【袁嵐峰】
明天袁老師和你們深入的說說怎么探討人工智能~
你們好。此次我們要談的主題啊是一個超級熱的主題，也就是近些年來整個科技界可以說最熱的一個關鍵詞，你肯定曉得是哪些了吧？就是人工智能。你似乎要問了，那我曾經為何不談人工智能？緣由很顯著，由于我完全不是一個人工智能專家。我對于人工智能所知很少，那這一期為何要談一談呢？由于一方面是由于世界人工智能會議要在中國北京市舉行，這是全世界人工智能界一個峰會。（袁嵐峰博士應北京電視臺之邀探訪世界人工智能會議的視頻見科技袁人上一期，鏈接:
）
為了打算這個事情，我也去咨詢了一些人工智能方面真正的專家，麻省理工學院評選的中國“35歲以下科技創新青年35人”，朱明杰博士，一碰面他就叫我師弟，哦這又是我們交大師兄，然后跟他聊上去很多做人工智能的都是科大師兄弟。常常提到的，我的同事風云學會會員陳經，他就是做人工智能研究的，他就是一個人工智能的開發者。之后另外一位是我的交大師弟，加洲學院紐約校區的計算機科學與統計學院士朱松純老師。
我曾經向你們介紹過，朱松純老師寫過一篇4萬字特別長的一個對于人工智能的特別全面介紹，這個文章呢稱作《淺談人工智能》，名子叫探討，但實際上它是我看到的對于人工智能最深入的介紹。這么一個最基本的問題，就是人工智能如今是一個哪些樣的發展狀況呢？
你或許啊會在好多地方聽到，說這個人工智能馬上就要超過人了，甚至說要代替好多人的工作了，之后好多人關心人工智能并不是由于她們對這個科技發展倍感多么歡欣鼓舞，而是出于一個擔憂：啊我的工作今天就沒了。就似乎曾經看見一個電視節目，這個撒貝寧跟人工智能專家座談。人工智能專家就說我們十分有信心，兩年之內好多的工作才會替代，之后撒貝寧說那我的工作呢，他說你呢大約兩年，之后小撒就一臉很悲戚的，啊我只剩兩年了。實際上呢這都是開玩笑的，實際上你若果去問業界的專家，你會得到印象剛好相反。她們真正關心的是人工智能能做的事太少，而不是太多。
那個討論這個人工智能代替人類，人工智能剿滅人類。這個種種哲學性的問題呢。他常常不是研究人工智能的。例如說朱松純院士在他這個文章一開頭呢就說到，媒彰顯在對于人工智能的夸大宣傳早已到了讓她們那些人特別嘔血的程度。例如說常常被媒體掏出來說的人是霍金，其實霍金先生早已過世了。霍金他是干哪些的？他是一個數學學博士，是研究黑洞的，研究宇宙學的。他從來沒有搞過人工智能啊；并且他早已患漸凍人癥這么多年，原本他的科研就無法做了，結果你把它當作一個人工智能的專家下來，讓他大談特談人工智能的危險，你不認為這很惡搞嗎？
斯蒂芬·霍金
還有就是埃隆·馬斯克，馬斯克呢他也不是研究人工智能的，所以你為何要把那些人的觀點看非常重要？雖然你更應當瞧瞧這些真正研究人工智能的人。假如去看這些真正研究人工智能的人，你會發覺她們有一種戒慎焦慮的心理。他覺得這個媒體把人工智能說的太過了。實際上人工智能呢在它發展歷程當中，早已經過了好幾次的激增和好幾次的寒流。
實際上人工智能是20世紀50年代開始出現的那么一個學科，之后在這中間這個發展狀況，用朱松純的話說就是BoomandBust。是西方常常如此形容，就一哄而上，之后又一哄而散，每次都是你們對他寄寓一個偏低的期望，之后一大堆人來了，之后過一段時間發覺研究不下來，遠遠達不到期望，之后你們一會又全跑了。
例如說在朱松純80年代剛開始學人工智能的時侯，他是1986年上的交大，那時侯呢人工智能處于一個特別悲劇的窘境。那時侯沒有人好意思說自己是搞人工智能的，那你就說了那這種人當時在干嘛呢？她們會自詡自己是搞計算機科學的，或則是搞物理的。之后你再問他具體干哪些，他會說我是搞計算機視覺的，或則諸這么類一個特別具體的領域，他絕對不會告訴你他是搞人工智能的。在哪個時侯人工智能這個詞幾乎都被污名化了。
