淺談企業網站建設的心得

1978年出生于四川成都，18歲獲得國際信息學奧林匹克比賽金牌，21歲兼職介入中國最大的校園交友網站ChinaRen的創建，27歲成為搜狐最年青的副總裁，32歲時全面負責搜狗公司的戰略規劃和運營治理。兩年來王小川帶領搜狗快速成長為中國用戶量第三的互聯網公司，成功地由頂尖技術人才轉型為全面的治理者。在16日剛剛結束的深圳灣“WARE2016新硬件生態大會”虛擬現實專場上，搜狗CEO王小川分享了他對未來人工智能的機遇和挑戰的看法。

1.Alpha Go的勝利是一場啟蒙運動。在人機大戰的那一周之前，我們思索的還只是人和人之間的關系。但是在這一周之后，我們對機器的能力有了更高的評價，開始重新定義人和機器之間的關系。

2.人工智能有三個層次。將傳統規則教給機器，將謎底教給機器記憶學習，將目標給機器自我學習。機器告訴你一個謎底，然后評價你這個謎底好不好，機器自己找規則、找謎底，這是一個不斷進化的過程。

3.什么樣的工作會被機器取代？工作環境相對封鎖，信息需求較少，而工作結果欲接近尺度，這類型的工作更輕易被機器所取代。相反，認知邊界越寬廣，信息需求量越大，決議計劃環境越復雜的工作類型，就不輕易被取代。

4.人類終極會進化成什么樣子？就像猴子不能變成人一樣，人工智能與人融合并不會帶來新的物種。未來，只要我們目標清楚，機器將為我們所用，人的能力將得到無窮晉升。

附：王小川現場演講實錄

各位朋友大家好！今天過來分享我對于人工智能和硬件這件事情的關系的理解。我抬頭第一眼看到咱們講的是——新硬件生態。我們在提一個詞叫“智能硬件”，實在每次提到這個詞我反而焦急。我們有時候弄了沒有想明白的詞做這個事情，可能帶來良多風險。就像我們良多公司在做一個技術，這個技術能做什么、不能做什么，沒有判定。要么產生恐驚感，要么產生盲目膜拜，不知道有什么意義，可能投資或者做事就偏了。

當我們回到“新硬件”，反而給我留下空間詮釋什么是智能。今年3月8號開始的一周時間，有一個Alpha Go、李世石的人機大戰，人跟最頂尖的科技公司進行了一場較量。這場比賽的賽前很有意思，我們回顧一下，當時Google一發布我就高興了，由于兩年前我看到了他們的生物科學的發展，很可惜自己沒有把氣場攢起來。我跟清華的同事和實驗室都提到這個想法主意，但是沒有提做“下圍棋”這件事情，說這件事情太難了。沒有介入這件事情是挺可悲的事情。

有良多朋友說，你這么積極在這件事情上，包括2月份就在知乎上寫文件說Google會贏。沒有介入，圍觀老是可以的，所以這個事情介入了比較多心思。賽前的時候，我發現大部門人看好。有兩類人不看好，第一類人是圍棋選手，尤其是參加世界大賽拿到9段的選手，包括聶衛平。我在五局棋里面參加了兩局，我跟大家講我對圍棋理解不同，固然知道規則，但是根本沒有辦法判定這個局面好不好，所以下棋比賽當中我就看一件事情，就知道這個比賽人是否會贏。我就看教練的臉色，臉色越丟臉機器勝算越大，最后教練崩潰了，最后機器贏了。

我講這個例子是，我們好像面對一些威脅，曾經擅長的思索能力開始有機器侵入進來。一個圍棋選手的情況，就是一個機器把你的成功和引認為豪的東西替換的時候，這是一種什么恐驚。我想以后各位可能多多少少會經歷一點，包括騰訊開始改BUG了，我們可能有這種壓力。在這個比賽前，良多互聯網的代表人物，甚至有技術代表的人都以為人會贏，機器贏不了，包括我們公司十幾個人，我們逐一去問，百分之八九十的人給我的答復是未來機器會贏，但是這次人會贏。

