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產(chǎn)品，直到今天它已經(jīng)在中國、日本、美國三個市場上擁有8000多萬個用戶以及它進(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)識還是一個冷冰冰的一個工具一樣的東西，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，包含了第一個我們管它叫大數(shù)據(jù)，就是說一個大的商場，它的購物架是怎么去擺放，我哪些物品促銷，這些東西都會得到大數(shù)據(jù)的支持，然后讓它把它的商業(yè)價值發(fā)揮到最優(yōu)，這是我們過去5-10年內(nèi)取得的一個突破。

　　第二個技術(shù)突破，大家其實(shí)聽了這個名詞也會很熟悉，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很大的一個數(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想象的空間。最后人工智能的一個核心的進(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)行思考的時候，主要是靠一個一個神經(jīng)元以及每個神經(jīng)元之間互相的鏈接組成的一個網(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候，我們的神經(jīng)元中有一股股電流去穿過這個神經(jīng)網(wǎng)絡(luò)，每一個神經(jīng)元它收到一部分的電流它自己都會進(jìn)行一部分的處理，不同的電流傳導(dǎo)到其他的神經(jīng)元，通過這一個一個神經(jīng)元的傳輸，又把它用電流又控制，比如說人的語言，人的動作，人的表情把它變成輸出，這個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)際上是希望把一個普通的計(jì)算，變成一個又一個神經(jīng)元的節(jié)點(diǎn)他們通過形成了一個網(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候，當(dāng)時大家看的這個神經(jīng)網(wǎng)絡(luò)的這個學(xué)科，大家都覺得是一個挺虛幻飄渺的一個，沒有什么太多真正能應(yīng)用到實(shí)際的學(xué)科，因?yàn)槟莻�時候我們的計(jì)算能力，我們數(shù)據(jù)的復(fù)雜度所能支持的這個神經(jīng)的網(wǎng)絡(luò)的復(fù)雜度，遠(yuǎn)遠(yuǎn)要比人腦的這個復(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，那么這個時候我們就發(fā)現(xiàn)它可以處理一些以前只有人類能做的事情，比如說它看懂一個畫面里到底哪一個物體是什么樣的意義，像剛才我看了一個圖，我把它分成幾萬種其中這樣的一個任務(wù)。

　　它在神經(jīng)網(wǎng)絡(luò)中需要幾十個層的神經(jīng)網(wǎng)絡(luò)，每一個層都有數(shù)百個節(jié)點(diǎn)，節(jié)點(diǎn)中，一個節(jié)點(diǎn)和另一個節(jié)點(diǎn)有10個甚至更多的連接，他這個里面每一個連接可能涉及到幾十萬或者幾百萬個不同的參數(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，它其實(shí)是一個漸進(jìn)的學(xué)習(xí)的過程，他們每一次我看到一個新生的事物，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有所不同，這個是人類學(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)的時候，我會不斷地會調(diào)整我在這些神經(jīng)網(wǎng)絡(luò)中這些參數(shù)的值，把這個值調(diào)大一點(diǎn)把那個值調(diào)小一點(diǎn)，就不斷地會去改進(jìn)自己的算法，讓它越來越接近它所需要學(xué)習(xí)的這個目標(biāo)。而這個像這樣有幾十萬或者幾百萬個參數(shù)、神經(jīng)網(wǎng)絡(luò)，它可能至少需要幾千萬或者上億個訓(xùn)練的數(shù)據(jù)，比如說有上億個圖片，我才能開始學(xué)會像人一樣去觀察一個物體，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�詞匯其實(shí)都有很多很多的意思，我同樣的一個想法，可能會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，都是一個很難的事情，更不要說，接下來會說什么，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，這個里面的跳躍計(jì)算機(jī)是如何能去學(xué)會的呢？

　　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，一個人的問和一個的回答來去訓(xùn)練對話的神經(jīng)的網(wǎng)絡(luò)，它就開始擁有一個基本的可以跟人類去對話的一個能力，因?yàn)檫@個神經(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600萬個詞匯，中文，雖然比如說《康熙大字典》中只有五萬多個字，但是我們知道，漢字一個和一個組合起來能生成非常非常多的新詞，我們的這個詞不是一個一一成不變的固定。

　　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。可是假如比如說這時候有一個用戶提到伊曼?香珀特，他是一個在騎士隊(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詞匯或者一句話把它映射到一個多維的空間之內(nèi)，學(xué)過幾何的話，都知道一個二維的空間中，它就可以變成一個X和Y兩個數(shù)值的坐標(biāo)，在三維空間中，它就可以用三個數(shù)字來去表示，一個人類的語言來說，我們通常會用一個更高維的，比如說1024維的一個空間，去表達(dá)一個詞或者一個句字。

