對話科學家：機器何時真正超越人類？

人工智慧：對話科學家論壇現場，來源：博鰲亞洲論壇官網

編者按：

人工智慧當前處於什麼發展階段？機器會進化出情感來嗎？通用人工智慧的夢想何時實現？它會真正超越人類嗎？本月25日的博鰲亞洲論壇上，著名腦科學家、物理學家、人工智慧專家和企業家齊聚「人工智慧：對話科學家」分論壇，就這些話題做了精彩分享，試圖回應人們對於人工智慧發展的關切。

責編 | 呂浩然

主持

田薇（中國國際電視台主持人）

嘉賓

Ben Goertzel（Hanson Robotics首席科學家）

魯 白（清華大學教授）

王小川（搜狗CEO）

袁 輝（小i機器人創始人、董事長兼CEO）

張首晟（斯坦福大學教授）

張亞勤（百度總裁）

人工智慧是否可能代替人類？

田 薇：今天的第一個問題聽起來非常簡單，但實際上卻非常複雜：人工智慧是否有可能代替人類？

Ben Goertzel：是。我認為人工智慧在接下來的幾十年將能夠完成人們所做的所有工作，並且比人做得更好，所以從經濟學的角度來講我認為人工智慧能夠代替人類，包括一些簡單的純體力勞動以及管理方面的職務，這是不可避免的。但是，這並不意味著人工智慧將主導這個星球。如果我們能夠在人工智慧當中植入合適的價值，使它能夠很好地完成我們現在必須去做的一些事情，那麼AI就可以與人類愉快共處。

田 薇：魯白教授作為腦科學家，您的看法呢？

魯 白：一個簡單的回答是絕對不會。允許我花一分鐘的時間簡單講一下，這個研討會應該有一些PK才有意思。人腦有五個方面的功能：感覺、運動、記憶，這三個方面不用解釋了。第四個功能是情感與情緒，第五是認知。

從情感跟情緒來看，大家都可以理解，人類同人工智慧或者電腦產生感情，是一個偽論題。這裡面包括了兩個方面：一個就是情感的產生與情感的交流，延展一下就是社會性，這是現今的人工智慧無法做到的。

另一個方面是認知，我又把它分兩個部分：一般的認知連動物都有，人工智慧也可以實現這個方面的認知功能，包括工作記憶，邏輯思維，分析、規則學習，概念，做決定之類的事情。而人類還有一些高級認知功能，包括語言、自我意識、想像力、創造力以及人類所特有的人生的目的。這些功能人工智慧還無法實現。

田 薇：謝謝魯教授。再問一下王總，您認為人工智慧還未達到理想的狀態，其間最大的缺陷是什麼？

王小川：我和我們的公司都是人工智慧的受益者，但是我仍覺得人工智慧取代人類在現在來看是絕對不可能的一件事，這要從兩個維度來看。第一，人類很笨，機器更笨。上世紀六十年代到八十年代，人第一次把規則交給機器，結果規則導向失敗了，人們發現機器很笨；第二次，人把「答案」交給機器，但機器無法認知，也會很笨；2000年開始第三次，人們通過大數據把「套路」交給機器，讓機器學習、重複人類所做的事情，但它仍需要重複很多次才能做到。

因此現階段我們可見的時間裡，機器沒有走出重複事情，沒有見過的事情它們還不會做。就像如今語音識別的機器很靈，但倘若兩個人的聲音疊加，機器就沒有辦法識別了，相同的情況還出現在有背景音樂的環境中，人可以很好的區分，但機器卻不能。在這個智慧層面上，人工智慧現在仍做不到。

田 薇：張首晟教授是從理論研究出發的物理學家，您認為在摩爾定律，即每18個月集成電路的性能就要增強一倍的情況下，剛才王先生和魯教授提到的缺陷有沒有可能彌補？

張首晟：人類也是進化的產物，但進化的速度肯定不是每18個月翻一倍。摩爾定律的確是整個社會有史以來最神秘、最奇妙的一個定律，機器通過摩爾定律的推進，近期理性認知的能力超過人類也是毫無疑問的。但人所謂的情感也是根據所有進化歷史產生的，現在讓機器重複這些人類進化的歷史沒有什麼太大的必要。

