黃鐵軍：「智能為用，機器為體」，30 年內實現人造大腦

雷鋒網按：在去年年底北京大學舉辦的人工智慧前沿論壇上，黃鐵軍教授做了題為《強人工智慧之路》的演講。

從人工智慧的發展史出發，他闡釋了強人工智慧的意義，以及它會對人類可能所產生的影響，在這一點上，他表示同意霍金和馬斯克的威脅論觀點。

其次，儘管學界對人工智慧是否能擁有「自我意識」存在爭議，但他堅持認為這是實現強人工智慧不可迴避的問題。他提出「智能為用，機器為體」的觀點，表示不做機器，只談智能很難有顛覆性變化產生，要產生強人工智慧，就一定要製造新一代機器。他預測，未來 15-30 年，人類將親眼見證人造大腦變成現實。

（雷鋒網註：近日，2017年度國家科學技術獎評選結果揭曉，北京大學黃鐵軍教授牽頭研發完成的項目「高效視覺特徵分析和壓縮關鍵技術」榮獲國家科學技術發明獎二等獎。）

以下為黃鐵軍教授演講內容實錄，雷鋒網做了不改變原意的編輯：

我今天給大家報告的題目是《強人工智慧之路》。第一，什麼是人工智慧，人工智慧我想最經典的定義是「以機器為載體的智能」，我不想用「人工」這個詞，因為這個詞就好像人賦予它才叫智能。不是這樣的，人的智能來自人和環境的互動和進化，機器也可以與環境互動，通過學習擁有越來越強的智能。

第二，「強」意味著「更強」。新一代人工智慧國家規劃都出來的，等會兒我會提到它比經典人工智慧更強在什麼地方。

強還意味著「最強」。什麼是最強的人工智慧？這就是強人工智慧，這是人工智慧的終極目標，我們製造出強人工智慧，才算完成了歷史使命。

在歷史上，一般我們講人工智慧 60 年，1956 年到 2016 年。但事實上，在 1956 年之前，在計算機發明之前就有提出了相關思想，可以說人工智慧和計算機一樣差不多走過了八十年左右的時間。我還會講一下未來，但做預測從來都是吃力不討好的事情，或者說給自己立 Flag，但是我還得立，不立我們往哪個方向走？所以我要講一下未來 15 到 30 年可能發生的一些重要的事情。

先說強人工智慧，強人工智慧是一個學術詞語，不是一個媒體詞語。在人工智慧發展到上世紀七八十年代的時候，就已經有了很多爭論，最後把人工智慧分為兩類，一類叫強人工智慧，一類叫弱人工智慧，或者一類叫通用人工智慧，另一類叫專用人工智慧。

通用人工智慧或強人工智慧說的是什麼？它有一個根本的特徵，就是能夠適應環境，應對未知挑戰，具有自我意識，達到人類水平，因此能超越人類，這種智能才能叫強人工智慧，其他我們今天說的這些都不叫強人工智慧。

當然，這個話馬上就有爭議，具有自我意識這個詞是很敏感的一個說法，所以大家寫學術論文，做這個政府文件的時候都不用這個詞，因為一用這個詞就知道你要說什麼了。但我想，我們今天要探討的就是這樣一種人工智慧。

在我們國家文件裡邊，比如說中共中央國務院 2016 年的《國家創新驅動發展戰綱要》裡邊用的詞叫「類人智能」；新一代人工智慧發展規劃中提到了大數據智能、跨媒體智能、群體智能、混合增加智能、自主無人系統和類腦智能，為什麼都繞開這個核心詞不去碰？

這個詞特別敏感，但我今天還是要講一下，再敏感的事情我們也要去討論。

我個人對這件事的看法跟霍金、埃隆·馬斯克的類似。他們在媒體上說這個人工智慧很厲害，如果我們做出超級人工智慧的話，人類就會招致滅頂之災。很多人不以為然，一個搞物理的，一個搞創業的，他們怎麼就對人工智慧做出這樣的判斷呢？

