下载掌阅APP，畅读海量书库
立即打开
2007年，Steve Jobs（史蒂夫·乔布斯）的第一部iPhone面世，它无法读懂任何人类语言。那时的电脑就像“失聪”一样无法识别语音，人们似乎也淡忘了这件事。十多年后的今天，机器可以识别语音，其准确度可与人类匹敌。
iPhone问世之初，电脑就像盲人，无法辨认出照片中的各种简单物体。但如今，算法在某些图像识别任务中甚至比人类做得更好。比如可以发现哪些皮肤瑕疵可能致癌，甚至可以生成全新、逼真的“虚假”图像、视频和声音，即使训练有素的专业人士也无法将之与真实图像、视频和声音区分开来。
一般性技术，尤其是机器学习领域，在相对较短的时间内取得了一系列惊人的突破。当人们关注下个十年会有什么样的进步时，我们不妨回顾一下在过去十年中出现的两种重要模式。
其一，人类通常会高估技术的短期效果，而低估其长期效果。以已故美国科学家Roy Amara（罗伊·阿马拉）的名字命名的“Amara’s Law”（阿马拉定律）仍然大致成立，相关信息可查看有关《机器人启示录》的各种媒体报道，看看人类如何领先一步。
现在，我们定义的“长期”可能没有以前那么长。我们所处的超级连接、永远在线的实时通信环境意味着现阶段思想比以往任何时候都传播得更快、更远，变化发生得更快。工作不会因为时间固定在一个特定区间而停止。技术推动历史以更快的速度发展，这又加速了新突破性工具和技术的发展。因此，如果您在阅读这本书时了解到许多领域的最新飞跃令人惊讶，那么，可以期待，未来几年内创新步伐将会更快。
从过去几年《麻省理工科技评论》评选的“突破性技术”中，我们可以发现第二种模式：学科孤岛解体。
随着人类知识宝库的爆发性增长，专业化发展如此迅速，最聪明的人才也无法吸收所有知识。举例来说，曾经某个人是微生物学家，那么现在他可以把整个职业生涯缩到范围更小的领域，仅仅研究土壤中的微生物，甚至只关注一类特定的土壤微生物。智力劳动的专业化划分直接导致许多新的发现。然而，这也导致了重要的知识分布在不同群体的头脑和文件中，而这些人群彼此不交谈，就无法理解对方。
现如今，有一股新的力量在推动跨学科的研究和实践，由我担任首席技术专家的卡耐基梅隆大学技术与社会中心（Block Center for Technology and Society）就是其中一个机构。跨学科边界的协同作用就是一个很好的例证，粒子物理学中率先应用的数学技术已经找到了进入机器学习算法的方法，而机器学习算法现被用于制造依赖于物理知识的纳米材料。在能源专家和科学家的手中，这些材料可以帮助人类收集和储存更多的可再生能源，并解除人为气候变化带来的威胁。阅读这本书时，请注意一下模糊研究领域内偶然的或者几乎被遗忘的想法，这些想法一旦被应用于其他领域，将会引发巨大变革。
读完这本书，您一定会对人类的思想和辛勤杰作产生敬畏之情，人类有很多地方值得骄傲。人类不能停止创新。创新不是凭空产生的。创新能重塑世界、人类生活和社会结构。此外，人类对当前问题的许多解决方案不可避免地会产生意料之外的影响，包括正面影响和负面影响，而且会产生新问题需要解决。
例如，在机器学习领域，就道德使用这些技术以及它们所带来的影响等问题，社区提出了更多的前沿思想。人们发现，技术进步能改变工作本质。这意味着重新审视教育和提高全球劳动力技能等问题非常重要，包括技术本身在改进教育过程和结果方面如何发挥重要作用。
现如今，学习已经成了新的挑战，传统的教育模式陈旧落后，跟不上科技日新月异的变化，使人无法面对未来。机器学习可以使每个学习者获得前所未有的体验。学习者不但被个性化地尊重和对待，而且能低成本获得最高的学习质量，以更少的时间获得更好的效果。这种人工智能智适应的学习方法在全球范围内的快速应用，将给产业带来颠覆性改变，更重要的是，会将人脑的学习潜能大幅度发挥出来。这是我加入乂学教育松鼠AI（一个人工智能自适应学习平台）担任首席人工智能科学家的原因之一。
无论是技术专家、狂热分子，还是新事物接触者，都可以参与到创新技术和创造未来的过程中来。希望通过对最新突破性技术的全面研究，人们可以找到机会和灵感，为这个加速变革的时代做出积极贡献。
Tom Mitchell
美国工程院院士，卡耐基梅隆大学计算机科学学院院长，松鼠AI首席科学家