上一版
“我向诸君提出这一问题：机器能否思考？”
阿兰·图灵，1950年
1956年夏天，达特茅斯学院举行了一场特殊的会议。与会研究人员探讨的主题是，如何才能开发出像人类一样，有能力从经验中自主学习的计算机系统。这场会议标志着人工智能开发的纪元时刻。尽管如此，对机器智能概念的探索早在此之前已经开始，到达特茅斯会议召开时，已有十余年的历史。其中最著名的即为阿兰·图灵提出的图灵测试：如果人类在与一台机器进行交互时（在当年，交互的方式限于文本），无法辨别对方是人还是计算机，那么，这台机器就可以视为是“智能的”。
自达特茅斯会议召开以来，研究人员仍在数十年如一日地推进人工智能技术的进步。机器视觉、自然语言理解、推理、规划，和机器人学等分支学科的发展，带来了源源不断的创新，其中许多已经成为我们日常生活的一部分。导航系统的路线规划功能、从互联网海量信息中检索并排列内容的搜索引擎，以及邮递服务中使用的自动识别手写地址并将物件送达的机器视觉功能，无一不是通过人工智能来实现的。
微软认为，人工智能是赋予计算机感知、学习、推理及协助决策的能力，从而通过与人类相似的方式来解决问题的一组技术。在过去，计算机只能按照预先编写的固定程序开展工作，而具备该等能力以后，计算机理解世界以及与世界交互的方式，将比以前大为自然和灵敏。
就在不久以前，我们还只能通过命令行界面与计算机进行交互。图形用户界面向前迈出了重要的一步，而在不久的将来，我们将可以直接通过对话与计算机进行日常交互，就像与人交流一样。实际上，为了实现此类新功能，我们正在教计算机观看、倾听、理解和推理。关键技术包括：
视觉：计算机通过识别图片或视频中的内容来“看”的能力。
语音：计算机通过理解人们所说的话来“听”并将其转录成文字的能力。
语言：计算机把握语言中的诸多微妙差异和复杂性（例如俚语和惯用语），“理解”话语含义的能力。
知识：计算机通过理解人、事物、地点、事件等之间的关系来进行“推理”的能力。例如，当我们搜索某部电影时，便会得到关于演员阵容以及该等演员参演的其他电影的信息，或者在工作中，在开会的时候，你会自动收到最近曾和对方分享的几份文件。这些都是计算机通过推理从而就信息得出相关结论的例子。
计算机正在像人一样学习，即通过经验学习。计算机的经验是以数据的形式获得的。例如，计算机会结合一天中的时段、季节变化、天气状况以及该区域的重大事件（例如音乐会或体育赛事），再根据历史交通流量数据，来对交通状况进行预测。从更广泛的角度而言，丰富的信息“图谱”是计算机理解人、实体及事件之间的相关关系和交互的基础。在开发人工智能系统时，微软利用了多个信息图谱，其中包括关于世界、工作以及人的知识。
过去几年，由于可用数据的大幅增加及其他原因，研究人员在这些技术上取得了重大进展。2015年，微软的研究人员使用标准Ima⁃geNet1K图像数据库进行了一项测试，并宣布，他们已经教会计算机识别照片或视频中的客体，其准确度与人无异。2017年，微软的研究人员宣布，他们已经开发出一个语音识别系统，能够像专业的转录团队一样准确地理解口语；使用标准Switchboard数据集进行的测试显示，出错率仅为5.1%。实质上，人工智能增强型计算机在大多数情况下可以像人一样准确地看和听。
但是，要把这些创新应用到日常生活中，还有很多工作要做。在背景嘈杂，或者碰到不熟悉的口音或陌生语言时，计算机在理解言语时仍有难度。尤其具有挑战性的是，我们不仅仅要教会计算机识别词语，还要让它理解那些话的意思、得出结论、进行推理，并在此基础上作出决策。为了让计算机能够理解语言的意义，回答更复杂的问题，我们需要把眼界放宽，理解和评估上下文，并引入背景知识。
40年前，比尔·盖茨和保罗·艾伦成立微软时，他们的目标是让每一个人都能受益于计算机的能力——这种计算能力当时主要局限于大型机。他们着手建立用于家庭、学校以及工作场所，帮助人们提高效率的“个人”计算机。如今，微软通过人工智能所做的事情也与此类似。我们的目标是部署人人可用、体现永恒社会价值的人工智能系统，让人工智能惠及每一个人，也让人工智能赢得所有人的信任。
