? 少妇把腿扒开让我添,无码专区久久综合久中文字幕,少妇高潮毛片免费看

亚洲 a v无 码免 费 成 人 a v,性欧美videofree高清精品,新国产三级在线观看播放,少妇人妻偷人精品一区二区,天干天干天啪啪夜爽爽av

我們需要有意識(shí)、有情感的 “強(qiáng)人工智能”嗎？

2022/07/03
導(dǎo)讀
科學(xué)家們的答案似乎難得的一致
    7.3
知識(shí)分子The Intellectual

人類真的需要一個(gè)有意識(shí)的“強(qiáng)人工智能”嗎？| 圖源：pixabay.com


  導(dǎo)  讀

什么是 “人的智能” （ human intelligence）？“人工智能” 與 “人腦智能” 有何區(qū)別與聯(lián)系？

近期《國(guó)家科學(xué)評(píng)論》（National Science Review, NSR）舉辦的論壇中，“人工智能” 與 “人腦智能” 兩個(gè)領(lǐng)域有關(guān)的7位專家，圍繞上述問題的答案展開了討論。深度神經(jīng)網(wǎng)絡(luò)和人類神經(jīng)系統(tǒng)看起來相似，但人類真的需要一個(gè)有意識(shí)的 “強(qiáng)人工智能” 嗎？科學(xué)家們的答案似乎難得的一致，而人工智能已然帶來的倫理問題無法忽視。“人工智能到底是魔鬼還是天使，取決于使用它的人是魔鬼還是天使?！睂?duì)于科研人員而言，讓自己制造出來的工具是可控的、向善的也許是從源頭上解決問題的關(guān)鍵。


專家：

傅小蘭  中科院心理所

顧勇  中科院神經(jīng)所

何生  中科院生物物理所

劉卓軍  中科院數(shù)學(xué)與系統(tǒng)科學(xué)研究院

譚鐵牛  中科院自動(dòng)化所

周志華  南京大學(xué)

林惠民（主持）中科院軟件所


撰文 | 趙維杰責(zé)編 | 劉楚


 ●                  　●                   　●

人的智能：不只一面
林惠民：首先請(qǐng)大家談一談：“人的智能” （ human intelligence）應(yīng)該如何定義、如何理解？

何生：在心理學(xué)領(lǐng)域，“人的智能” 是一個(gè)歷史非常悠久的研究課題，也有過各種各樣的爭(zhēng)議。如果用一個(gè)不是特別嚴(yán)謹(jǐn)?shù)亩x來說，智能應(yīng)該是認(rèn)知能力和解決問題的能力。

在歷史上，有些研究者試圖找到一個(gè)單一的指標(biāo)，來衡量智能。比如 Charles Spearman 在1904年提出了 “二因素說”，認(rèn)為智能由“一般因素”（g factor）和 “特殊因素”（s factor）組成。另外一些研究者會(huì)對(duì)智能進(jìn)行分類，比如 Robert Sternberg 在1985年左右提出了智能的 “三元論”，把智能劃分為 analytical intelligence（分析問題的能力），creative intelligence（創(chuàng)造力） 和 practical intelligence（實(shí)際解決問題的能力）。

我認(rèn)為比較粗略地說，智能可以有一般性的定義，但是在具體的問題中，也可以有更專門的定義。

傅小蘭：我認(rèn)為簡(jiǎn)單來講，智能最核心的定義應(yīng)該包括兩個(gè)部分：也就是知識(shí)，以及獲取和運(yùn)用知識(shí)來解決問題的能力。這兩部分應(yīng)該是各種認(rèn)知活動(dòng)都不可或缺的。

顧勇：我也認(rèn)為智能的主要體現(xiàn)是從獲取的知識(shí)中學(xué)習(xí)其規(guī)律和通用規(guī)則，即運(yùn)用知識(shí)的能力。在腦科學(xué)領(lǐng)域，有一個(gè)很好的例子可以說明這個(gè)概念，即 Edward Tolman 在1948年提出的 “認(rèn)知地圖”。這種具有知識(shí)架構(gòu)的、非自我中心的語義記憶能夠指導(dǎo)動(dòng)物和人在復(fù)雜多變的場(chǎng)景中，比如某條路徑的通透性發(fā)生了改變時(shí)，去靈活地改變策略、重新規(guī)劃路徑，或者根據(jù)學(xué)習(xí)到的規(guī)則，更快地探索新的空間環(huán)境。

