△ Sebastian Thrun

塞巴斯蒂安·特龙(Sebastian Thrun)有很多众所周知的身份，他曾是斯坦福和卡内基梅隆大学人工智能与机器人专业的教授，有380多篇学术文章发表，荣誉等身。也曾是Google X实验室的创始人，Google无人车、Google眼镜就在他手中从概念成为现实。

不过现在，他最核心的身份是硅谷前沿技术学习平台优达学城（Udacity）的创始人及CEO，特龙希望用来自硅谷的在线课程和创新人才培养模式升级人才布局，帮助工程师“升级”，为未来趋势做好准备。

腾讯作为中国最大的互联网公司之一，当然是特龙和优达学城“觊觎”的对象。而且就在近日，腾讯和优达学城宣布正式达成深度合作，在深圳的腾讯大厦，塞巴斯蒂安·特龙围绕“人工智能”进行了一场演讲。

他认为AI正在替代一些重复性的脑力劳动工作，而这恰恰会帮助我们投身更多富有创造力事情的研究，“想到AI带来的变革，我就很兴奋。”

△ 腾讯和优达学城达成合作

量子位潜在腾讯工程师中间，听到了这次演讲的完整内容，整理如下：

塞巴斯蒂安·特龙(Sebastian Thrun)：

大家好，我今天作为Udacity的创始人的身份来跟大家分享，最想分享的话题是AI。

AI、深度学习、机器学习，都是最近最热门的议题。但AI并不是什么新鲜的东西，在上世纪50年代美国就有这个概念，在过去的60年没有很多人特别在乎它，也就是在过去两到三年，AI突然受到大家的关注。

对于我来说，谈到AI的时候，可以往前10年、20年、100年，甚至往前500年说说，说到文艺复兴的阶段。

这是一张反映人们在稻田里劳作的图。在很久以前，我们主要是靠自己的体力，通过体力来移动物件，很少有人说我们的智商有多高，我们怎么去解决问题，当年没有软件工程这样的工种，有这么一些聪明人在200年前创造了插秧机，因为它是蒸汽引擎，有现代化的设计，这样就可以扩大我们的劳动力、工作能力，我们可以工业化生产。

或许一个农民是没有办法养活200个人，但借助插秧机就可以，借助蒸汽引擎的机器就可以。

这样的机器在过去200年比比皆是。我们在过去200年里突然有飞机了，我们可以在天上飞翔；我们有电话了，可以拉近人与人之间的关系，很短的时间我们造就了众多的成就。关于这样一个机器，我们从一个纯物理性的解释到大脑的能力提升。

工作场景也发生了变化。我们当年是在农田里工作，现在在办公室工作。在美国，75%的人都是在办公室工作，当年我们在做体力劳动，现在我们就开始做脑力劳动。但是脑力劳动和体力劳动是有相似之处的，我想未来AI就可以针对脑力劳动，为我们的办公室工作解决一些问题。

AI替代部分脑力劳动

我们说AI，最重要的一点就是机器开始学习——电脑可以开始自行学习，这可能是一个比较新鲜的事情，它是怎么样开始的？

首先，需要教电脑学会学习。让电脑知道什么是狗，什么是猫，告诉它有100万只狗、100万只猫。它要了解怎么区分猫与狗。我们可以通过给它们看图片来区分猫和狗的差异，这样使它更像人。

小时候你的父母会教你学很多东西，当时你并没有办法从父母那里学到各种各样的规则，世界充满了可能性，需要小孩子去尝试，小孩子会跌倒，在跌倒过程中不断地学习经验，现在我们处在一个新的时代，这个时代中计算机可以发现规律、发现模式，这样它们就可以越来越聪明。

这背后当然还有神经网络的左右，神经网络在很多方面和人脑类似，左边是一些图片，这些图片非常小，可能看不清，有一层又一层的神经元，神经元可以来处理图片或者是图象，这些图象最终可以识别出人的表情，有一些人有胡子，有些人在大笑，这就是我们的大脑分析信息的方式。我们的DNA非常少，但通过一点点DNA可以定义我们是谁，在DNA中有重要的信息来帮助我们识别出各种差异的特征，小时候小孩子学语言的时候，他们从牙牙学语，到后来掌握了语言，在这个过程中他们不停地吸收新的信息、新的语言，逐步地适应，我们也要让神经网络这样发展。