圖靈測試可以判斷AI是否達到或超越人類的水平，讓人們對幕後的機器或者人進行對話，如果不能區分是人還是機器，就說明機器達到了人的水平。我認為達到這一點比較難，人類非常感性的部分機器可能學不會，但完全理性那部分，機器不但可以學得會，還可以超過人類。

所以，人們提出了一個新的測試辦法：機器能否早於人類做出一項科學發現？現在最前沿的科學發現基本上還是人做出來的，可能藉助機器的輔助。未來是不是哪一天，機器大數據的分析可以總結出大自然的規律，或者做一個新的預言？那時，機器才會真正超越人類。

田 薇：人們說到人工智慧，很多方面還是屬於研究大數據的範疇。現在又有一個新的發現，人工智慧之間可以產生一種互相溝通的能力，我想請問張總，這是不是一個完全不同的方向，從而在一定程度上挑戰張教授和魯教授提到的有關思想意識方面人工智慧所存在的一些局限。

張亞勤：這種溝通一直存在，所有晶元不同的設備軟體本來就有這樣的互相溝通。首先回答一下人工智慧能不能取代人，我覺得現在講這個問題就是焦慮太早了，有一點像火星上面會不會堵車，就目前人工智慧所用的深度學習法是沒有可能性的。現在所用的深度學習基本上跟人腦的關係不是很大，總的來講有「三大」：大數據、大模型、大計算，但其中仍有很多的缺陷。人工智慧經歷了三個階段，從最早的邏輯規則、邏輯推理到後面的專家系統，再到現在的以大數據為基礎的深度學習，已經發展六十餘年，並不是剛剛出現的。

其次，對於人工智慧，大家要有理性的態度看，人工智慧的威脅論和萬能的論述皆應如此。人工智慧在很多領域都會超過人類，未來的十年左右任何人可以描述、定義、得到答案的事情，機器都會超過人。

目前，深度學習是人工智慧研究的主流，我們有的時候構建了一個很大的神經元網路，幾十億上百億的參數，出問題之後卻並不清楚為什麼。

還有，數據的收集、處理、分類以及參數的調製，有的時候需要根據經驗而且很難重複。目前，機器學習越來越複雜，剛才講到大數據、大參數、大計算，數據、計算量越來越大，但很多時候一個描述自然規律的簡單公式，我們搞不清楚後面的機理是什麼，這本身是有問題的。

人工智慧機器學習如今正在往兩個方向在走：一個方面越來越大、越來越深；另一個方面卻越來越簡單：數據量在減小，不需要大模型也可以進行決策，演算法也在逐漸簡化，落實到實際就是手機也可以用機器學習，汽車也可以不通過雲而進行機器學習等等。很多問題我們需要解決，包括很多技術問題，怎樣落地、怎樣實用更加重要。

田 薇：請問張教授，有沒有可能實現張總提到的精確和簡單？

張首晟：理解非常神秘的事情，機器學習的神經網路系統有不同的層次，一層一層的地推理就是等於了不同層次的理解。我們理解大自然，一開始有一個所謂的微相的理解，很大的公式表達，然後出現牛頓、愛因斯坦等偉大的科學家從第一性原理層次理解，這個過程基本上可以類比為機器學習裡面不同的層次。

機器學習隨著時間的發展必然達到人類認知的程度，其中關鍵的在於，現在機器和人好像是一個對比的競賽，最樂觀的一個看法會不會機器使得人更加聰明，機器也越變越聰明。

袁 輝：我的個人觀點，第一，現在的AI已經在很多方面取代了部分重複的標準人工行為，能源、零售、金融等很多方面已經普遍應用，這是看得見、摸得著的。人工智慧本質來講並不是無處不在的，並不是具體的形象單獨存在的。

