以下视频和内容来自墨子沙龙“AI·未来”活动的圆桌对话环节（2020年9月26日）。
提问：如果人工智能真的达到了6E完美三角形，会不会可能出现像“终结者”系列电影那样的剧情？[6E是指简洁（Elegant）、可扩展（Extensible）、强表达（Expressive）、高效（Efficient）、可教育（Educable）、可演化（Evolvable）。]
周熠：很好的问题，谢谢。首先达到6E还需要很长的时间。但如果真到了那个时候，并不能排除这种可能性。这提醒我们，研究人工智能的伦理是一个非常重要的、刻不容缓的事情。虽然我个人觉得我们离这个时间节点还比较远，但是我们需要未雨绸缪，需要规定人工智能的伦理——什么可以做，什么不能做。退一步讲，“终结者”的低级版本已经有了，比如无人机武器，而且已经用上了。这本身就是一个值得严肃讨论的人工智能伦理问题，我觉得不仅需要学术界，还需要政界等人士一起来努力，把人工智能放到该用的地方。
提问：我有两个问题。第一个问题是，我们国家的人工智能产业的优势是什么？第二个问题是，人工智能发展到了一个什么样的水平，国内的技术发展到了怎样的阶段，有哪些做得比较好的、有代表性的成果？
李向阳：关于人工智能产业，目前来看，中国的水平跟海外的差距很大。前两天我和我的老师、清华大学张钹院士进行讨论的时候，他把计算机和人工智能发展的大概七八十年的历史整个地梳理了一下。真正的那种原创性的、开天辟地的理论和方法都不是中国人提出的。人工智能现在在中国能这么火，主要是因为我们在应用方面做得比较好，我觉得这更多的是一种模式的创新。但说实话，在基础理论、系统、生态等方面，我们差的不是一丁点儿的距离，差距还是太大了。
周熠：我回答一下第二个问题。人工智能不是一个技术，它是好多技术的合称。我们简单的说下深度学习大概发展到了什么程度。Science曾经刊登过一篇文章，讲的是深度学习所适用的场景。如果满足标注数据足够，边界定义比较清晰，场景不需要频繁改变等等一些条件，深度学习就可以有很好的结果。比方说，我们现在的机器翻译、语音识别、人脸识别等等。但如果不满足这些要求的话，深度学习就会遇到很多挑战。举个例子，假设我们的样本量不够，或者说样本的分布不均匀，比如说自动驾驶，白天驾驶很容易，夜间驾驶就比较难一点，极端天气的驾驶就更难了，万一有辆自动驾驶的车遇到了极端天气，但是以前又没有训练过，就会造成很严重的问题。
其他的一些人工智能技术，比如符号推理等等，也各自有各自的适用场景和面临的问题。
整体上来说，在有数据的方面，还是有很多不错的工作。但是在怎么去教机器，即可教育（Educable）方面，我觉得还做得非常差，这方面的尝试也很少。
提问：人工智能终极目标是什么？
周熠：这个问题太大了，不敢妄自断言。我个人的理解是人工智能需要发展到能复现人类的部分智能行为，从而减轻人们的负担，让大家更轻松一点。把烦的事情交给机器去做，就可以有更多的时间做我们想做的事儿了。
陈宇翱：前段时间马斯克的脑机接口很受关注，我想问一下两位老师对它怎么评价？另外有没有可能把人的记忆下载下来或者把知识上传到一个人的大脑里去？
周熠：这两个都很难。从长远来看，脑机接口是很有意义、很有前途的事情。从某种意义上来说，脑电就是意念，它是瞬时的、静默的一种新的交流方式。至于马斯克他做得怎么样？我们单位有很多同事也在做这个事儿。我向他们请教过，他们觉得马斯克在科技上面的这个工作，他们也能够做到，在解码或信号的准确度上面，他们觉得自己和马斯克不相上下。而至于什么时候能够实现真正的意念控制，或者刚才说的下载上传知识，说这些技术在目前看来还都是科幻。现在脑机接口还有一个问题。做得比较好的，是所谓的“侵入式”电极，需要打开头盖，在里面植入芯片，这个东西一般来说正常人是不太会用的，但是那些“非侵入式”电极，比如说湿电极、干电极，效果明显要差很多。
李向阳：实际上脑机接口已经做了很多年了，我觉得马斯克最大的本事是他很会营销。大概是十年前，我们也曾跟一些搞生物的和搞心理学的人合作。当时在美国有一些退伍老兵，从战场回来以后有心理问题，要做一些心理治疗。那时候我才知道脑电里面α波、β波、γ波，通过测试这些脑电波，可以去分析他的一些心理状态。现在我们跟科大的生命学院也在合作，希望在老鼠的大脑里面植入无源芯片，监测老鼠的脑神经元、分析老鼠的行为，把机器智能与动物智能做一些结合。这个研究是需要生命学院的老师、计算机学院的老师在一起合作的。通过对脑电的感知，可能可以下载一部分信息，但是能不能把信息上传还不能确定。
提问：在20年或者50年之后，脑机接口会发展到怎样一个阶段？有一个怎样的前景？从乐观的角度和从悲观的角度，请老师都做一个预测。
周熠：近年来，脑机接口领域有很多学术上的突破性进展。一个刊登在Nature上的工作是把脑电及运动等不同的信息综合起来，把想说的话说出来，这样可以帮助失语症患者。还一个进展是让瘫痪的猴子站起来，当然了还不能走很远，但这已经是很重要的突破了。
