到了2021年，软件会一天比一天智能，强大，在越来越多的任务中取代人类。我们将如何跟上发展的脚步？
虽然，有些人预测我们的未来将会出现大规模的失业，人类和人工智能或将全面开战，但是还有些人预见到了不那么暗淡的未来。Manuela Veloso教授，卡耐基梅隆机器学习系的主任，预测到了一个人类和智能系统不可分割的未来，二者以一种信息和目标不断交流的形式结合在一次，她称之为“共生性”。在Veloso眼中的未来，我们将很难区分人力代理和自动化助理-但是无论是人类还是软件，没有对方的存在，它都将变得无用。
Veloso已经在卡耐基梅隆的校园中测试了这种方法，构造了一种称为“cobots”的流动性强的，体感车形式的机器人， 它们可以自动地在建筑与建筑之间引领客人，当力所不能及时会主动向人类请求帮助。这是一种新的看待人工智能的方式，这种方式可能在未来五年中产生深远的影响。
我们与Veloso教授在匹兹堡中谈论机器人，自发性编程，以及人工智能对人类造成的挑战。
本次访谈
在过去五年中，我们见证的一大趋势就是自动化。与此同时，我们日常使用的工具中也内置了更多的智能因素，如手机和电脑。在未来的五年里，我们又会在哪里看到更多的发展呢？
在未来，我相信人类和人工智能系统将会共存，而该系统也有望为人类服务。这些人工智能系统将涉及多个领域，包括处理数字化世界的软件系统；在物理空间中移动的系统，如无人机，机器人，自动驾驶汽车；以及处理物理空间的系统，如物联网。
你也将会在现实世界中拥有更多智能系统-不仅体现在你的手机或电脑上，还会以实体的形式出现在我们周围，处理和传感物理世界的信息，辅助我们做出决定，包括了解更多物理世界的特征。随着时间的推移，我们将会看到这些人工智能系统在社会上更广泛的问题中发挥作用：比如，在大城市中规划交通；对气候做出复杂的预测；为人类做出重大决定提供支持。
目前，一些系统的工作似乎不太乐观。当一个算法或一个机器人做出决定后，我们通常不知道它为什么做出这个决定，从而造成该决定不被信服。那么技术如何来解决这个问题呢？
我正在做的工作之一就是希望这些机器能够进行自我解释。能够对它们做出的决定负责，并且做到整个决定过程透明化。我们做的很多研究工作是让人类或用户对系统做出提问。当我的机器人Cobot,比预定时间稍晚些才到达我的办公室时，我可以问，“你为什么晚了？”或者“你走的哪条路线？”
所以我们正在为这些人工智能系统有能力自我解释而努力。它们学习，它们提高，就是为了在不同层次和细节上做出解释。我们想要这种人机交互达到的效果是，人类最终信服了人工智能系统所做的决定。你可以问，“你为什么这么说？”或者“你为什么这么建议？”让机器人能够提供上述问题的解释，是我正在做的大量研究工作，并且我相信如果机器人能够做到这一点的话，人们也将更理解更信任人工智能系统。最终，通过这些交互，人类也将能够更正人工智能系统。所以我们也在做一些研究，尝试将指令主导的机器人自我更正和自我学习嵌入到系统中。我认为这是我们能够和人工系统共存的一大组成部分。
你认为为什么这些系统现在能够提升得这么快？在过去50年的人工智能研究中，是什么脱了我们的后腿？
你必须明白，要让一个智能系统知道什么是手机或者什么是杯子或者一个人是否健康，需要知识的灌输。早期很多人工智能的研究工作都是是在获取这些知识。我们不得不问人类。我们不得不在书本中寻求知识并人工将这些信息输入到电脑中。
神奇的是，在近几年里，越来越多的信息以数字化形式呈现。世界似乎在通过网络展示自己。 如今的数据是可获得的，因此，人工智能系统需要有能力处理这些数据，并赋予它们意义，我们要找出做到这一点的最好方式。另一方面，我们非常乐观，因为我们知道数据就在那儿。
现在的问题是，我们如何从数据中学习？我们如何使用数据？我们如何表示数据？我们如何研究数据的统计分步？ 我们如何将这些碎片组合在一起？这就是你如何利用深度学习和深度强化学习，实现自动翻译的系统和踢足球的机器人。这些事情都是可能实现的，因为我们可以更高效地处理这些数据，并且我们不需要在获得知识和表示知识上花很大功夫。因为数据就在这里，我们唾手可得的地方。
在过去的五年中，一个很大的进展是像Siri和Alexa那样的私人助理，都由机器学习驱动。我比较好奇的是，你是如何看待这些系统在下一个五年的变化。