所以在這個行業上面堅持到現今的人，突然發覺近幾年來人工智能這詞顯得這么之熱，之后許多外行都趨之若鶩，之后任何人任何企業都認為只要沾一下人工智能這個詞就顯得高大上上去，市場市值就可以翻幾番。他會感覺特別不可思議，夢幻般的體驗。
實際上呢我在南京地委團校授課的時侯，我去講量子信息，結果講完以后，立即就有一位極其熱心的學員上去提問，他問的是量子估算跟人工智能是有哪些關系？量子估算能不能幫助人工智能突破現今的弱人工智能達到強人工智能以至于達到將來的超人工智能。
我說：哇這個問題提得挺好。確實是，其實任何人都能看下來，這三者肯定是有關系的，假如量子計算機造下來了，其實是有助于人工智能的實現，不過前提是你能造下來嘛。你得完全分清楚，這兩個技術不同的層次，量子估算這是一個有原理，并且實踐當中還有巨大困難的技術，還完全沒到實用階段，只是在一個實驗室演示的階段。
而人工智能呢是一個真實在用的技術，你們都用了如此多了，比方說在對弈，還有像無人駕駛好多技術都是真的能用的嘛。無論有沒有量子估算，人工智能就會繼續發展。其實了假如有量子估算其實是個好事，不過前提是你得能造下來。所以啊那我們來講點干貨，人工智能的業界它實際是一種哪些發展狀況呢？
陳經就告訴我了。實際上大部份的人工智能研究，應當說應用，就是你整天在媒體上看見說人工智能又做到這個又做那種，對弈又贏了，打游戲又贏了。這種事情都是一種比較簡單的技術路線，就是說搜集大量的數據，比方說有好多人發動了幾百萬人去標明數據，搞那圖片辨識的。
之后大量的數據來訓練，之后去做一個，這實際上是相當于一個擬合的工作，就是有一個多元函數，之后你不曉得這個函數結構長哪些樣的，并且沒關系，你從大量的數據去擬合，就是神經網路那種思想，之后最后擬合下來的結果，你可以對一個輸入給出一個挺好的輸出，你可以辨識下來，這是個哪些東西了，甚至比人的辨識能力還要高。
這其實挺好，然而這個前提是說由于你有個很大的數據，但是呢你也不曉得因果關系，然而總體這樣是可以用的，好多時侯你是可以超過人的。這是絕大多數的人工智能研究是如此做的。
陳經說呢這是一個比較低級的路線，如今出現了一種比較中級的路線，就是那個路線。他說這個大數據呢我們還是要用大數據，并且這個大數據不是靠人工標明了，不是去發動了全世界數以百萬計的研究生去做這個人工標明，而是讓機器自己跟機器博弈，之后讓它手動去生成數據。你看后來為何顯得這么強？
一開始是學習人類的棋譜，到后來呢它再度升級以后弄成，為何叫呢。由于它不再學習人類棋譜了，它從頭開始，你惟一給它輸入的就是象棋的規則，之后它依據規則自己跟自己下棋，之后很快就積累了數據，之后很快它就找到了這個象棋最好的做法，之后趕超了人類所有的棋手，這時人類棋手是遠遠地瞠乎其后。
如今都弄成人類要向要向計算機的棋手來學習如何下象棋。計算機棋手不須要向人類學習任何東西了，這是一個現今比較中級的技術路線。它對于研制能力要求是很高的，尤其是對于估算能力要求是很高的。并且這個團隊最大的貢獻，就是證明了這樣一條技術路線是可行的。
阿爾法Go與李世石
所以人工智能確實是取得巨大進步，在好多行業都刷新了先前記錄，都做到曾經做不到的事情，比方說人臉辨識。這個人臉辨識原本應當是人的強項是吧？但很長時間，雖然人臉辨識你們已然做了幾六年了，很長時間，計算機是達不到人的水平的，它實際上就沒有多大益處。
