雷锋网按:2017年是图灵奖(A.M. Turing Award)设立50周年。 其中,ACM图灵奖五十年中国大会(ACM TURC 2017)在中国上海举办,在会议上,创新工场CEO李开复,分享了关于“人工智能时代与科学家创业”的话题。

以下为李开复的现场论述:

观点一:深度学习无法战争生物大脑

深度学习基于多层神经网络的机器学习模型。表面看,深度学习和生物大脑里的神经元和突触的运作有所相似。但其实,深度学习只是对单个生物神经元的极其粗糙的近似模拟(仿生学含义)。计算机能做的,就是定好一个模型,设一个目标函数,让计算机自己不停地去试,找到一个方案使目标函数的输出达到最优,它就认为这是解决方案——但计算机无法真正“理解”为什么是最优。

 

机器学习永远不会有自我意识,因为其优化目标是人类设定,不是物理世界给定的。 

即使机器学习有了量子计算,并不会改变其在人类社会中的定位。量子计算技术的发展,为我们在特定计算任务(主要是部分数值优化算法以及密码学算法上),可以给出极其快速的求解速度。

从模拟计算机发展到光学计算机,从图形处理器到量子计算机——代表了计算机运算能力的巨大突破。

虽然量子计算可以为人工智能发展提供革命性的工具,能够指数级地提升学习能力和速度,轻松应对大数据的挑战。但认为量子计算对大数据的处理可以赶上或超越生物大脑对神经元和突触的计算量,而得出AI将达到人类大脑的水平,机器终将超越并取代人类智慧(人工智能奇点论)。

这种推测在科学上是不成立的。

观点二:人类的演化史就是一部生物智能的训练史

创新工场人工智能工程院副院长王嘉平认为,人类的进化不单单包括大脑和神经系统突触的进化,而是整个世界的进化相统一,与人类的欲望相一致。

人类的感知系统、运动系统,乃至情感和创造力,都是在生存能力的基础上发展而来。

深度学习仅仅是一个工具。人类的选择、人类法则、人脑的发展并不仅仅有关人类大脑,它是人类进化成果的一个总和,伴随着整个地球生物界的发展。生物智能的学习从来都不是单个个体的学习,而是全球生物在历史上的所有种群所有个体一起协同在经历一场以生存为优化目标函数的学习过程。在机器学习中的目标函数由人类设定,而自然选择的目标函数则是为生存几率所驱动。

现阶段机器学习过程通常是孤立的,每次从头来,但生物智能的学习过程,其智能的模型通过DNA被代代相传,每一个个体的学习过程都不是孤立的,而是整个地球生物总体学习过程中的一部分。

 

无论是生物的低阶智能,如视觉识别系统、以及高阶智能,如情感和性冲动,甚至更高阶的社会性行为,如协作和分工,归根结底都是在优化群体的生存几率,并且对于个体来说大部分的智能,尤其是低阶智能,并不是在其生命周期里面学习得到的,而是在繁殖过程中继承而来的模型。

这个继承而来的模型,也就是遗传基因。不仅包含了智能模型“软件部分”,也包含了定义生物机体构造和生化运作方式的模型,即“硬件部分”。

所以,从广义的计算能力上面来说,生物智能的建立过程是历代所有种群所有个体的应对和自适应能力的总和;从广义的训练数据上面来说,是历代所有种群所有个体所遭遇到的环境的宏观变化和冲击,以及微观上每个个体在生命周期中遇到的具体的生存任务,例如觅食和交配。无论哪方面,都是现阶段机器学习系统远远无法企及的。

人类的迁移学习能力早已被祖先写进遗传基因 

以认字为例,儿童可以在看过少量的字母图像之后,轻松识别出大部分同一个字母的所有变体,以及不同的书写方式。而机器学习却需要大量的包含尽量多的变体的字符图像,才能把识别任务做得比较好。因为这并不是生物智能能够从小样本中神奇地总结有效的规律,而是文字系统本来就是依据人类视觉系统的识别能力设计的。 

在文字出现之前,类似的图形,例如连续的线条、有规则的轮廓等大量的出现在我们可以看到的自然世界之中。所以,对于这些视觉信号的识别和抽象能力在我们的祖辈甚至可能更早,就已经记录在我们的智能模型之中,也就是在遗传基因里面,并且在繁殖过程中复制给一代又一代的新的个体。

但是如果是历史生物智能构建过程中不包含的任务,对人类来说是非常困难的。如果用二维码作为人类的文字系统,即使有再多的样本,对于大部分人类也是极其困难的。然而,这个任务对机器学习来说,识别二维码的难度和识别人类手写体的难度并无太大差别。

 

科幻电影 《降临》(Arrival)很好地诠释了这一点,对于来自物理自然环境的形态和人类截然不同的世界的外星文明,人类同样无法识别其书写文字,需要借助计算机来完成。因为人类视觉系统的进化,只帮助人类发展以有限的视觉系统能够识别的文字。

观点三:人工智能将成为工具箱,未来十年会产生巨大的商业和社会价值

人工智能和深度学习虽然简单粗暴,且不能称为复制人脑,但是在很多特定任务上都已经远超人类,在未来十年会产生巨大商业和社会价值。人工智能的快速发展将惠及全人类,创造大量的财富。从数据驱动的AI,到收集新数据的传感器,到以无人驾驶、机器人为代表的全自动化阶段,将为我们的生活带来深远的影响。

 

学术界可以继续探索人脑的奥妙,量子计算将慢慢找到应用,但是主流的工程的力量应该投入可以成为平台的人工智能工具箱,带来人工智能应用的井喷,让更多工程师可以使用。在人工智能工具箱所包含的各种“工具”里,有些工具是基于传统计算,加上深度学习,有些工具可能是基于量子计算,它们各自有各自适合的地方,他们都能够创造很大的商业价值,让社会不断的进步。

所以现在所面临的问题是选择合适的工具,用合适的工具建立人工智能工具箱。我们将学习如何利用这些工具,解决更多问题,我们完全可以相信,当我们对这一数据技术了解得足够多的时候,这一技术将得到更广泛的应用。我们将迎来一个新时代,届时,所有工程师都可以利用人工智能的工具箱创造更多价值。人工智能应用将无处不在,这种技术将趋于平民化。这将产生巨大的财富,我们将从地球上消除饥饿、贫困。我们将为每个人提供最低收入标准,将有50%的工作会被替代,而也将有50%的工作机会被创造出来。

人工智能时代给人类带来的挑战将远大于工业革命。我们要鼓励更多的人加入到此次变革中来,关注大数据驱动,我们有很多工作,很多机遇。我们对量子计算技术的发展非常乐观,由大数据驱动的人工智能将使人类进入一个新的纪元。