他們以為下圍棋會有區別，以為以后機器沒有題目，但是現在時機不成熟，很不幸，最后機器確實擊敗了人。我們當時記小黑板說不夠情懷，即便做科技的人也沒有想到這個這么溘然，這是這個事情給大家的感慨感染。但是我想我們不要有恐驚或者有浪漫性的關懷，我們了解它到底能做什么、不能做什么，這對我們糊口立場和工作有匡助。不是說這個東西到底怎么賺錢，良多朋友說到底是不是貿易機會，我們畢竟怎么理解這件事情，包括人自身的晉升，我們對機器的了解可能會更加長遠。

不知道大家有沒有聽過“深度學習”這個詞。大部門都聽過，由于這個詞像Alpha Go一樣，講到了一個特別神秘的概念，就是機器的深度學習或者智能。深度學習講的是兩個概念：第一個概念是，機器學里面用神經語言模擬人腦的語言模型做練習，或者機器的識別，就是把你的輸入變成向量，中間經由迭代做到結果；第二是迭代的網絡結果很深，不是一層可以做到，需要多層。后來研究職員不斷晉升這樣的模型。這個概念很早就提出來了，1985年這個理論就已經趨于成熟。它是反向傳播，機器怎么進行練習這個已經有了。有了這個機器之后有一個題目，計算量太大，做不到。當時十幾個結點的時候，機器已經不夠用了，但是現在最大的不是理論體系變化，而是計算力的晉升。這也告訴大家，從人工智能到理論深度學習的做法，包括之前的這些機器的理解能力已經慢慢成熟。今天我們用的方法沒有超過當年理論的框架和計算模式。這不是一個新東西。

發生了什么變化呢？實在變化在兩件事情，一件事情是計算力的極大晉升。Alpha Go的機器計算力是深藍的2.5萬倍。第二個是我們采集了大量的數據，數據采集比較難題，現在有大數據之后，數占有多大？實在下圍棋沒有多大，用了30萬臺曾經下過圍棋的用來做練習。沒有互聯網不敢想。有了互聯網之后，國外下圍棋的網站上已經有對應的數據，30萬臺，每一臺大概100步的樣子，所以一共3000萬步棋做了練習。我們怎么把這個理論用來下圍棋，這是Google的立異。第一件事情cnn網絡（音），用點看圖的方法來下棋，以前說棋子是邏輯分析，而不是網絡?，F在就像看照片一樣看棋盤，因此機器有了棋感。最近五年有一個最大的晉升是人臉識別，之前是完全不知道怎么樣的事情，識別眉毛嗎？識別眼睛嗎？在座可能有寫程序的，你想一下用什么規則去描述人的臉，但是今天我們用CNN圖像的感覺做到了。所以Google的第一個立異是用CNN網絡對機器進行描述，使得機器有了體感。第二個是把跟深藍相關的搜索作為理性的方式，跟CNN的感性進行結合，這是第二件立異。

第三件事情是用的強盛的學習，讓機器跟自己下，當機器變得智慧之后自己可以跟自己下，因此在這里面晉升。這里面并沒有帶來理論界的突破，但是在立異應用里面做了很大的貢獻。所以Alpha Go的勝利背后融合了工程師的重新能力在。這件事情真正重要的在于什么地方？不是在于技術本身，而是所有人在關心我們自己的定位。我把這一周的流動相比成原來幾十年文藝中興的結果。這樣一個禮拜過去，我恍如隔世。大家知道一個禮拜機器是什么理解和立場，一個禮拜之后有了很大的變化。我們人和人的關系，包括我們看《圣經》，人和人同等了，間隔拉近了。