为什么说时机已至？
数十年来，研究人员一直在孜孜不倦地研究人工智能。过去几年，研究进展不断加快，这主要得益于三方面的发展——数据可用性增加；云计算能力不断增强；人工智能研究人员开发出了更强大的算法。
随着我们生活的数字化程度越来越高，以及传感器的廉价和普及，计算机可用于学习的数据已经达到了空前的规模。
有了数据，计算机才能识别模式（往往很微妙），从而去“看”、去“听”、去“理解”。
要对所有数据进行分析，需要有巨大的计算力，而云计算的高效恰恰为我们提供了这个能力。如今，任何类型的组织都能借用云计算的能力来开发和运行其人工智能系统。
微软、其他技术公司、大学以及政府的研究人员通过结合数据可用性和强大的计算力，实现了人工智能技术的突破——例如使用所谓的“深度神经网络”进行的“深度学习”——让计算机模仿人类的学习路径。
在很多方面，人工智能作为一种技术还远远没有成熟。迄今为止的大部分进展，都在于教会计算机执行指定的任务——玩游戏、识别图像、预测交通状况。要让计算机具备“通用”智能，还有很长的路要走。在通过触觉、视觉和嗅觉等感官来理解世界并与世界进行交互的能力等方面，现在的人工智能还不如孩童。对于人类表情、语气、情感以及人类交往的微妙之处，人工智能系统只有最初级的理解能力。
换言之，如今的人工智能“IQ”很强，但“EQ”很弱。
微软正在努力赋予计算机更为精微的功能。采用综合性的方法，将人工智能各个学科结合起来，将开发出更加精良的工具，帮助人们执行更为复杂、更多面性的任务。然后，随着我们学会如何将人工智能的多种IQ功能和人类与生俱来的能力结合起来——例如将从某项任务获得的知识应用于另一项任务、对世界的常识性理解、自然互动的能力，或者知道和区分别人的意图是搞笑还是讽刺的能力——人工智能的潜能将进一步发挥。这显然是一个艰巨的挑战，但是，当机器在交互过程中能够将IQ（智商）与EQ（情商）融为一体时，我们将实现我们所谓的“对话式AI”。这将是人机交互进化的重要一步。
人工智能帮助临床医生改进医学图像分析
实践中，人们已经开始应用人工智能系统来解决重大问题。In⁃nerEye便是一个很好的例子。In⁃nerEye项目是微软公司的英国研究人员与多位肿瘤医生联合开发的人工智能系统，目的是帮助医生更有效地治疗癌症。
InnerEye采用的人工智能技术最初是为视频游戏开发的；它通过计算机断层扫描（CT）和磁共振成像（MRI）分析，帮助肿瘤医生更快地锁定癌症治疗的靶点。借助CT和MRI扫描，医生可以从三维角度查看病人身体内部情形，并研究肿瘤等身体异常情况。对于正在接受放射治疗的癌症患者，肿瘤医生可通过CT与MRI扫描，来划定肿瘤与周围健康组织、骨骼和器官的界线。这有助于将放射治疗集中在肿瘤上，尽可能避免对健康组织的细胞造成破坏。目前，这项3-D分界工作由医生手动操作，不但速度缓慢，且极易出错。放射肿瘤医生需要手工、逐一绘制数百个横断面图像的轮廓——整个过程需要耗费数小时之久。InnerEye的设计目的是在短时间内完成同样的工作，使肿瘤医生能够精准掌控最终划定的界线。
为创建InnerEye的自动分界功能，研究人员使用了成千上万份原始CT和MRI扫描图像（所有患者身份信息均已抹去）。这些图像被输入人工智能系统，供其学习识别、区分肿瘤和健康的解剖结构，并最终达到临床所需的准确度水平。一旦InnerEye完成自动分界，肿瘤医生便可着手对轮廓进行微调。一切都在医生的掌控之中。在功能进一步强化之后，InnerEye或许还可以用于测量和追踪肿瘤的变化情况，甚至评估治疗的效果。
人工智能帮助研究人员预防疾病爆发
另一个值得一谈的例子是征兆计划（ProjectPremonition）。
近年来，动物和昆虫传播的寨卡、埃博拉及登革热等高危疾病屡屡爆发，夺去了许多人的生命。流行病学家往往要在疫情爆发后，才能意识到这些病原体的存在。征兆计划由微软研究院、匹兹堡大学、加州大学河滨分校和范德堡大学的科学家和工程师共同开发，目的是检测出环境中的病原体，以便公共卫生官员在疫情爆发之前为人们提供保护措施，预防疾病传播。