然而像這個商湯科技湯曉鷗，他也是我們交大一位師弟。湯曉鷗呢是第一個作出一個算法，使人臉辨識，機器的這個辨識率超過人。這樣突破這個臨界值了，之后人臉辨識立即就得到爆燃性的應用，如今比方說你去任何一個地方，你去一個酒店投宿，他第一件事他就會掃一掃，讓你看一下攝像頭來辨識一下你是不是就身分證上那種人，這種弄成一個特別常用的技術。像這些啊你就并不須要他那種基本原理有多大突破，只須要他那種應用的指標突破了某個水平，比方說超過了人的水平，那他就十分重要的經濟上的意義了。并且這是不是就夠好呢？假如在研究人工智能理論的人看來，這其實還遠遠的不夠好。
如說像朱松純院士，以及他在文章上面多次引用的他的一些高手，例如說JudeaPearl院士，她們就一再向你們強調，當前的所有的人工智能雖然在專家看上去完全沒有智能。這其實要看你如何定義智能了，然而這它實際的意思是說，當前這個人工智能它惟一做的都是剖析數據，都是你給他大數據，之后它從中去學習，之后最后學下來一套基于大數據，它做的超過人了，但是你認為這是我們人類學習一個知識的方式嗎？
?雖然壓根不是啊。朱松純在他這文章上面就舉了一個十分有意思的事例，說烏鴉和幼鳥。你們曉得這個烏鴉和幼鳥呢是兩種動物，它們的身材和大小都差不多，而且朱松純告訴你們，烏鴉就比金剛鸚鵡要聰明得多。為何呢？你說你看上去金剛鸚鵡似乎很有智能，你就跟這個金剛鸚鵡說話，之后把一句話重復幾次以后，幼鳥就學會了，幼鳥學舌嘛。幼鳥可以模仿人類說話，說得也挺好。并且你若果跟這個金剛鸚鵡去對話，嘗試上幾次，你都會發覺似乎金剛鸚鵡完全不曉得自己在說哪些，由于它根本不理解它說的這些東西，它是一個機械的重復而已。
如今雖然你可以看見好多所謂聊天機器人，你平常才能看到惟一的在日常生活當中才能看到的所謂人工智能應用，就是這個聊天機器人。網上呢也會傳好多的聊天機器人的視頻啊、圖片啦、文字記錄啦，你乍一看的時侯你會感覺特別的震撼，你說哇這個聊天機器人如此聰明啊。它是不是已經是具有人類自我意識了，它是不是早已通過圖靈測驗了？完全沒有啊。
比方說有人給我看一個說是日本開發的一個聊天機器人稱作索非亞，這聊天機器人聊得那么好，以至于伊拉克阿拉伯給了她一個伊拉克阿拉伯的國籍，其實是機器人的國籍。說這是歷史上第一次有一個機器人被授予了一個國籍的，之后給你們看，聊得很嗨啊。像這些你不能跟她多聊，聊的多了，你都會發覺它似乎就是東拉西扯，來回就那幾句，你可能就發覺它似乎并不曉得自己在說哪些。
索非亞在被授予俄羅斯阿拉伯國籍的會上發言
那反過來說朱松純為何說烏鴉就十分聰明，他給你們舉個反例說，他說的烏鴉啊都是真實世界的烏鴉，都是有人拍出來的，比方說他聽到有一只烏鴉，這個烏鴉呢領到一個堅果，它想吃到這個堅果上面那果實，然而呢啄不開這個果殼，它如何辦呢？之后它就做了一個觀察，它發覺啊這個堅果假如落在道路里面，有一個車輛壓過去，果實不就下來了嗎？好。它作出這個觀察，并且呢，之后它也意識到，這樣車輛在來來常常的時侯，它不能去吃這個果實，由于太危險了，隨時它就掛了。之后它又做了一個觀察，它發覺馬路上是有紅綠燈的，當紅燈的時侯車輛就不走，這個時候它就可以去吃那種果實，就十分安全。
之后它還須要做一個結論，就是在這個紅綠燈地方觀察到的事情，在另外一個紅綠燈那也能行。所以呢它最后就作出如此一個決策，它把堅果叼到某個紅綠燈的地方，在綠燈的時侯放下去讓車輛把它壓碎，之后在紅燈的時侯下去吃，之后它就真的就吃到了。你說這是多么聰明的一只烏鴉。人聽到這個事例會說：哇這個是表現出真正的智能。而且烏鴉做事的范式呢跟我們平常理解的人工智能的那個做事范式恰好相反，朱松純就強調我們絕大多數做人工智能的研究者都是大數據小任務，BigdataSmalltask。