現在我們怎么看這臺機器？比賽之前大家以為機器比較笨，什么干不了，比賽之后有兩個重要變化：第一個是我們對機器的能力有了更高的評價，機器可以擊敗人了。之前說我們看病的時候，你拍一個電影，機器告訴你做診斷沒有什么病，我們難以接受，很不相信?，F在機器告訴你一個什么結果，我們可能覺得比人還要準。但是能想到這個變化嗎？我們機器由于這一個事件之后，對能力有一個巨大的認可。這使得我們更多的工程師、更多的創業公司、更多的資本會投向人工智能。我開玩笑講A股人工智能概念可能延續了好幾個漲停板，我們看到了人工智能的信奉。但是很巧的是Alpha Go不是五局都勝利的，輸了一局，但是大家仍是轉不外勁兒來。它代表了整個圍棋界的共同的勝利，就是機器變成另外的門派，我們仍是有自己的尊嚴。

想到二十年前的片子《獨立日》，當時人類飛行員面對太空船的時候，把飛船開進去把太空船破壞掉，所以面臨機器我們還有尊嚴。更多人，我們良多年青人開始乘Alpha Go叫狗狗。我們想到年青人90后或者00后會覺得機器人成為朋友，還有人叫阿老師的。實在機器并沒有到不可擊敗的時候，第一是要相信它，第二要接受它。拒絕它很難，我們要接受它。這是我們收拾整頓人機大戰的樞紐，到底我們怎么用、怎么跟它交朋友，后面會提到，所以這場啟蒙運動很重要。

技術的提高有三個層次，無論是從軟件硬件。這三個層次是什么呢？傳統最早的是智能，實在是把規則交給機器。舉個例子，我們做一個電飯鍋、智能冰箱，它來干嘛呢？我們程序員要寫程序，當溫度到103度的時候我就跳閘。實際上我們可以把足夠復雜的東西交給機器，把人類的聰明交給機器。很不幸的時候，老師講學生假如把規則給他，他的能力會下降，所以這時候機器比人落后，智力少于人。還有一種情況，我們自己都不知道規則是什么，我們是用感覺。就像剛才講的人臉識別，這是一個非常經典的題目。每個人都覺得很簡樸，可能臉盲吃力一點，但是大部門沒有題目，不像大家學外語這么難，只是可能記憶力不好，識別沒有題目。

當把這個題目給機器的時候，我們碰到了障礙，幾十年里面在圖像識別方面我們舉步維艱，國外就有做過把這種數據分大類，每年進展非常緩慢，搞圖像的人基本上找不到工作，由于不實用。很長時間里面人工智能跟理論是脫節的。我們前幾年跟清華做人工智能的院士聊，說人工智能但凡跟實踐結合就拉低水平，由于連接不上，但是現在不是，現在連接到一塊了，為什么呢？由于我們到了第二個階段，我們開始不用跟機器講規則。深度學習的美妙之處是我們把題目和謎底對應的交給機器，告訴他這是張三的臉，那個臉是李四的，不用告訴機器為什么他是張三或者李四。機器通過大量的數據練習就能夠學會。就像我們教小孩一樣，通過這些方法一步一步的展開，而在這里我們一并給到機器，圖像和聲音領域已經非常好了。

去年開始圖像人臉識別機器超過了人，正確率超過了人一倍。我們可以告訴機器謎底，機器可以自己學習。這還不夠，甚至有一些題目我們連謎底還不夠。我們說學圍棋有3000萬步謎底，機器就學會了下棋的基本規則，把6段到9段的方法告訴它，它達到了6段水平。后來Google讓兩個機器隨機下，下完之后不告訴你贏了仍是輸了，機器通過自己優化算法找到更好的謎底。第二件事情是把謎底給機器，第三個是告訴你機器給你一個謎底，我評價謎底是好或者不好。這是三個層次的進度。特別是第三件事情，像Google團隊或者微軟頂級的人里面，甚至可能有宗教色彩，當我們給機器一個目標，機器是否自己學會找規則和謎底。我只給他目標，而不是告訴他怎么做，這是演進中很重要的一步。

