据《金融时报》报道，7月1日，在德国黑森州北部城市卡塞尔，一名21岁技术工人在大众汽车工厂被一台机器人意外伤害致死……机器人真的如此恐怖吗？机器人会消灭人类吗？
每周你给你的机器人100比特币，结果它却买回来10粒摇头丸和一张伪造的匈牙利护照，你不得不去警察局把它“捞”回来。
这并不是科幻小说。今年初，瑞士的一个研发团队“!Mediengruppe Bitnik”发明了一个自动化网络购物机器人程序，并将其安装在一个机器人身上，称为“随机暗网购物者”，该研发团队要求机器人每周从在线市场随机购买商品，于是就发生了以上的测试结果。这个“胆大妄为”的机器人确实也被警察带走了。
这就是人工智能在今天和不远的未来能做的事情。当下较为普遍的人工智能定义是：利用计算机程序的方式，自动完成人类可以完成的功能。
百度首席科学家吴恩达表示，人工智能发展50多年来，已经无处不在了，最近一两年取得了突飞猛进的进步，一是得益于为计算机提供的数据量越来越大，二是因为计算机的运算速度越来越快。
根据摩尔定律，计算能力每18个月翻一番，计算机容量和功能亦是如此。美国科学家雷·库兹韦尔（Ray Kurzweil）预言，到2019年，售价4000美元的计算机的计算能力将会超过人脑，即每秒20 quadrillion（千的五次方）次计算。
神经元网络与大数据急速发展
谷歌完全无人驾驶车正等待美国加利福尼亚州的批准，一旦获准便可马上路测。曾在谷歌担任建立“谷歌大脑”重任的吴恩达评价称，过去几年里，计算机视觉获得了大大的进步，开始区分事物，识别出各种图片间十分微妙的差别，甚至有人已经着手研究让计算机识别漂亮的图片与不漂亮的图片，这就自然给自动驾驶汽车带来了激动人心的发展提升。百度无人驾驶汽车也已落地。
自动驾驶汽车技术包含几个关键技术：精确的地图定位、图像识别、语音识别、基于感知的雷达、红外形成自动导航，然后再进行模式识别，根据路上的情况不断优化模型，即大闭环优化。
科大讯飞高级副总裁、讯飞研究院院长胡郁表示，自动驾驶是人工智能最好的功能应用之一，“人工智能有三个条件：第一先进的算法，比如神经元网络，第二大量的数据，第三大闭环优化模型”。自动驾驶汽车中的地图定位、图像识别等都需要借助先进的算法，同时产生大量的数据，最后在优化中让机器自己不断学会完全的无人驾驶。
整个过程在科学界亦称之为“机器学习”。吴恩达认为，机器学习是人工智能的一个重要分支，而机器决策、策划、不确定性推理则是下一个阶段。他将机器学习比喻成一枚火箭，人工神经元网络是发动机、大数据是燃料。
最近几年在移动互联网及智能硬件的带动下，大数据的膨胀已不言自明。Facebook称今年元旦一天上传图片量就达7.5亿张。百度今年一季度财报显示，仅百度LBS开放平台每天响应来自第三方的定位请求就超过110亿次。
与此同时，人工神经元网络也取得了飞速的发展，这其中又包含两个方面的技术：第一硬件，过去服务器用的是CPU，现在用GPU（Graphics Processing Unit，图形处理器），后者比前者至少快14倍，世界上最快的中国“天河二号”超级计算机用的就是CPU+GPU的模式；第二过去神经元网络都是单层结构，现在不仅变成多层，还出现了多种计算方式，比如RNN（Recurrent neural Network，多层反馈神经网络）、DNN(Deep neural network，深度神经网络）、CNN（Cellular neural network，细胞神经网络，又称卷积神经网络）。
单层神经网络只能获得几百个神经元，而多层金字塔式结构则可达到十几亿神经元的规模，能更好地模拟大脑。每一层会记录不同的类别特征。顶层用来输入信息，比如照相机捕捉到一只猫，机器收到信息就开始在每层查找匹配，最终输出信息告诉你“这是一只猫”。
科技更加进步的地方在于，以前，科学家们告诉计算机“猫脸”的几个特征标签，计算机“按标索猫”，但是现在，科学家们改用无监督学习方式，只给机器查找的方法，让它自己去找，查找的过程又会生成数据，影响它下次的查找行为。
谷歌无人驾驶汽车用的便是RNN神经网络，它赋予了计算机逻辑推理的能力，让它可以用一句话对画面进行简单描述，这样计算机便具备了用有逻辑的语言描述图片中不同事物的能力。
雅虎则利用CNN神经网络，可以从宽泛的角度来识别人脸，即使部分被遮挡住了，而且它可以相当精确地从相同的图片中识别出多张脸。雅虎团队把这种方法称为深度密集人脸检测器。
微软5月份上线的How-old.net与此有异曲同工之妙，即：上传图片，机器检测到人脸，并给出年龄的大小。虽然准确率很低，但是其功能应用更进一步，也起到了收集数据的作用。
不只是雅虎、微软，Facebook脸部识别率的精确度达到97.25％，国内百度LFW测试中曾跑出99.85％的国际最高分。
胡郁称，在机器学习领域的算法，国内外技术水平不相上下，“谷歌的看图说话能力很强，但我觉得这并没有讯飞高考机器人难度大。只不过两者专注的领域不同”。据胡郁介绍，大多数省市的中考、高考英语口语考试，都已由讯飞高考机器人作为主考官来完成。
