Vol.天才也可以人造吗？人工智能会给我们这样的惊喜吗？

海 阔 天 空 聊 科 学

科学新探秘

准备好了吗？

和小贝一起探秘奥秘无穷的世界！

主播／小贝

杭州市科协、杭州市上城区科协联合出品

天才也可以人造吗？现在什么东西都可以人造，未来天才也可以人造吗？所谓人造天才就是最强大脑中可以和机器人小度比拟的人。答案是双重的。

如果天才可以人造，人人都可以成为天才，人人成为天才，天才还有什么意义，从价值论上来讲是否定的。如果从制造论上来讲，答案又是肯定的。现在人造生命可以在实验室结合天然和人工DNA的生物体制造全新的合成蛋白质了，加上智能机器人的发展，人造天才已经不是幻想。机器的无监督学习就是所谓的无师自通，前些日子，阿尔法的增强版之前对围棋一无所知，只通过三天的自学习就战胜了打败了人类围棋世界冠军的旧版阿尔法。

要描绘神经科学与人工智能领域相互借鉴、相互促进的完整画面，本文的篇幅是不够的。

但是两个领域都意识到“学习”对于生物和电脑行为的重要性，神经科学发现神经元之间的联结“突触”，可以被神经元的活动所改变，这一点很可能是学习的物质基础；在人工智能领域，人工神经元之间的联结强度的改变，也是人工神经网络可以学习的基础。

这一特性，被目前的“深度学习”推到了极致，可以说引起了一个深度学习革命，在网络搜索、网站过滤、广告推送、图像识别、语言翻译等大量应用都可以找到深度学习的实际应用。

但是在二十世纪九十年代到2006之间，人工神经网络慢慢地淡出了人工智能领域的前沿，也许是由于在实际应用中，人工神经网络计算结果容易进入局部极小值，找不到全局最小值，从而无法实现对实际问题的求解。

但是有时候坚守会得到回报的，Hinton 和 Yann LeCun，另一位深度学习的奠基人，就是这句话的最好诠释。

他们两个人都从神经系统的原理得到灵感：LeCun 把脑的视觉系统的组织结构扩展到人工神经网络中，发明了卷积神经网络，实现了高效的手写字的识别；而 Hinton 则把脑皮层中分层的组织原则移植到人工神经网络中，在2006年发明了深度学习的训练方法。

恰逢计算机能力在2006前后获得了急速提升，网络的大量普及使用提供了大规模的数据，使得深度学习得以发挥其多层网络的优势，在大数据的训练和冲击下，那些局部极小值消失了，取而代之的是全局最小值。

目前，深度学习在很多特定任务，例如人脸识别、图像中的物体识别、语音识别等应用中的正确率已经超过了人类。

Hinton兼职进入Google，而谷歌也收购了“深脑”（DeepMind），这一由系统神经科学家创造的公司，结合深度学习与神经科学中的强化学习概念，领导的团队创造了 AlphaGo，并在围棋上战胜李世石和其他顶级职业高手，也许这是深度学习革命的最好注解。

也许，还是要从神经科学中找到一些关键性的原理性灵感，从而拓展人工智能的能力，也让我们不断思考人类与计算机在智能上的边界。所以未来人造天才不是神话，未来的人造天才只要在他的大脑皮层嵌入一个天才程序就行了，关健是人人成为天才后会有怎样的结果？这个世界已经很不太平了，如果人人都成为天才，世间还有什么安宁。又有人说也可以人造上帝。如果上帝也可以人造，那人类就失去了信仰，如果人类失去了信仰，那人真变成了机器。如果人真变成了机器，那等待人的就只有世界末日了。

嘿! 世界真奇妙，别忘了，下周和小贝一起继续探秘。

往期文章推荐：