撰文 | 彭君韜（Tony）
編輯 | 吳欣
舊金山的 48 號碼頭景色宜人，當地人對此的第一印象便是舊金山巨人隊，這支久負盛名的美國職業棒球隊的主場 AT&T Park 就在 48 號碼頭。不過，這個地方正逐漸和一場科技創新大會聯絡在一起——在過去的四年，全球頂級科技媒體 TechCrunch 在 48 號碼頭舉辦了三次 TechCrunch Disrupt 大會。
TechCrunch Disrupt 大會創立於 2011 年。今年，有超過 5000 名企業家、學者、投資人和初創公司匯聚在舊金山的中心。Facebook 的掌門人馬克·祖克伯、特斯拉的創始人埃隆·馬斯克、創新工場的創始人李開復等人都曾受邀參加，大會的討論話題覆蓋前沿科技的各個方向。
在今年的大會上，TechCrunch 邀請了眾多人工智慧領域的重磅人物，比如谷歌搜尋引擎和人工智慧部門的主管 John Giannandrea、Udacity 創始人、前谷歌無人車主管 Sebastian Thrun 和前 Google 和百度的首席人工智慧科學家吳恩達，他們也就目前關於人工智慧在前沿理論、人才教育和垂直領域應用等方面談了談各自的想法。
人工智慧是一個四歲不到的小孩
去年二月，John Giannandrea 替代了 Google 搜尋引擎的前掌門人 Amit Singhal，成為了這一部門的新王牌。在 2010 年加入 Google 前，他參與創立了語義搜尋公司 Metaweb Technologies，這家公司在 2010 年被 Google 收購。隨後，Giannandrea 帶領研發 Google 的知識圖譜（Knowledge Graph）及人工智慧系統 RankBrain，後者基於人腦神經特點開發，可用於提高搜尋排名的準確性。
在兩年前的一次採訪中，Giannandrea 向 TechCrunch 表示，人工智慧就像一個四歲的小孩。僅僅過了一年，面對同樣的問題，Giannandrea 的回答有些洩氣。
「我過去太樂觀了，一個四歲的孩子可以做很多電腦不能做的事情。我們看到的是機器學習和人工智慧的興起，計算機在非常狹窄的任務中表現的很棒，比如影像識別、語音識別等，所以從某種意義上說，他們超過了一個四歲的孩子。但是，他們沒有像小孩子那樣的學習能力。」
「所以，現在的人工智慧只有三歲半了嗎？」TechCrunch 主持人 Frederic Lardinois 追問道。
「可以算是一個令人遺憾的比喻。」Giannandrea 說。
如果把人工智慧比作一個四歲不到的小孩，或許人工智慧末日論或者威脅論也就成了無稽之談。Giannandrea 並不相信人工智慧會成為埃隆·馬斯克或者史蒂夫霍金眼中那個會顛覆人類社會的「怪獸」。相比之下，他更擔心諸如基因編輯技術的生物科技會帶來倫理問題或者更大的隱患。
值得一提的是，Giannandrea 是 Doug Engelbart 的擁泵。Engelbart 是上世紀 50 年代最傑出的電腦科學家之一、滑鼠的發明者、人機互動領域的開創者，他也是最早主張計算機技術應該被用作提高人類智慧的人之一，並提出了集體智慧這一概念。「我很支援他的觀點，即使人類真的發明了擁有較高智慧的機器，這些技術也會被用來幫助人類，而不是替代或者摧毀人類。」Giannandrea 說。
Giannandrea 認為，與其擔心所謂的人工智慧末日論，還不如解決眼前的問題。如今，人工智慧領域的前沿科技還停留在弱人工智慧，大部分的弱人工智慧是一種解決某個特定問題、基於大資料和統計學的表徵學習方法。這只是人工智慧的一部分，還談不上接近強人工智慧——它無法實現機器的漸進學習能力，無法讓機器獲得遷移學習的能力，更談不上推理、思考等類人化的智慧。