隨著研究的深入，人們發(fā)現(xiàn)認(rèn)知地圖的概念不只適用于空間導(dǎo)航，而且可以拓展為用于抽象思維的空間，即心理地圖。

今年在Cell上，來自加州伯克利大學(xué)的科學(xué)家發(fā)表的工作表明，在獼猴的大腦中，形成物理空間和抽象價(jià)值空間的認(rèn)知地圖分享了同樣的腦區(qū)（海馬體）和神經(jīng)基礎(chǔ)。結(jié)合其它實(shí)驗(yàn)證據(jù)，目前看來，海馬體系統(tǒng)和相關(guān)腦區(qū)，比如前額葉，可以對(duì)物理空間和抽象空間的知識(shí)進(jìn)行歸納總結(jié)，抽提出規(guī)律和共性，進(jìn)而允許遷移、泛化、并解決其它問題。因此，學(xué)習(xí)怎么學(xué)習(xí)（learning to learn），即所謂的元學(xué)習(xí)（meta learning），應(yīng)該是智能，尤其是通用智能，即快速高效學(xué)習(xí)多任務(wù)的關(guān)鍵，而不只僅僅是知識(shí)本身。我想這和傅老師說的“獲取和運(yùn)用知識(shí)來解決問題的能力”的觀點(diǎn)是一致的。

林惠民：假定我們能夠制造一種設(shè)備，可以掃描一個(gè)人的大腦，把所有神經(jīng)元以及它們相互連接的方式和狀態(tài)都讀出來，是否就可以從這些數(shù)據(jù)解讀出這個(gè)人腦子里存儲(chǔ)了哪些知識(shí)，以及他能夠運(yùn)用這些知識(shí)去解決什么樣的問題？

顧勇：我想理論上是可能的，記憶主要通過赫伯突觸學(xué)習(xí)定律形成，反映在神經(jīng)元與神經(jīng)元之間形成的突觸聯(lián)系中，因此可以把所有這些突觸聯(lián)系 “掃描” 下來。但是在技術(shù)上，我認(rèn)為不太可能實(shí)現(xiàn)。因?yàn)槿四X中有接近1000億個(gè)神經(jīng)元，每個(gè)神經(jīng)元又可以發(fā)出1000個(gè)突觸，去跟其他的神經(jīng)元發(fā)生聯(lián)系，所以知識(shí)和記憶的表征，其組合形式幾乎是無限的。我認(rèn)為至少在50年，甚至100年之內(nèi)，都不太可能做到。

何生：我的觀點(diǎn)不太一樣，我認(rèn)為不只是技術(shù)上不可行，在理論上可能也不成立。人腦很復(fù)雜，但是即便是對(duì)于比較簡(jiǎn)單的腦，比如斑馬魚的腦，即便是我們能夠把它大腦中每一個(gè)神經(jīng)元、每一個(gè)突觸連接都識(shí)別出來，從理論上，也可能無法只是從這些結(jié)構(gòu)中破解它所擁有的記憶、掌握的知識(shí)。




“計(jì)算機(jī)的智能”與“人的智能”之間的相似與差異？
林惠民：接下來的問題是，計(jì)算機(jī)有沒有智能？計(jì)算機(jī)的智能與人的智能有什么區(qū)別和聯(lián)系？

我先談一談我的觀點(diǎn)。計(jì)算機(jī)是做計(jì)算的機(jī)器，而計(jì)算顯然是人的智能的一部分，因此，計(jì)算機(jī)是有智能的。但是計(jì)算機(jī)的智能只是機(jī)械的智能，它只能按照人的指令進(jìn)行精密、快速的計(jì)算，而不具備創(chuàng)造力和抽象能力。即便是取得了巨大成功的人工智能程序，像 Alpha Go 在圍棋領(lǐng)域戰(zhàn)勝了李世石、柯潔等人類頂級(jí)棋手，但其實(shí)它也只是一個(gè)程序，是Deepmind團(tuán)隊(duì)的成員發(fā)揮創(chuàng)造性寫出來的程序，所以本質(zhì)上講，它還是人類智力活動(dòng)的一個(gè)結(jié)果。讓計(jì)算機(jī)根據(jù)給定的任意需求自動(dòng)生成程序，這個(gè)問題已經(jīng)被證明是不可能的。設(shè)計(jì)算法、研制軟件需要?jiǎng)?chuàng)造性的智能，只能由人完成；研制成的軟件代碼可以由計(jì)算機(jī)機(jī)械地執(zhí)行。軟件越多，計(jì)算機(jī)可以替我們做的事情就越多，但計(jì)算機(jī)不能自主地增加或提升自己的功能。

