雷剛 發自 凹非寺 
量子位 報道 | 公眾號 QbitAI

“AI首先是華麗辭藻，其實就是統計學。”

這是2011年諾貝爾經濟學獎獲得者托馬斯·薩金特（Thomas J. Sargent）近期在中國公開演講時對AI的結論。

於是一石激起千層浪。

AI研究者紛紛坐不住了，其中，阿里AI負責人、阿里巴巴達摩院機器智慧技術實驗室主任金榕，決定逐條批駁薩金特的觀點。

也藉機正本清源，表達了對於AI發展現狀和未來的看法。

量子位將問答實錄編輯如下，最後也附錄了薩金特演講實錄，孰是孰非，一辯便明。

△ 阿里AI業務負責人金榕

金榕駁薩金特

問：薩金特說，“人工智慧其實就是統計學，只不過用了一個很華麗的辭藻，其實就是統計學。好多的公式都非常老，但是所有的人工智慧利用的都是統計學來解決問題。”

金榕：這位巨集觀經濟學家也許是習慣了用統計去尋找經濟的因果關係，因而認為AI也是這樣。即使是他提到的動態規劃（dynamic programming），也不屬於統計學範疇。

除了統計，AI中的“學習”“推理”和“決策”中還使用了代數、邏輯、最優化等許多其他學科知識與方法。此外，有了演算法後如何有效實現也非常重要。所以單純說AI就是統計學，或者說“所有的AI都是利用統計學來解決問題的”都是片面和不準確的。

在這裡我們首先需要定義什麼是人工智慧背後的核心技術。現在人工智慧技術的成功背後，是基於對海量資料的學習，因此大量的大資料處理、優化以及分散式計算基礎設施都扮演了非常重要的角色。

此外，AI還涉及到一個關鍵因素，就是如何實現最優的智慧決策（例如AI打遊戲）。一些理論和實證研究已經發現，神經網路就非常善於在複雜的條件下做出最優的決策。神經網路也不是統計學範疇。

還有，人工智慧在計算機視覺、語音識別等領域取得的突破，還得益於硬體的日趨成熟。類似智慧音箱天貓精靈、Echo的成功不僅來自於成熟的語音識別演算法，也源於麥克風陣列等硬體裝置變得越來越可靠。

那如何比較準確的表述統計學和AI的關係呢？應該說，統計學是人工智慧若干重要基礎之一，但遠不是全部。

就像我上文提到的除了統計學，AI的核心能力還來自於數學（博弈論、數值分析、邏輯學等）、運籌學（優化）、計算機科技（分散式計算、平行計算、CPU、NPU）、神經科學，甚至心理學。

問：AlphaGo為代表的這一波AI浪潮，跟統計學之間有直接關係嗎？

金榕：AlphaGo使用了蒙特卡洛樹搜尋、神經網路、增強學習等方法，因為演算法規模大，所以採用了分散式計算來實現。棋力更強的AlphaGo Zero沒有使用人類資料，而是從自我博弈中學習。

所以這更說明AI遠比統計學來得廣泛。所以推動這一波AI浪潮的正是神經網路的迅速發展，以及能夠讓大量資料發揮作用的演算法和算力。

問：托馬斯·薩金特也談到了交叉學科研究推動的科技進步，您是否認同？如何評價這種觀點？在這波深度學習為推動力的AI浪潮中，哪些學科的交叉起到了推動作用？

金榕：這一觀點我很認同，這也是很多學者的共識。就像我上面提到的，AI不是獨自成長起來的。1956年的達特茅斯會議(Dartmouth Conference)被學術界公認為是人工智慧的起源。

今天有人說現在是人工智慧的春天，其實這都源於我之前提到的一系列技術的發展與進步。特別是我剛剛提到的硬體，諸如麥克風陣列技術的成熟對語音識別的發展起到了重要作用。還有超強的算力，不論是GPU或者是雲端計算，都給我們帶來了強大的計算能力和靈活度。

我們在自然語言對話機器人的開發中，還會應用到許多心理學知識。所以說人工智慧的繁榮是諸多學科交叉相互影響，共同促進的結果。

問：下一波大的AI技術躍遷，您覺得會有賴於哪些領域/學科的交叉研究成果？

金榕：我認為首先可能來自於AI晶片、量子計算這些全新的計算基礎設施對算力的巨大提升上。

此外還有神經科學的一些重要突破，可能將揭示大腦中神經元如何處理資訊與做出決策的，這對人工智慧的發展也有重要意義。

問：人工智慧的概念提出已經60多年了，許多演算法和模型在幾十年前就曾提出了，但在過去的發展中，礙於計算力和資料的侷限，此前的發展並沒有像如今這樣迅速，這是不是從側面印證人工智慧也算是統計學的一種呢？

