機(jī)器學(xué)習(xí)將推動(dòng)下一次工業(yè)革命的到來

　　在1日舉辦的“全球思想盛筵-人工智能與人類文明”上，圖靈獎(jiǎng)獲得者、美國國家科學(xué)院院士、美國國家工程院院士John E. Hopcroft發(fā)表主題演講，稱機(jī)器學(xué)習(xí)將推動(dòng)下一次工業(yè)革命的到來。

　　John E. Hopcroft認(rèn)為，人工智能的許多項(xiàng)目還不能提取一個(gè)物品的本質(zhì)，或者是理解物品的根本功能以及其他重要方面。所以要想真正的具有全智能性還需要再進(jìn)行一次革命，讓我們看到一個(gè)物品能夠立刻理解。

　　John E. Hopcroft表示，AI現(xiàn)在還處在一個(gè)比較早期的階段，下一步可能還要花一段時(shí)間才能夠?qū)崿F(xiàn)。AI不是唯一一個(gè)在驅(qū)動(dòng)革命進(jìn)程的一個(gè)技術(shù)基礎(chǔ)。大數(shù)據(jù)能力、互聯(lián)網(wǎng)、云計(jì)算、物聯(lián)網(wǎng)等等都提供了可用數(shù)據(jù)，這些都是驅(qū)動(dòng)因素。我們需要做的事情就是去決定哪些靈域是合適的，哪些是不合適進(jìn)入的。

　　在演講的最后John E. Hopcroft建言年輕人，考慮事業(yè)的時(shí)候要面向未來，這樣才會(huì)有更美好的明天。(澤宇)

　　以下為John E. Hopcroft演講實(shí)錄：

　　非常高興出席今天下午的盛會(huì)，我的主題就是人工智能技術(shù)的前沿領(lǐng)域，此次人工智能不僅影響了工業(yè)也影響了農(nóng)業(yè)，首先我們發(fā)現(xiàn)在工業(yè)革命的時(shí)候所有的體力活都進(jìn)行了自動(dòng)化，這改變了整個(gè)社會(huì)和生活的運(yùn)作模式。大家面臨這樣的問題，人類是不是能夠完成我們所需要的所有的食物和服務(wù)?工業(yè)革命這是我們思考的一個(gè)主題。

　　今天我想和大家分享的就是人工智能AI，它的背后是機(jī)器學(xué)習(xí)，因?yàn)?a class="contentlabel" href="http://butianyuan.cn/news/listbylabel/label/機(jī)器學(xué)習(xí)">機(jī)器學(xué)習(xí)會(huì)推動(dòng)下一次工業(yè)革命的到來。機(jī)器學(xué)習(xí)在過去的10到15年間，我們主要關(guān)注的是監(jiān)督式學(xué)習(xí)，我們會(huì)去培訓(xùn)所有的數(shù)據(jù)和一些標(biāo)簽式數(shù)據(jù)，現(xiàn)在我們轉(zhuǎn)了一個(gè)方向做非監(jiān)督式的學(xué)習(xí)。在這樣大的背景下，包括圖像識(shí)別，舉個(gè)例子我們走到一家商場中這個(gè)商場可以確定你需要什么樣的產(chǎn)品，你是誰，可能還會(huì)幫我們找到一瓶我們需要的飲品，同樣我們也關(guān)注語音識(shí)別，比如給公司打電話可以直接給我們轉(zhuǎn)接到真人，這些日常生活場景都是通過自然語言處理實(shí)現(xiàn)的，我們可以閱讀這些文件和包括找到酒店信息，這些閱讀量哪些是有效的，大概50%都是非自然語言處理。

　　在美國我們通過立法之前通常有那么一段時(shí)期所有的公民都有權(quán)利和機(jī)遇提供他們的建議為該法提供建議。我們會(huì)有2萬條相關(guān)的建議，但是政府既不能忽略也不能全讀一遍，所以我們需要一些機(jī)器找到一些正面、負(fù)面的意見進(jìn)行篩選。