譚鐵牛：如果從1956年的達(dá)特茅斯會(huì)議算起，人工智能的發(fā)展已經(jīng)有65年了。近些年人工智能非?；馃幔S多國(guó)家都把發(fā)展人工智能作為國(guó)家戰(zhàn)略。但是我們要認(rèn)識(shí)到，人工智能近年來的快速發(fā)展，主要是在應(yīng)用層面上，特別是模式識(shí)別算法（比如人臉識(shí)別）在諸多應(yīng)用領(lǐng)域獲得的巨大成功，而在理論上，其實(shí)并沒有特別大的根本性突破。而且，有些人，特別是不真正從事人工智能研究的人，對(duì)于人工智能的態(tài)度可能有些過于樂觀了。

至于計(jì)算機(jī)或機(jī)器是否具有智能，我覺得要看我們?cè)趺慈ザx智能。如果從行為和效果上看，你可以說它們具有智能，但是從智能的本質(zhì)來看，它們其實(shí)并不知道自己在干什么，似乎又可以說它不具有智能。

周志華：作為一個(gè)從計(jì)算機(jī)學(xué)科出發(fā)來研究人工智能的研究者，我認(rèn)為機(jī)器毫無疑問可以展現(xiàn)出許多智能行為，包括推理、下圍棋等等，但很難判斷機(jī)器是否真能擁有我們所謂的 “智能”，實(shí)際上我們搞計(jì)算機(jī)的人并不是特別關(guān)心，因?yàn)?strong style="box-sizing: border-box;">我們的出發(fā)點(diǎn)，至少我個(gè)人的出發(fā)點(diǎn)，只是希望制造出一些能幫助人類的智能工具。

我經(jīng)常舉一個(gè)類比，我們看到鳥在天上飛，受它的啟發(fā)造出來飛機(jī)幫助人類飛起來了，但其實(shí)飛機(jī)的飛行機(jī)理和鳥的飛行機(jī)理非常不一樣，飛機(jī)并不必須像鳥那樣飛。

劉卓軍：麻省理工學(xué)院的 Patrick Winston 在1992年的《人工智能》教材中給出過一個(gè)人工智能的定義：人工智能是一種通過計(jì)算來實(shí)現(xiàn)認(rèn)知、推理和行動(dòng)的研究。（Artificial Intelligence is the study of the computation that make it possible to perceive, reason, and act.）我比較贊同這樣的理解，人工智能是參考人腦的功能和運(yùn)行機(jī)制，借助數(shù)學(xué)和計(jì)算機(jī)科學(xué)的模型與算法，來實(shí)現(xiàn)多種智能行為的一種工具。

林惠民：在 J. McCarthy 主筆的達(dá)特茅斯夏季人工智能研討會(huì)倡議書的第一段，有一句著名的論述：“這項(xiàng)研究基于如下猜測(cè)（conjecture）：學(xué)習(xí)以及智能的其它特征的任何方面，在原則上都可以被如此精確地描述出來以至于我們可以造一部機(jī)器來模擬它。” 我認(rèn)為這個(gè)猜測(cè)是不成立的，人的創(chuàng)造性智能活動(dòng)不是可以 “被如此精確地描述出來以至于我們可以造一部機(jī)器來模擬它” 的；能夠被 “精確地描述出來” 的只是計(jì)算機(jī)模擬的 “機(jī)械” 的智能活動(dòng)。

傅小蘭：我同意各位的觀點(diǎn)，我認(rèn)為計(jì)算機(jī)可以有智能，但是不一定是全面的、跟人一樣的智能。從知識(shí)的層面來說，目前的計(jì)算機(jī)或者人工智能能夠存儲(chǔ)和運(yùn)用的知識(shí)還比較有限，無法像人類一樣掌握人際交往、社會(huì)和情感方面的知識(shí)。而在獲取和運(yùn)用知識(shí)解決問題的能力方面，又有一個(gè)本質(zhì)的差別：人類去獲取和運(yùn)用知識(shí)，是一種為了活下去而必須去做的生存需要；但是計(jì)算機(jī)沒有這方面的需要，它只是在運(yùn)行指令。




