自序

全世界都在为即将到来的人工智能革命感到振奋。这种情绪就仿佛二十多年前我在硅谷亲历互联网大潮初起时所感受到的。

这也让我时常回想起更早之前，自己在美国学习人工智能课程时的场景。在国内我学的是信息管理，到美国后我读的是计算机科学。对于那些与硬件相关的课程，我不是很有兴趣，但是一讲人工智能，我就特别兴奋，觉得这就是计算机科学甚至人类的未来。这门课我学得很不错，但是学完了之后自己做了一些研究才发现，人工智能还没有什么应用机会，不能够解决实际问题。大家对人工智能满怀希望，真正到市场上一检验，就会立刻碰壁。所以那个时候我比较失望，只好把这个兴趣默默埋藏了起来。

但是这个梦想一直都在那里。随着计算机网络产业的发展，尤其是搜索引擎的进步，希望回来了。

在搜索引擎大发展的十多年时间里，我和一些同路者逐步意识到，人工智能逐渐开始发挥作用。搜索引擎一直在推升计算机科学的天花板。几乎计算机科学的每一个层面，从硬件到软件的算法，再到数据，都在被持续推进，有一天一定会触碰到人工智能这个方向。在搜索上一尝试，就发现人工智能是有效的，与过去任何一个领域应用人工智能的感觉都不一样。

我们马上就会想，为什么它在这个场景下是有效的？我们的总结是，海量的数据，越来越强的计算能力，越来越低的计算成本，在搜索领域汇聚到一起，铺就了人工智能的回归之路。

如果说互联网改变了信息基础设施，那么移动互联网则改变了资源配置方式。如末梢神经般深入人类生活方方面面的互联网，不仅产生出科学家梦寐以求的海量数据，而且催生了云计算方法，把千万台服务器的计算能力汇总，使得计算能力获得飞速提高。科学家早已发明的“机器学习”方法在互联网领域大展身手，从根据用户兴趣自动推荐购物、阅读信息，到更准确的网络翻译、语音识别，互联网越来越智能化。人工智能从互联网中汲取力量，终于王者归来，并正在酝酿一场堪比历次技术革命的大变革。

面对这样的变革，许多科技界的领军人物都开始探讨它可能带来的潜在风险。同时也不乏专业人士质疑它兑现奇迹的能力。于是在舆论领域，我们的耳畔萦绕着两种声音：只要人工智能达到发展高峰，就会听到“人类将被机器统治”的担忧；而只要人工智能陷入发展低谷，又会听到“这只不过是换了种套路的创新泡沫而已”。

对于这样一个快速发展的新技术，一定是仁者见仁，智者见智的。但作为技术的追求者与信仰者，我深信不疑的是，我们既不能高估技术的短期作用力，更不能低估它的长期影响力。

从纵向发展来说，业界通常把人工智能分为三个阶段：第一阶段，弱人工智能；第二阶段，强人工智能；第三阶段，超人工智能。实际上，目前所有的人工智能技术，不管多先进，都属于弱人工智能，只能在某一个领域做得跟人差不多，而不能超越人类。

人工智能恐惧论者担心，当有一天超人工智能到来，人类会不会被机器所控制？

对此，我可能比大多数人都更保守一些。在我看来，人工智能永远不会到那一步，很可能连强人工智能都到不了。未来，机器可以无限接近人的能力，但是永远无法超越人的能力。

当然，仅仅是无限接近人的能力，就已经可以产生足够大的颠覆性。因为计算机在有些方面实在比人强太多了。比如它的记忆能力，百度搜索可以记忆上千亿的网页，其中的每一个字它都记得住，没有一个人能够做得到。再比如它的运算能力，哪怕是写诗——把你的名字输入手机百度的“为你写诗”，敲回车键，没等你反应过来，诗就出来了。再厉害的七步神童，也很难达到这种速度。但是，在情感、创造性等很多领域，机器是无法超越人类的。

更重要的是，在技术与人的关系上，智能革命与前几次技术革命又有着本质的差异。从蒸汽革命、电气革命到信息技术革命，前三次技术革命，都是人自己去学习和创新这个世界，但是人工智能革命，因为有了深度学习，是人和机器一起学习和创新这个世界。前三次技术革命时代，是人要去学习和适应机器，但在人工智能时代，是机器主动来学习和适应人类。蒸汽时代以及电气时代刚刚来临的时候，很多人是惧怕新机器的，除了工作机会的剧烈改变，还因为人不得不去适应机器，适应流水线。而这一次人工智能革命，却是机器主动来学习和适应人类，“机器学习”的本质之一，就在于从人类大量行为数据中找出规律，根据不同人的不同特点、兴趣提供不同的服务。

未来，人和工具、人和机器之间的沟通，可能完全是基于自然语言的。你不需要去学习怎么使用工具，比如怎么打开电视会议系统，怎么去调节空气净化器，你只要说话，它就能听懂。人工智能的使用方式会让人生活得更好，而不是像过去的机器那样让人感到难受。人工智能的应用会极大地提高工作效率，是推动人类进步的因素。

从六七年前开始，百度就已经认识到，人工智能将是照亮又一个新时代的火种，并在当时几乎无人看好的情况下，大规模投入这一领域。

而在国际上，谷歌从搜索领域，微软从遍布桌面的应用领域，亚马逊从电商领域都积累了海量的数据和计算能力，它们与大学实验室里的科学家一起，几乎同步认识到人工智能的新浪潮正在涌动，并且纷纷大力投入，建树颇丰。

无论中外，企业界在这场技术革命中的主导作用日益明显。

2016年夏天，我在硅谷待了几周。有一天，跟斯坦福大学的几位学者聚餐。一位教授朋友跟我说：我们学术界现在已经不太想做深度学习了。因为我们根本做不过工业界。你们每年投入人工智能研究有多少预算？我们不敢想象。他就让同桌吃饭的人猜百度人工智能研究有多少预算。最后我说，我也不知道给了多少预算，因为这个是根据需求，需要多少我们就给多少。

除了投入力度，工业界的数据丰富程度也是学术界无法比拟的。像谷歌、百度这样的公司，正好处在互联网的中心位置，每天都会产生海量的搜索数据、定位请求等各方面的数据。

越来越多的人工智能科学家从知名院校的实验室跳槽去了谷歌，去了百度……就是因为高校无法提供研发人工智能所需要的海量数据，也无法承担计算硬件集群的巨大成本。