我們未來會(huì)不會(huì)被AI取代？人工智能可能復(fù)制人類思考模式嗎？機(jī)器學(xué)習(xí)有什么用？上?？萍即髮W(xué)的汪軍教授的研究，是讓機(jī)器像人一樣可以學(xué)習(xí)，最終服務(wù)于人們的生活。研究AI，也能顛覆我們對(duì)人類智能的認(rèn)知。請(qǐng)聽他在@一刻talks《了不起的好奇心|科學(xué)俠》中的分享。

為什么要研究人工智能

我們本身有個(gè)好奇心，我們對(duì)自己的認(rèn)知，對(duì)整個(gè)自然界的認(rèn)知。其中對(duì)自己的認(rèn)知，如果更確切點(diǎn)，就是對(duì)人的一個(gè)智能的，他和動(dòng)物之間的差別的這個(gè)，自己的智能的認(rèn)知是怎么樣產(chǎn)生的？從這個(gè)研究角度來講，我們通過人工智能Aritificial Intelligence的一些研究，可以對(duì)人的智能的產(chǎn)生過程有更多的了解。

人工智能的起源與現(xiàn)狀

其實(shí)我們現(xiàn)在的很多算法，都和十年前、二十年前甚至三十年前的很多別人提出來的算法相似。但為什么現(xiàn)在我們大家覺得那么火，感覺好像好多問題都解決了，是因?yàn)閮蓚€(gè)重要的推動(dòng)因素：第一個(gè)是計(jì)算力推動(dòng)因素，咱們會(huì)發(fā)現(xiàn)通過GPU的計(jì)算，通過分布式計(jì)算，我們以前沒法計(jì)算的東西現(xiàn)在可以計(jì)算了，可以大量地計(jì)算。

第二是數(shù)據(jù)量，我們可以采集到各種各樣的數(shù)據(jù)，而這些數(shù)據(jù)都變得可以獲得 （available）。我之前講了我們這互聯(lián)網(wǎng)廣告以前做的時(shí)候你根本就沒有數(shù)據(jù)，那么現(xiàn)在數(shù)據(jù)是通過云計(jì)算（Cloud Computing）存起來了，大家可以共享。

數(shù)據(jù)量多也導(dǎo)致了大家學(xué)習(xí)的時(shí)候能看到，機(jī)器學(xué)習(xí)的時(shí)候，能夠看到不同的結(jié)果成果。所以這是兩個(gè)外界的因素。那么還有一個(gè)就是工業(yè)界進(jìn)入到學(xué)術(shù)研究，這跟以前完全是不一樣，以前可能就是工業(yè)界做一些比較偏實(shí)踐的（practical）、學(xué)術(shù)界做一些比較理論性的（theoretical）。

現(xiàn)在的結(jié)合特別特別緊，工業(yè)界有一些很大的數(shù)據(jù)，它可能有些更多的洞察（insight），他們也有科研的需求，我講科研需求，它當(dāng)然是商業(yè)驅(qū)動(dòng)的這些科研的需求，那么跟學(xué)校會(huì)很好地結(jié)合，對(duì)整個(gè)就AI的研究起了很大的促進(jìn)作用。

九十年代以后，在美國(guó)包括英國(guó)，大家就開始這個(gè)方面的研究。在九十年代之前，你如果是說我是神經(jīng)科學(xué)家，我要研究意識(shí)，那么別人認(rèn)為你這個(gè)瘋了，你怎么會(huì)研究意識(shí)？第一你是沒法研究，第二你是沒法發(fā)表文章，因?yàn)槟阕龅臇|西到底是不是科學(xué)，大家都不承認(rèn)。但是九十年代以后，出現(xiàn)了幾個(gè)科學(xué)家去推動(dòng)這個(gè)方面。

其中一個(gè)就是運(yùn)用科學(xué)的方法，因?yàn)樗麄兛梢酝ㄟ^這種大腦影像，通過腦電波，可以對(duì)人腦的工作方式做一些研究。所以那個(gè)方面就是有一些突破，然后使得對(duì)人意識(shí)的研究往前走了很多步，然后對(duì)這個(gè)人的意識(shí)有很多很多的了解。