我們需要有意識(shí)、有情感的“強(qiáng)人工智能”嗎？

林惠民：人工智能需要有意識(shí)嗎？需要有情感嗎？

周志華：從計(jì)算機(jī)學(xué)科的角度出發(fā)，做人工智能并不是為了“人造智能”、造出和人類一樣的生命體，而是為了做出能夠由人駕馭、輔助人類的智能工具。從這個(gè)角度出發(fā)，我們似乎沒有必要去制造有自我意識(shí)、未必服從甚至可能會(huì)在地球上取代人類的生命體。

譚鐵牛：我同意這個(gè)觀點(diǎn)。包括人工智能在內(nèi)的科學(xué)技術(shù)，其發(fā)展目標(biāo)都是為了拓展人類的能力（認(rèn)識(shí)自然與改造自然的能力），而不是用來最終完全取代人?，F(xiàn)在很多人都在提 “強(qiáng)人工智能” 或者 “通用人工智能”，希望一個(gè)人工智能系統(tǒng)能夠完成多種任務(wù)。但是如果說通用人工智能的目標(biāo)是創(chuàng)造出能夠?qū)崿F(xiàn)人類全部智能的智能體，我認(rèn)為這既不可能又沒有必要。我們不應(yīng)該把實(shí)現(xiàn)這種通用人工智能作為推動(dòng)人工智能發(fā)展的一個(gè)重要目標(biāo)去追求。我們完全可以用不同的人工智能算法去實(shí)現(xiàn)不同的目的，輔助我們?nèi)ネ瓿筛黜?xiàng)不同的工作。

傅小蘭：但是在某些情況下，如果我們希望研發(fā)出來的智能體能夠融入人類社會(huì)，以社會(huì)一員的身份來與人類互動(dòng)、合作，我們似乎又需要它們能有 “自我意識(shí)”，能夠識(shí)別出人類的情緒，并做出適合場(chǎng)景的、帶有情緒性的表達(dá)。如果智能體做不到這些，也就無法實(shí)現(xiàn)人機(jī)和諧共處的場(chǎng)景。

周志華：在人工智能領(lǐng)域中，有一個(gè)分支叫做 “情感計(jì)算”。我們可以通過算法，讓人工智能體在與人類交互的過程中，讓人類覺得它似乎是有情緒的。但這實(shí)際上是一種“表現(xiàn)出情緒”的行為，而不好說它本身真的具有了我們所謂的情緒。

林惠民：而且我認(rèn)為從技術(shù)的層面看，計(jì)算機(jī)能做的所有事情歸根到底都是由電路實(shí)現(xiàn)的，它可以機(jī)械地執(zhí)行人刻意編寫的程序，使得與它交流的人覺得它有情緒，但這與它真正具有意識(shí)和情緒是兩回事。

何生：到目前為止，我們對(duì) “意識(shí)” 還沒有一個(gè)特別好的定義。在這樣的前提下，來討論機(jī)器要不要有意識(shí)、能不能有意識(shí)，就很困難。所以我認(rèn)為，我們或許應(yīng)該首先去研究，人和動(dòng)物的意識(shí)到底有什么用？意識(shí)只是大腦活動(dòng)的一個(gè)副產(chǎn)物，還是人類認(rèn)知活動(dòng)的一個(gè)重要組成部分？有了意識(shí)之后，人類的認(rèn)知活動(dòng)可以在哪些方面變得更加豐富和高效？

如果我們能夠搞清楚這個(gè)問題，知道意識(shí)對(duì)認(rèn)知過程中的A、B、C很重要，但是D不依賴意識(shí)，那么我們就對(duì)意識(shí)功能的理解進(jìn)了一大步。這樣的話，我們就可以在人工智能中去實(shí)現(xiàn)類似意識(shí)支持下的ABC，讓人工智能獲得 “有意識(shí)” 的優(yōu)勢(shì)。

顧勇：我同意這個(gè)觀點(diǎn)，意識(shí)目前還缺乏很好的定義，可以包括很多成分，我想其中某些成分的意識(shí)可能是人工智能需要具備的。比如說在人類社會(huì)中，人類意識(shí)的一個(gè)重要體現(xiàn)是能夠區(qū)分自身的想法（自我意識(shí)）和別人的想法（他我意識(shí)），才能做出合適的社交行為，這就是所謂的心智理論（Theory of mind）。而在自動(dòng)駕駛的過程中，人工智能可能也需要有這樣的能力。在未來自動(dòng)駕駛成熟的情況下，一輛自動(dòng)駕駛的汽車除了要 “意識(shí)” 到自己的行駛狀態(tài)，也需要了解其他車輛的運(yùn)行意圖，才能做出合理的調(diào)度。這一點(diǎn)到目前為止似乎還沒有實(shí)現(xiàn)。