　　同時(shí)我們也考慮到了無人駕駛，在美國總共有350萬人工駕駛和相應(yīng)的司機(jī)他們會(huì)失去職業(yè)，我小時(shí)候非常喜歡拉杠桿，比如當(dāng)我們學(xué)習(xí)了整個(gè)簡單的電梯的運(yùn)行原理之后就不需要這樣的服務(wù)人員了。其實(shí)自動(dòng)駕駛一開始要從卡車開始，比如現(xiàn)在卡車司機(jī)在美國的話，他只能每天開一段時(shí)間，是有時(shí)間限制的，假如說自動(dòng)駕駛的卡車的話，卡車可以24小時(shí)開著不停。也許這會(huì)降低某些工種，但是同時(shí)也降低了生產(chǎn)卡車的數(shù)量，那背后的影響會(huì)涉及社會(huì)的方方面面。

　　現(xiàn)在，亞馬遜在布局自己的智能倉庫，也就是說我們在進(jìn)入一家倉儲(chǔ)式購物中心的時(shí)候自己進(jìn)行遴選和結(jié)算。背后的助力是什么?就是人工智能。我簡單和大家介紹一下人工智能的一些基本點(diǎn)。

　　首先在40年代的時(shí)候一位叫皮特斯的專家提出了神經(jīng)元的理論，從40年代開始到現(xiàn)在，尤其在2022年會(huì)有什么事情發(fā)生?我們看未來的場景，在做圖片識(shí)別的時(shí)候，在圖片識(shí)別場景中有12億收集到的圖片在當(dāng)時(shí)我們可以寫一個(gè)電腦程序，我們會(huì)設(shè)計(jì)一些任務(wù)的模型來判斷究竟我們的算法怎么樣去處理這些數(shù)據(jù)和模型。在2012年的時(shí)候，當(dāng)時(shí)的錯(cuò)誤率是15%，2013年只是提高了0.2%，到2014年的時(shí)候錯(cuò)誤率降到了6%。其實(shí)和2013年相比是一個(gè)重大的進(jìn)步，這也鼓勵(lì)大家利用深度學(xué)習(xí)在各個(gè)行業(yè)去實(shí)踐，成果也是斐然的。包括金融和其他的一些社會(huì)行業(yè)。

　　但是當(dāng)時(shí)大家似乎不明白深度學(xué)習(xí)背后的邏輯，這就是為什么后續(xù)我們有很多這樣的基礎(chǔ)工作，又過了兩年谷歌地圖將錯(cuò)誤率降到3.57%。最后我們?nèi)?duì)比人類的錯(cuò)誤和機(jī)器的錯(cuò)誤，其實(shí)人類錯(cuò)誤保持在5%，此時(shí)機(jī)器就超越了人類。

　　這個(gè)時(shí)間節(jié)點(diǎn)上我們的網(wǎng)絡(luò)可以不斷的生成，可以生成為幾千個(gè)層級(jí)，監(jiān)督式學(xué)習(xí)下我們加入一個(gè)圖片，在最后把圖片進(jìn)行分類，有人會(huì)想做一些不同的嘗試，他們首先選擇一張圖片讓網(wǎng)絡(luò)通過訓(xùn)練能重新生成圖片，通過圖片的生成我們可以了解在中間這些層級(jí)上他們會(huì)以更好的方式表現(xiàn)原圖。在這個(gè)節(jié)點(diǎn)上，我們有很多生成，假如說這個(gè)圖片是一只貓，沒有人教這個(gè)程序什么是貓，這個(gè)程序自己決定了這是一只貓，它做出了準(zhǔn)確的一個(gè)選擇，這就是非監(jiān)督式學(xué)習(xí)的成果。

　　同時(shí)，還想跟大家介紹一下，在現(xiàn)代生活中的人們，我們感受到一個(gè)強(qiáng)烈的影響那就是生成對(duì)抗式網(wǎng)絡(luò)?，F(xiàn)在我們在寫程序的時(shí)候希望加入一些圖片，比如說我們想要輸入一張貓的圖片，想要生成這樣的圖片，但是有時(shí)候生成的情況非常不佳，所以工程師首先就找到了一個(gè)圖片的篩選器當(dāng)你提供一張圖片的時(shí)候，不管是真實(shí)的還是合成的圖片它都可以加以判斷。同時(shí)這兩個(gè)對(duì)抗網(wǎng)絡(luò)平行運(yùn)行，你把圖片生成器輸入圖片，此時(shí)的區(qū)別器無法區(qū)別真實(shí)的圖片和加工的圖片，但是通過反復(fù)的實(shí)驗(yàn)，圖片的生成器可以生成一個(gè)最終合理圖片，可能聽上去非常枯燥，只是生成圖片罷了。