最近幾個月，人工智慧領域不斷地出現一些反思的聲音，學者們質疑人工智慧被高度甚至是過度宣傳，並且對深度學習是否能實現強人工智慧表示懷疑。就在上週，深度學習著名學者 Geoffrey Hinton 對機器學習中重要的反向傳播理論提出懷疑。反向傳播是由 Hinton 在 30 年前提出的概念，是為了讓人工神經網路的輸入值接近並得到我們想要的結果，計算能夠最小化損失函式的梯度，反饋給最最佳化方法。反向傳播是如今深度學習中監督式學習的基礎理論，但 Hinton 卻認為應該擯棄一切、重頭再來。
今年 4 月，義大利的人工智慧專家 Fabio Ciucci 發表了一篇博文，強調深度學習自身的侷限性——對資料以及統計學的過度依賴。他認為深度學習正處於過熱狀態，因為只有與深度學習軟/硬體相關的人正在不斷討論它。「你可曾見過任何『自然智慧』專家，如心理學家和哲學家支援過深度學習？」
Giannandrea 也提出是否應該修正「人工智慧」這個叫法，「人工智慧就好比是大資料，它是一個很寬泛的詞，沒有被很好的定義，我正嘗試著使用機器智慧這個詞。」
三年後，飛行車會變得像現在的無人車一樣火相比 Giannandrea 漫談人工智慧，同樣受邀參加大會的 Udacity 創始人、前谷歌無人車主管 Sebastian Thrun 則帶來了公司最新進展—— Udacity 在當天 （9 月 19 日）宣佈，他們將在網路教育平臺上新開設兩門課程 ——「無人駕駛入門」和「飛行汽車開發」奈米學位。
Udacity 去年開設了無人車的高等教學課程。據 Sebastian 透露，這門課已經接收了超過 50,000 封申請表。此次的無人車入門課程是針對更多的初學者，讓他們能迅速理解和掌握無人車的基礎應用知識。完成課程的總時間是 4 個月，費用是 800 刀，完成後，學生將會得到 Udacity 無人車的奈米學位。
Udacity 推出的無人車入門課程引起了共享汽車公司 Lyft 的興趣。Lyft 將為 Udacity 提供 400 份全額獎學金，此舉也被視為是 Lyft 招募無人車技術人才的一個策略。近幾個月裡，Lyft 頻頻出手無人車行業，包括之前與 Alphabet 旗下的無人車專案 Waymo 以及矽谷無人車初創公司 Drive.ai 的合作。
此外，Udacity 中國區和百度也宣佈了基於「無人駕駛入門」課程的戰略合作，和百度 COO 陸奇領導的百度 Apollo 無人駕駛團隊，聯合開發課程、組織競賽，在中國培養一批頂尖的無人駕駛工程師。只要學員能接入網際網路、有程式設計基礎就可以加入課程，畢業後，學員將獲得 Udacity 和百度 Apollo 的聯合認證。
相比而言，即將在明年正式上線的飛行車課程是一個不小的驚喜。Thrun 認為，這個在五年前還被認為是「妄想」的概念，由於近兩三年裡無車機、深度學習以及無人車技術的日趨成熟，已經擺脫了在技術上的難點，剩下的問題也只是聚焦在社會觀念和法律准許上
Thrun 聲稱，三年之後，飛行車會變得和現在的無人車一樣火。「我無法想象我們的未來世界裡只有高架和路面汽車，未來世界應該是你可以駕駛你的飛行車，沿著直線在空中飛行，比在地面上更快更安全。」
目前，入局飛行車的公司不多。創立於 2006 年的 Terrafugia 是這個領域最早期的公司，其研發的 TF-X 是目前世界上唯一被美國法律所認可的、准許進入美國消費市場的飛行車，最早將於 2019 年進行生產。
近幾年，飛行車的市場正在逐步形成，包括 Airbus 和 Uber 這樣的大型企業也開始研製飛行車，模型主要以半無人機半汽車為主。Thrun 也創立了一家飛行車初創企業 Kitty Hwak，並在今年年初對外公佈了一則影片。從影片中可以看出，Kitty Hwak 的飛行車更像是飛行摩托車，主要利用無人機的予以飛行支援，在上面安排座駕。Sebastian 在大會上也透露，Kitty Hwak 將於明年二月推出第一款產品。