還有一種意識(shí)成分是對(duì)自身肢體的意識(shí)，這是機(jī)械臂等智能機(jī)器可能需要具備的。哥倫比亞大學(xué)近期有一項(xiàng)研究工作，他們構(gòu)建了一個(gè)有100個(gè)關(guān)節(jié)點(diǎn)的機(jī)械臂，讓它在各個(gè)關(guān)節(jié)組合下隨機(jī)運(yùn)動(dòng)，機(jī)械臂在反復(fù)隨機(jī)揮舞的過程中，通過自我學(xué)習(xí)形成了內(nèi)在模型，這與人類幼兒在發(fā)育中逐漸形成對(duì)自身肢體的意識(shí)感的過程相似。然后，在沒有正誤反饋信號(hào)的情況下，研究者讓機(jī)械臂去完成一個(gè)把小球放到指定位置的任務(wù)，結(jié)果即使在開環(huán)系統(tǒng)中，機(jī)械臂仍然可以達(dá)到較高的正確率。如果人為改變機(jī)械臂中的部分肢體，用來模擬人類的肢體損傷，機(jī)械臂也可以通過自我學(xué)習(xí)修改新的內(nèi)在模型，并完成任務(wù)。




兩個(gè)學(xué)科間的借鑒、交流
林惠民：剛才譚老師講到，人工智能這些年最大的成功是深度學(xué)習(xí)，是在模式識(shí)別領(lǐng)域的應(yīng)用。機(jī)器學(xué)習(xí)是利用巨大的標(biāo)注數(shù)據(jù)集進(jìn)行訓(xùn)練、生成分類器的方式來實(shí)現(xiàn)識(shí)別的。人也是通過類似的方式來進(jìn)行識(shí)別的嗎？

何生：人工智能中深度神經(jīng)網(wǎng)絡(luò)的架構(gòu)與靈長(zhǎng)類視覺皮層中物體識(shí)別的架構(gòu)確實(shí)有一些相似之處。它們都是分層的結(jié)構(gòu)，但是也有很多不一樣的地方。比如人類的視覺識(shí)別過程中反饋信號(hào)占比很大，但是神經(jīng)網(wǎng)絡(luò)還基本依賴前饋信號(hào)。

另外人腦的識(shí)別過程中存在平行通路，由幾個(gè)通路模塊化地去做不同的加工，這可能可以避免之后學(xué)習(xí)的內(nèi)容對(duì)此前學(xué)習(xí)的內(nèi)容的干擾，也可能在人工智能中有所應(yīng)用。

周志華：剛才何老師提到多層結(jié)構(gòu)，這確實(shí)是深度神經(jīng)網(wǎng)絡(luò)和人類神經(jīng)系統(tǒng)看起來相似的一個(gè)地方，但事實(shí)上這種多層結(jié)構(gòu)在神經(jīng)網(wǎng)絡(luò)中早就用到了。直到2005年之前，我們都不知道怎么才能訓(xùn)練5層以上的神經(jīng)網(wǎng)絡(luò)，因?yàn)樵趯訑?shù)增加之后會(huì)遇到梯度消失問題。深度學(xué)習(xí)的突破始于一個(gè)計(jì)算上的技巧，就是我們每次只做一層，然后把很多個(gè)一層拼在一起全局微調(diào)優(yōu)化來實(shí)現(xiàn)很多層。

顧勇：在 “識(shí)別” 問題之外，人腦和人工智能系統(tǒng)在空間導(dǎo)航、自動(dòng)駕駛方面也存在很多的相似之處。我實(shí)驗(yàn)室的研究方向是空間感知中的多感覺信息整合，就是研究相關(guān)的前庭和視覺信號(hào)是怎樣整合在一起，幫助人和動(dòng)物實(shí)現(xiàn)空間導(dǎo)航的，目前的發(fā)現(xiàn)是，多種信號(hào)的整合大體上符合貝葉斯最優(yōu)化整合的理論框架。而自動(dòng)駕駛也需要這方面的能力，目前的自動(dòng)駕駛整合衛(wèi)星定位信息、慣性導(dǎo)航信息、動(dòng)態(tài)攝像系統(tǒng)信息、高清攝像頭信息、激光或者毫米波雷達(dá)信息等多種模態(tài)的信息，才能在復(fù)雜多變的場(chǎng)景下做出很好的判斷。因此多模態(tài)信息融合在工程上的應(yīng)用和神經(jīng)科學(xué)原理是類似的。