金榕：計算力和資料的增長是人工智慧發展的必要條件。AI的發展還要感謝Hinton，LeCun, Bengio等研究者的長期堅持。當然統計學也在發展，但由於深度學習的迅速發展，它們反而變得沒有以前那麼重要了。

除了統計學，對現在人工智慧發展起到舉足輕重作用的，神經網路的一些研究工作，也是在50年前進行的，但它被廣泛應用是從2010年後開始的。

在2010年前，許多上一代機器學習成果的確是基於統計學的，他們被歸類於統計機器學習。但技術是持續進步的，近幾年推動人工智慧進入發展快車道的深度學習技術，並不能歸因於統計學。

問：在您能看來，應該如何定義人工智慧，如果要跟大眾普及的話，應該傳遞一個什麼樣的概念？

金榕：我認為智慧化的目的，不是讓機器像人一樣。上一個世紀，在工業時代，我們基本上把人變得越來越像機器，而未來我們真正應該走的道路是，讓機器更像機器，人更像人。我們發明了機器，不一定要機器按照人的思考。

機器要有自己的學習方式、思考的方式、解決問題的方式，所以我們提出“機器智慧”。機器智慧不應該是，讓機器人複製人類的智慧，而是發展出自己獨特的智慧。我們應該讓機器做人類做不到的東西，讓機器去發展自己智慧的力量、尊重機器、敬畏機器。所以在阿里我們是以“機器智慧”為目標。

舉幾個例子，諸如人工智慧客服，它能7*24小時的工作，對海量使用者的接待能力遠超人類。人工智慧應用於城市大腦，通過智慧決策和管理能大幅縮短交通擁堵時間，甚至提高救護車到達現場的時間。

AI在工業領域的應用，諸如將計算機視覺應用於產品質檢，已經為許多製造企業節省了數十億元。這些都是AI比人類更擅長的領域。而在藝術、文學等創造性工作上，人工智慧可能永遠無法替代人類。

問：還有一種觀點是認為演算法、計算力和資料是人工智慧技術能否成功的三個關鍵，你是否也這樣認為？阿里AI在這三方面現狀如何？

金榕：歷史上人工智慧經歷了多次黃金時期。到了今天，我們迎來了新的一波熱潮。

那麼這次的人工智慧熱潮有哪些不一樣的地方呢。就是由於我們在演算法、計算力、資料上都有了重要突破。

首先人類首次擁有了超強的計算能力，不論是GPU還是雲端計算。給我們帶來了強大的計算能力和靈活度。這點阿里具有很大的優勢。阿里雲在中國擁有最大的雲端計算服務，同時我們也在積極探索量子計算。

其次，也是很重要的一點，就是大量的資料的產生。海量的資料使AI模型的大規模訓練成為可能。阿里巴巴積累了海量的資料與應用場景，這些資料將成為阿里在人工智慧領域快速突破的基礎。

最後，就是演算法領域的突破。深度學習等新技術已經在各個領域得到廣泛應用，比如計算機視覺、語音識別、自然語言處等，多點開花。阿里也在演算法領域做了很多探索。諸如在語音識別領域，阿里推出了新一代語音識別模型——DFSMN，不僅被谷歌等國外巨頭在論文中重點引用，更將全球語音識別準確率紀錄提升至96.04%（基於世界最大的免費語音識別資料庫LibriSpeech）。

而在機器翻譯領域，在此前結束的WMT2018國際機器翻譯大賽上，達摩院機器智慧-NLP翻譯團隊打敗多個國外巨頭與研究機構，在所有提交的5項比賽中，全數獲得冠軍。這5個專案包括英文-中文翻譯、英文-俄羅斯語互譯、英文-土耳其語互譯。短短一年時間，我們已經在20多個各領域的國際人工智慧大賽上獲得冠軍。

附：托馬斯·薩金特的演講全文

托馬斯·薩金特：1943年生，1968年獲哈佛哲學博士，先後執教於明尼蘇達大學、芝加哥大學和哈佛大學，2003年起任教紐約大學至今。

自70年代初以來，薩金特一直是理性預期學派的領袖人物，為新古典巨集觀經濟學體系的建立和發展作出了傑出貢獻。

2011年，薩金特與普林斯頓大學西姆斯教授一起獲得諾貝爾經濟學家，得獎理由是：“對巨集觀經濟中因果的實證研究”。

以下演講是薩金特在厚益控股&《財經》世界科技創新論壇上的演講全文：

首先我對剛才幾位嘉賓講的話非常感興趣，我想先談一談我的感受，然後再講講我的部分。

第一，能不能扮演上帝。作為科學家，很多領域的科學家，我們都需要用統計資料說話。其實在這個時候我們已經在扮演上帝的角色了。

什麼意思？有好多應用科學像工程學、物理學、經濟學都是應用科學，我們會建立一些模型模擬世界運營，我們的理論也是一樣，都是由一系列的等式所構成，有一些隨機組成部件。

我們的目的是希望解釋我們所觀察到的世界上的現象，而我們關鍵的工具是使用模型，然後放到電腦裡模擬。把模擬後的資料拿來，利用數學方法，去微調它的引數，希望儘量接近於現實。