　　那么我們看看怎么生成翻譯?通過A語言到B語言，比如從英文到德語，現(xiàn)在傳統(tǒng)的做法就是找到很多文本，這些文本可能是雙語的文本都能夠收集，我們來生成翻譯的文本，現(xiàn)在我們怎么做?我們?nèi)ヅ嘤?xùn)一個(gè)網(wǎng)絡(luò)，它們在網(wǎng)上找到英語的原語，提供相關(guān)的德國語相對(duì)的單詞，不是一個(gè)句子，同時(shí)培訓(xùn)這個(gè)區(qū)分儀，找到這個(gè)鑒別器進(jìn)行鑒別和培訓(xùn)，然后你再找到另一個(gè)鑒別器，它輸入一些德語，然后生成一些句子，再然后你將這所有的要義都一塊進(jìn)行培訓(xùn)，然后就可以讓它實(shí)現(xiàn)德語到英語這樣的一個(gè)翻譯功能。

　　怎么去還原成英文呢?就是利用鑒別器返回到英文，這些都是德英互譯，通過鑒別器實(shí)現(xiàn)的功能。

　　我們能做什么?假設(shè)我們有兩個(gè)任務(wù)，你可以同時(shí)訓(xùn)練兩大網(wǎng)絡(luò)，可能大家會(huì)問這兩大任務(wù)有什么共同點(diǎn)嗎?你需要做的事情可能就是其中兩大網(wǎng)絡(luò)會(huì)有一定的分享，如果你對(duì)整個(gè)網(wǎng)絡(luò)進(jìn)行培訓(xùn)的話，比如說這里這個(gè)點(diǎn)，它會(huì)了解到兩個(gè)任務(wù)之間的交集，下面的這些點(diǎn)能夠?qū)W習(xí)到第一個(gè)任務(wù)具體特殊地方在哪里。我畫了這張圖就是希望給大家展示一下，我們?nèi)绾文軌蚶眠@樣的一些訓(xùn)練網(wǎng)絡(luò)?

　　為了保證我不超時(shí)，我講快一點(diǎn)當(dāng)你訓(xùn)練這些深度網(wǎng)絡(luò)的時(shí)候會(huì)發(fā)現(xiàn)它們有很多局部最小值，問題是哪一個(gè)最小值是你應(yīng)該采納的，哪一個(gè)數(shù)值可以給你帶來一些生成對(duì)抗能力。我們看一下人們是怎么想的，這里是你的訓(xùn)練數(shù)據(jù)，上面縱軸列了訓(xùn)練數(shù)據(jù)錯(cuò)誤率，這是一條曲線，我這里箭頭指向了兩個(gè)極小值，兩個(gè)值不一樣，這個(gè)地方曲線非常寬，這個(gè)地方曲線非常陡，選擇哪個(gè)數(shù)值才能確定測試數(shù)字最大準(zhǔn)確度，我建議大家選擇這個(gè)寬的，為什么呢?因?yàn)槟愕倪@個(gè)訓(xùn)練數(shù)據(jù)它是隨機(jī)選擇的，從整個(gè)數(shù)據(jù)庫中隨機(jī)抽取。也就是說，我們這個(gè)數(shù)據(jù)庫的錯(cuò)誤功能會(huì)和這個(gè)數(shù)據(jù)功能沒有太大的區(qū)別，而這樣的一個(gè)曲線就代表的是我們測試數(shù)據(jù)的錯(cuò)誤情況。你會(huì)看到這個(gè)錯(cuò)誤的發(fā)展曲線它虛線和實(shí)線有一定的區(qū)別，它的錯(cuò)誤率差別并不是很大。對(duì)于較陡的這個(gè)極小值同樣的橫坐標(biāo)會(huì)發(fā)現(xiàn)兩大曲線錯(cuò)誤值差別很了大，很多人在這方面做了很多研究，因?yàn)槿藗兿Ｍ茏屵@兩大網(wǎng)絡(luò)進(jìn)行壓縮，讓它們靠近。他們希望手機(jī)上就可以做深度學(xué)習(xí)，但是現(xiàn)在這樣還是有很大難度的。比如你選擇的是這樣的一個(gè)小網(wǎng)絡(luò)，并且希望能對(duì)它進(jìn)行訓(xùn)練，準(zhǔn)確的進(jìn)行分類，你會(huì)發(fā)現(xiàn)這樣的訓(xùn)練是很難做的。

