你比AlphaGo聰明不知多少倍 | F2科學(xué)峰會(huì)
?圖片來自DeepMind
撰文 | 山世光（中科院計(jì)算所研究員、中科視拓（北京）科技有限公司創(chuàng)始人）
● ● ●
目前，我們對(duì)自身大腦的認(rèn)知還處于非常低的階段?，F(xiàn)代腦科學(xué)作為一門年輕的學(xué)科，在短時(shí)間內(nèi)得到了蓬勃發(fā)展。腦科學(xué)與人工智能的交叉融合勢(shì)必引發(fā)新的科技革命和產(chǎn)業(yè)革命，在可預(yù)見的未來深刻影響人類的思維范式和生活方式，成為人類認(rèn)識(shí)世界的全新視角。
2018年未來科學(xué)大獎(jiǎng)?lì)C獎(jiǎng)典禮暨F2科學(xué)峰會(huì)即將召開，其中一項(xiàng)議題就是“人工智能與腦科學(xué)”。本次峰會(huì)邀請(qǐng)到加州大學(xué)圣迭戈分校生物科學(xué)教授Terry Sejnowski和MIT人工智能實(shí)驗(yàn)室教授Antonio Torralba等世界頂級(jí)專家探討人工智能與腦科學(xué)的交叉研究。
了解人工才能發(fā)展智能
2016年3月，AlphaGo橫空出世，與圍棋世界冠軍、職業(yè)九段棋手李世石進(jìn)行圍棋人機(jī)大戰(zhàn)，以4比1的總比分獲勝；2016年末2017年初，該程序在中國(guó)棋類網(wǎng)站上以“大師”（Master）為注冊(cè)帳號(hào)與中日韓數(shù)十位圍棋高手進(jìn)行快棋對(duì)決，連續(xù)60局無一敗績(jī)；2017年5月，在中國(guó)烏鎮(zhèn)圍棋峰會(huì)上，它與排名世界第一的世界圍棋冠軍柯潔對(duì)戰(zhàn)，以3比0的總比分獲勝。圍棋界公認(rèn)阿爾法圍棋的棋力已經(jīng)超過人類職業(yè)圍棋頂尖水平。
一時(shí)間，AlphaGo風(fēng)頭無兩，吸引了全世界的注意，不僅AI相關(guān)的創(chuàng)業(yè)概念備受風(fēng)投青睞，甚至街頭巷尾八卦閑談，也開頭必談人工智能。
但是，在科學(xué)家看來，人工智能現(xiàn)在還處于“路漫漫而修遠(yuǎn)兮”的狀態(tài)。以知名度最高的AlphaGo為例，科學(xué)家已經(jīng)實(shí)現(xiàn)讓程序自我學(xué)習(xí)；谷歌、優(yōu)步等公司的自動(dòng)駕駛汽車也進(jìn)入了路面實(shí)際應(yīng)用。但是讓機(jī)器實(shí)現(xiàn)向人類一樣思考，卻遙遙無期。其中，最根本的原因，是我們現(xiàn)在對(duì)自己大腦的認(rèn)識(shí)仍然處于非常初級(jí)的階段。哈佛大學(xué)的Jeff Lichtman教授在開課之前會(huì)問學(xué)生：“如果我們需要了解的大腦的知識(shí)是一英里長(zhǎng)，那么我們現(xiàn)在處在什么距離上？”學(xué)生有的回答半英里，四分之一英里等等答案，但是他會(huì)覺得正確的答案是“三英寸”。如果以此延伸，AlphaGo離我們正常的大腦智能水平還有遙遠(yuǎn)的距離。
正如斯坦福大學(xué)教授李飛飛在一場(chǎng)學(xué)術(shù)活動(dòng)中展示的圖片，人們的大腦看到的是一個(gè)非常有意思的故事，知道這里面的人是誰，知道他們的關(guān)系、他們的情緒。更重要的是人的大腦能夠知道這幅圖的幽默點(diǎn)在哪里。但是計(jì)算機(jī)現(xiàn)在遠(yuǎn)遠(yuǎn)沒有達(dá)到這樣的認(rèn)知。
腦科學(xué)助力人工智能發(fā)展
近幾十年人工智能的快速發(fā)展具體表現(xiàn)在一些智能算法的快速進(jìn)步上，如深度學(xué)習(xí)的成功應(yīng)用，其秘訣在于，構(gòu)建一個(gè)大型的數(shù)據(jù)庫及大規(guī)模計(jì)算能力的提高。如今，深度學(xué)習(xí)在人臉識(shí)別、語音識(shí)別上的精度甚至超過了人類。數(shù)據(jù)顯示，微軟、谷歌、百度的語音識(shí)別錯(cuò)誤率已經(jīng)低于人類的5%，人工智能將繼續(xù)在語言、圖像和視頻處理等方面取得更大的進(jìn)展。
