王小川：像《黑客帝国》一样打开人工智能的视角

王小川：像《黑客帝国》一样打开人工智能的视角。

2016年3月份AlphaGo与李世石的人机大战比赛前几个月，搜狗王小川就已经预料到AlphaGo会赢，他早就看明白了人工智能在未来的力量，因而非常笃定。技术的力量不容小觑，中学的时候，王小川就迷恋用算法来解决游戏的博弈问题，比如下象棋或是跳棋。虽然他已经不再写程序敲代码，专注于公司管理，但他依然保持着对这个世界最大的好奇。

搜索引擎公司是人工智能基因最足的模式，王小川相信，在数据技术没有成熟的时候，垂直领域的直接切入才会使得系统更实用。搜狗语音纠错功能很快就会发布，接下来是“读图”功能，还有一些搜狗正在研发的技术他没有展示，比如跟驾驶相关的。“无人驾驶或者类似的场景下需要流畅自由地对话，所以语音最大的场景不在手机上，而是在其他设备上的交互”。

2016年4月底，搜狗给清华捐赠了1.8亿，成立清华大学天工智能计算研究院，开展人工智能领域的前沿技术研究，王小川出任联席院长。“判断人工智能技术力量只看一个原则，背后有没有跟高校连接在一块。”王小川说，国外的经验就是不断从高校引进教授，来参与人工智能企业的研发。

以下内容根据王小川口述整理：

这次做天工研究院，我们会公开开放大量的数据，因为人工智能时代到来之后，你会发现没有数据没法做研究。搜索引擎公司是人工智能基因最足的模式，不光是我们，百度、谷歌都是，天生就是大数据产品，容易获得用户交互的行为，从而帮助做判断和选择，所以数据本身对于推动整个人工智能研究会有巨大的帮助。研究院把数据开放之后，基于数据去设立研究的题目。研究不是企业界或是高校单方面的事，而是由我们来推动数据和题目的设立。

另外我们想尝试，做一些具有重大突破性，而且大众能够理解的实用性的理论研究。因为有企业的介入，希望研究院既在选题上有大的突破，又能够跟应用走得更近，两方面都兼顾。就像AlphaGo，两头都有，一头在理论上是有进展的，代表着怎么把游戏问题解决得更好，比如用卷积神经网络，能够试图理解棋盘，用连接主义而不是符号主义去解决游戏问题，这是它的一个突破。而且还要懂得把深度学习能力跟搜索理性能力合一。这里有很多创新，创新又变成大众能够理解的产出。

很多人会说为什么不把1.8亿用在公司内部做创新，其实搜狗走到今天，我们开始需要理论上的创新突破来支撑发展了，不只是应用层面上的。在国内市场中，跟搜索的竞争对手做对抗，从能力或动力上我们有所欠缺，所以需要有前沿的技术去突破它。我自己是兼任天工研究院的院长，公司里面设研究院和外面设研究院我们执行力是一样的，实际都会参与运营。有了一个叫天工的独立品牌，巨大的好处就是能够跟国内外人工智能方面第一流的学者专家共振起来。在想象力上脱离了搜狗品牌的束缚，反而能帮我们打开空间。

这1.8亿研究费用，我们倾向于在图像理解和语义理解方向去进行研究，让机器能够读懂人。今天的搜索引擎还是用简单原理做的，机器只是为了排序，并不懂得你真正需要什么。如果我们促使机器对语义理解深了，它就能够真的获取知识，所以未来我认为这种对视觉和语言的理解，一方面会让你在表达上更容易跟它沟通，第二方面它也能够更直接给出结果，这个结果真的是你自己想要的答案。