他們正式公開表態是在 2015 年1 月 12 日，大家可以搜一下。我說跟他們的看法一樣，其實在一個星期之前，我就發表了一篇非學術文章《人類能製造出超級大腦嗎？》，認為這件事會發生，而且會在不久的將來發生。多長時間呢？我認為，樂觀地說，差不多就是 15—30 年之內。

又給自己立 Flag 了，我立這個是因為，反正 30 年之後我還得活著，我說對了，大家就能記住我當年說的，如果我說得不對，那北大本來也應該做創新性事情的（笑）。我說的不是開玩笑，我們真正要認真想這件事。

為什麼會發生？因為歷史已經進展到了這樣一個階段，以 2016 年作為歷史坐標的話，我們看深度學習發展了十年，人工智慧發展了 60 年，從 1956 年，第一台計算機發明 70 周年，1946 年圖靈提出計算機模型 80 周年，在這樣的一個時間點上看，整個技術和思想在往什麼方向發展？

1956 年，在提出人工智慧概念的達特茅斯學院會議上，就提到通過計算機模擬實現人工智慧，提出雖然當時計算機很慢，存儲很小，但這不是主要問題，問題是在於能不能寫出把這個潛力發揮出來的程序。計算機的能力會逐漸提高的，我們只要把這個程序（演算法、模型、軟體）寫出來，關鍵應該在這個地方，這是他們當時的一個想法。60 年來，人工智慧發展有很多里程碑性的進步，一般總結人工智慧我們有三大流派，符號主義、連接主義和行為主義，我不展開了。

我們關注什麼問題呢？我們關注智能和人工智慧背後實現的載體到底是什麼。智能是一種功能，是一種現象，這種能力是靠什麼東西來實現的？人的智能靠人的大腦和人的身體實現，那人工智慧呢？承載智能的那台機器到底是什麼？似乎最後一個跟沒問一樣，那不就是計算機嗎？但實際我們不能這麼簡單的看。

經典計算機承載得了人工智慧嗎？我們看 80 年代的歷史，我挑幾個最重要的，圖靈 1936 年為了解決不可計算數存在這樣一個數學問題提出了圖靈機模型，這就是沿用至今的計算機概念模型。但計算機是個副產品，圖靈是為了證明一個數學問題，就是計算機能夠計算的數是很稀疏的，不可計算的數才是更廣的。所以計算機的理論邊界，在1936 年它沒出現的時候，就已經確定了。

大家要明白，因為這個機器出來之後，就想讓它發揮更多作用，所以 1956 年開始就想在計算機上編演算法、寫程序，實現人工智慧，但大家看看，計算機發明 70 周年都幹了些什麼？從科學計算到今天的大數據、雲計算，哪一個真正觸及了智能的核心問題？

我們不能說這些系統沒有智能，我的意思是，都沒有觸碰智能的核心問題，它只是在解決規模越來越大、越來越複雜的應用問題。不是智能，只是有一些智能的表現，為什麼是這樣？

因為計算機的成功得益於晶體管，得益於集成電路，得益於摩爾定律，速度越來越快，規模越來越大，我們計算機專業就趕上了一個順風車，但這不等於他自然就是人工智慧的載體，它只不過是一個很好用的，很強的一個計算工具而已。我們看今天的人工智慧，例如神經網路這樣一種結構，為什麼要在計算機這個平台上去實現？

我覺得不用做深度理論分析就知道，圖靈、馮諾依曼提出了一個 CPU、存儲器，中間有一個匯流排這樣的架構，憑什麼就成了我們說的以神經網路為基礎的新一代人工智慧和未來人工智慧的平台了？這兩種結構沒有什麼相關性。計算機是為了解決計算和邏輯問題，而神經網路是大量神經元相互作用，這兩個結構沒有任何天然上的可比性。幹嘛我們一定要在計算機上去實現這樣的一種智能？

事實上，我們再回到 1956 年，我們看他們討論了七大問題，分成兩類，藍色的部分就是我們今天計算機學科，包括今天我們給本科生上課設置的課程體系，包括計算機硬體、軟體、演算法、編程以及計算理論。但還有四個問題還不是計算機學科覆蓋的主要內容，第三個，神經網路，第五個，自我改進，第六個，抽象，第七個，隨機性和創造性。這些問題至今應該說還剛剛起步，還遠遠沒有解決。

