李開復：人類的演化史就是一部生物智能的訓練史

雷鋒網(公眾號：雷鋒網)按：2017年是圖靈獎（A.M. Turing Award）設立50周年。 其中，ACM圖靈獎五十年中國大會（ACM TURC 2017）在中國上海舉辦，在會議上，創(chuàng)新工場CEO李開復，分享了關于“人工智能時代與科學家創(chuàng)業(yè)”的話題。

以下為李開復的現場論述：

觀點一：深度學習無法戰(zhàn)爭生物大腦

深度學習基于多層神經網絡的機器學習模型。表面看，深度學習和生物大腦里的神經元和突觸的運作有所相似。但其實，深度學習只是對單個生物神經元的極其粗糙的近似模擬（仿生學含義）。計算機能做的，就是定好一個模型，設一個目標函數，讓計算機自己不停地去試，找到一個方案使目標函數的輸出達到最優(yōu)，它就認為這是解決方案——但計算機無法真正“理解”為什么是最優(yōu)。

機器學習永遠不會有自我意識，因為其優(yōu)化目標是人類設定，不是物理世界給定的。

即使機器學習有了量子計算，并不會改變其在人類社會中的定位。量子計算技術的發(fā)展，為我們在特定計算任務（主要是部分數值優(yōu)化算法以及密碼學算法上），可以給出極其快速的求解速度。

從模擬計算機發(fā)展到光學計算機，從圖形處理器到量子計算機——代表了計算機運算能力的巨大突破。

雖然量子計算可以為人工智能發(fā)展提供革命性的工具，能夠指數級地提升學習能力和速度，輕松應對大數據的挑戰(zhàn)。但認為量子計算對大數據的處理可以趕上或超越生物大腦對神經元和突觸的計算量，而得出AI將達到人類大腦的水平，機器終將超越并取代人類智慧（人工智能奇點論）。

這種推測在科學上是不成立的。

觀點二：人類的演化史就是一部生物智能的訓練史

創(chuàng)新工場人工智能工程院副院長王嘉平認為，人類的進化不單單包括大腦和神經系統突觸的進化，而是整個世界的進化相統一，與人類的欲望相一致。

人類的感知系統、運動系統，乃至情感和創(chuàng)造力，都是在生存能力的基礎上發(fā)展而來。

深度學習僅僅是一個工具。人類的選擇、人類法則、人腦的發(fā)展并不僅僅有關人類大腦，它是人類進化成果的一個總和，伴隨著整個地球生物界的發(fā)展。生物智能的學習從來都不是單個個體的學習，而是全球生物在歷史上的所有種群所有個體一起協同在經歷一場以生存為優(yōu)化目標函數的學習過程。在機器學習中的目標函數由人類設定，而自然選擇的目標函數則是為生存幾率所驅動。

現階段機器學習過程通常是孤立的，每次從頭來，但生物智能的學習過程，其智能的模型通過DNA被代代相傳，每一個個體的學習過程都不是孤立的，而是整個地球生物總體學習過程中的一部分。

無論是生物的低階智能，如視覺識別系統、以及高階智能，如情感和性沖動，甚至更高階的社會性行為，如協作和分工，歸根結底都是在優(yōu)化群體的生存幾率，并且對于個體來說大部分的智能，尤其是低階智能，并不是在其生命周期里面學習得到的，而是在繁殖過程中繼承而來的模型。

這個繼承而來的模型，也就是遺傳基因。不僅包含了智能模型“軟件部分”，也包含了定義生物機體構造和生化運作方式的模型，即“硬件部分”。

所以，從廣義的計算能力上面來說，生物智能的建立過程是歷代所有種群所有個體的應對和自適應能力的總和；從廣義的訓練數據上面來說，是歷代所有種群所有個體所遭遇到的環(huán)境的宏觀變化和沖擊，以及微觀上每個個體在生命周期中遇到的具體的生存任務，例如覓食和交配。無論哪方面，都是現階段機器學習系統遠遠無法企及的。

人類的遷移學習能力早已被祖先寫進遺傳基因

以認字為例，兒童可以在看過少量的字母圖像之后，輕松識別出大部分同一個字母的所有變體，以及不同的書寫方式。而機器學習卻需要大量的包含盡量多的變體的字符圖像，才能把識別任務做得比較好。因為這并不是生物智能能夠從小樣本中神奇地總結有效的規(guī)律，而是文字系統本來就是依據人類視覺系統的識別能力設計的。

在文字出現之前，類似的圖形，例如連續(xù)的線條、有規(guī)則的輪廓等大量的出現在我們可以看到的自然世界之中。所以，對于這些視覺信號的識別和抽象能力在我們的祖輩甚至可能更早，就已經記錄在我們的智能模型之中，也就是在遺傳基因里面，并且在繁殖過程中復制給一代又一代的新的個體。

但是如果是歷史生物智能構建過程中不包含的任務，對人類來說是非常困難的。如果用二維碼作為人類的文字系統，即使有再多的樣本，對于大部分人類也是極其困難的。然而，這個任務對機器學習來說，識別二維碼的難度和識別人類手寫體的難度并無太大差別。

科幻電影 《降臨》（Arrival）很好地詮釋了這一點，對于來自物理自然環(huán)境的形態(tài)和人類截然不同的世界的外星文明，人類同樣無法識別其書寫文字，需要借助計算機來完成。因為人類視覺系統的進化，只幫助人類發(fā)展以有限的視覺系統能夠識別的文字。

觀點三：人工智能將成為工具箱，未來十年會產生巨大的商業(yè)和社會價值

人工智能和深度學習雖然簡單粗暴，且不能稱為復制人腦，但是在很多特定任務上都已經遠超人類，在未來十年會產生巨大商業(yè)和社會價值。人工智能的快速發(fā)展將惠及全人類，創(chuàng)造大量的財富。從數據驅動的AI，到收集新數據的傳感器，到以無人駕駛、機器人為代表的全自動化階段，將為我們的生活帶來深遠的影響。

學術界可以繼續(xù)探索人腦的奧妙，量子計算將慢慢找到應用，但是主流的工程的力量應該投入可以成為平臺的人工智能工具箱，帶來人工智能應用的井噴，讓更多工程師可以使用。在人工智能工具箱所包含的各種“工具”里，有些工具是基于傳統計算，加上深度學習，有些工具可能是基于量子計算，它們各自有各自適合的地方，他們都能夠創(chuàng)造很大的商業(yè)價值，讓社會不斷的進步。

所以現在所面臨的問題是選擇合適的工具，用合適的工具建立人工智能工具箱。我們將學習如何利用這些工具，解決更多問題，我們完全可以相信，當我們對這一數據技術了解得足夠多的時候，這一技術將得到更廣泛的應用。我們將迎來一個新時代，屆時，所有工程師都可以利用人工智能的工具箱創(chuàng)造更多價值。人工智能應用將無處不在，這種技術將趨于平民化。這將產生巨大的財富，我們將從地球上消除饑餓、貧困。我們將為每個人提供最低收入標準，將有50%的工作會被替代，而也將有50%的工作機會被創(chuàng)造出來。

人工智能時代給人類帶來的挑戰(zhàn)將遠大于工業(yè)革命。我們要鼓勵更多的人加入到此次變革中來，關注大數據驅動，我們有很多工作，很多機遇。我們對量子計算技術的發(fā)展非常樂觀，由大數據驅動的人工智能將使人類進入一個新的紀元。

（本文來自：創(chuàng)新工場，經雷鋒網整理編輯。）

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。