输入法最早是用键盘的，现在可以语音输入，以后你的表情，你的手势，甚至通过数据分析都能够让机器懂得你要什么，而不单纯依靠打字的方式了，甚至脑电波都有可能，因此我们的输入交互层面今天是很不够的，想象空间还很大。另外，输入层面还有一个智慧的要点，就是把填空题变成选择题或者判断题，人工智慧的输入会反馈说主人你是不是要输这个，如果选定，它就帮你传输出去，它理解你到底想要说什么。另外，我们说今天搜索引擎在获取答案的时候，其实只是通过若干引导把你带到不同的链接里去，不是真的帮你解决问题，未来人工智能的搜索一定懂你要什么，根据你的需求，帮你做推理、做判断，给你的就是你要的答案。就像你的秘书一样，他帮你完成一件事，而不只是给了你一个链接。在表达和获取信息里，人工智能未来有很大的改进空间。

2016年6月份，我要去英国跟AlphaGo的研究团队DeepMind进行一次学习交流。其实早在2013年，我已经意识到了深度学习技术是可以用来做围棋的事，但是很遗憾我们错过了，搜狗那时候利润也不多，我当时的能力不足以推动这件事。

Nature杂志上关于AlphaGo的论文我读了两遍，第一次是在2016年2月份，谷歌宣布要跟李世石比赛，比赛完了我又读了一次，对我启发很大。你真的看到了一个既有技术突破又真正实用的东西，因为有时候成功案例往那一放，会激发你把科研和最后应用都做透的决心。

除了论文以外，我还很敬佩AlphaGo研究团队。之前说先拿人类的数据来训练机器，他们内部有一个实验，尝试让AlphaGo自己跟自己下，看看最后演化出什么棋来。这个东西的好奇不只在赢棋，而是你从不同路径学到不同的东西究竟最后会有什么样的表现。就好像进化论，如果人重来一次进化，会生成什么样的生命？这些人是这样思考问题的，他们的视角值得我们学习，不是个人加功利的噱头，而是思考更深层次的问题。

从生活层面来说，实用语音交互最多的场景是在汽车导航和驾驶上。之于无人驾驶，我是比较相信辅助驾驶，渐进式的，而不是谷歌所代表的全自动驾驶，这是两个流派。特斯拉比较靠谱，就是不断地改进，就像洗衣机从半自动到全自动一样，升级就行了，而不是一开始就设立把人给取代了，这是对技术的第一个理解。第二，无人驾驶跟自动驾驶都是大的系统性的工程，我比较倾向于有创新精神的汽车厂商做这个事，而不是互联网公司。如果互联网公司要做这件事，我反而比较看好像Uber这样的公司去做，就是帮你带路，能够让你更好地出行，最开始让司机来开，慢慢也可以往人工智能方向上走，Uber和特斯拉两个更接近无人驾驶，这技术在他们的产业链条里面，而不是孤立的一个技术。

人工智能是面对未来的问题，未来的问题一定要有想象力，所以我觉得科幻作品能够打开人的视角。最近刚读到阿西莫夫写的《最后的问题》，这个作品很短但很经典，把人工智能和未来人的终极趋势讲得很透。

最难忘的影视作品还是1999年，我还在清华读本科，看到了电影《黑客帝国》，这部电影对我震撼很大，至今我还会偶尔在家翻出来看。当年大家喜欢具有科技感、烧脑的片子，它确实能够代表科幻里边很高的境界。《黑客帝国》讲了意识脱离人之后，到了更新迭代的状态。人死了，意识存下来了。电影里有很多思想内涵，比如关于“异常”，在一个有序系统里一定会存在一种例外，这甚至跟佛经里的概念相通，暗含着深度的哲学思考。《黑客帝国》里面做了一个假设，说人是能当电池用，给机器供电。在所有你能够论证的事情里这是最不靠谱的事，人能当电池，给了我们更大的哲学物载，否则你一点用都没有了。你越看越会觉得这个片子博大精深。以至于后来我有点恍惚，觉得我们在思想上不断要自我提升，在技术上要不断提升，但是人家早已经想到甚至已经把人工智能的未来拍成了电影，《黑客帝国》很难被超越。