Udacity 官方在部落格上稱，此次推出的飛行車課程將首先關注自主飛行的基本知識，包括運動計劃、狀態估計、控制和感知。完成課程後，學生們將會了解到自主飛行圖景，以及實現安全可靠的自主飛行的挑戰。他們將透過包括飛行模擬和在小型無人機上部署程式碼的選項來開發系統整合的技能。最後，課程希望學生能學會如何開發自主飛行汽車的飛行系統，並讓該系統可以在城市環境中完成複雜的任務。
教育是構建人工智慧社會的源泉
人工智慧的崛起，使得 AI 類人才需求越來越旺盛，前沿科技快速變遷，也造成從業者同樣需要持續不斷地學習。貼緊創新技術的遠端終生教育，除了具有商業價值，同樣能夠促進行業發展。這也是除了 Thrun 之外，人工智慧教育的著名學者、也是前 Google 和百度的首席人工智慧科學家吳恩達再次擁抱教育領域的原因。作為 Coursera 創始人、斯坦佛大學教授，吳恩達視終生教育為人工智慧社會的源泉。
離開百度的 5 個月時間，吳恩達創立的影子公司 Deeplearning.ai 設計了一款在 Coursera 上對外開放深度學習專項課程（Deep Learning Specialization）。這門課程將分為五大部分，內容是基於如何將神經網路應用到各個領域中的。其中包括計算機視覺、自然語言處理、序列到序列模型等等。
吳恩達曾分別為兩大搜尋引擎公司 Google 和百度建立核心的人工智慧團隊。在大會上，他總結了公司實現向人工智慧轉型的趨勢——建立一個集中的人工智慧團隊，如同 Google 的 Google Brain 以及百度的 Baidu Brain，讓他們來統籌不同分支的業務轉型；對員工進行滲透式的人工智慧教育。在如今網路教育變得越來越普及和低廉，讓公司員工學習深度學習知識不再是一件難事。
初創公司的機會在哪兒？
為期三天的 TechCrunch Disrupt 大會吸引了 47 家致力於人工智慧和機器學習的初創公司，覆蓋從 To C 端的面部表情辨識應用到 To B 端的定製移動端人工智慧應用。TechCrunch 支援人在與三位嘉賓的談話過程中，無一例外地問起了初創公司在這場人工智慧競賽中的機會。顯然，這也是到場的觀眾們最關心的問題—人工智慧看重的是人才，是海量的資料，是強大的計算能力，初創公司如何能在眾多大公司的夾縫中生存？
Russell Levine 是烏拉圭初創公司 Xmartlabs 的移動端/人工智慧工程師，致力於為客戶和企業建造具有人工智慧屬性的 App
Google 的 Giannandrea 認為這是一個對初創公司最好的時代。無論是資料還是程式碼，大量的資環是開源的、共享的。初創公司可以第一時間獲取研究論文中的前沿理論，也可以使用開源的資料庫（比如 Imagenet），加上 Google 、亞馬遜、Facebook 的人工智慧研發團隊都將程式碼開源，初創公司已經處在一個良好的生態環境裡。
值得一提的是，在被問到如果現在創業會做什麼公司時，Giannandrea 首先提到的是醫療，例如用海量的影像資料餵養機器學習模型從而獲得更加精確的診斷和檢測的能力，同時，詐騙預防和金融也是他看好的垂直行業。
吳恩達也選擇了醫療領域，同時他也非常看好機器學習對教育帶來的提升。Coursera 的機器學習團隊正在將關於學生的相關資料轉化為表象特徵，然後為學員更適合他們職業發展的課程，這可以為學員們省去大量的時間和精力浪費在不必要的課程上。
吳恩達也對初創公司的未來表示樂觀。「當年網際網路時代 Google、亞馬遜、百度那樣的初創公司，現在都成為了頂尖的網際網路巨頭；蘋果和微軟也在網際網路時代成功地完成轉型，我相信在人工智慧時代也是一樣的。我們擁有一整套的工具和技術，我相信初創公司有很大的空間成為未來的巨頭。」