人工智能的现状——灯下亮

吴思伟

      之前提到，现在生活中的人工智能出现不少，例如：沃森和医用机器人、自动驾驶汽车、智能可穿戴设备和智能家居。但是这只是人工智能的许多小分支，无法统一成体系的。即，现在我们的人工智能还是灯下亮。

“20世纪80年代钱学森就将人工智能归为一种技术，而不是一种科学，是非常有前瞻性的。现在看似非常繁荣的景象：如打败国际象棋世界冠军的机器人、无人驾驶汽车，这些其实不但不能证明我们对智能的理解有多深刻，反而证明我们还很无助，因为我们还不得不花费大量的人力、物力、财力来分别打造应对不同需求的人工智能应用系统。而人的大脑能够不加准备、不费力气地切换到其中任何一项任务上去，而且只基于一个相同的硬件环境”。

如今大数据、云计算都是极为热门的技术，它们具有异常强大的存储数据的能量和计算能力，那么依靠这些新技术是不是能够帮助我们为人工智能找到一个万全之策呢？危辉认为，情况可能也未必如现在想象的那样如意。

“大数据技术和云计算技术的确能够加速现成算法的运行，但并不能创造新的算法，更何况这两种技术还依赖于非常庞大的硬件资源和软件资源，能耗、体积都不小。大数据和云计算能够把一些人类智能所不擅长的任务，如精确的海量记忆和密集的数值计算，运行得很好，但依然不能反映人类智能的本质方面”。

谷歌在人工智能领域开发出的一款模拟人脑的软件——谷歌大脑

人工智能的未来在哪里？

虽然由于来自生物学的证据有限，计算机仿真太难和出成果太慢等原因，基于生物机制的人工智能研究依然缓慢，但基于大脑认知机理的人工智能研究一定会成为真正能够突破瓶颈的关键点。

危辉认为，“人工智能”未来的出路应该是在生物模拟这条道路上，比如从神经科学、认知心理学、类脑计算学中找到很好的想法。“神经科学可以告诉我们计算结构，数学、物理学能告诉我们一些实现方法，把这些结合在一起，有可能产生和现在计算机完全不同的体系结构，也许类脑计算模型可以把智能做的更好”。

“从狭义角度来说，智能是记忆和预测的系统，比如我们对某件事似曾相识，就会有预判出现。对于人来说，一辈子都在学，都在改变，犯错也是可塑性的表现。而计算机一就是一，二就是二，固化的体系是没有生存力的”，复旦大学生命科学学院教授俞洪波从神经生物学的角度解读了人工智能的发展，“每个人的脑构成方式都不一样，现在的脑状态和下一分钟的脑状态又不一样，今年你接触了一个新的事物，你的脑构造方式又发生了变化。从人工智能角度，神经元网络最重要，人的意识变化非常快，稍纵即逝。在神经网络上，脑子当中此起彼伏发放的数字电位式的电信号时时刻刻在传递信息”。

用大脑控制谷歌

俞洪波介绍，谷歌在人工智能领域开发出的一款模拟人脑的软件——谷歌大脑，科学家们将1.6万台电脑的处理器相连接建造出了全球为数不多的最大中枢网络系统，它能自主学习，通过应用这个神经网络，谷歌的软件能够更准确的识别讲话内容、识别出猫的图片。“既然谷歌大脑能够学会‘猫’这个概念，那么他也可以学会其他概念、可以看图说话”。

在大脑中植入芯片

基于生物学基础上的人工智能也将造福人类。例如，神经生物学家对高等哺乳动物的生物视觉系统进行了很细致的研究，从视觉信息加工早期阶段的视网膜，到后期阶段视觉中枢的高级皮层区所设计的解剖结构和功能都有了一些认识，那么基于这些原理人们可用开发某些具有实时图像加工能力的数字化芯片。若芯片做得足够小，功耗足够低，生物相容性足够好，生物电信号的衔接协议足够精准，那么就有可能把这样的芯片植入一些有视觉障碍的人士体内，帮助其恢复部分视觉功能。

那么在生物学基础上人工智能的发展是否一片光明了呢？俞洪波表示，他与许多学者一样，保持“审慎的乐观”。“还是‘灯下亮’的概念，我们只研究出了一点点灯下亮的地方，还有太多的不可知区域。你给谷歌大脑上百万张图片让它认识猫，但你给一张狗的照片呢？依然是不认识。这是学习迁移、泛化能力的缺失。我非常认可神经生物学角度的人工智能发展方向，但要意识到我们依然在极其初步的阶段”。

“可以告诉大家，我们的确已经到了突破的时代，但仍然很遥远，人工智能的目标是模仿人的智能，而这还不涉及到情绪、更谈不上意识”，俞洪波表示。

注：危辉，1971年生，复旦大学计算机科学技术学院教授，博士生导师。研究方向：人工智能理论与技术、认知科学。俞洪波，复旦大学教授