专访Michael Jordan：AI的分布式决策与不确定性(3)

解决任何现实世界的问题都要考虑稀缺性。例如，道路容量是有限额的，如果我将所有从 A 地点前往 B 地点的人都指向同一条「最优路径」，无疑这条路会堵车，不再是一条「最优路径」。再比如，因为我没有无限量物流车（即使我有，这也会变成超出道路容量的问题），所以派送包裹时总会有先后顺序。这时，我解决排序的方式并不是设计一个寻找「最优解」的中心算法，而是让大家以竞价的方式表达自己的偏好。 [好文分享：www.11jj.com]

注意，我们并非在讨论建立一个简单的经典市场。而是一个能够允许数据充分流动、偏好充分表达的市场。因此，经济学家会对这个市场异常感兴趣，因为当市场中的决策者手握大量信息，他们可以做得更好。 [原创文章：www.11jj.com]

机器之心：现有拟人 AI 技术的进步会给 II 带来哪些影响吗？

Michael Jordan：其实，大部分现存的市场模型并不要求每个身处其中的智能体具有高级的智能，而只要求他们做简单的决策。回到网约车的例子里，网约车中的司机和乘客都是具有高级智能的人，但是在系统里他们并不需要大量动用智慧，他们只需要表达需求（我要去机场）和偏好（我愿意加价调度）就可以了。

但是，当每个智能体都拥有更多信息，并且能够根据这些信息更可靠、更有逻辑地运作时，市场会变得更高效、更好。比如，在商品市场或者股票交易市场上，参与者的「智慧」就得到了更多的利用。

因此，我们也可以想象，那些经典的、拟人 AI 在一些有趣的市场中也能够成为很好的玩家。拟人 AI 和 II 的概念就融合在一起了。

对于视觉问题、语音问题来说，我们有如此及大量的标注数据，所以用监督学习解决这个问题是合适的。任何其他有标注的高维统计分析问题也可以用监督学习的思路解决。无论最终目标是 拟人 AI 还是 IA 还是 II，解决方案都会是一个监督学习、无监督学习、Bandit 算法等等的组合。

并非说 II 是优于 AI 的一个概念，而是当人人都「全力投入 AI」却不能准确描述他们所投入的究竟是什么，对一些基本概念做区分有助于人们厘清自己的思路。

机器之心：在您看来，当前公众缺乏对 II 的关注，那么从研发角度呢？

Michael Jordan：研发角度的关注重点也有所偏颇。

我并不担心业界巨头们，，大公司层面一直不缺少相关研究。但是有非常多的小公司，仍然认为他们能够通过提出一种新型的智能 AI 设备就解决某个存在已久的大问题。但是可以预见的是，在大多数情况下，这并不会发生。

当然，对于硬件公司来说，鼓励更多人在更大量的数据上运行各式各样的 AI 算法是符合他们的利益的做法：因为无论算法是否有效，只要卖出硬件他们就能够挣钱。这并不是一件坏事，但人们需要清楚，许多硬件的卖点不是「他们能够立刻解决当前的问题」。