我看到一個文獻，他們想重新練習一臺Alpha Go的機器，一開始不是讓它學習人怎么下的，一開始是兩張白紙的Alpha Go，自己跟自己下，只告訴它目標是贏棋、輸棋，看能不能練習出新的棋手。我覺得這件事情很有意義。一個人在中原學會了所有武功，把它融匯貫通，然后再進行進步。另外一個人從來沒有來過地球和中原，來學武功，你說它的武功跟人一樣嗎？這是人類好奇的，看重新會長出什么聰明來。這是三個層次做的事情?；�于剛才三個層次，我們來想，什么樣的職業、什么樣的人本身的工作更輕易被取代？我們可以看作是機會，也可以看作對自身的挑戰。

輕易取代的有兩點，第一是你的工作和環境封鎖。意味著做決議計劃的時候，決議計劃來源的信息是封鎖的、有限的甚至是結構化的。好比說下圍棋這件事情決議計劃很封鎖，只需要知道期盼上的劃定就可以下決定。醫生會難良多，醫生會知道病人的病史和病人當前的狀態；但是作為一個老師可能會面對更復雜的環境，做決議計劃的時候信息來源可能足夠開放，你的謎底越尺度越輕易被機器取代。第二件事情定的是目標，第一件事情是你處理的信息的開放性或者封鎖性。從這一點我們知道，有的決議計劃信息需要少的機器就輕易做，信息需要的做機器也能做。我們做好一個翻譯或者一個作家，需要良多糊口閱歷，作家就是讀萬卷書、行萬里路的做法。如斯開放的環境對機器就是很大的挑戰。反過來，假如這個開放謎底跟你有關，機器就輕易做到。這就是機器是否能做好、人是否會取代的一個尺度?；氐饺耸欠駮�被取代的題目。

人是什么概念？人的目標是為了自己的生存或者繁衍。機器更簡樸，我做診斷，下一個棋，或者做一個語言識別。人已經到了很大的擴展空間，我們的機器只是在局限的空間去工作，主要看機器的練習空間多大。假如算法再好也不能脫離目標和機器適應的范圍。所以今天的技術還遠不到這一步。第二是我們不會去造一臺機器給它設定一個目標怎么生存，也不會說適應環境有特別大的空間。我們即便有能力，也沒有動力去制造一個能取代人的機器，我們不以為機器自己會演化出一種生存能力來。反過來，假如有野心勃勃的科學家要做一件事情，說要創造一個智能機器，這個機器有生存的概念，可以面臨整個地球環境。實在我們不是在做人工智能，我們實在是在創造一種生命。

所以這個概念大家想清晰，假如你朝著創造生命的立場去做，機器可能有一種生命意識，知道自己的存在。反過來，今天我們的做法大可以放心，我們做這些事情目標足夠的簡樸，好比說Alpha Go機器，把棋盤從19×19變成20×20，人類可以理解和學習，但是環境變了，Alpha Go變得什么都不會了。另外一個題目是想象力，區別于人和動物的。有一本書叫《人類簡史》，這種歷史發展是相關的，這也是一個路徑，這是我以為人不會被取代的核心的兩個判定尺度。人工智能和人是怎樣的關系呢？有技術我們可能變得更強盛了，但是也有可能技術讓我們變得更弱了。在座良多人戴眼鏡，眼鏡是一種技術，當用了眼鏡之后我們視力變得更好、更強盛，但是離開眼鏡我們更弱。我們要拋離技術之后看自己孤立的行不行，放下手機、pad、汽車交通工具是不是變強了？我們發現是變弱了。

我們因為機器變得弱化，我們把握了能源之后體力被取代了，今天的種植也被機器取代了。以后目標清楚之后，環境相對封鎖，機器能做的時候我們可以交給它，我們可以利用Google做搜索引擎，通過手機變成千里眼、順風耳，這是一個趨勢。未來穿著設備可能會變成植入，像Google眼鏡，良多人眼睛不近視也會有良多人嘗試，包括還有年青的女孩子會整容，這些東西會帶來新的植入。從這一點我以為人工智能與人融合會帶來新的物種，你不用害怕，你問一個猴子你會變成人嗎？通過我們對人工智能的理解和對技術的理解，技術可以帶來與人的融合，可以把人的能力晉升了，也可能把人的能力降低了，這是我們未來的進化。