問：AlphaGo接連擊敗世界上好幾個最強大的圍棋手，讓全球對人工智慧的興趣突然大增，對它背後的技術也充滿了憧憬和想像，但各界是否給予AlphaGo過高的評價了？畢竟除了圍棋，它似乎還不能做別的？
答：事實上，機器比人強的例子很多，1950年代的第一代電腦，數學運算已經比人厲害，機器可以比我們更準確地預測天氣，幾十年前就是如此。
機器下西洋棋也比我們厲害，幾年前，IBM的「深藍」（Deep Blue）擊敗了卡斯帕洛夫（Garry Kasparov），如今，機器圍棋下得比我們更好，但還能做什麼？人類可以做更多更多不同的事情，因此問題在於，要如何讓機器的智能和人類更相似？我的意思不是說DeepMind的成就不重要，它非常重要，尤其他們近期展示的最新AlphaGo版本（AlphaGo Zero），從零開始訓練機器下圍棋或西洋棋，除了基本規則，沒有任何其他人類知識或技能，這令人刮目相看，但仍然是侷限於棋局的世界。
問：在AlphaGo掀起熱潮後，全球對人工智慧的關注突然大增，您在學校裡是否觀察到任何改變？
答：確實吸引了許多很聰明的年輕人，最令人興奮的是，我過去25年來在麻省理工學院（MIT）開的機器學習課程，以往大概有20個研究生，三年前，我們的學生開始超過100位，一下子就成長為五倍，如今已經是六倍，而且這是研究生而已，學生多了很多。
問：AlphaGo之父哈薩比斯（Demis Hassabis，創辦的DeepMind發明了AlphaGo）公開說，希望能讓機器完全像人一樣思考，這可能嗎？
答：我認為這絕對可能，終究會發生，我一點也不懷疑，雖然我不知道何時，但我相信一定會有這麼一天。
問：機器或許比人更聰明（smarter），比如說運算和儲存記憶的能力都比人類強太多，但機器總有一天也會比人類更有智慧（intelligent）嗎？
答：目前，機器不比人更有智慧，或一樣有智慧，絕對沒有。我認為沒有機器能過得了圖靈測試圖靈測試 （Turing Test），機器就是機器，不會被誤認為是人類。
當然，很多情況下，我們讓機器在某些領域比人類更厲害，例如下圍棋、象棋，以及未來可能發生的自動駕駛，還有許多其他領域的應用也是如此，但我們仍沒有製造出，也不知如何製造和人類一樣擁有廣泛智慧的機器，我想這會需要花上一段很長的時間。
問：需要花很長的時間，因為人的智能實在太過複雜？
答：沒錯。當大家談到「智能」時，可能會有很大的誤導，因為不只是一個問題，而是很多很多問題。
我記得在1920年代，法國有一本很風行的雜誌，他們討論到生命之謎，彷彿就只有一個謎題、一個秘密，解開這個謎題，你就了解生命是則麼回事。問一位生物學家，說 「請告訴我生物學的唯一一個秘密」，他的反應會是 「什麼？哪一個」？諾貝爾生物學獎也包含很多面向，未來還會有很多很多不同研究得獎。我認為智能也很類似，不只是一個問題，而是包括視覺智能、情緒智能或行動智能、語言智能等等，它包含了許多不同的問題，人類的這些能力和大腦不同部位有關，因此，只有一個突破、一個發現是不夠的，無法解決智能的終極問題，我們需要更多的發現。我們會做到，但需要時間。
問：人工智慧飛速發展，就您的觀察，哪個領域的應用最有潛力？
答：目前AI最具潛力的應用，都是運用現有的科技，或幾十年前在神經科學上的發現。這些發現和深度學習（deep learning）與強化學習（reinforcement learning）有關，把這兩者結合大數據，便可開發出符合許多類型需求的解決方案，可能是語音辨識、控制你家的電視或家中設備，也可能是視覺影像辨識，並協助開發自駕車。
可能是一些很類似的技術，包括進行半自動手術的機器人，這些應用現在都已經出現了，在醫學的應用真的是個金礦，還有關於癌症的診斷。或許未來兩年、五年或十年，會很常見，並取得商業上的成功。長期而言，又是另一回事了，不過短期來講，這些深度學習和強化學習的應用和大數據，特定應用太多了。
問：所以有一天我們也可能見到AI協助科學家做研究？
答：有可能。但我想機器可能可以協助我們用更有創意的方式做研究。許多研究都利用電腦的目的，只是處理數據，估算數據，還有一件聽起來似乎有點瑣碎，但其實很重要的事：我還記得從前從前，要想找出一個特定問題的已知資料，我會上圖書館，如今，比起人類圖書館員，谷歌的搜尋引擎能更有效率地找出對我的研究有意義的相關文章，而且非常迅速。當然電腦還沒有發展到我可以直接對它下指令：「嘿，電腦，我想解決某某問題，你會推薦哪些文章？」但這會慢慢成真，我認為它會發生，我們還沒到那一步，但無疑地，我們正往那個方向邁進。
我認為，為了要到達那一步，我猜測，我無法確認，但我的猜測是，我們必須更加了解我們的大腦如何運作，我也希望中國或其他國家不要忘了科學必須有所進展，而不是只有工程的部分有進步，因為要想在未來擁有更好的科技，我們必須有新的理解。
