Andrew Moore于2000年成为卡内基梅隆大学（CMU）的终身教授。2006年，Moore加入谷歌，负责建设一个新的工程团队，作为工程副总裁，Andrew负责公司零售业务部门Google shopping。Moore于2014年回到CMU担任计算机科学学院院长。Moore是计算机科学和人工智能领域最有影响力的人之一。
在福布斯的AI系列采访中，Moore发表了对不断演化的人工智能领域的见解，以及AI竞赛中可能的决胜因素。
问：正如你所说，从其起源，人工智能是一个非常重要的话题。有很多与人工智能相关的话题，例如机器学习和机器人学。你能解释一下它们之间的关系吗？
Moore：20世纪 90 年代，计算机开始碾压人类。 1997年，计算机击败了国际象棋世界冠军。在那之前，我们把国际象棋视为只有人类智能能做的事。过了几年，我们发现能够编写计算机算法，来完成很多被认为需要人类智能的事情。
当我负责一个AI软件团队时，我们总是把问题分解，并将人员分为三个部分：感知，决策和行动。通常，建立AI系统时，你必须弄清楚“感知”：它将如何理解其周围的世界？从事决策的人们必须弄清楚：根据最终目标，如何在许多可能性中做出选择，找到最佳选择？负责行动的人需要弄清楚：如何使AI与世界接轨？这可能是通过与人类交谈或通过在工厂中控制阀门。这是一个大循环。你感知到世界，做出决定，行动，看看结果如何，然后再来一次。
那就是顶级架构。我会讲更多关于决策部分的细节。讲个有趣的故事。Allen Newell和Herb Simon正确地想出如何让计算机做决定。一种成功的方法：假设机器人对自己说，“如果我这样做，我能预测接下来会发生什么，看看是否有好处”，“但是如果我做另外一件事情，我将预测接下来会发生什么，并且看看是否有好处。“决策系统的一般形式是想象可能发生的不同事情，预测其结果，然后选择最好的。这个效果非常好，但只适用于人们能够在软件里写下来预测规则的问题。这就是（计算机）在国际象棋上取得成功的原因，因为象棋的规则非常清晰。
国际象棋的成功使我们兴奋，我们认为可以将它应用到其他地方。AI在上世纪九十年代后期，有了一些进步。然而，我们很快就陷入了困境。问题在于有很多事情我们无法写出预测程序。例如，如果你尝试在搜索引擎中显示好的结果，像当时的AltaVista这样的东西，并且你想说：“如果我显示这个，让我预测一下用户对这个答案的满意程度” 。每个人都搞不清楚如何写出这些预测。
一般来说，你不会让人类程序员写出行动将引发什么结果的预测程序。相反，你让系统使用以前存在的数据来编程，如果你愿意的话，系统还可以做出与历史数据最匹配的预测内容。
简而言之，人工智能的历史是：感知，决定，行动。系统的决定部分看起来很棒，但是我们遇到了麻烦，因为我们不知道如何预测。在2000年之后，技术的巨大进步有助于计算机编写程序来预测下一步要发生的事情。这就是我们现在所处的阶段。
问：你谈到了AI的历史和演变，在这个话题上，我们的目标似乎一直被推向更远。伴随着这一领域整体的进步，似乎不管从业者还是公众都将已经取得的进步视为理所当然。你能谈谈我们现在处于AI发展的哪个阶段吗？
Moore：这就像绘制未被探索之地的地图一样，我们需要找出哪些任务可以被自动化。我们可以让计算机在那些主要涉及预测和在许多选项中进行选择的任务上工作得很好。但我们人类能做的其他事情，尤其是涉及横向思维或类比推理的事情，人类通常通过将问题转化为人类经验的其他部分来解决，但计算机在这些领域几乎没有什么进展。在推理能力上取得进展，我无法说是需要5年还是55年的时间。另一方面，有关人类智力很容易获得的成果，我们不清楚是否需要去研究那些更高级的认知。
问：基于你所描述的，会有哪些将影响人们生活的近期进展？
Moore：在未来五年内，有一件事将改变许多消费产品和消费者体验，就是理解情绪和情感意图。三、四年前，计算机视觉和语音处理方面的进步都是人物识别，物体识别，将口语转化为可能的书面语句。现在我们意识到可以走得更远。例如，现代手机中的相机具有如此问的分辨率，可以在脸部看到细微的缺陷，并使用相机追踪面部皮肤。跟踪皮肤，就能发现找出皮肤下肌肉的活动。使用已有的心理学知识，能从肌肉活动中检测面部动作单位和细微表情，以获取甚至人类自己都没有意识到的信息。这意味着，与一个人对话时，我们可以捕捉到他们很多的情绪：或兴奋幸福、或恐惧，抑或轻蔑。
建立一个能够读取人们情绪的计算机，可能是件好事，也可能是潘多拉的盒子。
原文发布时间为：2017-11-4
本文作者：刘小芹，常佩琦
原文链接：CMU计算机学院院长、谷歌工程VP：未来五年看好AI理解情绪和情感