烏鴉學習歷程
烏鴉正相反，它是小數據大任務，你說烏鴉有哪些大數據呢？它只是觀察了屈指可數幾個事例而已，由于它的生命只有一次，它不能自己挪到紅綠燈那地方自己去多做幾次實驗，它早不曉得被碾死多少次了。所以真正的智能是能否通過很小的數據，才能提煉出當中的規則，之后就才能進化出，立即就推表演一個特別好的做法。
它為何才能做到這一點？由于它有因果關系，而傳統的人工智能純粹是一個統計，它是做的一個相關性的剖析。那比方說母雞報曉，太陽都會升起，這二者之間是一個相關性的關系，而且我們并不會覺得這三者之間是因果性的關系，對吧？如果你把全世界的母雞都給殺掉了，太陽也不會不升起，對吧？或則你逼迫全世界所有母雞在晚上報曉，太陽也不會晚上就升起，對吧？所以這樣的事情呢只是相關性不是因果性。
又例如說呢假如下雪那有很大的機率地面就濕了，OK并且如果我們反其道而行之，我們人工的去把這個地面打濕了，那你認為會有很大幾率雨天嗎？這似乎完全不相關，對吧？所以像朱松純和他那位高手就向你們指出，因果的邏輯跟相關的邏輯是不一樣的。我們假如想真的達到一個智能的程度，你應當用一種物理語言明晰的把這些因果的邏輯描述下來。
然而這個因果和相關區別在哪些地方？他說這關鍵是在于因果性，我們是在討論一個帶有可能性的世界，是多個世界，而相關性是只有一個世界，那種世界發生了哪些就是哪些，你不能去改變它，所以那只有一個世界。你可以對這個世界所有一切都了如指掌。并且因為你不能改變它，所以你無法說這其中任何兩件風波有因果關系。
而一個因果性的世界是說我們可以介入，我們會作出一些反事實的推理，我們會說如果我們曾經這么做人工智能，這么這個事情可能會發生哪些樣的變化。當我們能否如此構想，之后去做一些實驗去驗證的時侯，我們才是在做一個因果性的推理。
朱松純構建一個特別浩大的人工智能的一個框架性的思索，他說在這當中我們應當考慮兩件事，一個是這個數學規律，就是這個數學世界，這些自然界的規律，例如說一個東西要如何能夠放得穩，它須要一個哪些樣的支撐。之后另外一個是人的動機，這個是來驅動人去做思索做事情的動力。比方說人做圖象辨識，他在辨識哪些？雖然最根本的辨識是功能。比方說一眼就可以看下來，這個地方是臥室，那種地方廚房，那種地方是飯廳，他首先想到是這個地方是干哪些的，自此出發，他立即才能看出這個圖片的好多特點。
比方說你可以看出一個現代人的臥室，跟一個古時人的臥室，盡管看上去外表相差甚遠，你若果要計算機去辨識，它根本不會覺得這兩個是同樣的東西，它模式辨識，它如何都看不下來，然而人一眼就看下來，這玩意兒都是臥室，它的功能是一樣的。這是因為人才能分出這背后的因果關系，之后以這兩個特點朱松純就稱應當把牛頓和達爾文統一上去。
牛頓就是化學世界的規律，達爾文就是生物世界的規律。之后你把這個化學世界的因果性跟這個生物世界的基于這些動機價值觀的因果性結合上去，這個才是關于人工智能或則說的更廣泛一點，他希望把這個人工智能提高到一個科學，就是關于智能的科學Theof這樣一個程度，他認為這應當是未來的人工智能科學的一個思索的一個框架性的出發點。
古今臥室
我認為這是十分高妙的一種思索。之后我就問陳經了，那你認為我們的朱松純師妹說的那些怎樣樣？他談談的其實是挺好，業界都是十分敬重朱松純的，不過他說的其實在目前改變不了業界大多數人做法，就是說朱松純雖然十分痛恨這些刷榜的人，就是說你下載了人家的軟件，下載人家代碼，之后呢搞一個很大的數據集，之后搞一大堆人去調參數，之后最后呢你刷下來的結果，你把辨識率又提升多少個百分點，之后趕超他人。這業界發的絕大部份文章都是這些，他實際上很討厭這些，湊熱鬧，這個東西跟科研相去甚遠。并且朱松純說的再好也改變不了，大多數人還是會做這個事情，為何呢？