在這個過程中，我們扮演上帝的角色。所以寫引數、模擬過程中是在假裝，我們是在假裝是上帝產生了這些資料。我們儘量想接近這個準確度。我們想接近或者模擬上帝的做法。

這個說起來容易做起來非常難，兩百年、三百年前人們認為這是個好主意，但是當年的人不知道怎麼操作。為什麼？因為比如說你寫下一個粒子的模型沒有辦法運算，算不出來。

但是到了二十世紀尤其是二戰結束以後，我們出現了一些技術的巨將，包括諾爾曼，來自於奧地利的一個移民。我的岳父泰勒是研究核彈的，他們發明了蒙特卡洛模型，都是50多歲的時候發明的。

但是三、四年以後統計學家來了，搞清楚了可以做統計分析。所以這時候來了一場革命，影響了各行各業的科學家的研究工作，這就是技術創新帶來的好處。其實這個過程中我們都在扮演上帝的角色。

我怎麼講到這兒來了呢？人工智慧首先是一些很華麗的辭藻。人工智慧其實就是統計學，只不過用了一個很華麗的辭藻，其實就是統計學。

好多的公式都非常老，但是我們說所有的人工智慧利用的都是統計學來解決問題。有一些新發展，過去二三十年，今天我們統計學的完成質量更高，首先電腦運算速度更快，有新的演算法，好多是源於物理學發展，還有統計力學等等，這是過去3到4年從物理學拿來，加速了我們做系列統計學方面的進步。

過去寫下來公式，但是沒有辦法求解，過去你放計算機，但是能力太差，做不了。後來有了AlphaGo，就是一個動態規劃，太大了。兩三年前的解決之道就是特別大、特別快的計算機，利用一塊一塊的演算法去運算。我覺得亞當斯密百分之百正確，多少年前說應該有專業分工，這是正確的。

今天有很多工具，如果統計學家一點也不懂物理學，很多人類科技進步就不能變成現實。所以我想作為企業家大家也應該做通才，我們應該去考慮來自不同技術的融合或者是相互促進，這就是為什麼有了阿爾法GO的成功。

還有一兩點，是剛才聽了前面發言人的一些感受。到底什麼是金融？金融的含義是什麼？問一個高中生什麼是金融，他覺得是太華麗的一個辭藻。

什麼是金融？金融就是有人存錢有人不存錢，有人花的多掙的少，有人想投資，人是不一樣的。什麼是儲蓄？什麼是金融？有一些人就是來做中介，存錢的和需要花錢的人做中介，這個業務就是金融。

這個業務包含以下幾方面。首先很容易受到欺詐侵害。第二很容易受到不信任的傷害。如果我攢了錢，把錢交給別人幫我打理，我交給的人是我信任的人，他沒有不還錢的動機。他為什麼還錢給我。金融體系要驗證，我把錢借給你之後會不會還我，這就是金融的關鍵。如何讓別人相信你？金融該是信任和驗證相關的活動。在這些方面是有技術發展的，就是驗證和信任的工具。

是誰作為主體，是國家做還是誰做？你以自己的生活為例，你和你的家人為例，家人之間也有很多的信任和驗證。

比如，阿里巴巴或者亞馬遜是“國中國”，因為他們的工作是創造交易平臺，人們可以參與買方賣方在他們的交易平臺上活動，無論是阿里巴巴還是亞馬遜都是發揮警察作用，既管理買方也管理賣方，相當於電子警察，他們開發技術，改良交易平臺的信任和驗證。

像20到25年前你們的工作。就是前沿的工作，當時就在講這樣的問題的理論，這個理論的技術不斷進步。

最後我還想一點，有新的領域的出現，我應該意識到演算法機制設計。這個涉及了幾個領域。

首先，它講的是如何運轉一個國家或者是運轉一個公司像阿里巴巴，或者運轉一個拍賣，如何保證人們付款。它結合了什麼？結合了電腦科學、博弈論、計算、數學運算，也就是說，上過這門課的人瞭解了好多東西。他要了解各種各樣的學科，所以說專家和通才一起開創新的領域，這些都是值得大家追蹤的新的領域。

— 完 —

加入社群

量子位AI社群19群開始招募啦，歡迎對AI感興趣的同學，在量子位公眾號（QbitAI）對話介面回覆關鍵字“交流群”，獲取入群方式；

此外，量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募，面向正在從事相關領域的工程師及研究人員。

進專業群請在量子位公眾號（QbitAI）對話介面回覆關鍵字“專業群”，獲取入群方式。（專業群稽核較嚴，敬請諒解）

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話介面，回覆“招聘”兩個字。

量子位 QbitAI · 頭條號簽約作者

վ'ᴗ' ի 追蹤AI技術和產品新動態