本期嘉宾为了Christian Riley（克里斯蒂安·莱利），他是美国思杰公司全球产品和技术战略副总裁。在加入思杰公司之前，Riley曾在柏克德公司工作了18年，主要负责公司信息系统和技术部门的战略规划，企业架构和创新计划。
问: 什么是人工智能？
Christian Riley:当我思考人工智能时，我有两种不同的思考方式，其中一种是强人工智能，这种智能涵盖的方面非常广泛，我认为这是一种技术方式去试图重新创造人类的大脑。我们还有另外一个对人工智能分类的概念，即是弱人工智能，这实际上是打破了我认为是相对平凡和可编程的重复任务，这些任务在概念上来解释更加简单，但是是增强或替代人类完成某些任务的有效方式，而这也是我愿意看到的方式。
问:您认为强人工智能是从弱人工智能中演化出来的吗？或者说，强（通用）人工智能是让弱（狭义）人工智能变得范围更大，更广泛，这就是它特有的“普遍性（强）”吗？还是完全不同的强（通用）人工智能（AGI）技术能够让它看起来跟其他的智能结构完全不同，而且我们甚至没有真正开始构建它？
Christian Riley:当我们谈论人工智能时，实际上这个论题并不是一个创新，而是我认为的当前有关它发展例子是新的。随着技术变得更容易采用，更容易消费，我认为这些给了该领域一个全新诞生的机会。我认为，人工智能这个概念是自上世纪五六十年代以来的就出现过的，例如科幻小说中所描述的那样，机器人和电脑将接管工作并帮助我们思考。
我认为它“普遍（强）”的一面，我不知道我们是否真的能够真正地以我们喜欢的方式去全面掌握普通情报。实际上，一台计算机或一系列计算机可以被编程语言进行操控，去学习如何感受情感，拥有感知能力，以及学会如何变成我们在经历了数十万年的进化之后，作为人类去如何对待拥有的那些事物。对我来说，狭义（弱）的东西看起来更像是一个自动化的角度，我不确定拥有弱人工智能的产物什么时候会自动化处理事物，并且突然有的人就会变成所谓的“超人类”。
问：从您的观点来看，我们不能建立通用人工智能的论点是什么？
Christian Riley:我认为即使使用最好的机器学习技术，也有一些东西不能够被人工制造，例如人类存在如此多的情感元素，再加上人类已经进行了几十万年演化过程，以至于我们的大脑的功能不能被完全人工复制。所以，我认为总会有一些人类的行为事物不能被技术像人类做的那样完全相同的展示出来。
我认为可以很肯定地说，尽管人类最早提出关于通用人工智能的概念可能在五十，六十，甚至接近七十年前，但从根本原理上解释，即使是具有最佳通用人工智能能力的最聪明的机器人也不能完全复制一个人的行为。如果你考虑一下我们在决策过程中要必须处理的事情的数量。我们不是按顺序做这些事的，比如我们在某一次做这些时：我们正在琢磨这个想法，如果这个想法是这样的话，我们可以向前看，我们可以回顾经验，情感和学习。对我而言，我认为我们永远不会完美地复制一个人类的灵魂。
问:机器人学家罗德尼布鲁克斯说，我们往往不了解人类在生活中的一些基本常识，这听起来很有趣。他称之为“果汁（能量／影响）”。他说，如果你把一只动物放在笼子里，这只动物会迫不及待地想要出去 ，它会划伤自己，它会变得越来越疯狂。但是如果你把一个由你进行编程设计的机器人放在一个笼子里，它只是通过遵从设计的算法行动，而没有这个“果汁”，并且我们并不知道催使它的（果汁）能量是什么。所以，这听起来像我们不明白的例如一些智慧果汁，一些知识果汁，而这些果汁在一台机器可能有，也可能没有。