不过，1995年我做我的博士论文的时候，还没有人研究这样的网络，当时计算机的计算能力非常弱，数据集也非常小，我当时用了很少的图片来训练网络，现在你可以用5亿张图片来训练你的网络，但是在当时我的信息和资源非常有限。大家看这些图片，左边是老鼠的大脑，右边是人的大脑，一个小的网络学不了多少东西，就像老鼠的大脑，它比人的大脑小很多，1995年的时候，计算机的能力很弱，没法学到很多的东西，现在计算机非常强大了，可以学到更多的东西，可以分析更多的信息，在未来可能更加疯狂。

AlphaGo的例子大家都很熟悉了，电脑通过学习，让击败最顶尖的人类围棋选手成为了可能，类似的事情也正在其他领域发生。

比如医疗领域。医疗是一个非常专业的领域，需要很多的专业知识，你要当医生，就要花很多的时间培训，要学习很多知识，每一名医生都是一个专家，即使在医学中某一个分支要做得很好，也需要很多年的学习。

其中医疗领域技术要求最高的是皮肤病领域，皮肤病领域的专家的薪酬特别高，他们会研究人的皮肤的每一个状况，黑色素瘤以及其它的皮肤癌症都可能带来严重的生命威胁。这里面需要做出很多的决定，这些皮肤病专家要做出人命关天的决定，在美国，这样的医生一年的薪水可达40万美元，他们赚钱非常多，通常比一些CEO的工资都高。这些皮肤病医生每天的工作很无聊，要用放大镜来看人们皮肤上的斑纹——零级的黑色素瘤是没有什么伤害的，到了四级的时候就非常严重了，可能会扩散到其它的器官中，只需要8到10个月就可以扩散到全身，这时候你的状况非常糟糕，四级的黑色素瘤可能会危及到生命。

在斯坦福，我的学生试图利用AI让皮肤病专家的工作更轻松一些。学生发现了一些规律，他们找到了13万幅皮肤病的切片图片，这些图片后来都拿来做计算机训练，利用切片读取，用来判断人是不是有癌症。实际上这些图片非常难分类，这里前5幅是良性的，不会威胁生命，下面这些是恶性的，如果不治疗的话，会出人命。这些图片就可以用来训练我们的计算机系统。要进行分类实际上有很多困难，哪些图片代表恶性的，哪些图片代表良性的，这就是皮肤病专家专业知识的价值所在。

大家如果看具体边界，这些边界是模糊的，但是模糊的边界也有不同的特征，在不同的边界状况下，我们可以做出不同的诊断，判断出是不是会威胁到生命。

我们最终训练一个神经网络，你可以接触到关于皮肤病或者皮肤癌症的各种各样的信息，你可以拿到很多的信息，这些信息可能并不是相关的，在这幅图上或许你可以找到所有的皮肤癌症，但是特异性如果是0，意味着特异性不足，这种情况下就不会造成皮肤癌。

最终，我们的这个神经网络在判断最危险的黑色素瘤方面，误差率达到8%，这是一个哈佛、耶鲁毕业的顶级皮肤病专家的表现，可能他们没法都可以帮你看病，但AI可以。

AI会让人类更富创造力

当然，这也意味着一些皮肤病医生被替代，而且AI带来的变革不局限在某一领域，很多垂直、重复的脑力劳动领域，都会涉及工作被替代的问题。

比如出租车司机会被取代，因为无人驾驶汽车会改变美国10%的交通系统。还有货车的司机，飞行员也有可能被取代，有些时候在恶劣的天气下，可能无人驾驶的程序驾驶飞机比人员驾驶更稳定。

还有律师也有可能被取代，现在已经有AI系统用来做一个合同，这些已经可以取代律师做的工作。还有会计、信息搜索员、工程师，像在座的诸位，您的工作是否有重复性，有没有可能被AI所学习？还有CEO会被取代吗？我的工作是不是有一定的重复性？可能我不会被取代，然而我还是期待有一天AI可以取代CEO90%的工作，如果它能取代我90%的工作，我可能会更要效率地管理企业，赚更多的钱。

而且更关键的是，重复性的工作真的很烂。很多时候，我们会通过不停地做重复工作让自己的能力越来越差。我们人类原本希望可以得到更好的东西，我们希望可以创造更好的事情，但很多时候在做重复性工作做多了之后，你的创新能力就会下降。

所以想到AI我就非常兴奋，这是目前最重要的事情，它对我们会有很大的影响。

AI会让我们从重复性的工作中摆脱出来，而转入更多创造力工作的研究，为什么我们还没解决癌症的问题，为什么我们还没创造出一个会飞行的汽车？可能过几年就会有，因为AI正在帮助我们从重复性的工作中解放自己的天性，解放自己的创意。

— 完 —