第二，60年來我們創造並不斷發展人工智慧的目的是什麼？人類最大的一個特點就是不斷想像，有不斷探索未知真相的慾望，我們創造人工智慧也是出於這樣的目標。目前，實際上不用太擔心當下的人工智慧。但是如果從人類的想像力來考慮人工智慧的話，我們有一個說法就是人是由碳構成的，碳既然可以經過幾千萬年的演化形成人類，為什麼硅不可以？從這個角度來看，人工智慧畢竟是人類創造的產物，如果人類的想像力無盡，那麼任何事物確實都有可能發生。

魯 白：現在電腦或者人工智慧確實能夠實現溝通信息的傳導，其實溝通也是社會交流的一個基本部分。從社交意義上來講，很多社會交互有其特有的規則以及表述的方式，那麼其中對於人工智慧的一個挑戰，就是能不能把情感的因素植入到交流中去。

田 薇：Ben Goertzel，這個問題能不能請您簡單回答一下？

Ben Goertzel：目前的機器或者人工智慧並不能展現自己的情感。情緒也是人的物理條件產生的，大腦裡面的分子結構產生了情緒。機器會有自己的情感跟能力，它的結構可能跟人腦不一樣，因此它的情感跟人定義的情感是不一樣的，但不能說它沒有情感。機器產生的同情心或者愛等情感，與人的表現形式是不一樣的。

人工智慧給人類帶來巨大價值

田 薇：人類對於新生事物都是有恐懼的，剛才幾位也談到人工智慧仍存在很多的限制，沒必要過分恐慌。那麼，刨除目前的局限，人工智慧又在哪些領域做出了貢獻呢？

王小川：目前研究人工智慧的突破還是基於大的數據演算法，是計算力的產物，所以本身而言，就是將重複性的數據給到機器，讓它可以學會，如人臉識別。因此，現在做人工智慧核心的工作，是將原有世界中的數據標記出來交給機器，但凡需要創造性或者遇到數據樣本不夠多的情況，機器現在仍無能為力。

面對這種情況我們可以看到，在語言識別、語言合成、圖像識別等方面機器可以表現得很好，但這並不代表機器真正的理解了背後的邏輯。就像現在機器可以進行翻譯工作，卻並不能理解其中的含義，今天人工智慧翻譯較以往更加流暢了，因為樣本很流暢，但很有可能意思不對。

袁 輝：以現今一些自動應答機器人為例，語音識別是數據的積累，人工智慧可能並不知道聲音是何意，但卻可以把聲音轉成正確的文字，進而通過自然語言分析，理解之後再做出響應。通用語言的理解現在或許還不能實現，但在某些特定的領域（例如只跟人聊銀行或者愛情），人工智慧可能達到以假亂真的地步。

通用人工智慧是目前人類的夢想，我們都在努力向這個目標靠近，但是在特定領域，AI已經給人類帶來巨大的價值。

王小川：語言是更難的，舉一個例子：去年六月，我們去劍橋大學一個做對話的實驗室，它代表了當今國際的最高水平。當時演示了一個訂餐、訂酒店的系統，AI問我：「我需要幫你找一個停車位嗎？」，我回答一句話說「我沒車」，AI就不懂什麼意思了。

車與停車位之間的關係，今天AI是沒有能力做理解的。沒有車就是不需要停車位，這樣的知識對今天的人工智慧而言是無能為力的，人們還沒有找到建立這樣一個垂直認知的突破口。

田 薇：有人說人工智慧在各個領域，如教育、醫療、生活方式、運輸等方面產生巨大的影響，能否舉出幾個實際的案例。

張亞勤：搜索當中的語音、視頻、圖像識別已經相當不錯了，這個裡面用到了AI技術；某些領域的智能客服可以省50%到60%的人力；醫療或者醫學方面，IBM在某些癌症方面的檢測以及診斷超過了大部分的醫生，這方面的數據越多，效果會越好；交通方面可以看到無人駕駛可以以很快的速度往前走。