Christian Riley:我认为这是一个很棒的词，我认为他（罗德尼布鲁克斯）说的是绝对正确的。如果你想把一个人放在一个房间里，你知道，通过人类头脑的计算的数量，他／她不仅仅需要做的是设计我如何离开这里，但如果我不这样做，那么对我的家人的影响是什么，对爱我的人有什么影响等等，都需要去考虑。这里有一套我不认为可以通过编程就能实现的感性标准，加上我认为“果汁”就是一个我不知道如何通过智能技术就能复制的东西的例子。
当然，对于我们能够掌握的ANI技术，您可能会对类似的事情进行讨论。在与愤怒的顾客打交道时，一个箱子里装有的智能数据助理能够感受到顾客所传达的情感吗？我认为这是一个有趣的问题，而且我从来没有看到它是否能感应到该情感的实例，因为他们没有被制造者用编程语言设计它去做这件事。你也知道，这其实是一项非常小的功能。机器人是ANI的一个很好的例子，用于交互或获取推荐信息，但是当他们为人们提供选择餐馆之类的建议时，例如，根据他们的个人经验或基于合并他们所有的数据能够访问和综合其他人的意见。我认为，一般来说，如果你要对其他人的观点进行预测而不是你自己的观点，那么我认为这就是ANI和AGI之间互通的障碍。
问: 您现在如何评估我们在建立狭义人工智能方面的进展？
Christian Riley:我认为我们正在往正确的方向发展。同样，这取决于你如何对它进行分类，但我认为如果你使用（机器人是一个很好的例子）一些当今社会存在的较为普遍的数字助理，无论是Siri，Cortana，Google，三星，所有的大公司都做出了巨大的贡献，因为他们看到了语音和自然语言处理的明显上升的发展趋势，然后机器学习成为吸引下一代人机互动界面的关键因素。所以，我认为我们的发展方向非常好。
其次，不管你是否采用交互式语音应答这样的简易操作工具，并且说：“那真的是弱人工智能产物吗？”这是一种ANI形式产物，但它的能力非常有限，几乎和一个自我闭环系统所能提供的功能差不多。它只会按照为它进行的编程方式进行响应。所以，按下一个相应的按钮就能让机器为你做相对应的事情，而这也是代替人类来帮助用户的一种方式。但是我认为那些具有更多条件背景的东西，例如当你问一个关于在某个时候最适合去的餐馆在哪里的问题，或者我应该如何到达最近的地铁站，或者从A到B的最佳途径是什么时，这些都是完全不同形式的ANI产物。我认为这更多的是建立学习和统计分析，并以最好的方式让它可以给你一个真正迎合你需求的回应，而不是只靠按一个按钮执行相应的某个动作。在某些方面，可以将其自动化，并且可以说这对于某些客户服务角度来说是一种很好的方法，但我认为，当我们联想到现代的智能数据助理或者智能机器人时，我认为我们实际上在这方面有着很大的进步。
不包括我看过的类似智能产物，现在我们的问题是狭义人工智能产物是否真的能进入企业？在企业用例或ANI的某些其他领域中，有一些内容并不总是与制造智能机器人相同或类似的。但我认为所有这一切都是问题的关键，这是为了迎接更好的理解机器学习技术的到来，因为它提供了算法，为数据的分析提供动力，并在不同领域产生一些特别有趣的结果。
问：人们想知道的是，如果我们越是把机器制造得像人一样，我们就越是贬低人类的本性。您认为这个想法对智能机器的发展来说有什么危险吗？还是我的想法过于极端化？
Christian Riley:我认为问题的关键是，我们应该如何教这些机器人去学习。我们需要再一次将探讨角度回到围绕个性化元素的一些概念，即自主学习技术，该技术也是人工智能和核心机器学习概念的核心，它们的目的是在无人监督的情况下进行预测学习，去试着模仿人类和你在前面例子中给出的动物的学习方式。
通常情况下，我们以自主的方式学习，将自己沉浸在周围的世界中，观察事物是如何工作的，然后看着我们的前辈和其他人以及我们周围社区中的人们对某些事情的反应来学习以及做出自己的判断。因此，我认为，在监督学习和自主学习之间存在着非常有趣的差异：我会告诉你一千次这是一辆汽车，然后你就会明白这是一辆汽车吗？所以学习本身之间的差异会是这个问题变得非常有趣。