腦科學(xué)對(duì)人工智能的啟發(fā)方面，還有一個(gè)很好的例子是2014年諾貝爾獎(jiǎng)得主Moser夫婦于2005年在大鼠內(nèi)嗅皮層發(fā)現(xiàn)的網(wǎng)格細(xì)胞。網(wǎng)格細(xì)胞自被發(fā)現(xiàn)以來，就引起了計(jì)算和智能領(lǐng)域的極大關(guān)注。包括2018年DeepMind有一項(xiàng)發(fā)表在Nature 的工作等，使得人們發(fā)現(xiàn)人腦或生物腦在空間導(dǎo)航方面的運(yùn)行機(jī)制是一個(gè)高效靈活的系統(tǒng)，可以被借鑒用來幫助設(shè)計(jì)和實(shí)現(xiàn)更加泛化、靈活的人工智能。

林惠民：人工神經(jīng)網(wǎng)絡(luò)是上世紀(jì)40年代初提出來的。近幾十年來，對(duì)人類神經(jīng)系統(tǒng)的研究取得了巨大的進(jìn)展。目前看來，人工神經(jīng)網(wǎng)絡(luò)和人類神經(jīng)系統(tǒng)的相似性到底有多高？ 

何生：我覺得二者之間的差別還是很大的，差異性要大于相似性。

顧勇：我非常同意。和神經(jīng)系統(tǒng)相比，人工網(wǎng)絡(luò)目前還是一個(gè)過于簡(jiǎn)化的模型。有人說我們?nèi)四X的功能可能只開發(fā)了10%，我認(rèn)為現(xiàn)在的神經(jīng)網(wǎng)絡(luò)對(duì)人腦的模擬可能也只有10%。因此從神經(jīng)科學(xué)的角度看，我對(duì)人工智能的發(fā)展是非常樂觀的，因?yàn)樵诮梃b腦科學(xué)方面，它還有非常大的潛力和發(fā)展空間。

林惠民：人工智能領(lǐng)域的研究者有沒有嘗試去模仿、利用這些復(fù)雜的人腦結(jié)構(gòu)和功能？

周志華：人工智能的研究者很希望能從神經(jīng)科學(xué)借鑒一些東西，也有成功的例子，比如1943年提出的MP神經(jīng)元模型，就是借鑒神經(jīng)細(xì)胞的工作模式，直到今天，這個(gè)模型還是幾乎所有深度神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)。

但是這種直接的模仿往往非常困難、很難成功。比如從上世紀(jì)60年代開始，人們就嘗試借鑒 “脈沖發(fā)放” 的神經(jīng)元機(jī)制，不僅考慮電位的總量還考慮觸發(fā)時(shí)間，但是經(jīng)過半個(gè)世紀(jì)的探索，在算法上的成功仍非常有限，仍需繼續(xù)努力。

從發(fā)展情況來看，人工智能研究者從腦科學(xué)、神經(jīng)科學(xué)獲得的最重要收獲是方向性的借鑒，啟發(fā)我們可以去做哪些事情。但是具體如何操作才能做到這些事，我們通常還是要從數(shù)學(xué)和工程學(xué)上尋找答案，而不是直接模仿人腦的工作方式。

林惠民：剛剛大家講了一些腦科學(xué)對(duì)于人工智能技術(shù)的啟發(fā)，那么反過來，人工智能對(duì)于腦科學(xué)有什么幫助和貢獻(xiàn)嗎？

顧勇：我覺得人工智能至少可以從兩個(gè)方面對(duì)腦科學(xué)提供幫助。首先，人工智能為腦科學(xué)以及醫(yī)學(xué)提供了一種很好的工具，比如在我們識(shí)別動(dòng)物的行為表現(xiàn)，研究大腦介觀神經(jīng)連接圖譜，醫(yī)學(xué)識(shí)別影像學(xué)掃描圖片等過程中，往往涉及到海量的數(shù)據(jù)，這時(shí)候人工智能就可以非常高效、準(zhǔn)確地進(jìn)行識(shí)別分類，節(jié)約人力物力，幫助我們來完成這些工作。