你知道嘛，我是Alexa的忠实粉丝，在家里购置了一个，我发现我可以和Alexa聊的内容越来越广泛了。起初，聊天内容只是，“今天天气怎么样？”如今，我可以问，“我今天的日程是什么？”Alexa在学习的同时，我也在学习Alexa能做什么。我着迷的是随着时间的推移，它将变得多好。
我告诉你们一件很有意思的事情：当我要离开家的时候，我告诉Alexa，“Alexa，停下来。”我想要停止任何音乐的播放，因为我要离开了。但是如果我告诉Alexa，“Alexa，我要走了，”它并不能理解“我要走了”意味着停止播放。我必须明确地说“停止。”所以，我会设想个人助理将越来越理解指令的深层含义，如“Alexa，当我说离开时，你应该停止播放音乐。”这种指导性指令将会加到研究议程上。
你认为我们未来会不会达到一种程度，当我们问客人助理一些问题如，“哦，检查发动机的灯落在我车里了，我应该把它拿进来吗？”或者，“谷歌，我刚得到了这份工作，我应该接受它吗？”
我认为可以。这种类型的问题是决策型问题-但是假如你要在众多健康保险计划中选择其一，而且你对这些选项并不熟悉。你可能告诉Alexa说你要去睡觉了。“Alexa，要不你把这些健康保险计划都看一下，或者把我能买的车都研究一下，或者把我孩子能上的学校都调查一下，”然后它就可以在一夜之间给你编辑出一份报告。
并且，现在很多相关信息都可以在互联网上获得。你可以找到学校的所有特点，看到其他人对学校的评论。你有关于学校或其他内容的博客。你的人工智能系统应该可以将学校的所有特点综合在一起，如它们离家距离，关于它们的其他评论等。你可以输入一个档案，记录了你想要什么样的教育，然后人工智能系统就可以将这些信息整合在一起，它们可以看看这些学校特征，从过去的经验中学习，它们可以处理所有的信息，融合可以获得的所有内容，伴随着你的引导，你的问题，将这些信息按照你的喜好重新呈现。因为目前网上的信息是压倒性的，并且有时你不能实时处理所有的信息，所以以适应个人兴趣的形式呈现信息是十分有用的。
最终，你可能还想让助理告诉你理由。你可能会问，“你为什么说我应该买这辆车？我真的很不喜欢这个牌子。”我认为这是非常重要的一步，让人工智能系统辅助人类做决策，尝试将所有信息进行综合学习并能接受你的反馈。
除了个人决策以外，这些系统还可以做什么？
你可以想象一个画面，一个系统在处理科学论文。这里有很多发表的科学论文，并且可以直接在网上获得。你可以想象一个人工智能系统辅助一个研究员消化所有的信息，并找到与他们兴趣相关的信息。
人工智能系统仍然是网上信息的一个产品。许多人都在研究信息-文本信息，图片信息，流程图，表格，尝试理解线上信息的本质，最终从这些信息中找到需要的内容。比如，有一个机器学习领域叫“主动学习”，在该领域里，当某些处理过程、没有足够的图片支撑，你可能需要在这中间增加更多的图片。
我设想人工智能系统能够识别丢失的信息，自由地获取线上所有信息，并且必要时可以请求更多信息。你可以想象它要求研究员，“你只要告诉我更多关于这些细胞是如何与这种化学物质相互交互的，我就会计算出更好的模型来解释交互过程。”
这个图片的部分内容是我们从合作机器人中看到的合作共生，对吗？目前，这些机器人已经分布到了卡耐基梅隆的校园中，结合深度相机，Wi-Fi和雷达，在计算机科学学院的建筑中导航。它们没有手臂，因此它们在很多简单的导航任务中遇到了困难，但是它们很擅长寻求帮助。
是的，当我们意识到自主机器人可能有局限性时，我们就发现了这一点。它们不一定有能力打开世界上所有的门，它们不一定要明白世界上所有的语言。也许随着时间的推移，它们会变得更好，但是我相信，人类在相同的问题上也有局限性-我说话带口音，我不像有些人一样擅长打墙网球-这些机器人也会有局限性。
我们很清楚，这些机器人，这些人工智能系统，它们的重要特点之一是辨识它们什么不清楚，什么不能做，什么不理解，然后向人类寻求帮助。你能按下电梯按钮吗？你可以开下门吗？你能把东西放到我的篮子里吗？这就是我们所谓的互利共生。当这些机器人意识到有些事情他们不能做，不知道，不能理解时，会主动寻求帮助。这是一个非常新颖的想法，人工系统将在我们周围活动，并且在某些任务中向我们寻求帮助。
