图片来源:Daniel Hertzberg
你如何教导机器?
Facebook的人工智能研究总监Yann LeCun:如何为机器制定教学计划。
人工智能的传统定义是，机器以通常我们认为属于人类的方式，来执行任务和解决问题。有一些任务我们觉得很简单--识别照片中的物体、驾驶汽车--可是这些任务对于AI来说特别困难。机器可以在棋盘上超越人类，可是那些机器的程序从本质上来说是体力活，机器受到程序的限制。一个30美元的设备就能在棋类游戏上超越我们，可是它没法做--也没法学会做--其他所有事情。
这就是为什么我们需要机器学习。给机器展示几百张猫的照片，机器就会训练自己的算法，学会更好地识别照片中的猫。机器学习是所有大型互联网公司的基础，让公司可以进行搜索结果排名，为特定用户选择最相关的内容和建议。
深度学习是以人类大脑为基础，要复杂得多。与机器学习不同的是，深度学习可以教会机器忽略声音或图像中所有不重要的信息--呈现一种能够反映无限多样性的层级性世界观。正是深度学习为我们带来了无人车、语音识别、以及有时候比放射学专家更擅长识别肿瘤的医疗分析系统。
虽然有了这些值得赞叹的进步，我们距离与人类同样智能的机器还很远--我们的机器甚至与老鼠的智能相比都差得很远，我们大约只见证了AI实力的5%。
是时候重新思考就业吗?
百度首席科学家吴恩达:AI将如何改变未来的就业。
如今在美国，驾驶货车是最常见的职业之一。几百万人在东西海岸之间运输着货物，以此维持生计。然而，很快所有这些就业机会都将消失。无人车将替代人类司机在路面行驶，并且更快、更安全、更高效。有这么好的事，还有哪家公司会选择更昂贵、更容易犯错的人类司机呢?
类似的劳动力变革在历史上也有先例。在工业革命前，90%的美国人在农场工作。蒸汽技术和制造业的兴起让许多人失业了，但是也创造了很多新的工作机会--还创造了很多当时人们无法想象得到的新领域。这个排山倒海般的巨变是在两个世纪的过程中慢慢展开的，当时，美国有足够时间来适应变化。农民们直到退休都在种田，而他们的下一代去上学，成为了电工、工厂领班、房地产商和食品化学家。
而卡车司机们就没有这么幸运了。他们的职业，还有另外几百万人的职业，很快就会过时。在智能机器时代，数量众多的人们将没有工作的能力，或者有被淘汰的风险。我们可能会见证20世纪30年代经济危机以来最大的失业大潮。
1933年，富兰克林罗斯福的新政帮助了大量失业人口，并且帮助重启了美国经济。更重要的是，它帮助美国从一个农业社会转变为一个工业社会。罗斯福的“公共工程署”雇佣了失业者来建造桥梁和新的高速公路，改善了美国的交通基础建设。这些改善为当时非常先进的新技术应用奠定了基础:汽车。
我们需要有一个针对21世纪的新政，针对人工智能会带来的新就业机会打造培训项目。我们需要重新训练卡车司机和办公室助理，来打造未来的数据分析师、旅行规划师等等其他我们现在还不知道自己有需求的职业。美国南北战争前(19世纪60年代前)的农民，绝对无法想象自己的儿子会当电工，而现在，我们也很难说AI在未来会创造什么样的工作机会。不过我们清楚的是，必须采取革命性的措施，才能完成从工业社会到智能机器时代的转变。
AI:和人类一样?
智能机器如何做到模仿自己的“造物主”。
要实现人类级别的人工智能，我们下一步要做的就是创造智能的--但不是自动的--机器。你汽车中的AI系统可以让你安全到家，但是没法在你回家后自动选择下一个目的地。我们将以此为基础，加入基本的动机以及情感和道德价值。如果我们创造出学习能力像人类大脑一样强的机器，应该不难想象机器会“继承”一些类似人类的特点--还有弱点。但是在我看来，“终结者”预言极其不可能。这需要一个精心策划的、意图不轨的个体，特意将恶意企图写入智能机器，没有哪个机构--更别说哪个公司或者个人--可以凭一己之力实现人类等级的AI。打造智能机器是我们这个时代最大的科学挑战之一，需要各个国家、公司、实验室和学术团体之间共同分享智慧。AI的进步最有可能是渐进的，而且是开放的。-- Yann LeCun。