近日，智慧金融研究院科学顾问Yaser Abu-Mostafa教授发表了题为“人工智能：过去、现在、未来”的专题演讲。
Mostafa教授是加州理工学院（CalTech）电气工程和计算机科学教授；美国IEEE神经网络协会创始人；亚马逊机器学习领域全美最畅销书《Learning from Data》作者。
智慧金融研究院特别全文刊载Mostafa教授演说内容以飨读者，以下是演讲原文。
我今天要讲一下AI的相关内容，让大家了解一下AI和机器学习的相关内容。
首先，我和大家用很简单的语言解释一下什么是机器学习，之后讲两个方面：首先是演进，就是机器学习的演化，三四十年的变化。再来是革命，革命是指过去五年发生的变化。最后讲挑战，有些是技术的挑战，有些是道德和社会方面的挑战。
简单介绍一下机器学习。大家都知道数据科学或者大数据、统计学、数据挖掘，机器学习是智能的核心，这就是为什么叫它AI，人工智能。
我们看到很多名字，比如统计学、AI或者数据挖掘等术语，它们都是基于数据技术规律的自动探测。我们假设一个婴儿看到一种图案或看到一个规律，眼睛都会闪光，他们自己识别出了规律。
实际上我们要让数据自动识别规律，这样就可以获得某种智能。给大家介绍和拍拍贷有关的内容。比如我们不希望信用不好的人申请信用卡，我们希望了解基本情况，比如了解一下客户不按时还款的可能性。
机器学习能带来什么好处？我们看以前的客户，哪些行为是好的，哪些行为是不好的。他们申请的时候都提供了相关信息，我们如何区分好坏。基于历史数据，一旦找到某些规律，就可以对申请人的行为进行好坏判断，这就是用机器学习进行自动信用评级的原理。
两年前，《哈佛商业评论》（Harvard Business Review）的文章中提到机器学习非常有潜力，可以用在很多行业上面，改变行业生态。机器学习其实可用在很多项目上，比如说时尚、工业设备、脑部损伤诊断都用得上。
机器学习是基于数据的，任何领域只要有数据就可以自动识别并发现内在规律。比如说时尚，机器学习基于不同女性的购买行为计算出她们最可能购买哪样的衣服，并向她们提供建议。这就是机器学习的本质。
什么是机器学习？首先要有一个规律，比如信用卡申请，如果一直做和信用相关的工作，我们便可能从中找出内在规律。有时候我们无法用数学模型直接找到答案，而是需要通过数据提取内在规律，从而发现有代表性的数据组。
以拍拍贷的发展为例，一开始没发生什么，但公司突然起飞了；但实际上，在蜇伏期，拍拍贷一直在收集数据，有数据就有别人没有的东西。积累需要时间，而数据就是资产，你要有资产才能进入游戏。
再来我给大家介绍一下演进部分，就是机器学习的发展情况。过去五年人工智能和机器学习为何发生突变？从八十年代开始，神经网络刚兴起，那时数据量很少，随后越来越多的数据被积累起来。
越来越多的数据使模型转趋复杂，以前的模型是线性模型，现在则是非线性模型。我们预测计算机发展速度会越来越快，这也是此前三四十年积累的结果。虽然现在已经到了饱和阶段，但当中仍有非常大的金矿，这个过程中我们会取得更多进展，机器学习也不例外。
回到信用卡申请的例子，给大家解释一下现在的进化在哪。首先，我们建立一个简单的线性模型，早期的批贷都依赖线性模型进行评估，其中的条件包括工作年限、年龄、工资等，这条线区分好客户与坏客户。随着数据积累，我们可以建立一个非线性模型，我们知道一些因素之间的相关性，进而提炼出一些规律或模式。
因此我们会有很多不同的模型，比如说神经网络，这是非常著名的模型。这与原先的线性模型非常不同，不仅可以帮助我们做出更好的预测，更能帮助客户做出更加复杂的决策。
基于深度学习的神经网络模型
2000年左右，亚马逊、阿里巴巴电子商务开始起步，他们开始使用机器学习，网站开始向你推荐一些东西，这些推荐都是基于数据，通过一些模式向你推荐你可能感兴趣的东西。到了2010年，机器学习开始被应用在医疗领域。因为医疗领域积累了大量的数据，我们可以用来做辅助诊断。
十年间，医疗行业积累了大量的数据，可以用机器学习来做诊断分析。有了数据积累，我们能有更多机器学习方面的应用。这些数据就是企业最大的资产。
过去五年间，我们从进化进入革命阶段。这五年内发生了什么变化呢？比如机器翻译，过去的机器翻译常让大家觉得好笑，但因为神经网络的介入，不断改进，机器翻译已经取得极大进展。
还有语音识别、对象检测等，在数据、模型、计算上都发生了质变。随着数据体量的增加，基于大数据做出的决策就更加智能，这是一点。
我们再来看模型。模型现在有深度神经网络，原来只有两三层，现在已经有十层、二十层，区别是什么呢？因为有了这么多层次，有里面的计算，就可以用最好的输入变量给大家进行分析。
比如你看到我，不是根据一个像素来对我进行分析，而是通过数千甚至数万个像素来对我进行分析。但当我们要深入分析各个细节时，虽然可能会忽略当中部分细节，但会先聚焦在部分对整个人的分析最重要的细节上，随后进入神经元分析。
AlphaGo就是人工智能击败人类智慧最具代表性的例子。这个机器是自我学习的，也就是说自己和自己下象棋，然后找到一些新的动作，这是人类之前从未用过的动作，他就打败了人类的智慧。这种方法可以帮助我们极大地改善智能水平。
我再讲一下挑战。某种程度上说，当前存在两个挑战。刚才讲到技术挑战，再讲一下安全的风险；此外，人工智能和机器学习也会给社会带来许多挑战。
谈及计算机程序时，最害怕的就是安全问题，比如黑客入侵，以及信息泄露问题。过去，我们没有想太多安全问题，现在我们必须要好好想一下安全问题。很多人担心超级智能，我觉得这不需要担心，但黑客入侵还是一个主要威胁。
还有很多社会面临的挑战，很多人可能失业，AI可以做人的工作，我们必须要提前规划。另外还有一个社会问题，随着智能设备的普及，以后大家都不愿意和人沟通了，像孩子一样，实际上大家只想和手机玩，也是另外一个方面的考虑，供大家参考。