Ben Goertzel：顯然，現在的經濟制度正在擁抱AI，實際上我們也看到了一些非常成功的企業，利用人工智慧推進其業務的發展，我相信人工智慧會在全球經濟的方方面面都佔據重要的作用，因為通過AI我們能做越來越多的事情，且可以降低成本、提高效率。

所以，我認為AI會在所有行業發展起來。剛才袁總提到了通用的人工智慧和窄意的人工智慧，目前AI的發展階段就是從這樣的一些窄義、狹義的專業AI向通用的AI過渡的過程。也就是說，人工智慧越來越做一些更為廣泛多元的工作，未來我們也會看到越來越多的通用的人工智慧能夠帶來更多的經濟效益。

比如，人類的醫生治療一個老年痴呆的病人，但醫生並不能對病人進行時時的觀察，從而進行分析。人工智慧有一個很大的優勢就是可以把觀察和分析結合在一起，所以它的學習效果更好，解決問題的效率也更高。

這個角度來講，不管窄的還是以通用為目的的AI都正在逐步演變的過程當中，窄意的人工智慧最後會綜合，邁向一個通用目的的人工智慧。下一階段人工智慧的突破會來自於各個方面，物理學、生命科學、大數據等等，所有這些東西融合的越好，未來的人工智慧就會發展的越好。

田 薇：魯白教授是《知識分子》的主編，想請問您我們所謂的社會因素、政治因素、法制因素、宗教因素、道德因素等等跟AI之間到底什麼樣的關係？它們是否真的對AI持一種開放的擁抱態度？

魯 白：的確，各個層面都沒有完全準備好如何迎接AI時代的到來，給大家帶來了「恐懼感」。我想稍微展開一點來講。生物的進化有兩個最基本的驅動力，一個是生存，另一個是複製，它是通過基因的突變而非常緩慢地演變來的。《人類簡史》里有一個觀點：人類有了想像力和創造力，使得他（她）可以突破基因演變的限制而快速發展，從而創造了社會、政治、法律、宗教、道德等等來幫助人類的發展。AI也是人類創造出來為人類服務的。人們一定會用這些工具手段來保證AI幫助我們實現人類的目的，而不是讓AI來統治人類。

人工智慧在中國有何優勢？

田 薇：各國之間的人工智慧發展狀況還存在著相互競爭與合作的關係，那麼各國在人工智慧領域發展的優勢以及特點有哪些？中國人工智慧技術又發展到了什麼階段？

張亞勤：從人工智慧，特別是機器學習的研究技術來看，這些理論基本上是從美國、加拿大過來的，機器學習領域三位領軍的科學家，兩位是加拿大人，一位是美國人。最近幾年，中國，特別是全球的華人在對抗網路以及牽引網路方面做了很多的工作。

整體來講，中國的企業和科學家由於比較國際化，所以同國外的差距也比較小，技術、產品方面，中國有些方面做得還是不錯的。人工智慧需要很多數據，需要應用場景跟規模，中國這個方面有優勢。不僅如此，中國的互聯網發展迅速，這使得一項技術可以很快用到產品里。

袁 輝：AI已經過60年的發展，很多基礎的東西實際上已經公開，所以從基礎演算法、技術來講全球都是一樣的。AI中存在著幾個關鍵的要素，第一是演算法，第二是高質量的數據，第三是特定應用場景或者規則，從這個角度來講我們還有很多的優勢，總體差距並不大，對於中國的創業企業家來講，全球基本上站在一條起跑線上。

王小川：對於整個中國人工智慧的發展我是相對樂觀的。最基礎的服務仍在美國，但如果拋開最基礎的部分，上面活躍的、做技術轉換的創業公司很多都有華人的身影，因此底層研究以外的這股華人力量非常寶貴。