　　如果你選的比較大的深度網(wǎng)絡(luò)再進(jìn)行訓(xùn)練的話，我們看上面這里的激活空間，訓(xùn)練小網(wǎng)絡(luò)它的激活量和上面深度學(xué)習(xí)激活量相比，明顯上面更優(yōu)，所以壓縮的時(shí)候我們選擇上面的可能性更大一些。

　　接下來給大家介紹一下所謂的激活空間。如果這里我輸入了一張圖片，會(huì)得到一個(gè)矢量，比如有200個(gè)激活矢量板，我把這些矢量對(duì)每一個(gè)圖像設(shè)置一定的關(guān)聯(lián)，然后得到這些不同的數(shù)值，我剛才談到了這里形成了這樣一張圖表，可能存在一個(gè)交錯(cuò)的關(guān)聯(lián)。如果你有一個(gè)神經(jīng)元，然后和它通過矢量和圖像建立聯(lián)系的話，我會(huì)在兩方激活之間反復(fù)進(jìn)行交換，每一年我都會(huì)邀請中國大概30到50名學(xué)生，到美國康乃爾大學(xué)進(jìn)行交流大概一個(gè)月的時(shí)間，這一個(gè)月的時(shí)間中國學(xué)生要做一些研究，這些學(xué)生一般都是剛剛完成他們第一學(xué)年的學(xué)習(xí)，其中有一個(gè)學(xué)生拍攝了他眼中的康乃爾大學(xué)。他就問康乃爾大學(xué)看起來應(yīng)該是什么樣的，如果康乃爾是在中國的話這樣的大學(xué)校園應(yīng)該是什么樣的?他就給我展示了他的一個(gè)藝術(shù)作品，他說我接下來要做的事情就是找到其中的一個(gè)激活矢量，從康乃爾這張照片里找到一個(gè)矢量作為我圖像的內(nèi)容輸入。

　　然后我再找到中國國畫這張圖片里面的矢量，然后看一下兩者的對(duì)比。他說把兩個(gè)激活矢量進(jìn)行整合，這就是如果康乃爾在北京的話它應(yīng)該有的樣子了，這是一個(gè)大學(xué)一年級(jí)的學(xué)生作的，他當(dāng)時(shí)在我們學(xué)校交流關(guān)于深度學(xué)習(xí)的課程。

　　我覺得激活空間是非常大非常高的緯度，如果大家著眼于所有貓咪圖片的話，它們的流型緯度相對(duì)較低，什么叫流型?這里面兩張照片大家說都是貓咪，有人訓(xùn)練網(wǎng)絡(luò)發(fā)現(xiàn)了貓咪，他后來又改變了一點(diǎn)像素，突然深度網(wǎng)絡(luò)提示說這是汽車不是貓咪。所以如果大家利用深度網(wǎng)絡(luò)幫你開車的話你可能就要小心了，而實(shí)際上這兩張都貓咪，你會(huì)發(fā)現(xiàn)人類只是改了一點(diǎn)像素識(shí)別結(jié)果就不一樣了，其實(shí)這兩張圖片是一樣的，都是貓咪。因?yàn)橄噜弮蓚€(gè)像素之間的關(guān)系不是有直接關(guān)聯(lián)的，所以對(duì)于機(jī)器學(xué)習(xí)來說造成了一定的困擾。

　　我們再想一下剛才的所謂流型圖片，如果你有一只貓，然后你改變了它的激活矢量，你最后得出來的結(jié)果可能就會(huì)被定義為這張圖片顯示的是貓，這是正常的一個(gè)學(xué)習(xí)結(jié)果。

　　這里是我的家人拍的一張照片，這個(gè)照片里有很多基礎(chǔ)的物品，比如說汽車、貓、狗等等，我當(dāng)時(shí)過了幾天，我們家人一起出去散步，我的女兒當(dāng)時(shí)跟我你看這就是我書本上顯示的消防車，她就指向了這個(gè)物品，回想了當(dāng)時(shí)讀到的照片，網(wǎng)絡(luò)就是一樣的道理，我們有數(shù)以萬計(jì)照片對(duì)機(jī)器進(jìn)行訓(xùn)練讓它們理解怎么區(qū)別兩張不一樣的照片。