關於神經網路最根本的一個問題是第三個問題，即「一群神經元如何形成概念」。神經元、神經網路是物理存在，包括我們生物大腦的生物神經元和神經網路，而概念、思維、意識、精神是抽象存在，憑什麼這樣的物理存在就冒出了精神存在？不管是對人還是對機器，物理到精神的這一步怎麼跨出去的？這一定是智能的根本性問題，但現在還沒有解決。

回過來，靠什麼樣的平台實現人工智慧？有很多，計算機是圖靈提出來的，但圖靈並不認為計算機是實現智能的合適平台，這在歷史上很清楚。他跟資訊理論創始人香農在 1943 年的時候有一個爭論，香農的提議，也就是我們今天大多數人認為的人工智慧：把文化的東西，把知識、邏輯、理性這些東西灌輸給大腦，這叫做人工智慧系統。

而圖靈觀點截然相反，他說，「我對造一個能力越來越強的大腦不感興趣，我要的只不過是一個尋常的大腦，這個大腦跟你們老闆的腦袋一樣，就是跟 AT&T 公司老闆的腦袋一樣，不需要很聰明，但是我需要一個這樣的腦，我不關心你裝很多東西給這樣的機器，這是 1943 年，第一台計算機還沒出現的時候，圖靈就這麼認為的。

後來，到了 1950 年，圖靈的《計算機與智能》這篇論文提出「機器能思考嗎？」的問題，是人工智慧的真正的起點。在這篇文章里，他也確實說了：製造一個真正的智能機器必須具有學習能力，而製造這種機器的方法就是先製造一個模擬童年的大腦。因為沒有這顆大腦，你想訓練出智能是不可能的。

馮·諾依曼也是這麼認為的，他留給我們後人的是 1958 年出版的《計算機與人腦》，他一個數學家，一個提出計算機體系結構的人為什麼要去研究人腦？為什麼要去研究神經元？就是要為真正的智能找一個合適的平台。

所以大家都認為要從大腦這邊學。學什麼？怎麼學？這是一個關鍵問題，毫無疑問，我們的大腦有強人工智慧，那好，我們從這個唯一的參照物裡邊怎麼學？有很多人認為，比如最近熱門的類腦計算，說要按照大腦怎麼工作的這個原理設計演算法，設計模型出來，就是模擬大腦功能這樣一個思路。

這個思路對於有些簡單問題是可能的，但是走不遠，因為對於大腦的功能機理很難給出一個詳細的描述，事實上這是人類面臨的最大問題：意識的生物學基礎是什麼？靠怎麼樣的生物學機理意識就冒出來了？如果這個問題能解決，那自然我們搞信息的人照著這個模型去做演算法就可以了。

問題是，這個問題什麼時候能夠解決？誰要敢告訴你這個問題三百年能解決，他就是很樂觀的了。他要是告訴你，永遠解決不了，這我也可以理解，因為這太難了。如果腦科學家回答不出這個問題，搞不清楚大腦是怎麼思考的，我們搞信息的人就老老實實等著吧。如果是這樣，那我現在就報告結束，不用做了。事實上不是這樣的，我們不能這樣等，不能等到他們把這個原理背後的機制搞清楚，我們才去做。

首先要搞清楚工程技術和科學的關係問題。工程技術絕大多數情況下都是領先於科學的，我說得太絕對可能大家不高興，因為北大很多人都是搞科學的，但事實就是我們搞工程技術的先做出東西，搞科學的人再去解釋這個東西背後的原理，而不是先有科學原理，再按照科學原理去做這個系統，後面這種情況不是真正的創新，真正的創新都是做出來一個科學原理都沒法解釋的系統，然後去解釋，找科學原理。

對於大腦和這個未來的機器也是一樣，我們要先去造一個機器。當然機器也不能亂造，你說造一個機器，憑什麼就能產生智能？所以第一，要回到大腦，不是回到認知科學，而是要回到神經科學，我們要知道是什麼樣的神經網路產生了人類智能，是從大腦的物理層面看這件事，並不是從精神、意識這樣的思維層面去看。