但是我真的认为人类的地位会受到威胁吗？这是一个很有趣的自问自答，因为我确信有相同的事物的肇事者，例如我将用瓶子或其他任何东西击中你，而击中一个人或击中机器人并没有区别时，这就是对机器人神经编程技术的失败，因为编程语言告诉机器人去认为可以这么做（伤害人）。因此，我从哲学角度认为，我们能够使技术参与的越多，我们就越能够使技术向完美无缝化发展，然后我们就可以将其融入到我们每天所做的事情中。
正如我们之前提到的，看到智能数据助手的存在和人们使用它们的方式是非常有趣的。事实上，现在它甚至已经融入到了织物中，这些智能数字助理甚至没有应用程序，仅仅是靠内置于织物中便能发挥作用。我认为这可能会给我们启示，并随着时间的推移使这个新事物获得真正的认可度，而且我们必须让它尽可能地吸引人，因为他们肯定会随着时间的推移成为主角。坦率地说，我不认为这会对人类构成威胁。举一个例子，我记得霍金教授曾经说过，人类可能遇到的最糟糕的事情就是人工智能被发明和它到来和速度。但是，我认为，如果我们能够将其作为我们所做事情的组成部分。当人工智能在汽车中得到应用后，它在将来就会被用在飞机上，而现实的发展趋势显示已经无法避免。我们需要把人工智能当作我们日常生活中的一部分。
问：您认为我们让机器学习和普通人一样的目标有多远？那时候我们可以对机器人说，“这里是互联网，它能够让你去学习一切你不知道的。”那是很遥远的目标，对吗？
Christian Riley:我同意，关于机器学习的目标并不是那么容易实现的，但我认为你必须后退一步先去了解不同类型的机器学习之间的差异。当然，我们会说，“嘿，这里是互联网，你可以在那儿去学习一切你不知道的东西。”提供足够的数据支持以及为机器人设置正确算法反应的时间长度，以便当智能机器在看一张猫的照片的时候，会立即意识到它不是生日蛋糕。这听起来像是一个愚蠢的例子，因为人们很容易做到这点，但这微不足道的学习对于机器来说却有着十分重要的含义。然后添加诸如异常检测，回归分析，文本分析和区分不同图像之类的功能，但这并不容易。
想象一下，你把能在互联网上找到的每一张图片都拿走。如果你拿二十，三十，四十，五十种常见的物品，你很可能会期望几乎每个人都从一个五岁的孩子到一个一百岁的曾祖父一样都能够表达他们的东西。但对于一台机器来说，这是一个很长的学习过程。你必须教这个智能机器50个不同的迭代情况，直到让它能在99％的时间内分清楚这是一只猫，是一个生日蛋糕，还是埃菲尔塔，等等。
对我而言，这是关于监督与自主学习能力的区别的一个非常有趣的问题，但我认为必须从智能机器人模型的角度中去理解它。所以，我们认为理所当然的东西是我们认知世界的一部分（作为人类AGI的一部分）建立在我们拥有的非结构化的自主学习上，这显然与结构化的学习不一样，它是我们认为理所当然的事情。因为它在我们的日常世界中是我们这样做的方式，所以我们不必刻意地去通过编程来让我们学习辨识事物之间的差异。如果能够说，“嘿，这里是互联网，这里是深度网络，这些就是你如何得到所有知识的地方，去学习它们吧。”然后，当我问你一个问题时，你将能够到某个论文的第407页中去找到答案。但我认为距离实现这点还很远。
问：从网上看到您的一些论点，您坚持说人工智能是现代企业必须采用的技术，否则将会被时代淘汰。您为什么这样认为呢？请为我们举个例子。