随着这些体统规模的扩大，这种情况将以更复杂的形式呈现。系统已经可以进行无线通信，在云上提取数据，或是由远程团队协作运行。你可以想象到人工智能系统在不断地与其他一切事情，与网站上的其他信息，与其他人工智能系统，与它们身边的人类，与远程人类，互利共生。发展自足人工智能系统不再是研究重点，那些能够意识到它们什么时候不知道，或什么时候需要更多信息，或什么时候在不确定地，基于一定概率考虑事情的智能系统才是研究重点。这并不是说它可以解决遇到的一切问题，而是它可以依赖其他资源来解决这个问题。这是我想象的。
对于互利共生改变我们现有的人工智能系统这件事，你怎么看？
那么，让我们回到刚才的场景，就是请求人工智能系统帮我们选择学校，或者选择健康保险。我想象这些人工智能系统可能在某种程度上需要一些人类没有提供的信息。人工智能系统可能会意识到，如果我获得了这些额外的特征，我将会给你提供更好的决策结果。
当人工智能系统自我意识到它们缺失信息时，才是真正有趣的时候。它们意识到如果它们能获得更多信息，如果它们能做一些具体的行动-比如，如果它们可以在某个旅馆预约到一个无法线上预约的房间，就可以让你的落脚地更接近你的开会地点。我真的认为能力才是最重要的，因为我不需要知道系统做决定所需的所有信息。
目前，我们在Uber或谷歌或Waze中输入目的地地址，这对于路线规划就足够了。然而，Waze能回过头来问题，“你赶时间吗？我要不要给你最短路线？你想不想绕个远路，欣赏一下美丽的风景？”如果机器人助手知道我喜欢兰花，或者我喜欢某种艺术类型，如果我只是稍微绕了点远，我便可以看到这个很棒的博物馆。然而它并不知道博物馆在规划的路线中。如果它知道，它就可以帮我选择这条路径。
我们目前的很多人工智能系统都致力于特定的任务，如目标识别，或者路线优化-但这也使得系统的技能过于简单。我比较好奇，你认为是什么东西在牵制着我们，使我们不能开发普适性较强的智能软件。
这个人工智能的普适性问题是极具挑战性的。我认为我们现在已经有了相关技术-深度学习，深度强化学习-这些技术更适合普适性的智能。我们也做了大量的研究工作，尝试去理解“转移学习”的概念。我们如何获得一种算法，它可以解决某种特定的任务，同时可以学着去解决其他任务。我们还没有完全理解人工智能。我们对于很多事情都有困惑。就算法和技术，总结概括的方法，提供解释的方法而言，我们仍在人工智能的起步阶段，我们仍然对很对事情存有困惑。
我着实相信普适性人工智能在未来的某一天会出现，它通过融合各种特定任务的人工智能系统，将它们综合应用在Minsky描述的Society of Mind中。并且你还将拥有针对特殊目的的算法，来解决像Herb Simon和Allen Newell在最初的人工智能研究中提出的那些极具复杂性的问题。
所以对于普适性人工智能的研究是极具挑战性的，但是也是极令人兴奋的，因为这里有那么多数据。有这么多从数字设备中产生的数据。且越来越多的人使用计算机，智能手机，Alexa，Uber,所有的因素将我们推向了一条通往普适性人工智能的研究之路。我们仍有很多研究工作要做。我们仍不清楚普适性人工智能系统将会是什么样的，但是我们已经在研究的路上了。
这种不确定性会让您担心吗？一些人担心，一旦人工智能超越了人类智能，人类将会毁灭。
我是一个完全的乐观主义者。我认为我们正在做的自主系统研究-自动驾驶汽车，自主机器人-是对人类责任感的唤醒。在某种意义上，这与技术无关。技术会发展。技术由我们人类发明创造的。他不是从天空或外太空来。这是我们自己的发现。是人脑思考的结果，因此如何利用它也取决于人。
我认为人工智能超越人类智慧这件事终将会发上。我非常乐观，因为我真的认为人类知道他们需要很认真的处理这项技术。当然，我也知道。目前最好的方法就是投资教育。不要管机器人。机器人会越来越好，但是我们要专注于教育，在教育中，人们互相了解，互相关系。关心社会的发展。关心地球，自然的进步，并提升科学。解决所有这些问题。治愈癌症，终结贫困。有这么多的事情，我们可以以人的角色参与到其中，并且很好的使用我们开发的技术。
在某种程度上，人工智能中的人文主义会将我们凝聚在一起。所以，我是乐观的。
以上采访已被编辑和浓缩。