大腦的神經網路可以解析出來，然後基於這個圖譜造神經計算機，進行訓練讓它產生智能，然後再去解釋機器為什麼就產生了智能呢，如果我們理解了背後的機理，我們再告訴腦科學家去檢驗生物大腦是否也是按照同樣原理產生智能的。

當然這是一個工程量很大的事情，但是差不多十年左右把大腦精細解析是有可能的。歐洲的人類大腦計劃，實際很多工作也在做這件事，美國腦計劃也是一樣的，首先要把大腦圖譜弄出來，然後我們搞信息的人把它造出來做一台機器。

結構剛才說了，就是這樣子，我們要做很多事，這台機器現在還沒有名字，我們叫它神經計算機，或者叫神經形態機，它實際是按生物神經網路，用神經形態器件做的，這個器件就是人工突觸和人工神經元，它處理的信息不是邏輯，不是要做計算，它就像一個生物要把感知這個世界的那些模態信息作為重要對象的一個機器。

這種機器如果我們跟經典計算機對比的話，每一層次都很清楚：基本器件是什麼？結構應該怎麼樣？你怎麼樣訓練這樣的機器產生智能？你的科學基礎是什麼？科學基礎主要是神經科學，不是認知科學，我說得有點絕對，但確實如此，認知科學是下一步的事情，現在我們需要的是神經科學。

這個也是 2015 年開始的北京腦計劃中「腦認知與類腦計算」專項規劃的一個技術思路。美國也是這樣的，它在 2015 年 10 月 29 號發布了一個報告，這也是會議的一個結果，也就是從材料到系統結構做這樣的一個神經形態計算系統。這個方向已經發展了三十年，從 1986 年到今天已經三十多年了，但在國內的動靜還比較小。斯坦福大學 2030 人工智慧報告里，最後一項講的也是這項技術，是對人工智慧未來影響最大的。

我說 2016 年是神經形態計算的元年，是因為全世界已有四套神經形態計算系統在運行，這四套系統從規模上當然都比不上人腦，但大家都在往這個方向逼近，包括 IBM 的 SyNAPSE, 這大家都知道，2006 年定的目標就是要做一個電子大腦皮層。然後海德堡大學，我們 2015 年去看歐洲人類大腦計劃支持的剛剛在加電上線的系統，這個系統的目標是 2022 年做出一個硬體的電子大腦，信息處理能力和人腦相當。

我們國家的新一代人工智慧規劃裡邊也有這樣一些東西，但是觸不觸碰這樣一個核心問題，要不要造這樣的機器，一直還有爭論。我雖然堅決支持它，但畢竟還是人微言輕，還有很多不同的觀點。總的來說，我覺得這是方向，必須去做。因為很簡單，一個真正影響歷史的東西不能停留在想法上，必須最終會變成物理的實現。

這種新型機器做出來之後，對通用人工智慧的實現是基礎性的。我們不能光在今天的計算機上玩演算法，而是要造一個身體，造一個物理形態，這個物理形態要依賴於神經科學，也要依賴數理科學，要分析它的複雜功能，沒有強大的數學物理，包括複雜系統理論，這個秘密我們最終是破解不了的。北大的有時就是學科齊全，有學術交叉基礎，例如我們有最好的微電子基礎做神經形態器件，也許還只有北大這種跨學科的學校才能做出來。

機器要想具有真正的智能，必須有一個真正的眼睛，像人的眼睛一樣，這個眼睛不是攝像頭，它要像生物研究一樣工作。那生物眼睛怎麼工作的？

現在所有的計算機視覺都是用視頻，這是錯的。視頻是騙人眼睛的，生物視覺以及我們將來要做的超級人工智慧的視覺，不能採用視頻，而是要仿照生物信息處理的模式，這個模式就是神經脈衝，光電轉換之後就變成神經脈衝，神經脈衝送出大腦，大腦是脈衝神經網路，採用脈衝進行信息的表達和處理。這裡邊有很多秘密，有很多科學問題要解決。