　　如果大家看照片的話，到底能學(xué)到什么?我們來看一下，這個(gè)照片樹枝是不會(huì)飛走的，鳥是會(huì)飛走的，這就給我們一個(gè)提示，大家做處理的時(shí)候要讓這些移動(dòng)物品和背景進(jìn)行分離，有許多這樣的物品。每次我做類似演講的時(shí)候都會(huì)面臨一個(gè)問題，有人總會(huì)問我，AI到底是真正的全智能的嗎?答案就寫在第一行里，在目前這個(gè)階段，人工智能它主要指的是圖像識(shí)別，是在高緯度的空間的圖像識(shí)別。人工智能的許多項(xiàng)目它現(xiàn)在還沒有能夠提取一個(gè)物品的本質(zhì)，或者是理解物品的根本功能以及其他重要方面。所以我覺得要想真正的讓它具有全智能性的話還需要再進(jìn)行一次革命。

　　我曾經(jīng)看過人類每一次革命的間隙，我看到了人類隨著進(jìn)化的過程，比如說從智人的發(fā)展到至今，我們花了十萬年的時(shí)間才有了農(nóng)業(yè)等等，每一次巨大社會(huì)變革速度都是越來越快的，基本都是以10倍的速度縮短每一次革命，工業(yè)革命到現(xiàn)在已經(jīng)是300多年的時(shí)間了，我們覺得下一次的工業(yè)革命這樣推算下去的話可能要花40年的時(shí)間，那么下一次革命將會(huì)是什么領(lǐng)域的?我猜有可能是我們看到一個(gè)物品的時(shí)候能夠立刻理解它的功能。

　　放了這樣一張照片，大家如果訓(xùn)練過網(wǎng)絡(luò)的話，它能夠經(jīng)過訓(xùn)練識(shí)別圖片的話，比如說火車或者是發(fā)動(dòng)機(jī)等等，然后你突然把這張照片給到機(jī)器，那它接下來會(huì)做的事情可能是對(duì)這張圖片進(jìn)行分類。比如說它會(huì)說這是有一些東西放在上面的一般的卡車等等。如果你仔細(xì)看的話，再仔細(xì)一點(diǎn)，他們可能會(huì)發(fā)現(xiàn)這里有一個(gè)發(fā)動(dòng)機(jī)，可能有的時(shí)候沒有外在的殼體，他們慢慢的還會(huì)逐漸理解，它有點(diǎn)像一般的機(jī)動(dòng)車運(yùn)作原理是一樣的。好像和我們的貨車機(jī)制比較相似，它們是逐步通過識(shí)別一步一步靠近答案的。 我想說的是AI現(xiàn)在還處在一個(gè)比較早期的階段，下一步可能還要花一段時(shí)間才能夠?qū)崿F(xiàn)。我們還不知道下一步要怎么做，目前還沒有理清思路，當(dāng)我們著眼于一件東西的時(shí)候，大家不要只看它的外在，它的形狀，相反，你要提取它的本質(zhì)。比如說這個(gè)物品你看到了它有了視覺，它的功用是什么，目的是什么，怎么使用，然后才能實(shí)現(xiàn)很多的事情，可能是現(xiàn)在我們無法完成的事情。 還有，AI不是唯一一個(gè)在驅(qū)動(dòng)我們現(xiàn)在的革命進(jìn)程的一個(gè)技術(shù)基礎(chǔ)。我們的大數(shù)據(jù)能力、和互聯(lián)網(wǎng)、大計(jì)算，物聯(lián)網(wǎng)等等都提供了可用數(shù)據(jù)，所有這些都是可用的驅(qū)動(dòng)因素。我想提出的一點(diǎn)就是我們需要關(guān)注有一個(gè)概念關(guān)于早上提到的安全和隱私，隱私已經(jīng)受到侵犯了。我們需要做的事情就是，我們?nèi)Q定這個(gè)領(lǐng)域哪些是合適的，哪些是不合適進(jìn)入的?

