谷歌和微软两公司，面对在诸如互联网引擎、移动技术和云计算等领域越来越激烈的相互竞争，很少会选择出现在同一个舞台上。不过，这两个对手有时也会对某些东西抱有相同的观点——比如，人工智能在未来科技中的重要性。

　　最近，在加州帕洛阿尔托市的计算机历史博物馆，谷歌的研发部主管皮特·诺威戈（Peter Norvig）和微软研究院的著名科学家埃里克·赫威兹（Eric Horvitz）面对观众共同畅谈了人工智能的未来。随后，他们两位还与麻省理工《科技创业》杂志的IT编辑汤姆·西蒙奈特（Tom Simonite）谈论了人工智能的现状以及未来的发展可能。人工智能是一项复杂的工程，但出于简洁需要，一些回答经过了部分剪辑。

　　麻省理工《科技创业》：你们在台上都谈到了近年来人工智能如何借助机器学习技术得到了飞速发展。但机器学习技术需要吸收大量数据，才能进行譬如翻译文本或转录演讲等操作。那么在我们希望得到人工智能的协助却没有大量数据可利用的领域中，该如何呢？

　　皮特·诺威戈：我们现在所做的就像是在路灯底下找丢失的钥匙，因为只有这里才有光亮。我们在文本和演讲方面做得非常好是因为这里有大量数据可利用。除非是在做语法作业，否则人们不会自然而然地分析句子的语法成分，因此我们不得不在没有标记数据的情况下学习。我的一位同事正在试图通过在线文本中哪些句子成分被超链接，来寻找一个句子中的特定部分，以避免这种情况。

　　埃里克·赫威兹：我常常想要是在天空中有一个云服务器，可以把每场谈话都记录下来——比如，北京市每辆出租车里的每场谈话——那么就有可能使人工智能学会做任何事情。

　　如果我们能够在保护隐私的前提下找到获取大量数据的方法，那么所有可能都将成为现实。

　　麻省理工《科技创业》：如果数据没有并标记和解释，那么使用机器学习技术就会遇到困难吧？

　　赫威兹：你不需要这些数据全部被标注。半监督学习法（semi-supervised learning）表明即使只有1%或者更少的数据被标注，你依然能够利用它来理解剩余的全部数据。

　　不过，缺少标注是个挑战。一种解决方式是以少量报酬雇用人工，通过标注图片或其他东西来帮助系统理解数据。个人认为，使用人工计算来增强人工智能是一个非常丰富的领域。

　　另一种解决法是创建能够理解信息的价值的系统，也就是能够自动计算出下一个最适合的提问，或者从某人提供的一条信息或一个额外的标签中掘取其最大价值。

　　诺威戈：你不需要告诉一个学习系统所有的一切。有一种学习类型叫做加强学习，你只需要在一个任务的最后给予奖励或惩罚即可。比如，你输了一盘棋局但没人告诉你为何会输，你不得不在下一盘棋中学习如何取胜以赢得奖励。

　　麻省理工《科技创业》：你们所说的这些与早期的人工智能大不相同。在五六十年代，研究专家对人工智能与人类智慧相匹敌作了大胆的预测，并试着用高级的规则来创造人工智能。你们的机器学习系统是否也用那些高级规则来规定自己呢？

　　赫威兹：现在的学习系统可追溯到过去为具体行动而设的高级规则。比如，提取一系列生理症状并测试结果，然后给出诊断。但这个例子与人工智能的一般规则是不同的。

　　也许现在我们做的工作越低级，越有可能与未来某天自上而下的理念相重合。皮特和我置身于的这场人工智能革命就是在不确定环境下做重要的决定，并且用某些可能的方法实现所作的决定。伴随这场人工智能革命可能会让我们认识到：我们的才能非常有限，半途而废有时不可避免。

　　诺威戈：在早期发展中，人工智能受逻辑的限制。当时的问题在于如何使用它。对人工智能的研究变成了研究人工智能能够做什么，如下棋。那时的人们只知道事情有可为有不可为，而很多当时人们想为的事情却无法为之，因此人们朝着可能性方向展开了研究。人们花了好长时间才认识到还有很多其他领域如概率和决策论等可供研究。把这两种方法结合起来是一个挑战。

　　麻省理工《科技创业》：随着我们越来越多的看到人工智能在现实生活中的应用，如苹果Siri，一个设计上的问题似乎已经出现了。人工智能的创造者们需要使他们的产物适用于人类的智慧。

　　诺威戈：这其实是在不同层次上的一系列不同的问题。比如，我们了解人类的视觉系统以及人类能看出不同颜色的按钮代表不同的含义。在更高一个层次上，我们头脑中对某个事物及此事物如何表现的预期是基于我们对它的想法和我们认为它与我们是何种关系上的。

　　赫威兹：人工智能技术和人机互动技术（对我们如何使用计算机和对计算机的想法的心理学研究）之间的交叉越来越多。我们对未来将出现更多与人类紧密合作的智能设备的想法其实重点就在于寻找人工智能和机器智能相互交叉的新途径。

　　麻省理工《科技创业》：我们还需要了解什么才能让我们与人工智能彼此更包容？

　　赫威兹：我的研发团队一直以来都在研究如何让计算机对于人的注意力有一个系统的理解，使计算机知道何时最好打断一个人的操作。这是我们研究团队和产品团队长久以来都在讨论的话题。

　　诺威戈：我想我们还需要更了解人的身体，可以借鉴微软的Kinect体感周边外设产品的做法。各种计算系统在了解人类的行为和身体语言方面非常具有潜能。

　　麻省理工《科技创业》：微软Kinect体感周边外设产品中有人工智能技术吗？

　　赫威兹：其核心含有大量的机器学习技术。利用尖端人工智能技术开发出一种前所未有的大卖的消费者电子设备这个事实，给予我们一些有关人工智能领域的启示。机器学习技术在微软Bing搜索引擎中也占据重要地位，我在此也只能假定说这种技术在谷歌的搜索引擎中亦非常重要。因此，人们在日常生活的上网过程中就在使用人工智能。

　　麻省理工《科技创业》：能告诉我最近你们所看到的人工智能演示中那个最令人印象深刻吗？

　　诺威戈：我最近看了谷歌公司某人写的一篇论文，是关于返回斯坦福大学研究无监督学习技术的。我们自研究人工智能以来一直都未对此领域给予足够重视，但这个人却取得了非常不错的研究成果，它看起来就好像在机器什么也不知道的前提情况下学习并且得到了不错的结果。

　　赫威兹：我对“学徒学习”非常感兴趣，在这种方式下，系统通过例子来学习。它可以应用到很多地方。加利福尼亚大学伯克利分校和斯坦福大学的研发团队在这方面都有不错的进展：比如，飞机通过“观察”一名飞行员来倒着飞。