Christian Riley:我们非常大部分的消费者来自金融行业，而且其中一些在做类似网上赌博这样的事情。我们在医疗保健，制药，零售和制造业拥有各种不同的其他消费者群体，到目前为止，我还没看到任何一个行业去尝试应用机器学习进行数字化转型来帮助他们发展进行着努力。当我们谈论“数字化转型努力”这个词时，这是一个很棒的流行词，但对我来说，这是一组非常独特的结构，你要么说，“嘿，我必须转向数据驱动，我必须以不同的方式处理这些数据，而且我必须应用我们一直在谈论的这些技术和或者其中的某一些，这实际上有助于推动不同的业务成果。”
因此，如果你在医药等行业领域去思考这个问题，下一代生物技术公司究竟应该做什么来加快试验进程，从而加快新药的上市时间并将其推向市场呢？在世界的某些地区，获得许可证的时间非常有限，所以你必须在超出许可证时间而被政府征用之前，成为独立的经销商来将这些药品出售。而这个选择往往得到的成果微乎其微。
另一个例子，数字化转型对于银行业来说是一样的，对金融行业来说也是一样。他们需要考虑的是，我怎样才能更好地预测未来发生的事情？我怎样才能更好地承担／规避风险？另外，如何通过使用ANI来鼓励客户更多的参与去帮助定义更好的产品，使产品更加个性化、更具相关性以及更符合某一时段的需求，从而更好地与客户互动呢？
我认为所有这些在我的脑海里都能够转到基于以大数据为基础的概念上，这是一个很好的基础，但是我没有考虑到假如我说的真的实现了，而我现在认为随着机器学习算法的可实践性提升，我们已经能够知道它将给我们带来什么。
另一个非常有趣的方面是，它们正在迅速商品化，而当我说到这点时，人们往往会用一张吃惊的面孔看着我。但是你想想微软所透露的未来发展计划，想想IBM正在做什么，想想AWS正在做什么，以及Google正在做什么，你便知道机器学习对于未来生活的重要性。这些企业将AI元素和机器学习元素视为下一个前沿，并且他们希望将机器学习带进他们生产的消耗品中，并获得一个云端储存空间，或者你可以去购买一台虚拟机。
我认为这对于机器学习的发展是一个关键因素。当然对于这些公司来说，机器学习的研究需要数据科学家，需要了解数据能为您做些什么的人，以及预测机器学习能为用户做的业务成果的人。但我认为它正在迅速成为商品化的新宠是不可逆的事实，并且现在可以通过一点理解，选择您想要的机器学习服务类型以及出于何种原因，然后将其添加到下一代产品，“应用程序”，这真的会带来一些非常有趣的结果。
问: 现在有许多人都在谈论人才短缺问题。您是如何看到人才短缺问题得到解决的？这些工具基本上可以让现有的编码人员在设计程序方面获得很大的帮助，或者您认为我们即将涌入一批新人才，还是两者都有可能发生？您认为人才短缺问题会很快消失吗？
Christian Riley:如果你看了最近的新闻报道中关于谷歌的一些故事，他们做的事情很有意思，他们最近招揽了一批专门从事统计和机器学习的计算机科学应届毕业生人才。我认为这样做会有很大的意义，投资下一代人才是一件好事。坦率地说，大家很想知道，现有的员工是否会被公司重新利用。如果你回顾过去几年并重新思索整个过程，在整个行业中，即使在IT部门，这也不是新型的。
现在在任何一家大型全球企业的大型IT组织，都不会看到PBX电话系统存在于专用的房间中，因为所有这些都在10年前融合到了网络中。随着它越来越被接受的事实，我们已经看到了这一技能集的结束。所以，那些人们为作为命令行界面的电话系统提供接口，他们重新成为网络技术人员。
如果考虑到了这个问题，那么一些曾经是组织中开发人员的人定义的应用程序，且这些应用程序被定义为必须按照公司或者用户定制的效果去开发。而现在，软件即服务这一概念更多地出现后，像Salesforce或Workday或Concur等都变得更加灵活可变化。所以我认为，那些老一代的开发人员要么在其他地方找到新工作，要么在许多情况下，他们就需要像系统整合专家或业务流程人员那样进行再培训。