我感覺現(xiàn)在咱們?nèi)斯ぶ悄苓@個(gè)地方的研究，這些算法都是沒有意識(shí)的，它不是主動(dòng)的。因?yàn)橐庾R(shí)是什么？其中一個(gè)最簡(jiǎn)單的定義就是說，你是有主觀的感受，比如說你看一幅名畫，個(gè)人有個(gè)人的解釋，你可以有你的解釋。別人覺得這是一個(gè)曠世之作，你可能覺得是一個(gè)垃圾，個(gè)人有不同的主觀感受。

那么機(jī)器有沒有主觀感受，沒有。其他動(dòng)物有沒有主觀感受，至少哺乳動(dòng)物是有主觀感受的。所以目前來講就把咱們?nèi)撕蜋C(jī)器，或者說哺乳動(dòng)物和機(jī)器之間是分開了。那么機(jī)器以后有沒有主觀感受，或者機(jī)器以后會(huì)不會(huì)產(chǎn)生主觀感受，這是一個(gè)很有意思的科學(xué)問題。

人工智能的意義與成果

就像我剛才說的那樣，這個(gè)科學(xué)問題有兩個(gè)大的意義：第一個(gè)是從科學(xué)來講，我們是想了解一下人作為一個(gè)智能體，他的智能（Intelligence）是怎么樣產(chǎn)生的。我們通過對(duì)機(jī)器的一些，現(xiàn)有的我們目前的一些硬件設(shè)備，能不能產(chǎn)生跟人一樣的智慧，這是一個(gè)科學(xué)的問題。第二個(gè)是從應(yīng)用角度來講，我們通過人工智能以后產(chǎn)生一些好的這些算法，幫助我們解決一些實(shí)際問題，對(duì)我們的工業(yè)界會(huì)產(chǎn)生一定的推動(dòng)作用。

我們現(xiàn)在不是在講人工智能+，其實(shí)在各個(gè)行業(yè)用人工智能的技術(shù)能夠?qū)@個(gè)行業(yè)有不斷的提高。比如說咱們剛才講的互聯(lián)網(wǎng)，比如說個(gè)性化推薦搜索，這些都是需要人工智能的技術(shù)，給人帶來很大的這個(gè)方便。

那么工業(yè)界比如說機(jī)器人，怎么樣設(shè)計(jì)一個(gè)比較好的機(jī)器人，能夠生產(chǎn)自動(dòng)化。那么我們講無人車，這些都是一個(gè)很好的人工智能的應(yīng)用，幾乎涉及到所有各個(gè)的行業(yè)。只要有比如說數(shù)據(jù)，不管是大數(shù)據(jù)還是小數(shù)據(jù)，甚至是說對(duì)兩大人類智能的一個(gè)高峰，比如說藝術(shù)的創(chuàng)造，科學(xué)研究本身，大家都是在探討咱們?nèi)斯ぶ悄苁遣皇且部梢怨タ诉@兩座大山。

本來只有人才可以干的事情，是不是人工智能也可以。比如說人工智能幫助設(shè)計(jì)，對(duì)產(chǎn)品的設(shè)計(jì)，對(duì)廣告創(chuàng)意的設(shè)計(jì)，比如說我們現(xiàn)在有生成模型，我們?cè)趺礃由蛇@個(gè)圖像，甚至已經(jīng)達(dá)到一個(gè)以假亂真的地步，科學(xué)研究是不是人工智能它可以自己去做一些研究，這些也是很有意思的事情。

比如說有些科研發(fā)現(xiàn)，是通過對(duì)過去的研究論文（paper）的機(jī)器的閱讀，機(jī)器的分析，其實(shí)能夠得到更新的一個(gè)知識(shí)，可以顯示出人工智能其實(shí)也可以做一些科學(xué)研究。

我感覺第一當(dāng)然就是生活上的方便了，第二就是改變我們的認(rèn)知，比如說我們對(duì)整個(gè)世界的認(rèn)知。

我們會(huì)通過人工智能，一個(gè)更好的手段，能夠?qū)ψ匀贿M(jìn)行一些改造，能夠把我們的技術(shù)往上再去提高一點(diǎn)。那么同時(shí)對(duì)其他交叉學(xué)科，對(duì)比如說neuroscience，就是腦科學(xué)，我們?nèi)斯ぶ悄苋パ芯俊５斯ぶ悄苤饕菣C(jī)器方面，那么還有對(duì)人的大腦的研究，其實(shí)有很多互動(dòng)的東西，那么通過這個(gè)方面對(duì)這科學(xué)研究也有很多的促進(jìn)作用。