教育考试、无人驾驶、图像识别、语音识别、即时翻译、工业和家居机器人等等人工智能产品，无不是神经元网络与大数据飞速进步的产物。
这些进步都只仅限于一种功能，到目前为止，人类还没有发明一个具备五官感觉功能的机器人。
特征：单一功能与语音交互
2014年11月，意法半导体在日本展示了一个人形机器人iCub。iCub已经意识到自己的身体以及它如何和世界互动，这类似于婴儿学习够拿物件的过程。2014年5月，在加利福尼亚州举办的会议上，微软展示了一款可以实时语音翻译的人工智能程序，一名研究人员用英语与一名德国的同事通话。2014年1月，谷歌斥资4亿英镑收购了位于伦敦的Deepmind人工智能公司。Deepmind最擅长的是，能够让计算机学会49种不同的电子游戏。而且在超过半数的游戏中，计算机熟练到可以击败一个专业的人类玩家。
这看上去是三个级别的人工智能技术，但实际上都是专注实现一种功能，iCub做的是感官反馈功能，即时翻译做的是翻译功能，Deepmind就是打游戏功能。同样都是输入与输出，涉及复杂的计算。
工业机器人是单一功能人工智能的最好诠释。1959年，第一个工业型机器人被安装于瑞典的一个金属制品工厂。它是一个有关节的，能运转的手臂，重达2吨。通过磁鼓上的程序控制，机器人可依赖液压缸调整机械臂的位置，到达一系列预设好的角度。
目前，超1300万的工业型机器人在各行各业投入使用，包括汽车、电子产品、橡胶和塑料、化妆品、医药、食品和饮料。它们的市场价值达95亿美元。
吴恩达说：“现在的机器人之所以能取得成功，显然是因为工业化应用，科幻小说中说的那种什么都能做的泛用型机器人，现在几乎不可能造得出来。”他觉得现在能够期待的是，对着手机说：“帮我叫辆车带我去机场”，然后就能如愿以偿。具有强大语音交互能力的机器已可期。他认为，人工智能下一个将要开启的就是，语音交互时代。
在十多年间，人机交互发生了两次突破：PC和鼠标的诞生、触屏操作和语音交互问世。其中最后两个都是在近十年发生的。特别是语音交互，它意味着计算机拥有了“听觉”并能给出正确的反馈。语音交互的实现解放了人类的双手，将促进人类生产力的巨大飞跃。胡郁亦认为，机器不能理解语言，就不能形成知识、对知识进行处理，就不能进行逻辑推理。机器需要一场认知革命，正如人类在7万年前开始掌握语言一样。
吴恩达认为，当语音识别准确率达到99％时（百度目前为96％），人与机器的交互就将发生彻底改变。他表示，这并不难实现。今年初百度流出的“百度神灯”手机视频，较好地展现了语音交互时代。这并不意味着机器掌握了语言，交互只是理解语言的开始。一般认为，人工智能分为三个阶段：计算智能、感知智能、认知智能。从感知飞跃至认知智能，目前人类还没有好的方法。但感知智能已被大面积商业化，在使用的过程中，机器会不断进步。
未来：威胁不到人类
随着技术的快速发展，就像科幻小说一样，机器人真的来抢人类的工作了。
2013年9月，两位牛津学者——Carl Benedikt Frey和Michael Osborne，就发布了一篇研究报告，该报告预测在未来20年内，美国将有约50％的工作岗位因机器人而消失。根据两位的计算，在今后的二十几年内，50％的编程工作也会外包给机器人。
失去工作还只是影响之一，机器的进步给人类带来的更大威胁是，消灭人类。去年10月，在美国MIT的一次公开访谈上，特斯拉创始人马斯克称人工智能就是“召唤恶魔”，很多科学家对此表示了认同，并将超级智能作为人类的重大威胁，与小星球冲撞地球和大规模的核战争并列。雷·库兹韦尔(Ray Kurzweil)亦曾发出乐观的预言：机器智能超越人类智能总和的那个奇妙“奇点”，就在2045年。
不过，吴恩达与胡郁均表示，不必为机器的进步过分焦虑。现在，每位驾驶员在每次航班上平均只驾驶3分钟的飞机，但飞行员并没有被取代，就像ATM机并未取代银行柜员一样。恰恰相反，因为银行支行需要的柜员减少，银行便开设更多支行，而银行柜员的总数增加。
科技一边接手一些任务，一边也增加了对商品和服务的需求，因此也需要更多执行剩余任务的人力。一项统计表明，在过去30年中，计算机在办公室文职工作里被广泛应用，而工作岗位却每年增加1.2％。
因此，人类仍然为拥有更聪明的人工智能技术而不吝千金。2014年，百度在研发投入上共计花费69.81亿元，讯飞的研发投入占销售收入的比例也高达30％－40％。然而，这与一年投入106亿美元、104亿美元、80亿美元的Intel、微软、谷歌，以及一个季度花掉10.6亿美元研发经费的Facebook相比，并不算什么。
吴恩达说，人工智能的进步速度与投入是极度相关的，中国在这方面需要增加投入。胡郁亦表示，“并不是别人不会做，而是别人没这个条件做这个事情。”这个条件，一是指数据规模，二是指资本投入。
本文原载2015年5月25日《财经》杂志，经《哈佛商业评论》中文版重新编辑。