该问题是不同事物的结合，而现在的人才基本都是拥有多个技能的。那些从事数据科学角色的人在某些情况下需要掌握统计的相关知识，无论是应用数学还是纯数学，这些看起来会让一个人变得对公司很有价值，但是他们是否具备业务知识和业务流程理解，以实际获得价值并演示他们创建或采用的算法的价值，然后为来自不同云提供商的服务去考虑呢？
我认为这是一切的组合。从根本上讲，未来大型公司需要的人才将基于其是否拥有混合的技能组合来进行招募。我认为未来数据科学人才将会面临高强度的竞争；我认为将会有公司为可以编写算法的、尤其是那些可以为特定业务环境中编写相关算法的人才提供丰厚的待遇。但我认为，就像所有这些事情一样，这不是一个独立的群体，因为我们正在开启又一个主要技术革命周期。
问: 显然，全球范围内正在进行一场关于自动化和ANI对未来就业影响的讨论。你对此有何看法？这个问题将如何展开呢？
Christian Riley:一百年前，你说的自动化对于企业发展讨论同样发生在福特汽车公司领导的汽车工厂自动化的那次事件中。事实是，当时从事汽车行业的人们有效地结束了这一事件，这也引起了轩然大波。然而，有些人因自动化而丢掉了工作，但他们同时也创造了我们不一定知道的其他职位。
以呼叫中心为例，如果我们能够创造出一种足够平衡的ANI，它很快就能取代百分之八十的称之为标准呼叫的东西，然后肯定有人会产生一些担忧。但是，我认为也许更大的担忧是，那些旧工作会被取代（我不想用“低端”这个词，因为它听起来有点刺耳），是因为你再也不需要以前的技术来继续没有任何意义的事业。
新的技术肯定会带来一些旧工作流失。这些新的智能机器产物极有可能大规模进入入门级工作，或者是自动化成熟的工作中。但这是否意味着会给我们带来一个巨大的全球社会经济问题？我认为，无论是在同一行业还是在不同的行业中，这种变化很可能会带来许多不同的新工作。
问: 关于知情权的问题。如果人工智能为你做出了决定，比如拒绝贷款等，你有权理解它为什么做出这个决定。你对此有何看法？首先，这是一件好事吗？其次，它在未来可能发生在我们生活中吗？这些神经网络的行为本身是人类不可理解的吗？
Christian Riley:在英国，我们已经看到了一些例子，例如英国的银行有用于批准个人贷款和抵押贷款的决策系统。相关人员会要求你去银行分行，并与分行经理坐下来，让他了解你贷款的目的，并让他做出作为授权银行人员的最终决定，但现在这个过程将被人工智能取代。我们现在已经有智能神经结构可以根据用户的一系列个人因素做出最后决策：有／无信用参考、年龄、参加工作的时间、工作的公司情况、工资、可用的贷款额度以及其他因素等等。我认为，传统的银行贷款需要人工的流程将会逐渐消失。
我们倾向于接受这种决策的权力，在某些情况下通过抵押贷款来改变生活的决定，但它实际上已经从当地银行的分支机构手中转移过来。事实上许多当地的银行分行已经不再让你知道决定的过程，因为我们已经看到那些经常从英国的城镇，乡村和城市消失的人发生的故事。这些都是由ANI做出的决定，而从AGI角度来说，它们做决定时不会为人类的实时情感考虑。但人们会告诉你，“嘿，我们有很多很多的统计模型，这些就是你看到的我们如何建立风险分析的依据。我们经常这样做，看看你的需求是否被认为是一种高／低风险的请求。”这就是我们如何做出关于你的请求项目的决定，而且它不再是依据个人的情感之类的因素了。
问：您如何看待在战争和在武器制造中使用这种技术？
Christian Riley:现在，我认为它对于军事的联盟集团来说这可能是一件好事，或者对于谈话的这一边的人来说可能是一件好事，因为你能够伤害到的人越少，那么你的敌人同样也不会让更多的人们受到伤害，那么这是件好事还是坏事呢？我不得不说，从个人的角度来看，无论你使用什么技术或历史武器装备，我都不认为战争是好事，但这是发生在我们眼前的无法避免的事实。
