仿佛一夜之間，人工智能（AI）就在各個領域“安營扎寨”。從手機助手到下棋機器人，從自動駕駛汽車到工業機器人，從醫生助理到家庭生活服務助手等等，我們正進入一個新的AI時代。
人工智能時代的來臨給創新帶來什么樣的變革？我們應該如何來進行創新？如何避免AI帶來的“機器誤導”？哪些是AI領域的難點？日前記者采訪了微軟亞洲研究院副院長張益肇博士。
AI和“隱形革命”
“說說看，你最喜歡的技術是什么？在你每天的工作和娛樂中都要用到的，并且在你生活中幾乎不可或缺的技術是什么？如果你認真地思考一下，很多你最心怡的技術沒準已經不再是由塑料、金屬和玻璃制成的實體了。”張益肇引用同事Allison Linn的話開場。
人們最心怡的技術已經從手中握著的實體變成賴以生存的、無處不在的隱形服務。張益肇說，我們正進入一個“隱形革命”時代。當感應器越來越便宜，即使你感受不到它的存在，它也可以收集大量數據，并通過分析了解很多信息，提供如影隨形的服務。很多創新我們感受到的不是機器的“物理”變化，而是機器的“智能”變化。比如，對于一個騎自行車的人，它會提示你何時有可能發生意外，并杜絕意外的發生；再如，一個居住在北京的市民很容易知道幾天之后是不是會有霧霾，幾公里之外有沒有污染源；又如，一個醫生需要學習幾年的醫學知識，它可能只需要幾分鐘就能讀完，并給出你診療建議；再比如，一個盲人，它能夠告訴你周邊路況，應該如何通過馬路。
張益肇認為，下一代開天辟地、改變生活的技術創新，一定會遠遠超越鍵盤、屏幕、手機、相機、手表等硬件的范疇，而是更多地從云中獲得計算能力——成千上萬的計算機在云系統內運轉，讓律師很容易找到案件的問題所在，讓科學家能夠預測下一次致命疾病的爆發、甚至田間農作物的收成。
在張益肇看來，“隱形革命”依賴于機器學習等人工智能技術，隨著計算機掌握的數據越來越多，它能夠把事情做得越來越好。隱形革命有三個關鍵支撐：算法、數據和計算能力。AI并不是今天才存在，之所以能夠在今天這樣的節點迅速興起，開始滲透到各個領域，有幾個重要的因素。
一方面，機器學習的技術越來越成熟。作為機器學習的新領域，深度學習的進展來自于計算能力的提高。雖然基礎算法沒有巨大改變，但是由于結構過于復雜，以前的計算能力無法對神經網絡進行訓練；而最新的系統可以計算出更加復雜的深度神經網絡。比如，用深度學習做計算機視覺訓練，從原來二十幾層左右已經可以做到一百五十二層，甚至在微軟亞洲研究院內部已經開始了上千層的學習和訓練。
另一方面，除了機器學習的算法和基礎設備越做越強之外，更重要的是數據源越來越豐富和多元化，從而可以做更多分析。過去研究人員要進行分析，尋找數據源需要大量的時間，有很多的障礙，現在數據已經越來越豐富。
好的體驗需要軟硬結合
在采訪張益肇之前，記者還了解到很多微軟正在研發的“黑科技”，包括“全息瞬移”（Holoportation）、“觸前傳感”（Pre-TouchSensing）等，這些前沿技術能夠讓人們在虛擬與現實之間來回“穿越”，無需觸碰屏幕，手指手勢就可以實現人機交互。
一方面，微軟在強調創新變得越來越“隱形”，更多是借助云計算、數據、算法的能力進行相對“后臺”、“后端”服務的創新；另一方面又在進行大量傳感器、全息系統等這些相對“前端”的研發。這透露著什么樣的信息？
“事實上，我們今天的感知系統還遠遠沒有達到精準描述和再現這個世界的程度。”張益肇說，從數據收集和感知維度上看，我們現在依然缺乏很多維度的“觸角”，而往往感受世界的視角不同決定和影響了我們對世界的判斷。正因為如此，微軟會投入大量的精力來進行“前端”傳感的研究，包括前面提及的“全息瞬移”、“觸前傳感”等。好的體驗需要“軟件和硬件”緊密結合，專注于傳感技術的傳感器公司可能無法涵蓋廣泛的體驗，這就需要我們彼此的深入合作。而且作為一個提供平臺的公司，微軟很想把人工智能的技術以平臺的方式讓更多人使用。如果我們不做全息眼鏡Holo Lens，我們的平臺就很難更好地理解前端的變化。
