一种普遍被认同的观点是：AI的发展速度会是指数式的，可能现在它看起来还很蠢，但是在你意识到它已经变强之前它就会越过那个“奇点”，迅速超过你，atv，然后将你远远的甩在后面。

　　后来一些人开始慢慢意识到，奇点论确实有些夸张了。但是AI到底对我们的生活有没有影响？确实是有的，甚至很多时候，你能感觉到一些怀疑论者的观点并不夸张，甚至最近还有人说，随着人们越来越依赖于机器基于大数据以及各种算法帮他们做出的决定，我们实际上已经将自己的人生交给机器人控制。

　　本期硬创公开课，我们邀请到了微软亚洲研究院的院长洪小文博士，为我们讲解随着AI的快速发展其能否跟我们的智能相提并论，畅谈微软在人工智能上的发展战略（下）。

　　洪小文，微软全球资深副总裁，微软亚太研发集团主席，微软亚洲研究院院长。对微软SAPI(Speech API)和Speech Engine技术的发展作出了众所公认的卓越贡献，并多次获得类别不同的荣誉和奖励。它还是美国电机电子工程师学会院士(IEEE Fellow)和国际公认的语音识别专家，现任《美国计算机协会通讯》(Communication of the ACM) 的编委，并在国际著名学术刊物及大会上发表了百余篇学术论文。他参与合著的《语音技术处理》(Spoken Language Processing) 一书被全世界多所大学采用为语音教学课本。另外，他在多项技术领域拥有36项专利发明。洪小文既负责过基础研究，又管理过产品开发，同时，他还在多个研发领域有所涉猎。现在洪小文博士是微软亚太研发集团主席兼微软亚洲研究院院长，全面负责推动微软在亚太地区的科研及产品开发战略，以及与中国及亚太地区学术界的合作。他认为自己多年来形成的“双重视角”或许可以帮助国内的年轻学者把握到正确的方向。

　　| 深度学习从2006年到现在，没有大的基础理论进步, 但现在工业界热情高涨，我们在盲目推动什么？

　　任何事物都有两面性。深度学习或AI现在的确很火，正如主持人所讲，在理论方面目前没有大的突破性进展。究其原因是因为当一个理论有颠覆性的进展后，其应用门槛就被降低了。

　　今天深度学习被赋予神秘的色彩，就是其理论方面的创造性发展将其应用门槛降低了，现在任何人只要能够有机会利用开源程序和大数据，都可以实现很好地应用。从这个角度来看，这也是深度学习受到业内人士欢迎的原因。

　　另外一方面，深度学习当然不能解决所有的问题。当你有大数据资源时，深度学习能够做最好的决定，但是，它不知道为何做这些决定。目前，深度学习与机器打交道是没有问题的。但是，与人打交道时，如果不能得到人们的信服，在很多情况下，深度学习也会不见得那么有用。

　　还有一个就是创造力。今天，所谓深度学习、机器学习、大数据在95%的程度上具有交叉性。人最了不起的是创造力，创造力是小数据问题。

　　例如，今年很受欢迎的一个话题叫做引力波。想想看100年后的今天，我们需要用很昂贵的设备才能够勉强测到有引力波的存在，那么请问100年前爱因斯坦在无数据的条件下是如何提出引力波理论，我认为这是深度学习所不能回答的问题。

　　在此，我们可以做一下总结：

　　从2006年到现在，当一个颠覆性的创新出现后，它将对人类的生活产生重大的影响，但是，这就意味着下一个创新可能会花费更多的时间。比如，学数学或物理的人都知道，你今天解决一个难题，不代表下一个难题会耗费更短的时间，这不像摩尔效率，这从人类发展的角度来看待，是讲不通的。所以，我认为，这是一个很自然的现象，当你有一个颠覆性的突破时，下一个创新将会花费更多的时间和脑力，历史经验告诉我们：这是颠扑不破的真理。

　　| 现在各个开源平台推进不算迅速，是开发者的水平没跟上，还是推开发平台的大公司功能不完善？

　　我认为，这一点都不矛盾。

　　因为开源平台是一个由下往上，而不是由上往下的一个开发平台。所有由下往上就代表并没有一个中心来协调这个过程，这样就会造成百家争鸣，百花齐放的结果。所以，我认为这是一个很自然的发展过程。

　　常常类似的一个计划，会被分成100种，200种，300种以上不同的小计划（差别不大），这样做效率不会是最高的，这也是其美丽的地方，能够让大家实现由下往上的创新。