如果从无人机的角度或从航空的角度思考这个问题，一般来说，我们不称航空为“人造航空”，因为它不是鸟类。如果我们真的应该把人工智能叫做“人造”的话，那么它就构成了某种有助于决策过程的智能。所以，我的哲学理念就是，在任何情况下，如果越少的人会受到伤害，那么效果越好。
很明显，战争背后的建筑工地本身就是危险的，有无人机可以完成任务，而这些任务通常会让人类陷入困境，因为建筑工地与战场不同。但这里存在风险因素，即潜在的致命因素。我想任何时候我们都可以利用技术去做调查，去计算浇注了多少混凝土，铺设了多少沥青，以及多少土地被开垦等等。这些都是我们应该使用这项技术来完成的事情，然后将所有这些数据和情报反馈回来，最终为更可靠的设计和更具成本效益的设计提供更好的机会，并且我希望，更坚固的设计技术将使世界变得更加安全。
问：从组织的角度看，您怎么想到人工智能的实现。当网络首次出现时，人们拥有一个网络部门，但基于现在的观点，不会选择这么做。就整体结构而言，您觉得人工智能是否会推动所有未来的产品开发？
Christian Riley:是的，这绝对是一个组成部分。“我们数据非常丰富，但提供的信息很差”。这是因为我们收集数据的方式是以产品为基础的。所以，我们已经改变了这个模型，并且通过先考虑数据，思考我们如何捕获它，如何与我们密切合作的其他供应商进行交互，从而有效地扭转了金字塔。我们如何将所有这些数据放在一起，形成一个可以利用它的环境呢？
这听起来像是一件容易的事情，但实际上非常困难。所以，我们有一群非常聪明的数据科学家，他们是我们产品开发的内在元素，这是我谈到的分析方面固有的。这些人帮助我们将所有数据集中在一起，将所有数据集中在一起，以便我们可以将这些新算法和这些新技术应用于此。我肯定地说，这是我们安全性的一个核心部分，我们的生产力和性能产品还在不断发展。
问：您对未来非常乐观，那么，您认为人工智能将在十年内的生活中如何？
Christian Riley:我认为我们将会得到比我们之前所知道的更多的东西。当我们停止将人工智能作为x，y和z的一部分并谈论它将会带来的好处时，到那时候我们将会得到真正的成功。有时我会想象，未来某天当你早上醒来时，你会和你的智能数字助理说早安，并问它：“嘿，今天我有多少次会议？”相信你也看过一些视频，一个人在刷牙的时候问他的机器人：“嘿，今天我要做什么？”而将来这一切都会是真实存在的。
我认为很可能会发生的是，假如人们在工作和生活之间的生活尚未完全成功融合，那么这些将会极为有效地在人工智能的帮助下继续融合。我认为，十年之后这将会有一些重大转变。据估计，到2022年或2023年，进入劳动力市场的2000年以后的一代人的数量将达到70％到75％左右，这是非常值得注意的。我认为组织已经在适应这一趋势，在人们未来工作的新方式基础上创建的环境以及他们允许使用的设备将继续发展并不断变化的过程中采用新的哲学。所以，我认为我们会看到工作，因为我们知道它现在的发展速度是我之前谈到的指数级速度，而且我认为组织必须为此做好准备。
我们将要与人工智能相关人才一起处理智能机器的事实将会对社会非常有益，并且这对发展中国家来说也是非常有影响力的，因为他们曾经没有深度考虑过这些问题，并且他们大部分没有经历过我们在企业中已经拥有的三十，四十年的技术。
它会为很多人提供一个全新的平台，这也会推动一些非常有趣的前景和一些非常有趣的统计数据，而这些统计数字对于一个全新的中产阶级来说也许会有长久的影响。我认为这会很棒。最后，我希望人工智能在全球的每个角落都会带来正面的影响和效果。
