比爾·蓋茨最近與《大眾科學》的加里·斯蒂克斯就從人工智慧到基礎研究價值等話題進行了對話。以下是他們對話的節選。
如需採訪全文的 PDF 版本，請點選此處。
大眾科學： 您計劃繼續您對研究的承諾嗎？
關於支援科學新聞業
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞業 訂閱。透過購買訂閱，您正在幫助確保未來能夠繼續講述關於塑造我們當今世界的發現和思想的具有影響力的故事。
比爾·蓋茨： 是的，我們的研究為我們和我們的使用者帶來了巨大的回報。我們依賴於我們的研究，無論是為了確保超高的可靠性[或]深度安全性，還是為了簡化處理我們擁有的所有資訊。正是我們研究實驗室的進步使我們樂觀地認為我們將解決這些難題。
大眾科學： 一些評論家說，這裡聚集了令人難以置信的人才，但尚未取得像電晶體這樣的成就。您認為這有道理嗎？
比爾·蓋茨： 嗯，我們做軟體。如果你看看 Siggraph [計算機圖形學會議] 的論文，以及來自我們一個實驗室的論文比例，你會看到我們在許多不同的領域都有涉足。我們希望有其他實驗室做得更多。在許多這些領域，我們佔了非大學研究工作的一個非常高的比例。通常在計算機領域，大多數公司都沒有長期研究。他們就是沒有。
就拿我們在機器翻譯方面所做的工作來說——不，那不如電晶體那麼好，但也很了不起。我們在語音方面所做的工作，也很了不起。電子墨水。軟體可靠性。如果我們無法證明 [測試和驗證] 程式，我們就無法讓網際網路發揮其潛力。我們所做規模的投資只能在 20 年後才能被評判。
大眾科學： 您是否認為人工智慧 [AI] 的概念仍然具有相關性？這個術語現在不太常用了。有些人說那是因為它無處不在，因為它被融入了許多產品中。但是有很多神經科學家說計算機仍然一竅不通。
比爾·蓋茨： 神經科學家也是如此 [笑聲]。不，說真的，我們不瞭解神經元的可塑性。那是如何運作的？我們不明白為什麼一個神經元在一天後表現得與之前不同。積累在它上面的訊號會導致什麼？
人工智慧的一部分我們仍處於早期階段，那就是真正的學習。現在，還有所有這些外圍問題——視覺、語音等等——我們在這方面取得了巨大的進步。如果你只看微軟研究院在這些領域的工作，這些過去都被定義為人工智慧的一部分。玩遊戲過去也被定義為人工智慧的一部分。對於特定遊戲來說，進展相當順利，但我們在沒有通用學習理論的情況下完成了所有這些工作。我是一個人工智慧樂觀主義者。
我們在機器學習方面做了很多工作，這在如今是人工智慧的委婉說法，因為它變得如此廣泛，以至於定義不太明確。
大眾科學： 有足夠多的人進入計算機科學領域嗎？
比爾·蓋茨： 那是我最近在美國各地高校巡迴演講的主題。這是一個悖論，現在是計算機科學最激動人心的時代，而這些也是最有趣的工作。你可以看到正在進行的工作真正提高了數億人的創造力和效率。這些工作應該比去華爾街或當律師更有趣——或者，我可以爭辯說，除了生物學之外，比任何事情都更有趣，而且在那裡也只是平局。
然而，進入這個領域的人數卻在下降，而且很難衡量我們是否得到了最優秀和最聰明的人才。這裡存在巨大的差距。我們在中國和印度得到了最優秀和最聰明的人才，而且那裡的數字還在上升。這是否意味著這個國家將不得不讓這些人來到這裡，還是意味著未來的優秀工作將不會在這裡完成？因此，我們真的需要重新致力於使美國成為領導者的因素。
大眾科學： 為什麼這裡的人們對這些工作不再那麼感興趣？
比爾·蓋茨： 哦，部分原因是泡沫破裂。部分原因是闡明瞭該領域的優勢和工作的多樣性。人們必須知道這些是社交工作，而不僅僅是晚上坐在小隔間裡程式設計。我們的領域在吸引少數族裔或女性方面仍然做得不好，所以我們放棄了一半以上的潛在進入者。