百分點與赫拉利的觀點交鋒，看大數據和人工智慧的未來進化

「

就人類而言，我們其實還不知道「意識」是如何產生的，意識產生的過程對於我們而言實際上是一個黑箱。要讓機器產生「意識」從而成為真正意義上的人工智慧，其難度可想而知。

」

7月6日，中信出版集團與大數據及人工智慧公司百分點集團聯合舉辦「XWorld大會」，邀請了全球暢銷書《人類簡史》、《未來簡史》的作者尤瓦爾·赫拉利等多位全球前沿學者、科學家和知名企業領袖，一起交流人工智慧與人類未來進化的深度話題。

尤瓦爾·赫拉利曾以宏大的歷史視角對人類未來展開大膽預測而聞名全球，在XWorld大會上，他再次分享了對人工智慧和未來的看法。他認為隨著大數據的不斷積累以及計算能力的快速發展，未來人類可能會越來越多地將自身的決策權讓位給無意識的演算法，從「人類做主」演變到「演算法做主」。

尤瓦爾·赫拉利在XWorld大會上演講

在機器能否產生「意識」這一問題上，赫拉利認為要實現起來非常困難，可能只出現在科幻小說中。雖然目前人類在計算機的智能研究上有了很大的進展，但是在「意識」這一領域上幾乎進展為零。

人類之所以對人工智慧的問題如此著迷，其實反射了人類對自身和宇宙終極奧秘的追求和探索。人工智慧是人類根據自己的思維方式和行為方式對機器進行的高級設計，然而人類對於自身的了解依然相當有限，例如大腦如何進行創造性思維、語言如何影響思維等，依然是懸而未決的謎題。

因此，在人工智慧的發展和人類關係的探討上，總是充滿了思辨和爭議。

百分點首席架構師兼技術副總裁劉譯璟在大會上分享了他對人工智慧的看法，他認為由於意識在量子物理中的特殊地位，人們有可能利用量子計算一窺「意識」的究竟，因此量子計算是人工智慧繼續發展的重要條件。另外，他還講到是語言造就了思維，如果能夠研究清楚人類的語言奧秘，人工智慧的問題就會迎刃而解。

劉譯璟 百分點集團技術副總裁兼首席架構師

語言造就思維

解鎖人工智慧的秘密

數據量的爆發、機器演算法的突破以及GPU等高性能計算硬體的成熟運用，令人工智慧技術在經歷多年的不溫不火後，重新吸引了大眾的眼球。

經過多年的人工智慧研究，人工智慧的主要發展集中在三個方向：運算智能、感知智能、認知智能，但人工智慧所涉及的各項技術的發展是不均衡的。

運算智能，指的是快速計算和記憶存儲能力；感知智能，即視覺、聽覺、觸覺等感知能力，主要用於對語音、圖像、視頻的理解，比如語音識別、視頻識別等。現階段中國在這兩個方面已經有了很好的突破。

認知智能，則是指機器能夠基於對綜合信息的理解，幫助人做出決策，通俗地講是「能理解會思考」，比如概念、意識、觀念等都是人類認知智能的表現。然而，人工智慧在認知技術開發領域存在很大挑戰，仍需要長期研究。

這也是為什麼雖然人工智慧得到了資本的大力追捧，機器人、自動駕駛等人工智慧應用才剛剛起步，實際效果卻離理想中的「叫好叫座」尚有不少的距離。認知智能的缺乏，令人工智慧還不能像人類一樣理解世間萬物，更談不上與人類自然地交互。

對此，劉譯璟認為，要想更好的解決現實問題，人工智慧還需要在理論、技術和數據上進行大的突破。「要解決自然交互的問題，需要機器不止聽得見，還要聽得懂才行，這裡面就會衍生出語義理解的問題。這也是百分點早在2009年就開始布局自然語言處理領域的原因。往下延伸，我們還會做知識圖譜，把人的業務知識告訴機器，它才能理解得更好，這是從技術一直到應用的脈絡。」