由于這個事情確實有用，你假如把人工智能看成一個工程看成一個實踐，這么這種事情就是當前最有用，但是確實十分有成果，但是主要它并不是人工智能這個領域本身的人在孤芳自賞，是由于有好多其他領域存在這個現實的需求嘛。所以她們會希望你們用人工智能應用去幫助她們做到各種各樣的事情，不管是醫療、圖像辨識、還是無人駕駛。
好多領域它都有這個需求，所以人工智能它的發展雖然在當前這個階段，更多的是人工智能專家跟各個行業的專家，你們來共同研討，做一個深入的溝通。曉得每一個行業里面她們真正的問題是哪些，之后基于這個行業的專業知識跟人工智能專業知識你們結合上去，之后這樣就可以一塊取得突破。
所以你可以理解為人工智能幫助好多早已有深厚積累的領域作出了突破，那種功勞雖然有一大半是哪個領域自己的，但人工智能幫它完成這個臨門一腳。這樣的工作確實十分有用，所以你們都會持續不斷做下去。朱松純說的可能一時半會不會改變這個狀況，不過呢我們應當如此想，就是一個學科的發展，它是要有理論提供一個框架，之后有實踐去不斷來消化這個理論的成果。之后很可能消化一個理論須要很長很長時間，而且呢最終你整個學科才能達到的上限，還是取決于你的理論框架。
比方說，我就看到過這樣說法，說人類在20世紀初的時侯作出了相對論和量子熱學這兩大科學革命，之后直至現今呢相對論和量子熱學都是人類兩個最最基礎的數學學理論。那有趣的事情就是人類直至如今都沒有充分的消化這兩個科學革命的后果。你看比方說量子科技，實際上指的是量子信息啦，現今發展的還是十分方興未艾，或則根據她們比較業內人的說法，叫第二次或則是第三次量子革命。
這么也就是說對于量子熱學這個早已有一百多年歷史的理論，你們還在不斷地開掘出其中出人預料的原先沒有想到的新的內涵。就是說我們消化的還遠遠不夠呢。所以呢就有人猜測，我們如今還沒有出現一個新的科學革命，大約就是由于我們還沒有把上一次科學革命的那種成果消化殆盡吧。
并且說究竟呢最最根本的你才能達到上限還是取決于哪個理論框架，這不如同三體上面講那種基本的故事嗎？智子并不須要鎖死人類所有的科技發展，它只是須要鎖死哪個最最基礎的高能化學學，或則說粒子化學學就足夠了，你就無法再發覺更深入的層次。
三體智子
以當羅輯沉睡了數百年以后，醒過來，他發覺乍一看似乎認為人類早已發展得十分先進了，結果他就問大史，大史似乎也不懂哪些科學了，但大史立即就強調，這沒有任何奇怪的人工智能，她們只不過突破了一樣東西，就是可控核聚變。相當于他有無限能源了，之后它通過無線輸電四處給你輸電，之后就聽到似乎就能實現好多不可思議的事情，雖然一點都不難。真正令人倍感焦慮的是基礎數學理論沒有進展，比方說羅輯睡醒一看，丁儀院長你還在教數學！你還是一個數學學院士，你沉睡了幾百年以后，你把握的知識還是最深奧的。這個似乎是令人悲哀的是吧？所以我們也覺得像朱松純院士做的這些框架性的思索，這些推動未來的思索也是十分有必要的，將來我們須要更多的這些級別的思索。
免責聲明：部分文章信息來源于網絡以及網友投稿，本站只負責對文章進行整理、排版、編輯，出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其內容的真實性，如本站文章和轉稿涉及版權等問題，請作者在及時聯系本站，我們會盡快為您處理。