其次還有一個(gè)方面是人工智能可以幫助我們進(jìn)一步理解人腦的工作原理。我一直認(rèn)為，人類的智能只是在長(zhǎng)期的進(jìn)化過程中，在特定的環(huán)境下因適者生存所產(chǎn)生的一種智慧形式，但并不一定是唯一的一種形式。通過對(duì)人工智能的不斷研究，并且將人工智能與人的神經(jīng)機(jī)制進(jìn)行對(duì)比，我們就可能會(huì)看到，還可能存在哪些與人腦不同的智能的形式與機(jī)制。比如Alpha Go的第二代 AlphaGo Zero，通過強(qiáng)化學(xué)習(xí)，自己和自己下棋，“悟” 出了一些人類從沒想到過的招數(shù)，結(jié)果不只戰(zhàn)勝了人類頂級(jí)棋手，也戰(zhàn)勝了依賴于人類棋譜作為訓(xùn)練集的第一代AlphaGo。因此我覺得這種人工智能和人腦智能的不同就已經(jīng)是一種驚喜，如果進(jìn)一步分析這些不同，也可以幫助我們更好地理解人類的大腦，思考它為什么會(huì)是現(xiàn)在這個(gè)樣子，是否還有優(yōu)化的空間。

林惠民：關(guān)于AlphaGo Zero和圍棋我插一句。圍棋棋盤有361個(gè)格點(diǎn)，所有可能的格局達(dá)3361之多，世界最快的計(jì)算機(jī)也無法在可期待的時(shí)間內(nèi)窮盡。但是判別黑白雙方誰勝誰負(fù)卻只需要掃描361個(gè)格點(diǎn)，用辦公室的臺(tái)式機(jī)一眨眼功夫就可以完成。下棋程序可以對(duì)黑勝和白勝兩種情況分別記錄下所需要學(xué)習(xí)的策略，一盤棋結(jié)束判別勝負(fù)后保留從勝者學(xué)習(xí)的策略，扔掉負(fù)者的策略。因此可以不依賴人類棋譜，僅從自己跟自己下棋中學(xué)習(xí)。但這種方法能適用的場(chǎng)景非常少。


何生：除此之外，我們還可以把神經(jīng)網(wǎng)絡(luò)當(dāng)作是一個(gè)模擬和研究神經(jīng)系統(tǒng)的沙盤。因?yàn)楹蛣?dòng)物實(shí)驗(yàn)相比，它的運(yùn)行成本比較低，我們可以在它上面去研究不同的輸入會(huì)產(chǎn)生哪些不同的過程和結(jié)果，從而幫助我們回答一些神經(jīng)科學(xué)的問題。




人工智能的倫理挑戰(zhàn)
林惠民：最后我們來討論一下：人工智能研究可能會(huì)帶來哪些社會(huì)和倫理問題？

譚鐵牛：這也是一個(gè)討論了很久的話題了，現(xiàn)在比較急迫的一個(gè)問題就是所謂的深度偽造（Deepfake），或者說自動(dòng)生成。通過人工智能技術(shù)，可以非常逼真地生成視覺、語音、文本等各種內(nèi)容，如果管控不當(dāng)，很可能會(huì)危害公共安全，甚至是國(guó)家安全。此外還有很多社會(huì)層面的問題，比如人工智能可能帶來的隱私問題、就業(yè)問題，還有公平性的問題，如何讓各個(gè)國(guó)家、地區(qū)、組織和個(gè)人都能均等地獲得人工智能帶來的機(jī)會(huì)，而不會(huì)產(chǎn)生 “智能的鴻溝”。

當(dāng)然從技術(shù)上，人們也在研究如何來防止這些問題的發(fā)生。比如我們也在研究如何鑒別深度偽造，我們也可以對(duì)收集到的諸如生物特征之類的隱私信息進(jìn)行加密和變換之后再使用，從而在一定程度上防止隱私泄露和個(gè)人信息被盜用。

總之，對(duì)于人工智能可能帶來的倫理問題，我們需要技術(shù)和管理雙管齊下?，F(xiàn)在國(guó)家已經(jīng)開始重視這方面的問題，出臺(tái)了一些監(jiān)管措施。問題的產(chǎn)生是不可避免的，最重要的還是相應(yīng)的法律法規(guī)要跟上。

