫去吹，通常來說一個(gè)數(shù)據(jù)中心可能它的耗電量有的時(shí)候會(huì)達(dá)到一個(gè)近乎一個(gè)城市的耗電�！