人工智能是一门既可拯救世界、又可终结世界的技术。

为终止人工智能到底是利是弊的争议与炒作，外媒采访了一些与全球大型科技及工业公司合作多年的杰出人士，获悉了他们关于人工智能的正确发展方向的看法。

2018年人工智能的关键里程碑是什么？2019年又将会发生什么？以下是谷歌大脑联合创始人吴恩达、Cloudera机器学习总经理及Fast Forward Labs创始人希拉里·梅森（Hilary Mason）、Facebook人工智能研究院创始人Yann LeCun和埃森哲全球人工智能负责人Rumman Chowdhury博士的见解。

回顾2018，展望2019，他们中的一些人表示：随着越来越多的人了解人工智能能做什么和不能做什么，关于人工智能终结世界的说法越来越少，对此他们感到很欣慰。但这些专家也强调，在发展人工智能的同时，计算机和数据科学家仍需采取负责任的伦理规范。

Rumman Chowdhury

Chowdhury是埃森哲应用智能部门的总经理，同时兼任公司责任AI计划的全球负责人。2017年，她被BBC评为最具影响力的100位女性之一。

Chowdhury说到，在2018年，她很高兴看到公众对人工智能的能力和局限性的理解有所增长，也很高兴听到人们对人工智能带来的威胁进行了更均衡的讨论，而不是担心智能机器像电影《终结者》中那样掌控全球。随此而来的是人们对隐私、安全问题的警惕以及人工智能在塑造我们和后代中可能扮演的角色的质疑。

然而，公众对于AI的理解并没有到达她所认为应到达的层面。Chowdhury希望在未来一年里能看到更多的人利用教育资源来理解AI系统，并可以明智地质疑AI的决策。

她对科技公司与AI生态系统中的人开始考虑其工作的伦理影响的速度感到惊喜。但她希望看到AI社区可以采取更多实际行动，而非空喊道德口号。

她问道：“就伦理和人工智能方面，我希望除了电车难题，我们能深入研究AI将提出的那些困难的、没有明确答案的问题。如：该如何在人工智能和物联网监控间取得‘合理’平衡？是既能保证安全，又能抵制深化现有种族歧视的惩罚性监控吗？应如何重新分配先进技术的收益从而不进一步扩大贫富差距？接触多大程度的人工智能可让孩子成为‘人工智能土著’，却又不被其操控或同质化？又该如何利用人工智能扩大教育规模并使教育自动化，同时极大程度培养孩子的创造力和独立思考能力？”

在未来一年里，Chowdhury预计全球各地政府将加强对科技公司的审查与管理。

她说：“人工智能及科技巨头所拥有的力量引发了许多关于如何监管该行业与技术的问题。2019年，我们将不得不解决这些问题。该如何监管一项具有多用途且结果受具体情境影响的技术？如何制定既不扼杀创新又不偏袒大公司（可承担合规成本的公司）的管理规定？监管范围又该如何确定？全球？国家？还是当地监控？”

她还预计人工智能在地缘政治问题中扮演的角色会持续演变。

她说道：“AI不仅仅是一项技术，更是经济与社会的塑造者。在这项技术中我们能反思、衡量、并实践我们的价值观。对于应建造什么和如何建造的影响上，行业应不要太当真。为了实现这一点，AI行业中常见的理念需要被摒弃，即使我们不构建它，中国也会，而创造正是力量所在之处。”

她还说道：“我希望监管机构，技术及研究人员意识到人工智能竞赛不仅仅只关乎计算能力与技术敏锐度，就像冷战不仅仅关乎核能力一样。我们有责任以更公平、更公正、更公开的方式去重建世界。这是一个难得的机会，转瞬即逝，我们要抓住这个机会。”

从消费者角度来看，她相信2019年人工智能将在家庭中应用更加广泛。许多人已更习惯于使用智能音箱如 Google Home和Amazon Echo及其他很多智能设备。她很好奇在这方面是否会有特别有趣的东西会从于19年1月第二周将在拉斯维加斯举办的消费者电子展览会中脱颖而出，这可能进一步将人工智能融入人们的日常生活。

她说：“我想我们都在等一个机器人管家的出现。”

吴恩达

吴恩达是斯坦福大学计算机科学系副教授。因为很多原因，他的名字在AI圈中广为人知。他是谷歌大脑（将人工智能辐射到谷歌所有产品的项目）的联合创始人，也是Landing AI（旨在于帮助企业将人工智能融入到运营中的公司）的创始人。他还是YouTube和Coursera（吴恩达创立的在线学习公司）上一些最受欢迎的机器学习课程的讲师。他创建了deeplearning．ai网站，并撰写了一本名为《Deep Learning Yearning》的书。

在百度工作三年，帮助此科技巨头向AI公司转型后，吴恩达辞去了百度首席AI科学家的职务。

之后，他加入了拥有1．75亿美元的人工智能基金会，同时成为了无人驾驶汽车公司Drive．ai．董事会一员。

吴恩达预计到2019年主要取得进展或变化的地方是AI将在科技行业或软件公司外的领域得到应用。通过援引麦肯锡的一份称AI将创造13万亿GDP的报告，他说到AI领域最大的未开发潜力在软件行业之外。

他说：“我认为2019年，AI应用于软件行业之外的例子会非常之多。AI在帮助谷歌、百度、Facebook及微软等公司中都做得很不错，我与这些公司无任何关系。但就连Square 、Airbnb及Pinterest等公司都已开始应用一些AI功能，我认为下一轮创造价值的巨浪会在制造业公司、农业设备公司或医疗保健企业开发一系列的AI方案来推进业务之时。”

像Chowdhury一样，吴恩达对2018年公众对AI的能力及局限性上的理解大增感到惊讶。他很高兴关于AI的讨论不再围绕机器人杀手或对人工整体智能的恐惧了。

他表示他是有准备地回答了问题，并没想到其他人也有相似的想法。

他说：“我试图引用了几个我认为对实际应用十分重要的领域。AI的实际应用会遇到一定的阻碍，但我认为这些阻碍都会被解决。”

在未来一年里，吴恩达很高兴看到人工智能及机器学习研究两个领域都取得了进展，这将有助于推动整个领域的发展。一方面是AI能通过更少的数据得出精确的结论，该领域的一些人称之为“少量样本学习”。

他说：“我认为深度学习的第一波进展主要是大公司利用大量数据创建巨大的神经网络，对吧？所以如果你想创建一个语言识别系统，就需要进行10万小时的数据模拟。如果想创建机器翻译系统，就需要模拟极大量的平行语料库中的句型，从而创造出很多突破性结果。现在我越来越多地看到从小数据中出的成果。所以即使你有1000张照片，你也可以尝试去做出点什么结果。”

令一方面则是被称为“通用可见性”的计算机视觉方面的进展。计算机视觉系统经过斯坦福大学高端X光机拍摄的原始图像的训练，效果可能会非常地好。很多该领域的先进公司及研究人员已创造出了比放射科医生更出色的系统，但它们并不是很灵活。

“但如果你把你的训练模型应用到拍摄图片有点模糊的低端X光机或是其他医院的X光机上，遇到技师让病人右转，导致角度有些许的偏离的情况，结果就会是相比于今天的算法，放射科医生会做的更好。因此我认为有趣的研究是尝试提高学习算法在新情境中的通用性。”