我們的市場空間確實巨大，且原有的、比較落後的體制促使技術可以帶來更大的生存空間，比如說連接的媒體、電商等等，都比美國強很多。

所以，在AI進入中國之後，我們可以感覺到中國可能超越美國，成為一個更大的受益者。我們之前看到微信起來，後來又是互聯網金融，等等。中國一定比美國跑得快，好多地方確實在中國「淘金」比在美國可能帶來更大的價值。

因此在這個過程中，中國資金量會非常大，也會產生巨大的泡沫，今天中國其實有一個浮躁的情況：中國開出的薪水待遇對於創業公司的估值來講要遠遠高於美國，這中間會有大量的公司在兩三年內因遠遠達不到預期而失敗。但倒過來看，這種泡沫是值得的，中國市場大泡沫當成了一個催化劑可以促成人才的吸引，總的來講看起會倒閉很多公司，但是最終中國在AI應用上面創造更大的價值。

袁 輝：泡沫最大的問題在於方向選擇，有的時候它並沒有達到你所希望的價值。今天企業跟風做人工智慧，首先要掂量一下是不是有足夠的能力資源投進去，如果沒有，方向選擇錯誤，那麼就不是泡沫了，而是倒閉了。

Ben Goertzel：我有不同的觀點。中國的大學有非常好的理工科的學科教育，而且產生了大量的工程師、科學家，中國人工智慧的產品也領先世界。在美國，公司和風險投資基金非常願意去承受創業的風險，他們對於這種市場的風險有非常大的容忍度。比如，一個年輕人有一個好的想法，如果想要將想法轉變成為一個公司，吸引一筆資金還是非常容易的。像通用人工智慧，雖然有很高的技術和商業風險，但美國相對來說風險承受能力比較大一點。

田 薇：張教授如何看待人工智慧領域競爭與合作的關係？

張首晟：合作非常重要。人工智慧非常重要的三個方面：晶元、演算法和數據，後兩項往往是脫節的，剛才提了加拿大，這個國家根本沒有什麼數據，人口很少，但演算法卻做得非常好。而有一些地方是數據做得很好，但演算法方面卻因為企業壓力等因素的制約，使得在企業做演算法並沒有在大學做演算法來得自由。現在人類走向下一步需要數據和演算法之間的合作，也就是公司和大學的合作，在美國這個方面做得很不錯。

再深一點來看，為什麼工業界不願意一下子把數據交給大學，因為裡面存在很多商業機密。今後肯定會出現一種技術使數據可以完全加密，然後使你的演算法可以作用在加密的數據上進而產生新的演算法。就這樣 ，相互不信任的機制可以用一個技術辦法解決。今天博鰲論壇其實就是想讓這個領域中的學術界和企業界進行對話、合作，並且是要深度的合作。

魯 白：不僅是學術界與企業界的合作，腦科學與人工智慧之間的合作也非常重要。人工智特別是深度學習是得益於腦科學當中的一個理論，但腦科學裡面還有很多的理論其實可以用到人工智慧當中。所以，我今年在清華開了一門課，叫做「腦科學與人工智慧」，請了不少人工智慧的專家，包括企業界人士，讓他們跟大學的教授、學生進行互動交叉，我們現在希望通過這樣的一個形式來促進腦科學與人工智慧之間的交流互動，從而推動二者之間的合作。

田 薇：我感覺到在過去的一個小時當中我們濃縮地感受到了台上的六位智慧，各位非常慷慨跟我們分享，人工智慧讓我們嚮往，人工智慧也讓我們思考到底我們是誰，非常感謝各位的分享。謝謝各位的真知灼見！

本文整理自論壇實錄，未經對話嘉賓審訂。標題為編者所擬。

製版編輯：呂浩然|

本頁刊發內容未經書面許可禁止轉載及使用

公眾號、報刊等轉載請聯繫授權

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！