　　給大家舉個(gè)例子，我們發(fā)現(xiàn)在我的汽車?yán)?，?shí)際上我去到哪里都有一個(gè)GPS定位，然后我看一下我過去3個(gè)月期間行車記錄儀記錄著我去了哪里，我發(fā)現(xiàn)它不僅是一些有趣的回憶而且是非常有用的信息，那么最后得到什么答案呢?我們的GPS導(dǎo)航系統(tǒng)雖然給我提供了很多信息，但是它總是會(huì)讓我行車都是在一些主路上，不太希望把我導(dǎo)航到一些形狀不太規(guī)則的小路上。但是本土的這些司機(jī)他們非常熟悉路況，知道怎么開車，所以每一次你在開車的時(shí)候我們的GPS公司可以下載你的這些相關(guān)的導(dǎo)航數(shù)據(jù)，如果他們利用你的這個(gè)具體實(shí)際開車情況對(duì)于系統(tǒng)進(jìn)行改良，能夠提高1%的結(jié)果的話，可能就會(huì)給他們省下很多錢。

　　我不知道我的這些GPS記錄有沒有被下載，因?yàn)槲铱赡苄枰橐幌逻@些公司只要知道了我晚上車停在哪里就知道我在哪里工作哪里購物，這是不希望導(dǎo)航公司知道的事情，這就是隱私的問題。

　　當(dāng)然，圍繞著隱私其實(shí)還兩個(gè)背后的原理，第一個(gè)就是零知識(shí)批復(fù)，就是我們要不要給對(duì)方一個(gè)批準(zhǔn)?比如說我們是不是需要提供給公司關(guān)于我個(gè)人的一些信息?比如我的病史都在網(wǎng)上可以找到，假如有一天我在中國生病了，醫(yī)生可以直接在網(wǎng)上下載我之前的病史為我提供更好的治療方案。

　　換一個(gè)方面，我的保險(xiǎn)公司我很不希望他看到這一切，因?yàn)楸ｋU(xiǎn)公司不需要了解這么清楚，他們不需要知道我看過什么醫(yī)生接受過什么樣的治療，保險(xiǎn)公司他們只需要一個(gè)數(shù)字上的批準(zhǔn)。比如多少醫(yī)生等效多少錢，多少保金。現(xiàn)在已經(jīng)有很多相關(guān)從事批準(zhǔn)技術(shù)上面的工作，他們可以獲得任何人的病史，可是我希望他們只需要讀到數(shù)據(jù)，而不是任何關(guān)于個(gè)人的描述?，F(xiàn)在有很多研究人員都在做這方面的準(zhǔn)備工作。

　　我想我要重復(fù)AI的一點(diǎn)本質(zhì)，因?yàn)锳I的確是下一次工業(yè)革命的推力，它會(huì)改變我們的生活和相關(guān)的生活方式。作為國家就應(yīng)該清楚的了解多少人，多大的比例能夠獲得就業(yè)崗位，能夠支持他們的家庭。假如說大部分人沒有工作的話，他們不能夠在家無所事事，你怎么幫助大部分職業(yè)人從事有意義的工作?這是政府和國家層面需要考慮的。

　　此外這些發(fā)展中國家的出路何在?有人覺得以后世界上只有兩大國家受益于人工智能革命，那就是美國和中國。因?yàn)檫@兩大國家有足夠的投資金額，也有足夠的信息量，他們會(huì)直接去變現(xiàn)，但是對(duì)于絕大多數(shù)發(fā)展中國家他們會(huì)緩慢的增長，他們的整個(gè)生產(chǎn)體系會(huì)日益復(fù)雜和冗余。那么我覺得我們必須要思考，從長遠(yuǎn)來看怎么幫助這些發(fā)展中國家找到出路。