劉譯璟談到，如果解決了自然語言處理的問題，人工智慧的問題也就全部解決了。這是因為他堅信，語言和思維本身就是密不可分的，甚至可以說語言造就了思維。

現有的研究表明，人類利用大腦左半球額葉的「布羅卡區」以及顳葉等區域處理語言，若左腦的不同區域受損，會導致不同種類的語言障礙或失語症。

同時，中國科學家研究發現，中文母語者和英文母語者處理語言的方式存在顯著差異：在處理英文時，大腦額葉的布羅卡語言區接收來自左側顳葉皮層後部的信息，在處理中文時則接收來自左右兩側顳葉前部的信息。

劉譯璟認為，這些研究都說明了語言對思維塑造的作用，也是人工智慧研究很多數時候都集中在自然語言處理上的原因。雖然已有技術在這一重要領域取得顯著突破，然而，理解語言在大腦中是如何實現的還遠遠沒有完成。

從what到why

逼近人工智慧的終極目標

人工智慧是一門非常綜合的學科，它與哲學、數學、物理學、信息學、心理學和生命科學等密切相關。當前，針對人工智慧的討論非常之多，也帶火了像深度學習等人工智慧相關的技術。

據劉譯璟介紹，自 1956 年人工智慧的概念提出開始，出現了三個主流的研究學派，分別是：符號主義、連接主義和行為主義。

簡單來說，符號主義是研究並模擬人的思維方法，進而打造一個像人那樣思維的機器，其典型的技術就是知識推理、知識工程等；連接主義受仿生學影響，期望通過模擬人腦的結構實現智能，其中的典型代表是人工神經網路的深度學習；行為主義則認為智能是一個生命體在和環境的不斷交互中習得的，這一派的典型技術是強化學習，在反饋中不斷優化模型的效果。

在劉譯璟看來，雖然深度學習目前非常流行，但深度學習只是屬於連接主義流派中的一種方法。人類的思維有推理和歸納兩種，深度學習解決的主要是歸納的問題，不能解決演繹的問題。

他認為，深度學習仍然存在著四大不足：一是從模型層面缺乏反饋；二是對數據量要求高，訓練時間非常長，應用範圍比較窄，很難用到現實中很快需要做決策的場景里；三是與訓練的領域強關聯，離『通用途徑』仍然很遠；四是本質上的局限性，不具備可解釋性，即使機器看起來真的會「思考」了，我們也不知道它們到底是怎麼思考的，是不是像人類一樣在思考。

「人工智慧如果要真正用起來，產生商業價值一定是在垂直行業里，垂直行業真的沒有那麼多數據。」劉譯璟表示，人工智慧如果僅僅依靠深度學習一種方法是遠遠不夠的。

當機器學習將面臨冷啟動的問題，劉譯璟認為要把小數據好好地用起來。一種很重要思路是利用人們在該領域中已有的經驗和知識，將這些知識變成數據給到計算機，讓機器利用這些知識和場景做出推理和判斷。

「知識圖譜是人工智慧里非常關鍵的一個技術，百分點做的用戶畫像一直是這個領域，相信以知識圖譜為代表的知識工程將會得到更多的關注。」

這些年百分點從大數據營銷服務入手，逐步擴展到了用大數據做銷量預測、智能運營、風控管理、政府與公共領域的數據治理等。劉譯璟認為，企業應該思考如何利用大數據、人工智慧等技術與業務結合，並解決實際問題。「現在的數據分析技術確實還需要相當多的專業性，離業務端還是遠，我們希望解決的是從非常模糊的語義到精確的計算機操作過程的轉變。我們會在自然交互里投入更大的工夫，核心是自然語言處理，加上很多交互方面的內容。」

正如《未來簡史》書中提到的，人工智慧將會是人類有史以來最偉大的發明。人工智慧技術正在經歷不斷迭代升級的過程，無論是機器學習、自然語言處理還是量子計算，我們都在等待人工智慧奇點的到來。毫無疑問，當人工智慧產生「意識」，將成為人工智慧史上最激動人心的一刻。

【科技雲報道原創】

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！