加拿大工程院院士、加拿大約克大學(xué)張丹教授也認為，人工智能現(xiàn)在發(fā)展非?？欤藗円潇o地思考一下，其實夸大的東西有很多。“像索菲亞等機器人都是假的，其實現(xiàn)在人類跟機器人之間的對話是不可能的。”他說。

“美國人指責研究索菲亞的漢森是個騙子，不過它本質(zhì)上就是一個娛樂產(chǎn)品”，張鈸以此為例道，“我想告訴大家，免得大家做產(chǎn)業(yè)的時候定太高的指標，太高的指標你實際上是做不了的，像索菲亞那樣只能是騙人。”

機器人的發(fā)展離不開人工智能，人們常說，人工智能的發(fā)展依賴于三大因素：即算法、數(shù)據(jù)、算力。但張鈸院士認為，其實最關(guān)鍵的不是這三個，而是“應(yīng)用場景”。他說：“實際上所有的企業(yè)多多少少都擁有算法、數(shù)據(jù)和算力，但為什么有的企業(yè)成功，有的企業(yè)不成功，最重要的原因就是應(yīng)用場景沒有選好，這是一個最大的問題。”

眾所周知，在人工智能醫(yī)療健康領(lǐng)域，很多公司在進行癌癥診斷的研究，一些研究結(jié)果宣稱人工智能的識別率接近甚至超過了人類。有這么好的技術(shù)，去辦一個企業(yè)，或者把它應(yīng)用到醫(yī)療里，是不是就能成功?是不是就能用了呢?結(jié)果令人失望，張鈸表示，即便IBM公司所引以為豪的Watson，在實踐中也給出了“多個不安全、不正確治療意見”，甚至“給有出血癥的癌癥病人開了容易導(dǎo)致出血的藥品，嚴重時可致患者死亡。”

北京航空航天大學(xué)機器人研究所名譽所長王田苗教授在另一個場合說：“Watson花了幾百億，在醫(yī)療方面目前陷入了低谷，在判斷癌癥和手術(shù)方案時，醫(yī)生很難理解它的判斷和方案，詢問的時候它又回答不上來，于是很多合作醫(yī)院退出了。”

事實上，對于人工智能系統(tǒng)的不可解釋性，Watson無疑是一個最好的例證。張鈸表示，人工智能在醫(yī)療健康中應(yīng)用需要解決的問題，除了個人數(shù)據(jù)的隱私與保護，以及規(guī)章與制度改革外，首當其沖的就是人工智能系統(tǒng)的可解釋性與魯棒性。“實際上存在著這樣的問題，如果智能圖像識別告訴醫(yī)生說這個病人有癌癥，那醫(yī)生相信不相信它?如果它診斷錯了，誰的責任?所以企業(yè)聲稱自己的識別率超過了人，但是給醫(yī)生用的時候，醫(yī)生還是不放心。”張鈸院士認為，這其實是深度學(xué)習(xí)的一個最重大的問題，就是不可解釋性。“而且它的魯棒性非常差，很容易被欺騙，你可以設(shè)計一個噪聲給它，它可以識別成為任何一個東西。換句話說，它基本上不知道什么是癌癥，它不是根據(jù)醫(yī)生抽取的特征來識別癌癥，而是從大量數(shù)據(jù)中間隨便找，找到那些有區(qū)別的地方”，張鈸強調(diào)，“機器做出來的診斷，跟醫(yī)生做出來的診斷有著根本性的不同，正因為這種不同，所以醫(yī)生不敢用它，盡管你的識別率可能比人還要高。”

現(xiàn)在人們對深度學(xué)習(xí)推崇備至，但張鈸院士說：“用深度學(xué)習(xí)進行的結(jié)果，看起來它的識別率比人高，但是它用的原理跟人是不一樣的。所以用這樣的機器來協(xié)助人，讓它做決策、看病和做其他決策，人是不放心的。”因此，他認為人工智能的成功除了數(shù)據(jù)、算法、算力三大要素，離不開一個更重要的因素就是知識。“在天津剛剛結(jié)束的一個知識圖譜的會議上，參加的800多人中，1/3來自企業(yè)，那些企業(yè)都是做的很成功的，他們靠的不是數(shù)據(jù)，而是知識，現(xiàn)在很多企業(yè)比學(xué)校和研究單位更早地認識到知識的重要性。”張鈸院士認為，用深度學(xué)習(xí)的方法做醫(yī)學(xué)圖像識別，必須要加進醫(yī)生看圖片的知識和經(jīng)驗，否則，僅靠數(shù)據(jù)得出來的結(jié)果跟醫(yī)生無法實現(xiàn)交互，醫(yī)生也無法相信，自然也不會使用。

張丹表示，深度學(xué)習(xí)是不可能代替所有的技術(shù)的，“深度學(xué)習(xí)確實在人臉識別和語言合成等方面做了很大貢獻，但是它的深度學(xué)習(xí)其實是基于大量數(shù)據(jù)規(guī)律總結(jié)出來的，跟人學(xué)習(xí)的過程完全不一樣。所以深度學(xué)習(xí)是不可能完全代替人的”。

那么，在什么樣的應(yīng)用場景下，人工智能更容易成功呢?張鈸院士歸結(jié)為五點：一是要掌握豐富的數(shù)據(jù)或知識;二是完全信息;三是確定性信息;四是靜態(tài)與結(jié)構(gòu)化的環(huán)境;五是有限的領(lǐng)域或單一的任務(wù)。

基于此，張鈸認為那些容易被機器取代的工作崗位，主要做的是規(guī)范性的日常事務(wù)，如收銀員、零售服務(wù)員、辦公文員、飯店服務(wù)員、記賬員、會計、審計等，就是照章辦事。不容易被機器取代的工作崗位，則是不照章辦事的，如動態(tài)變化環(huán)境、不完全信息、不確定性、多領(lǐng)域多任務(wù)等。

同樣，考慮到動態(tài)與不確定環(huán)境，張鈸院士認為，在類似北京的大街上，無人駕駛短期內(nèi)是根本不可能實現(xiàn)的。“深度學(xué)習(xí)的方法是靠樣本來學(xué)習(xí)，不可能把所有的情況都學(xué)到，因為你不能估計到行人會怎么做，他會怎么過馬路。因此靠它來應(yīng)對突發(fā)的事件，深度學(xué)習(xí)是不可能做到的，產(chǎn)業(yè)界必須要考慮到這個問題的難度。”他說。

對于人工智能的產(chǎn)業(yè)化，張鈸院士表示，人工智能剛剛起步，大量研究任務(wù)需要去做，需要建立良好的“政產(chǎn)學(xué)研”合作機制。同時必須要和實體經(jīng)濟結(jié)合才能創(chuàng)造價值，因為人工智能是一個應(yīng)用型學(xué)科，理論做的非常好不行，必須要解決實際問題，特別是要與地方的實際相結(jié)合，選擇合適的應(yīng)用場景發(fā)展。