剛才我講了對(duì)科學(xué)研究，比如說Google，美國(guó)的谷歌公司。他們通過人工智能深度學(xué)習(xí)，去研究怎么樣對(duì)新能源的產(chǎn)生，有沒有幫助。我們通過人工學(xué)習(xí)方法，學(xué)習(xí)一個(gè)比較好的這種參數(shù)，能夠產(chǎn)生一個(gè)更好的生產(chǎn)能源的一個(gè)方式，人工智能可以用到各個(gè)樣的科研領(lǐng)域里。

我們最早的研究也是從生物學(xué)里面，生物學(xué)里面有一個(gè)洛特卡-沃爾泰拉模型（Lotka-Volterra Model）。兩種不同的動(dòng)物，兩個(gè)不同的群體，這個(gè)群體之間互成這種關(guān)系，然后就導(dǎo)致它的群體的數(shù)量會(huì)隨著時(shí)間變化。你就會(huì)發(fā)現(xiàn)它們不是個(gè)靜態(tài)變化，而是個(gè)動(dòng)態(tài)變化。

就是說當(dāng)兔子很多的時(shí)候，這時(shí)候兔子會(huì)慢慢下來，而狐貍種群的數(shù)量會(huì)慢慢上去。然后等兔子少了以后，狐貍種群它又下來，因?yàn)樗鼪]有食物了，就下來了，下來以后兔子群體又上來了，所以它是一個(gè)動(dòng)態(tài)的過程。

這個(gè)很有意思，這兩個(gè)不同的這個(gè)群體之間的互動(dòng)，就是在生物學(xué)里面。然后我們做了一個(gè)仿真，就是用一個(gè)捕食者（predator），一個(gè)獵物（prey），然后它們之間捕食關(guān)系。然后我們給它們加人工智能，給它們加一些智能（Intelligence）之后應(yīng)該怎么躲，怎么去捕食。

它們剛開始都不知道怎么去捕食，捕食的意義是什么，但它們發(fā)現(xiàn)吃了這個(gè)對(duì)手以后，其實(shí)可以活得更長(zhǎng)，血更多之類的。我們?cè)?a href="http://m.makelele.cn/analog/" target="_blank">模擬（simulate）的環(huán)境情況下，要用深度學(xué)習(xí)去驅(qū)動(dòng)（drive）他們的行為，結(jié)果發(fā)現(xiàn)我們學(xué)習(xí)到一樣的現(xiàn)象，就是它們種群的數(shù)量是動(dòng)態(tài)的關(guān)系，然后成因果關(guān)系。所以這個(gè)就發(fā)現(xiàn)，其實(shí)生物界的一些現(xiàn)象，我們可以用人造（artificial）情況下，把它浮現(xiàn)出來，真正顯示了這倆之間有很強(qiáng)的一些關(guān)系在里面。

科學(xué)與創(chuàng)新

我們?cè)谇螽惍?dāng)中，發(fā)現(xiàn)其實(shí)最關(guān)鍵的是發(fā)現(xiàn)問題。問題的解決方案有多種多樣，總歸是能夠找到一個(gè)不一定完全解決它，但是你如果是第一個(gè)，我一直跟學(xué)生講，說我們要做第一個(gè)吃螃蟹的人，什么意思？就是你要有這個(gè)能力去把這個(gè)問題找對(duì)。

你找對(duì)問題，比別人給你一個(gè)問題，你去找到一個(gè)正確答案還重要。因?yàn)檎覍?duì)問題以后你是第一個(gè)吃螃蟹的人，把它作為一個(gè)問題，是數(shù)學(xué)表達(dá)式表現(xiàn)（formulate）出來，然后去解決它。這個(gè)是一個(gè)非常有益的（rewarding）過程，為什么？是你第一個(gè)發(fā)現(xiàn)了這個(gè)方面，往往第一個(gè)去解決這個(gè)問題，你會(huì)有很大的提高。第二個(gè)問題只是在你第一個(gè)解決問題的基礎(chǔ)上，一個(gè)往上的走的修補(bǔ)過程。

所以相對(duì)來說創(chuàng)新性并不是那么大，所以一定要就是說從問題角度著手，這是很重要的。同時(shí)你通過問題著手，這會(huì)給你最大的一個(gè)獎(jiǎng)勵(lì)（reward）。