在北大，兩年多時間我們做了一些工作，我給大家看一個結果，我們要把視網膜中每個神經元長什麼樣，以及生理特性測出來，然後在計算機上把它精確模擬出來，先不問為什麼，生物是怎麼做的，我們就去把它實現出來，這是一個神經元和它的發放過程。

把這樣一些神經元都做出來之後，再連在一起。生物是怎麼連在一起的，視網膜內的神經網路怎麼連我們也怎麼連。連完之後，它就是一個模擬的視網膜，到了這種規模，必須上超級計算機才能進行計算。把一個圖像閃一下給它看，然後我們現在能看到這些神經元是怎麼響應的。

這是神經節細胞，閃光的就是它在向大腦發放神經脈衝，把這個過程重構出來。重構出來之後幹嗎？當然要變成電子載體，所以今年的北京腦科學研究計劃就支持我們做了一顆晶元。

這個是仿視網膜的晶元。做晶元的時候不能把所有的生物細節都帶進去，這樣做不起，我們這個晶元只需要普通攝像頭的成本，將來幾十塊錢就給大家用，比如用到機器人上，所以做了很多簡化。這個晶元我還沒拿到，我現在還都不能說百分之百做出來這種效果，下面是模擬的結果。

這是晶元看到的電扇轉的過程，為了大家看清，慢速播放。左邊是晶元產生的脈衝，然後我們就基於這個脈衝流重構，就像大腦皮層根據神經脈衝把這個畫面重構出來一樣。右邊這個，能看清楚葉片上的數字，人做不到，我們肉眼看電扇，它一轉起來就變成一團灰了。

它最大的一個特點就是，根據神經脈衝序列可以重構任意時刻的影像，視頻的概念是每秒鐘多少幀，也就是頻率。而採用這種新型晶元，我們可以計算出任何一個時刻的影像，這是生物視覺。我們睜開眼看世界從來沒有頻率，為什麼？因為你本身的信息處理機制不是按視頻那種方式做的，這個晶元現在自然也具有這樣的基本功能。

接著一個問題就是把速度做得更快，現在已經夠快了，但是將來想做得更快，快到能看子彈、導彈，這都不是問題，只不過是一個速度加快的問題。這個當然都要花時間，現在目前定的就是五年，把眼睛完全搞透，然後把這個晶元做出來，後邊還有很多工作要做。十年能把視皮層搞出來，我們就能搬到神經計算機上去實現。好在國家有腦科學和類腦研究這些重大科技項目，中國有資源可以做這件事情。

我們回過頭來看，人工智慧發展了這麼多年，60 年的經典時代，未來的 15 年，國家要做更強的人工智慧，這是歷史的發展過程，但是我們不能光看智能這個水面上的層次，而要看是什麼樣的一個物理載體支撐著這些智能的實現，那具體來說，就是經典計算機還是新的神經計算機？

1946 年的計算機已經過去七十年，高速增長，這是我們今天人工智慧談的一個物理平台，但是它不是永遠的平台，它也不是一個好的平台。好的平台，圖靈 1943 年就想到了。從1986 年開始，進入神經形態計算工程實驗階段，2016 年，已經可以說有四套神經計算系統，預計不會超過 15 年，更強的、真正的神經計算機就會造出來，這種機器結構仿腦、功能類腦、性能超腦，它才是真正的強人工智慧的一個物理平台。

我再簡化一下說，這就叫「智能為用，機器為體」。不做機器，光說智能，很難有顛覆性的、革命性的變化，歷史一再證明今天的人工智慧發展了三十年，有起有落，深度學習發展這麼些年，有了今天的熱潮，但是我們如果往歷史看的話，這些出現都是因為計算機的出現，而往未來看的話，就是我們一定要造新一代的機器。

明年北京大學建校 120 年。北京大學 1898 年建校，在前兩年，也就是 1896 年就有人說了一句話，這個人叫特斯拉，他說：我認為任何對人類心靈的衝擊都比不過親眼見證人把人造大腦變為現實。我認為這件事情的發生，很可能就在北京大學建校 150 周年之前。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！