　　假如他們不能參與新一輪人工智能的話，那么世界人口會(huì)越來越兩極化，世界經(jīng)濟(jì)和政治都會(huì)不穩(wěn)定。

　　最后一張幻燈片我就提到了，這些人口、這些企業(yè)和這些國家他們會(huì)越來越意識(shí)到世界級(jí)的變化，他們也會(huì)發(fā)現(xiàn)自己該怎么樣去獲得人工智能新一輪紅利。我想跟大家分享一下我的職業(yè)生涯，我之前是做電子工程的，當(dāng)時(shí)我在年輕的時(shí)候還沒有計(jì)算機(jī)工程。我在普林斯頓大學(xué)念的本科，當(dāng)時(shí)一個(gè)教授讓我直接教計(jì)算機(jī)的課程，我反問他我教什么?因?yàn)闆]有這個(gè)課程，我當(dāng)時(shí)沒有意識(shí)到其實(shí)教課過程中會(huì)讓我成為世界上第一個(gè)計(jì)算機(jī)科學(xué)家，正是因?yàn)檫@個(gè)機(jī)遇，美國就非常關(guān)注一些資深的計(jì)算機(jī)科學(xué)家，我就被當(dāng)選了。其實(shí)當(dāng)時(shí)我年齡不大，我們總統(tǒng)給我打電話，他想評(píng)選我為全國科學(xué)委員會(huì)的會(huì)長，大家可以考慮一下，假如說我是做高等物理學(xué)的，我就等著退休就可以了我就沒有這個(gè)機(jī)會(huì)了。

　　所以通過這個(gè)例子告訴在座的年輕人，如果我們考慮事業(yè)的時(shí)候面向未來的話就會(huì)有更美好的明天!

　　田薇：謝謝!請稍等一會(huì)，您剛剛說到了一定要定位于未來，請問怎么定位未來?

　　John E. Hopcroft：我知道所有的一切都在細(xì)節(jié)，細(xì)節(jié)決定一切，大家思考一下未來，思考一下變革。同時(shí)我們要想，假如有一天為企業(yè)打工，那么企業(yè)只是過去150年才來到工業(yè)時(shí)代的，之前是沒有企業(yè)的。之后也不會(huì)有企業(yè)，所以請大家思考一下，未來的變化會(huì)是什么?變革會(huì)是什么?我想要精神一點(diǎn)點(diǎn)，其實(shí)我把自己的定位就是信息推動(dòng)者、信息革命者。

　　大家在找工作的時(shí)候如果想人只有一輩子，想到要享受人類的方方面面，大家就不要做一些不喜歡的工作。大家一定要找到自己的樂趣所在。

　　田薇：不光有總統(tǒng)給定打電話，也有學(xué)校給您打電話。同時(shí)有來自于悟空問答上面讀者的問題。他們知道您來中國的時(shí)候，幫助中國科學(xué)家了解算法、了解計(jì)算機(jī)，來幫助當(dāng)?shù)氐墓こ處熀蛯W(xué)生的時(shí)候，大家都非常激動(dòng)。主辦方也選了幾個(gè)問題，我可以代主辦來問這幾個(gè)問題。

　　第一個(gè)問題，現(xiàn)在AI已經(jīng)推動(dòng)了一次革命的發(fā)展，它會(huì)迅速改變我們的生活和生活模式，那么AI究竟歸為我們帶來更多的社會(huì)成就，比如像社會(huì)公平，還是說往相反的方向去演進(jìn)?

　　John E. Hopcroft：我覺得答案是否定的，在未來的15年。為什么我會(huì)說不對(duì)呢?因?yàn)楝F(xiàn)在探討的是深度學(xué)習(xí)。深度學(xué)習(xí)并沒有思考圖片以外的一些種類，這個(gè)問題可能我們需要了解更多復(fù)雜的原理才能夠回答。可能是在下一代吧，所以這種復(fù)雜的問題要放到下一代，而不是未來短期。

　　田薇：下一個(gè)問題，眾所周知，我們都非常關(guān)注生成對(duì)抗網(wǎng)絡(luò)，因?yàn)檫@將會(huì)持續(xù)變革和演進(jìn)，但是文本卻是條例分明的，您覺得生成對(duì)抗網(wǎng)絡(luò)能不能應(yīng)用到文本中呢?能不能兩者結(jié)合，它為未來能夠帶來更高質(zhì)量的文本?

　　John E. Hopcroft：我覺得已經(jīng)用上了，可能不是高質(zhì)量的文本，可能在文本中是有所使用的。我的演講只是簡單處理了一下文本，當(dāng)然深層次學(xué)習(xí)還可以用到很多行業(yè)，不只是圖片還有文本。但是我們的生成對(duì)抗文本和卷積神經(jīng)網(wǎng)絡(luò)還有點(diǎn)不一樣。