張益肇拉開袖口露出手環說：“我這個手環上有超過10個感應器，包括GPS（定位）、加速器（感知動作）、陀螺儀（Gyroscope，感知更加細微的動作）、皮膚電反應（GSR，Galvanic Skin Response，感應皮膚濕度）、溫度計、藍牙等，通過收集我的數據與云上數據、模型算法的分析判斷，遠遠勝過醫生在見面五分鐘內對我的了解。”我們希望以后可以將這些信息規范化，為醫生提供參考，與醫院進行配合。目前微軟已經在和美國一家很大的醫院進行合作，研究如何把云上的智能和醫生、護士相配合，幫助他們更好地維護病人的健康。
目前許多業界巨頭包括IBM、微軟、谷歌等都加大了對AI的推動力度。微軟去年宣布了“微軟牛津計劃”，后升級為“微軟認知服務”，開放其AI技術平臺，開發者們就算沒有人工智能的知識背景也能輕松開發出屬于自己的智能應用。這套認知服務包括視覺、語音、語言、知識和搜索五大類共二十一項API。有了這些API之后，開發者不需要自己再花很多時間去開發這個技術，直接用幾行Code就可以調用技術并生成App。張益肇說：“我們不可能想出世界上所有應用場景的可能性，所以最好的辦法就是把它平臺化，做成服務，希望大家給我們更多的反饋。”
智能手環
未來的世界是AI+HI
業內正積極推動AI技術發展、掃清應用障礙。張益肇認為，數據的來源依然是很大的難題，無論是數據質量還是數據數量以及收集數據的成本，都面臨很多挑戰。以手寫體的識別為例，需要去找很多人提供白板上的圖片，才可以慢慢學習每個人的筆跡，相對簡單但工作量很大。而醫療數據因為涉及個人隱私，進行數據共享和開放也面臨一定的難度。盡管已經有很多對數據進行匿名和保護的技術，但是開放數據更多的挑戰還在于觀念和管理層面。
從AI應用推動的角度來看，張益肇認為，AI的應用非常廣泛，涵蓋了各種不同的領域。在中國其實有很多的機會，比如目前中國在醫療健康、輔助功能等領域就有很大的AI需求。他舉了“Seeing AI”項目研究的例子，這個項目可以通過計算機視覺技術將圖像轉換成文字描述，再將文字轉化成語音，就可以幫助盲人“看”世界。此外，張益肇基于自己正在做的醫療研究的AI應用表示，在中國有很多胃癌患者，一方面是治療需求比較大，另一方面數據也比較多，所以通過AI技術可以推動這個領域的研究。
另外，能源利用和環境保護也對AI有很大的需求。目前中國是世界第一的能源使用大國。如何有效減碳、增進能源使用率越來越重要，因為中國城市化很快，尤其是個人的住宅，能源的使用很難控制，經常造成能源浪費，用智能判斷的方法來進行樓宇的能源控制、住宅的隔熱與溫控等，都能大幅提高效率。
此外，空氣污染也是一大挑戰。微軟創投加速器最近孵化的一家公司專門做遠距離的感應器，通過無人機的方式來感應污染、監測煤氣泄露等。過去煤氣公司探測煤氣泄漏，需要派人到現場，通過感應器感應哪一戶的廚房在漏氣，很危險。現在用無人機的方式就變得更安全，也更高效。
當人工智能的應用越來越普遍，人們的決策越來越依賴機器智慧，一旦機器預測發生錯誤，是否會將人類帶到更大的“災難深淵”？
在張益肇看來，人工智能犯錯與人也會犯錯誤一樣，人類通常避免犯錯誤的方法是多人合作來降低錯誤的幾率。例如美國的太空梭，他們的做法是同時有三個完全獨立的電腦做判斷，理想狀況是三臺電腦做出一模一樣的決定；如果沒有三個相同的決定，就選擇兩個投票的決定。因為這三臺電腦的算法都是由不同的團隊開發的，相對而言同時出錯的幾率就比較小，在未來也可以用這個方法降低AI應用的錯誤率。未來人工智能將通過“AI”和“HI”（人類智能）結合、搭配，彼此取長補短來更好地發揮AI的作用，就像《星際大戰》里小機器人主要做輔助和繁瑣的事情，但最終決定還是由人來決策一樣。以后AI發展應該往這個方向來做。