人能做的事情，AI都能做吗？

|汪军：上海科技大学创意与艺术学院特聘教授

我们未来会不会被AI取代？人工智能可能复制人类思考模式吗？机器学习有什么用？上海科技大学的汪军教授的研究，是让机器像人一样可以学习，最终服务于人们的生活。研究AI，也能颠覆我们对人类智能的认知。请听他在@一刻talks《了不起的好奇心|科学侠》中的分享。

文章共3245字，阅读需要12分钟

我是上海科技大学的汪军，我的研究领域是计算机科学、机器学习和人工智能，主要的研究方向或者研究问题就是让机器怎么样可以像人一样学习一些东西，通过一些我们叫训练的形式，然后让它能够掌握一些知识或者说掌握一些技能。从应用的角度来讲，我们希望机器掌握这些技能以后可以帮助人们去解决一些实际问题，让人类的生活更加轻松或者方便。

从科学的角度来讲，我们探索的是，能不能重新复制人类这种智能，或者比人的智能更加智慧的技术，从这个技术中我们也可以了解到我们作为人，他的智能是怎么样产生的。

我为什么要研究人工智能

我们本身有个好奇心，我们对自己的认知，对整个自然界的认知。其中对自己的认知，如果更确切点，就是对人的一个智能的，他和动物之间的差别的这个，自己的智能的认知是怎么样产生的？从这个研究角度来讲，我们通过人工智能Aritificial Intelligence的一些研究，可以对人的智能的产生过程有更多的了解。

人工智能的起源与现状

其实我们现在的很多算法，都和十年前、二十年前甚至三十年前的很多别人提出来的算法相似。但为什么现在我们大家觉得那么火，感觉好像好多问题都解决了，是因为两个重要的推动因素：第一个是计算力推动因素，咱们会发现通过GPU的计算，通过分布式计算，我们以前没法计算的东西现在可以计算了，可以大量地计算。

第二是数据量，我们可以采集到各种各样的数据，而这些数据都变得可以获得 （available）。我之前讲了我们这互联网广告以前做的时候你根本就没有数据，那么现在数据是通过云计算（Cloud Computing）存起来了，大家可以共享。

数据量多也导致了大家学习的时候能看到，机器学习的时候，能够看到不同的结果成果。所以这是两个外界的因素。那么还有一个就是工业界进入到学术研究，这跟以前完全是不一样，以前可能就是工业界做一些比较偏实践的（practical）、学术界做一些比较理论性的（theoretical）。

现在的结合特别特别紧，工业界有一些很大的数据，它可能有些更多的洞察（insight），他们也有科研的需求，我讲科研需求，它当然是商业驱动的这些科研的需求，那么跟学校会很好地结合，对整个就AI的研究起了很大的促进作用。

九十年代以后，在美国包括英国，大家就开始这个方面的研究。在九十年代之前，你如果是说我是神经科学家，我要研究意识，那么别人认为你这个疯了，你怎么会研究意识？第一你是没法研究，第二你是没法发表文章，因为你做的东西到底是不是科学，大家都不承认。但是九十年代以后，出现了几个科学家去推动这个方面。

其中一个就是运用科学的方法，因为他们可以通过这种大脑影像，通过脑电波，可以对人脑的工作方式做一些研究。所以那个方面就是有一些突破，然后使得对人意识的研究往前走了很多步，然后对这个人的意识有很多很多的了解。

我感觉现在咱们人工智能这个地方的研究，这些算法都是没有意识的，它不是主动的。因为意识是什么？其中一个最简单的定义就是说，你是有主观的感受，比如说你看一幅名画，个人有个人的解释，你可以有你的解释。别人觉得这是一个旷世之作，你可能觉得是一个垃圾，个人有不同的主观感受。

那么机器有没有主观感受，没有。其他动物有没有主观感受，至少哺乳动物是有主观感受的。所以目前来讲就把咱们人和机器，或者说哺乳动物和机器之间是分开了。那么机器以后有没有主观感受，或者机器以后会不会产生主观感受，这是一个很有意思的科学问题。

人工智能的意义与成果

就像我刚才说的那样，这个科学问题有两个大的意义：第一个是从科学来讲，我们是想了解一下人作为一个智能体，他的智能（Intelligence）是怎么样产生的。我们通过对机器的一些，现有的我们目前的一些硬件设备，能不能产生跟人一样的智慧，这是一个科学的问题。第二个是从应用角度来讲，我们通过人工智能以后产生一些好的这些算法，帮助我们解决一些实际问题，对我们的工业界会产生一定的推动作用。