流行病学家需要通过传感器来检测出现的病原体。该项目的研究人员提出了一个天才的想法：为什么不使用蚊子作为传感器呢？它们数量巨大，吸食的动物范围广泛，虽然只是吸取少量的血液，但已足以从中获取被叮咬动物的基因信息和环境中传播的病原体。
研究人员使用能够在复杂环境中飞行的先进无人机寻找蚊子滋生的地区，并在这些地区部署机械捕蚊器。这些捕蚊器能够根据翅膀的运动模式，将研究人员希望收集的蚊种与其他昆虫区分开来。收集到标本后，再通过云级别的基因组学和先进的人工智能系统，来识别蚊子吸食的动物以及这些动物携带的病原体。在过去，这种基因分析可能需要耗时一个多月，而现在，征兆计划的人工智能功能仅需大概12小时便能完成这一工作。
2016年寨卡疫情爆发期间，征兆计划在休斯敦对无人机和捕蚊器进行了测试。他们收集了9个品种共2万多只蚊子，包括已知携带寨卡病毒、登革热病毒、西尼罗河病毒和疟疾的蚊种。捕虫器在捕获昆虫的同时也收集环境状况数据，所以，这项测试不仅提供了有关环境中病原体的有用数据，还提供了有关蚊子习性的有用数据。因此，该项目的研究人员能够更容易地锁定蚊子滋生的重点区域。目前，研究人员正在努力作出改进，试图在识别已知疾病之外，检测出是否存在未知的病原体。
虽然该项目仍处于初期阶段，但它指明了一个方向。一旦建立成熟、有效的预警系统，便能够事先从环境中检测出某些世界上最危险的疾病，预防致命性疫情的爆发。
让以人为本的人工智能惠及大众
全世界的人们都可以受益于人工智能——但前提是人工智能技术得以足够普及。微软对这一承诺的履行，始于基础研发。微软研究院拥有26年历史，是全球领先的研究机构之一，始终致力于推动计算机科学的发展以及微软产品和服务的研发。我们的研究人员发表了逾22000篇论文，内容涵盖各个研究领域，从环境到健康，从隐私到安全。不久前，我们宣布成立微软人工智能与研究事业部，这个全新的团队聚集了大约7500名计算机科学家、研究人员和工程师，致力于深入了解智能的计算基础，专注于全面整合所有人工智能研究领域的研究，来解决人工智能领域一些最具挑战的问题。
我们始终鼓励研究人员广泛发表研究成果，以便世界各地的人工智能研究人员，包括大学、公司和政府机构等，能够充分利用这些成果。
我们正在逐步将各种人工智能功能融入最受客户欢迎的产品中，例如Windows和Office。人工智能系统能够检测恶意软件并自动保护计算机，因此提高了Windows的安全性。微软个人数字助理小娜（Cortana）同样采用人工智能作为支持技术。小娜虽上线不久，但学习速度极快，已经可以帮您安排会议、预订餐厅，并就各种主题寻找问题的答案。
微软还提供了可用于简化“机器人”创建的技术，使其可以采用更自然的方式，通过对话与人类交互。我们还在提供越来越多的编码和管理工具，以期进一步简化人工智能的开发过程。我们的基础设施服务可以帮助人们开发和部署算法、存储数据并从中获得启发。
人工智能商业解决方案
微软人工智能商业解决方案（AIBusinessSolutions），、可以帮助组织机构更好地理解其收集的信息，构建智能系统并采取相应行动从而提高生产力。
人工智能商业解决方案的一个例子是客户关怀智能项目（Cus⁃tomerCareIntelligence）。目前，澳大利亚民政服务部（DHS）正在使用这一项目，并成功转变了为公民提供服务的方式。该项目的核心是一个专家系统，由一个名为“Roxy”的虚拟助理协助理赔官员回答提问和解决问题。Roxy接受了DHS运营蓝图培训，内容涵盖该机构的所有政策和程序，并输入了三个月期间内理赔官员和DHS管理者之间沟通的全部问题。在早期使用阶段，系统便能够回答近80%的提问。理赔官员的工作量预计将因此减少约20%。
由于Roxy的内部推广非常成功，澳大利亚DHS已着手开发可以直接与公民互动的虚拟助理。其中一个项目专门用于帮助高中生了解相关资格审查程序，以便其决定申请就读大学还是报名参加澳大利亚技术与继续教育学院的职业培训课程。
（本文节选自《计算未来：人工智能及其社会角色》，沈向洋、［美］施博德编著，北京大学出版社2018年9月第一版，定价：49.00元）
缩小
全文复制