但是，深度學(xué)習(xí)等現(xiàn)有機(jī)器學(xué)習(xí)算法并沒有解決人工智能問題，很多專家甚至認(rèn)為AI還處在初級(jí)階段。對(duì)生物大腦智能的恰當(dāng)模擬或許是制造出人工智能的可行路徑之一。從這個(gè)意義上講，腦科學(xué)可以在神經(jīng)機(jī)制、心理機(jī)理等多方面為人工智能算法的設(shè)計(jì)提供線索，并啟發(fā)更具通用性和適應(yīng)性的人工智能新算法。例如，現(xiàn)有深度學(xué)習(xí)都需要大量數(shù)據(jù)才能學(xué)好，如何使之可以像人一樣只需非常少量的樣本就可以學(xué)好？再比如，知識(shí)遷移是人類擁有的重要技能，現(xiàn)有機(jī)器學(xué)習(xí)方法如何從已經(jīng)逼近甚至超越人類智能能力的任務(wù)遷移到大量全新任務(wù)？等等，都有可能借鑒腦科學(xué)的發(fā)現(xiàn)來獲得啟發(fā)。
因此，如何將人工智能和腦科學(xué)的研究結(jié)合起來，碰撞出新的科學(xué)火花，讓人工智能和腦科學(xué)研究可以互為借助，彼此參照，交替前行，這是這個(gè)時(shí)代最前沿的話題。
科學(xué)大咖解讀學(xué)科交叉
Terry Sejnowski
2018年未來科學(xué)大獎(jiǎng)暨F2科學(xué)峰會(huì)即將啟幕。在這場(chǎng)科學(xué)的盛宴中，其中一個(gè)議題就是“人工智能與腦科學(xué)”。據(jù)未來論壇青創(chuàng)聯(lián)盟成員、中科院計(jì)算所研究員山世光老師介紹，本場(chǎng)議題的主旨演講嘉賓，加州大學(xué)圣迭戈分校生物科學(xué)教授Terry Sejnowski在上世紀(jì)80年代就在人工智能研究方向聞名世界，Sejnowski教授和Hinton教授等共同提出了一種學(xué)習(xí)算法，從而發(fā)明了玻爾茲曼機(jī)（Boltzmann machine），在人工智能和計(jì)算神經(jīng)科學(xué)領(lǐng)域都有很重要的應(yīng)用。Sejnowski教授是上世紀(jì)80年代名噪一時(shí)的NETtalk的主要研發(fā)者，他和同行一起推動(dòng)了BP算法，即反向傳播算法（Back-propagation）的廣泛應(yīng)用。此外，他和同事共同提出了用于獨(dú)立成分分析的Infomax算法，也是非常重要的貢獻(xiàn)。Sejnowski教授目前是美國(guó)四大科學(xué)院的院士。
Antonio Torralba
另一位主旨演講嘉賓、MIT人工智能實(shí)驗(yàn)室教授Antonio Torralba則在2000年前后聲名鵲起，他是廣泛用于場(chǎng)景識(shí)別任務(wù)的GIST特征的主要貢獻(xiàn)者，以及SUN、LabelMe等數(shù)個(gè)場(chǎng)景識(shí)別數(shù)據(jù)庫的創(chuàng)建者。近年來他在深度學(xué)習(xí)以及神經(jīng)計(jì)算方面也有諸多貢獻(xiàn)，可謂MIT人工智能研究領(lǐng)域的中流砥柱。參與討論的嘉賓有斯坦福大學(xué)計(jì)算機(jī)科學(xué)系終身教授李飛飛、斯坦福大學(xué)文理學(xué)院講席教授駱利群以及上海紐約大學(xué)計(jì)算機(jī)科學(xué)教授張崢等眾多人工智能研究領(lǐng)域的世界級(jí)專家學(xué)者。任何以人工智能為研究方向的科研工作者、創(chuàng)業(yè)者，都可以從他們的討論中汲取養(yǎng)分，尋找方向。
注：本文由未來論壇提供。