我们现在不是在讲人工智能+，其实在各个行业用人工智能的技术能够对这个行业有不断的提高。比如说咱们刚才讲的互联网，比如说个性化推荐搜索，这些都是需要人工智能的技术，给人带来很大的这个方便。

那么工业界比如说机器人，怎么样设计一个比较好的机器人，能够生产自动化。那么我们讲无人车，这些都是一个很好的人工智能的应用，几乎涉及到所有各个的行业。只要有比如说数据，不管是大数据还是小数据，甚至是说对两大人类智能的一个高峰，比如说艺术的创造，科学研究本身，大家都是在探讨咱们人工智能是不是也可以攻克这两座大山。

本来只有人才可以干的事情，是不是人工智能也可以。比如说人工智能帮助设计，对产品的设计，对广告创意的设计，比如说我们现在有生成模型，我们怎么样生成这个图像，甚至已经达到一个以假乱真的地步，科学研究是不是人工智能它可以自己去做一些研究，这些也是很有意思的事情。

比如说有些科研发现，是通过对过去的研究论文（paper）的机器的阅读，机器的分析，其实能够得到更新的一个知识，可以显示出人工智能其实也可以做一些科学研究。

我感觉第一当然就是生活上的方便了，第二就是改变我们的认知，比如说我们对整个世界的认知。

我们会通过人工智能，一个更好的手段，能够对自然进行一些改造，能够把我们的技术往上再去提高一点。那么同时对其他交叉学科，对比如说neuroscience，就是脑科学，我们人工智能去研究。但人工智能主要是机器方面，那么还有对人的大脑的研究，其实有很多互动的东西，那么通过这个方面对这科学研究也有很多的促进作用。

刚才我讲了对科学研究，比如说Google，美国的谷歌公司。他们通过人工智能深度学习，去研究怎么样对新能源的产生，有没有帮助。我们通过人工学习方法，学习一个比较好的这种参数，能够产生一个更好的生产能源的一个方式，人工智能可以用到各个样的科研领域里。

我们最早的研究也是从生物学里面，生物学里面有一个洛特卡-沃尔泰拉模型（Lotka-Volterra Model）。两种不同的动物，两个不同的群体，这个群体之间互成这种关系，然后就导致它的群体的数量会随着时间变化。你就会发现它们不是个静态变化，而是个动态变化。

就是说当兔子很多的时候，这时候兔子会慢慢下来，而狐狸种群的数量会慢慢上去。然后等兔子少了以后，狐狸种群它又下来，因为它没有食物了，就下来了，下来以后兔子群体又上来了，所以它是一个动态的过程。

这个很有意思，这两个不同的这个群体之间的互动，就是在生物学里面。然后我们做了一个仿真，就是用一个捕食者（predator），一个猎物（prey）,然后它们之间捕食关系。然后我们给它们加人工智能，给它们加一些智能（Intelligence）之后应该怎么躲，怎么去捕食。

它们刚开始都不知道怎么去捕食，捕食的意义是什么，但它们发现吃了这个对手以后，其实可以活得更长，血更多之类的。我们在模拟（simulate）的环境情况下，要用深度学习去驱动（drive）他们的行为，结果发现我们学习到一样的现象，就是它们种群的数量是动态的关系，然后成因果关系。所以这个就发现，其实生物界的一些现象，我们可以用人造（artificial）情况下，把它浮现出来，真正显示了这俩之间有很强的一些关系在里面。

科学与创新

我们在求异当中，发现其实最关键的是发现问题。问题的解决方案有多种多样，总归是能够找到一个不一定完全解决它，但是你如果是第一个，我一直跟学生讲，说我们要做第一个吃螃蟹的人，什么意思？就是你要有这个能力去把这个问题找对。

你找对问题，比别人给你一个问题，你去找到一个正确答案还重要。因为找对问题以后你是第一个吃螃蟹的人，把它作为一个问题，是数学表达式表现（formulate）出来，然后去解决它。这个是一个非常有益的（rewarding）过程，为什么？是你第一个发现了这个方面，往往第一个去解决这个问题，你会有很大的提高。第二个问题只是在你第一个解决问题的基础上，一个往上的走的修补过程。

所以相对来说创新性并不是那么大，所以一定要就是说从问题角度着手，这是很重要的。同时你通过问题着手，这会给你最大的一个奖励（reward）。