　　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出現(xiàn)在同一篇文章中，他可能很少會跟相對論，量子物理這樣的詞匯同時出現(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1024維的語義的像樣的空間中就會把它標(biāo)到一個跟NBA和詹姆斯非常接近的一個點(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)，所以他們也會在這個1024維的空間當(dāng)中相對地聚集在一個比較的密集的小球里，這個時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，有一個用戶今天抱怨說今天這個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)揮不好的時候，其實(shí)都會輸球，雖然我不知道香珀特本身是誰，但是又是一個很合理的回答，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非常非常復(fù)雜的概念，因?yàn)橹�識的原因或者是因?yàn)槲覀兩�活背景的不同，我其�?shí)很難理解這個笑話為什么好笑，機(jī)器來說這確實(shí)是一個更加復(fù)雜的工作。有一個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，這樣的一個回答讓人覺得很冷。但可能還有一個回答說，不想白活一輩子，這個可能是一個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黑色素的沉積和我不想白活一輩子這兩個回答中到底哪個是更幽默的，哪個更有趣，這對于計(jì)算機(jī)來說這是一個不容易判斷的事情。

　　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)會什么是幽默，什么是不幽默，人工智能它自己本身有一個優(yōu)勢，能接觸的對話的量遠(yuǎn)遠(yuǎn)要比一個人要多得多得多，它可以同時和幾百萬個用戶進(jìn)行聊天，所以它會有更多的機(jī)會，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)使用了一個跟人理解的幽默相對不同的一個策略，但是它漸漸地就會學(xué)會，我可能在這樣白活一輩子這樣的時候是一個更好的一個回答，一個更幽默的一個回答。

　　人工智能如何理解情感？

　　一個議題就是計(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，七幾年的時候?qū)嶋H上就有心理學(xué)家提出了一個模型，他認(rèn)為人類的情感事實(shí)上都可以近似地在一個三維空間中得到一個表達(dá)，這三個維度分別是我的愉悅度，激活的度，統(tǒng)治的度，我一個生氣的情感，近似的把它表達(dá)成我的愉悅度負(fù)的51%，我的激活度，人類這個身體中產(chǎn)生的這個荷爾蒙是正的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，近似地在這個三維空間的三個數(shù)值，計(jì)算機(jī)它就會比較擅長地進(jìn)行數(shù)值的計(jì)算，表達(dá)的情緒都綜合起來的時候，那么我最終得到了一個值也就是這個當(dāng)前人的情感的狀態(tài)。

　　當(dāng)它做出在對話中做出一個反映的時候，這個問題又變得更加復(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，這絕對不是一個很好的情感的對應(yīng)的策略，這個互聯(lián)網(wǎng)的對話中和在整個的這個大數(shù)據(jù)中，有很多很多的例子可以讓機(jī)器去學(xué)習(xí)怎么樣是一個應(yīng)對的方法，比如說對方在郁悶的時候我可能應(yīng)該給他講一個笑話，更復(fù)雜的事情是每一個人和另一個人各不相同，學(xué)會用不同的策略對應(yīng)某一個人，才能達(dá)到更好的一個情感計(jì)算的效果。

　　每一個人事實(shí)上他擁有的交流數(shù)據(jù)是非常非常少，學(xué)習(xí)整個一個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)練這個神經(jīng)的網(wǎng)絡(luò)，但是每一個人我們擁有的數(shù)據(jù)只有幾百句，我們其實(shí)有一個叫轉(zhuǎn)移學(xué)習(xí)的技術(shù)，就是當(dāng)我們學(xué)會了一個人類的共性的時候，在這個神經(jīng)網(wǎng)絡(luò)，可能它最底下的幾十層我們都建立起了一個模型，那么當(dāng)一個新的用戶出現(xiàn)，我們只有他寥寥的幾句話的時候，我們可能需要一種技術(shù)去重新訓(xùn)練這個技術(shù)網(wǎng)絡(luò)最上面的一層，這樣的時候我們可以通過人的寥寥的幾句話，迅速地判斷出這個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)整個人類情感的表達(dá)和反饋的這些知識，我可以把一個更好的策略，運(yùn)用到每一個的個體上，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)上它會是什么樣的？

　　周力：“應(yīng)該人類自己想象的力，能算是一個二維的空間或者是一個三維的空間，一個1024維的空間，那就是說要用1024個數(shù)字來表示，人的思維其實(shí)是很難去想象的一個這么高維度的空間�！�

　　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很大的數(shù)據(jù)中心，給大家一個概念，就是小冰運(yùn)用到6000-7000個CPU的核，大家現(xiàn)在買的自己的電腦上，通常是一個四核或者八核，它需要我們普通的電腦的一千倍左右，才能去支持一個跟人的一個對話，一般都是一個大的廠房，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，通常來說一個數(shù)據(jù)中心可能它的耗電量有的時候會達(dá)到一個近乎一個城市的耗電�！