李开复：人类的演化史就是一部生物智能的训练史

本篇文章2567字，读完约6分钟

雷锋说，2017年是图灵奖设立50周年。其中，图灵奖50年中国大会(acm turc 2017)在中国上海举行。在会议上，创新工程首席执行官李开复分享了“人工智能时代与科学家创业”的主题。

以下是李开复的现场讨论:

观点1:深度学习无法对抗生物大脑

基于多层神经网络的深度学习机器学习模型。从表面上看，深度学习类似于生物大脑中神经元和突触的运作。但事实上，深度学习只是对单个生物神经元(仿生学意义)的极其粗略的近似模拟。计算机能做的是设定一个模型和一个目标函数，让计算机不断尝试并找到一个方案使目标函数的输出达到最优，它认为这就是解决方案——但是计算机不能真正“理解”为什么它是最优的。

机器学习永远不会有自我意识，因为它的优化目标是由人类设定的，而不是由物理世界给出的。

即使机器学习有量子计算，它也不会改变它在人类社会中的地位。随着量子计算技术的发展，我们可以对特定的计算任务(主要是一些数值优化算法和密码算法)给出极快的求解速度。

从模拟计算机到光学计算机，从图形处理器到量子计算机，它代表了计算机计算能力的重大突破。

虽然量子计算可以为人工智能的发展提供一个革命性的工具，但它可以成倍地提高学习能力和速度，并轻松应对大数据的挑战。然而，人们认为量子计算可以赶上或超过生物大脑中神经元和突触的计算，并得出结论，人工智能将达到人脑的水平，机器将最终超越并取代人类智能(人工智能奇点理论)。

这种推测在科学上是站不住脚的。

观点2:人类进化史是生物智能的训练史

人工智能工程创新工程研究所副所长王家屏认为，人类进化不仅包括大脑和神经系统突触的进化，而且整个世界的进化都是统一的，符合人类的愿望。

人类的感知系统、运动系统，甚至情感和创造力都是在生存能力的基础上发展起来的。

深度学习只是一种工具。人类的选择、人类的规律和人脑的发展不仅与人脑有关，而且是人类进化成就的总和，它伴随着地球上整个生物世界的发展。生物智能的研究从来都不是单个个体的研究，而是一个学习过程，在这个过程中，历史上全球生物的所有种群和个体都在一起合作，共同经历一个生存的优化目标函数。机器学习的目标函数是由人类设定的，而自然选择的目标函数是由生存概率驱动的。

目前，机器学习的过程通常是孤立的，每次都是从头开始。然而，在学习生物智能的过程中，智能模型是通过dna代代相传的，每个个体的学习过程不是孤立的，而是陆地生物整个学习过程的一部分。

无论是生物的低阶智能，如视觉识别系统，高阶智能，如情感和性冲动，甚至更高阶的社会行为，如合作和分工，归根到底是优化群体的生存概率。对个体来说，大部分的智力，尤其是低阶智力，不是在生命周期中习得的，而是从繁殖过程中遗传的。

这种遗传模式，即遗传学。它不仅包含智能模型的“软件部分”，还包含定义生物体结构和生化运行模式的模型，即“硬件部分”。

因此，就广义的计算能力而言，生物智能的建立过程是历代所有人群中所有个体应对和适应能力的总和；从广义的训练数据来看，它是历代所有种群的所有个体所遇到的环境的宏观变化和影响，也是每个个体在生命周期中所遇到的具体生存任务，如觅食和交配。无论如何，目前它都远远超出了机器学习系统的范围。

人类迁移和学习的能力早已被祖先写入基因

以单词识别为例，儿童在阅读了几个字母图像后，可以很容易地识别出同一字母的大部分变体和不同的书写风格。然而，机器学习需要大量包含尽可能多的变体的字符图像，以便更好地进行识别。因为这并不是说生物智能可以从小样本中神奇地总结出有效的规律，而是说书写系统最初是根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，如连续的线条和规则的轮廓，出现在我们能看到的自然世界中。因此，甚至在我们的祖先之前，识别和提取这些视觉信号的能力就已经记录在我们的智能模型中，也就是说，记录在遗传基因中，并在繁殖过程中一代又一代地复制给新的个体。

然而，如果这是一项不包括在构建历史生物智能过程中的任务，对人类来说是非常困难的。如果使用二维码作为人类的字符系统，即使有更多的样本，对大多数人来说也是极其困难的。然而，对于机器学习来说，识别二维码的难度与识别人类笔迹的难度相差不大。

科幻电影《抵达》很好地解释了这一点。对于来自一个物质和自然环境与人类截然不同的世界的外星文明来说，人类无法识别他们的文字，他们需要用电脑来完成它们。因为人类视觉系统的进化只能帮助人类发展出有限视觉系统所能识别的特征。

观点3:人工智能将成为一个工具箱，在未来十年内将产生巨大的商业和社会价值

尽管人工智能和深度学习既简单又粗糙，不能称之为人脑复制，但它们在许多具体任务上远远优于人类，并将在未来十年产生巨大的商业和社会价值。人工智能的快速发展将造福全人类，创造大量财富。从数据驱动的人工智能，到收集新数据的传感器，到以无人驾驶和机器人为代表的全自动化阶段，它将对我们的生活产生深远的影响。

学术界可以继续探索人脑的奥秘，而量子计算将慢慢找到它的应用。然而，主流的工程力量应该放入人工智能工具箱，成为一个平台，这将带来人工智能应用的井喷，让更多的工程师可以使用它。在人工智能工具箱中包含的各种“工具”中，有些工具基于传统计算和深度学习，有些工具可能基于量子计算。他们有自己合适的地方，可以创造巨大的商业价值，使社会不断进步。

因此，我们现在面临的问题是选择合适的工具，用合适的工具构建人工智能工具箱。我们将学习如何使用这些工具来解决更多的问题。我们完全可以相信，当我们对这种数据技术了解得足够多的时候，这种技术将会得到广泛的应用。我们将迎来一个新时代，届时所有的工程师都可以使用人工智能的工具箱来创造更多的价值。人工智能的应用将无处不在，这项技术将趋向于民用。这将产生巨大的财富，我们将从地球上消除饥饿和贫困。我们将为每个人提供最低收入标准，50%的工作岗位将被取代，50%的工作机会将被创造。

人工智能时代将给人类带来比工业革命更多的挑战。我们应该鼓励更多人加入这场革命，关注大数据驱动。我们有很多工作和机会。我们对量子计算技术的发展非常乐观，大数据驱动的人工智能将把人类带入一个新时代。

(本文来源:雷Feng.com主编《创新作品》。(

雷锋文章版权所有。严禁擅自转载。详情请参考转载说明。