其實(shí)不只是人工智能，其他技術(shù)的發(fā)展同樣會(huì)帶來類似的問題。人工智能到底是魔鬼還是天使，取決于使用它的人是魔鬼還是天使。所以我們的科研人員應(yīng)該是負(fù)責(zé)任的、向善的科研人員，才能從源頭上解決問題，讓我們制造出來的工具都是可控的、向善的。

劉卓軍：人工智能的可控性確實(shí)非常重要，對(duì)于一些重要的決策，我們不能完全交給人工智能去做。比如一個(gè)導(dǎo)彈發(fā)射系統(tǒng)，如果僅憑算法去決定要不要發(fā)射，會(huì)產(chǎn)生非常重大的問題。此外，我接觸過一些企業(yè)，幫助他們制定相關(guān)的標(biāo)準(zhǔn)。在我們的政策和標(biāo)準(zhǔn)制定過程中，需要多鼓勵(lì)企業(yè)參與、聽取他們的意見，才能夠更好地監(jiān)管企業(yè)，同時(shí)促進(jìn)人工智能技術(shù)的良性應(yīng)用。

傅小蘭：站在普通用戶的角度上，很多人確實(shí)很擔(dān)心自身的隱私問題，甚至?xí)伎迹絹碓綇?qiáng)大的機(jī)器是否會(huì)對(duì)人類造成傷害？

周志華：就像我前面說過的，我們絕大多數(shù)人工智能研究者其實(shí)只想要做一些幫助人類的智能工具，而并不是試圖去制造那些有很大風(fēng)險(xiǎn)甚至可能在這個(gè)星球上取代人類的人造智能生命體。但是這對(duì)大眾來說并不那么清楚，可能會(huì)使人感到恐慌。所以,我們需要加強(qiáng)科普工作和與公眾的溝通。

顧勇：有些智能聊天軟件現(xiàn)在已經(jīng)非常強(qiáng)大，但是也產(chǎn)生了一個(gè)明顯的問題，就是它會(huì) “學(xué)壞”，會(huì)在學(xué)習(xí)海量數(shù)據(jù)的過程中，從網(wǎng)絡(luò)世界中學(xué)會(huì)很多不好的語言，產(chǎn)生涉及暴力、種族歧視等不道德、不規(guī)范的表達(dá)。如何讓這種非常有用的工具更加可控，也是一個(gè)需要關(guān)注的問題。

周志華：這個(gè)問題對(duì)當(dāng)前技術(shù)是一個(gè)挑戰(zhàn)，大型智能聊天工具通常用極其巨大的語料庫進(jìn)行學(xué)習(xí)，很難有足夠的人力去對(duì)每一條語料進(jìn)行預(yù)先甄別和清理。

譚鐵牛：這可能也是我們?nèi)斯ぶ悄苎芯空叩呢?zé)任，我們應(yīng)該從技術(shù)上去解決語料篩選的效率問題。這應(yīng)該是一個(gè)很有意義的研究方向。

何生：還有一些問題可能沒有那么危險(xiǎn)，但也是需要考慮的，比如有些事情人工智能可以做，但是我們是不是要讓它們?nèi)プ觯勘热鐚?duì)于有些行業(yè)，人工智能的應(yīng)用可能會(huì)導(dǎo)致從業(yè)者的大量失業(yè)。那么從社會(huì)安定的角度來講，我們是不是就不要這么著急地去應(yīng)用新技術(shù)？另外，人工智能已經(jīng)在文藝方面有不錯(cuò)的表現(xiàn)，它能夠畫畫、寫詩、作曲。我們應(yīng)該鼓勵(lì)機(jī)器去進(jìn)行這方面的創(chuàng)作，還是應(yīng)該把這種工作留給人類自己，讓我們自己去享受創(chuàng)作的過程？這些也是值得思考的問題。

林惠民：感謝大家今天的發(fā)言，對(duì)于人類智能、人工智能的含義以及它們之間的關(guān)系進(jìn)行了許多交流，也討論了一些當(dāng)前與人工智能相關(guān)的社會(huì)和倫理問題。相信這種跨學(xué)科的交流可以拓展我們的視野、活躍我們的思路。


本文是《國(guó)家科學(xué)評(píng)論》（National Science Review, NSR）Forum文章“Inspired, but not mimicking: a conversation between artificial intelligence and human intelligence” 的中文版本。
英文版：https://doi.org/10.1093/nsr/nwac068


制版編輯 | 姜絲鴨


參與討論
0 條評(píng)論
評(píng)論
暫無評(píng)論內(nèi)容