创投 | 专访世界上首个人工智能系主席：人工智能与 10年前相比已经大不一样

10年前，卡耐基梅隆大学计算机系教授Tom Mitchell给学校写了一封信，阐述了为什么要成立机器学习系。

10年后，机器学习、深度学习的快速发展，早已超过了这位世界上首个机器学习系主席的想象。

“我在建议成立机器学习系之前，就在这一领域从事了近30年的研究。”Tom Mitchell27日在参加长城会G-Summit期间接受腾讯科技专访时表示。

他说，要在卡耐基梅隆大学，必须要说服校方成立这一系的必要性，学校的标准是要求成立任何一个独立的系都需要能够有维持100年的学科。

于是，他写了一封9页的信向校方阐述成立这一系的必要性以及为何能够成为一个百年学科。在信中，他首先阐述了机器学习的定义，机器学习是为了寻求“我们如何建立一套自动改善体验，以及探究所有学习过程的终极机制”的答案。

“10年前，所谓人工智能行业根本不存在。”Mitchell说，研究计算机科学的学者只是在这一领域做一些非常初期的探索性的研究。

他表示，印象中最早的人工智能技术的应用是在信用卡的审批上，但功能相对单一，只是按照既定的规则和标准，按照不同的信用等级进行筛选。

近年来，人工智能研究领域有了长足发展，Mitchell说，近年来最让他兴奋的人工智能研究领域的突破是“深度神经网络”的运用。

Mitchell称，现在人工智能已经复杂到有些时候研究人员也无法真正知道机器是如何思考的，他同时表示，人类不需要对此感到恐慌，作为服务人类的工具，人工智能依然在很多领域能够帮助人们做很多过去做不到的事。

“我不认为人在任何时候都要对机器拥有绝对的控制力，”Mitchell说，“我就十分期待未来能够坐在无人驾驶车内享受不用开车的乐趣。”

对于未来5至10年人工智能领域的进展，Mitchell表示乐观，他认为，首先，越来越多的投资已经向这一领域集中，让这一领域继续繁荣有了可能，另外，由于近年来人工智能的发展，电脑拥有了过去从来没有的能力，能够真正“看到”和“听到”外界事物，具备了这些能力后，未来能够实现的事情不可想象。

“过去的人工智能更多的是靠严密的逻辑来进行，例如在象棋上，计算机通过对规则的运用，可以通过穷尽的计算，最终击败人类，”Mitchell说，“但现在例如Alphago在围棋上战胜人类，已经超越了逻辑规则本身，利用图形的识别，从实际上很难穷尽的结果中，获得最优的选择。”

10年前，Mitchell曾经提出一系列机器学习想要解决的问题，包括 “我们能否建立一个永远不断学习的工具？机器学习理论和算法能否帮助解释人类的学习行为？计算认知能否与机器学习结合起来。”

Mitchell在接受专访时表示，实际上目前人工智能研究领域的进展，已经解决或者正在解决上面提出的很多问题，例如深度神经网络的应用等。

目前在工业界，人工智能领域主要被大型科技公司，如谷歌(微博)、微软等引领，Mitchell表示，因为人工智能的核心的大数据，只有当数据足够大时，人工智能结果才有一般性的意义，但对于初创公司来说，在人工智能领域并非完全没有机会，他认为对于初创公司来说，如果能够寻找到独特的市场需求和场景，同样可以获得大量的数据，并运用人工智能技术对这些数据进行处理。