2019 年 1 月 19 日起，EmTech China 2019 全球新興科技峰會于北京國貿大酒店正式舉辦，來自世界各地的約70位頂尖科學家和科技公司領袖，分享了他們對于科技趨勢的獨家見解。 曾被《時代》雜志評為 100 名最偉大的科學家之一的“萬維網之父”，擁有超過 120 年歷史的美國超級企業領導人，全球最“性感”數據科學社區創始人等等也蒞臨現場。

1 月 20 日上午的 “未來工作” 板塊的圓桌討論中，在現場主持人《麻省理工科技評論》人工智能領域（AI）資深主編 Will Knight 主持下，戴爾易安信研究員 Radia Perlman、卡耐基梅隆大學機器人學院教授 Katia Sycara 就目前人工智能環境、區塊鏈等議題，發表了自己的看法。

以下為會議現場嘉賓發言討論內容（略有刪減）：

問：我們都知道，有個技術會改變各個產業，改變各種各樣的工作，它就是區塊鏈，你可不可以給我們說一下，什么是區塊鏈？

Radia Perlman：我們都知道比特幣背后的這項技術，很多人都在討論區塊鏈技術，但是，我們要在實際應用中將區塊鏈演化成各種各樣新的技術，區塊鏈可以為我們帶來非常強有力的加密算法，以及很好的儲存技術，所以對區塊鏈的定義會越來越模式化。

對于區塊鏈業務，一直都有很多宣傳，因為我們知道，通過比特幣有很多人盈利了，通過區塊鏈、比特幣這樣的技術賺到了很多錢，但是也有很多人被迫開始使用這樣的技術，因為他們需要進行管理，而我們認為，這項技術就是未來。

（圖片來源：DeepTech）

問：我們想知道，機器人會如何改變我們的人類生活，包括人工智能？現實生活是什么樣子呢？人機協同有很大的潛力，所以你覺得機器人是否會取代人類呢？

Katia Sycara：機器人肯定會取代人類，尤其是一些手動的重復性工作領域，比如說在工廠、供應鏈方向等。

但是另一方面，當我們說到機器人和人互動的時候，這個是很難的。首先機器人很難理解人們的行為，這是因為人的行為具有一定的社交性，其中會有很多復雜的情況。這個時候，如果機器人的行為會以人為導向，很難進行建模，只能建立一個專門的數據庫，來應對各種各樣不同的環境和場景。

問：其實我們現在會有一些像 Google Home這樣 的智能設備，他們也被應用到了我們的社交生活當中，你認為，未來，這些產品與機器人相比會有優勢嗎？

答：智能設備只有單向互動，而機器人的行為需要學習人類，擁有雙向互動。現在會有一些像 Google Home 這樣的智能設備，被應用到我們的社交生活當中，而這些社交過程，是需要雙向互動的，機器人是符合這一條件的。機器人擁有自主性，會自動的理解內容，并且參與決策，自主學習，最終有希望會形成自己的想法。

問：可能從無人駕駛領域來看，如果有 5G 的話，可能發展的會更好，而且很多公司也在爭相進入這個市場。你們認為，未來整個無人駕駛的世界會是什么樣的？

Radia Perlman：如果駕駛無人汽車出了事故，可能人們會放大它，有很多負面評價。但實際上，我們可能需要去考慮無人駕駛帶來的未來關系與發展。

比如說，在高速公路上，行駛的無人駕駛汽車想要去并道，或者是其他的交通情況，它會自主的去做決策，背后的算法識別可能考慮的沒有那么健全，這個時候就需要我們設計物體的識別。

Katia Sycara：如果人坐在一個無人駕駛的汽車上，只看書，不路況，這個時候警報響了，那么人類如何在了解當時發生的情況下，毫秒之間做出下一步反應與決策？這個可能是非常困難的。在無人駕駛過程中，人類把這個駕駛權交給了汽車，在危機的情況下，如何處理這種權利的交接？這可能是需要人們考慮與無人駕駛之間的關系與影響。

Radia Perlman：其實我覺得人和人之間是相通的，但是可能有些人膽大，有些人膽小，甚至可能還有酒駕的問題，或者是人們開車的時候喜歡發短信，所以，可能的確有很多不同的情況。我覺得如果真的無人駕駛和有人駕駛結合在一起，共同發展的話，情況會變的更加復雜。

問：我在想，你們二位對于機器學習還有安全性的問題，是如何看待的？比如說機器學習它的確帶來了很多的復雜性，算法的能力也在不斷的發展，可能會為我們帶來很大的變化，對于網絡安全性來說，你們怎么看？

Radia Perlman：其實我有一點擔心，比如說對于這種入侵式的識別，可能這個機器人它不會覺得說周圍的環境會有危險的，除非有一些以外發生，或者是奇怪的事情發生。人其實了解機器運作的模式，這種情況下，對于整個交通環境來說是好的，但如果突發意外，有緊急的情況發生，這個時候我們應該怎么響應，這可能是我們需要考慮的課題。

Katia Sycara：深度學習其實和單純的圖像理解是不一樣的，比如說有的是持續性的，有的是次序性的，會有一些不同點。如果我們去訓練這種深度學習，或者是深度強化學習，是需要過程的，需要讓他逐漸的去了解更困難的挑戰。而且我們需要去解決非常復雜的問題。

所以說，機器人的行為是很難預測的，因為不知道最后會獲得什么樣的反應與回答。對于次序性的模型，我們在實際生活中訓練的時候，可能需要考慮它最后的后果。目前，我們可以把整個學習進行集成、強化，不斷地優化過程，需要相互支持與合作。