在学术领域最近确实是有些比较好的成果，但说到应用领域，就会有这么几个问题。第一个问题就是刚才我们说的“侵入式”问题。你怎么做到真正的无创？这还是很难的，以及“侵入式”还带来伦理的问题。而“非侵入式”的精度又不高。第二个就是成本问题，现在好的脑机接口设备还是蛮贵的。能不能把成本降下来，是不是能够商业化？这当然也有很多人在探索，就看什么时候时机比较成熟。不过我相信在20年到50年之内，在一些具体疾病的治疗上面，比如说癫痫、帕金森，脑机接口可能会有一些突破。对于“非侵入”式电极，也许会有一些突破。这些应用可以辅助我们帮助阿兹海默症患者记一些东西、辅助我们去诊断是不是患有抑郁。在这些方面，脑电信息也许可以有些帮助。
李向阳：我补充一下我个人的一些理解。脑机接口主要有几个层面：感知、计算、决策和执行。计算和决策更多是后台的事情，但是感知和执行是要真正跟人有深度的交互的。
刚才周老师讲过，感知是一个能力。是不是有这种能力？第二是如何感知，是不是侵入式的？现在测脑电的方式是，把头发剃光，抹上一层油，再贴上传感器，这就很不方便。当然我们现在可以把东西植入到人脑里。不过感知能力在将来可能会有很大突破，但是我觉得很多还是挺难的。有了决策以后怎么去执行，你怎么去控制人去做一些事情，执行这些事情，包括康复等等，我觉得还是有很多困难需要克服。不管是从生物学角度去理解还是实际的实践，都不容易，但是未来的20年还是有很多值得期待的事情的。
陈宇翱：我反过来问一下，20多年前就是当“深蓝”战胜卡斯帕罗夫的时候，李老师不正好在上研究生嘛，您那个时候有没有想过大概需要多少的时间，电脑能够在围棋上面战胜人类？我记得当时有老师说到国际象棋太容易了，说围棋的话，估计没有个三五十年是肯定不行的。没想到20年就行了。
李向阳：是这样，我读书的时候不是学人工智能的，我当时做的是计算几何。当时看到这个消息的时候，我觉得真的很厉害。这个Deep Blue，真的很厉害。但是到底需要几十年人工智能可以在围棋上战胜人类，我真没去估计这个数字。对于国际象棋、围棋还有麻将，我觉得早晚它会战胜人类。只要计算能力足够，肯定是可以的。但是在很多其他方面，比如认知这一块，我觉得它是一个质变的过程。
提问：为什么要做无源传输的技术？信号传输过程中的干扰问题又如何解决？
李向阳：有电源的时候，我们肯定要用电池和电源。无源传输的技术是针对一些特定的场景，是对现有技术的补充。
至于怎么解决信号干扰的问题，有一种方式是在我们关注的频段上做一些频谱的搬移，周围的信号不在同一个频段上，就可以避免一些干扰。当然还有很多其他的方式，比如说在时间上、在能量上、在编码的方式上可以做一些工作。但通常情况是，周围的干扰很强，谁都干不了事情，只能见缝插针找点机会。
提问：人工智能会对传统的产业以及下一代的教育产生哪些影响？
李向阳：每一次技术的革新都会造成很多行业的消失。就像我们小时候拍照片的相机都是要用胶卷的，当时洗一张照片特别贵，基本上辛辛苦苦存的一点钱都交给它们了。当时柯达胶卷多厉害，然后数字相机一问世，它就没了。手机也一样，很多厂家以前都是很厉害的，现在都没了。
人工智能行业也是。随着人工智能技术发展，至少那些重复性很大的活动，比如银行的很多工作岗位，就不需要了。很多行业里面，如果是重复性的工作，肯定会被人工智能替代掉，但是有很高的技术含量的工作就不容易被替代。
提问：机器会不会产生自我意识？或者怎么来判定自我意识？
周熠：这个问题也是很难回答的。之前我的回答一般很简单，因为我确实不懂，意识这个东西在我现在看来，它还不是一个科学概念、不是一个数学概念，它还是停留在哲学思辨的领域，所以我也不敢妄谈。但是随着问的人越来越多，我也逐渐有些思考。我就抛砖引玉，提出一些特别粗浅的想法：我觉得意识可能跟我们刚才说的连接流派与符号流派结合有关。我们的生物系统，它是个生物神经网络，生物之间的交流，包括我们之间的对话，都是用一个符号的系统。从生物网络到抽象的符号表示，中间的这个区域可能是意识存在的一个地带，而且如果我们能够从一些隐示的东西提炼出显示的东西的话，有可能就是我们意识形成的一个表象，或者是一个关键的地方。这是我自己的一些粗浅想法，不一定对。
李向阳：我对意识也不是很了解。我个人觉得是怎么通过一些显性的东西去挖掘隐性的东西。意识更多是隐性的，可能是平常都注意不到的，但是我也不是很懂怎么去发掘。
提问：深度学习需要很多的数据来训练，我想知道会不会有一种算法，它不需要特别多的数据，而是学习到一种逻辑，然后就可以取代深度学习这种算法。第二个问题是，量子计算和人工智能是不是可以结合起来？国内有人在做这件事情吗？如果它们结合的话，会不会对人工智能带来另外一个不一样的浪潮？
周熠：第一个问题的答案是，当然是可以有的，而且现在小样本学习、无监督学习、one-shot learning非常的火，这个已经是在如火如荼的进行之中。至于做得怎么样，可能还是要看具体的应用场景，我相信随着无监督学习，像GAN这种自编码器、预训练语言模型等等，对数据量的依赖会越来越小。其次，如果我们真正做到刚才说的，比方说基于符号、基于机器语言的可教育的方式去教机器，那么对数据的需求也就没那么大了。
陈宇翱：量子人工智能是一个挺大的研究方向。我们实验室最近完成了一个实验，演示了确实能够利用量子的方式进行加速，未来我想量子计算一定能在人工智能方面有帮助，而且是很大程度上的帮助。我跟周熠在2013年的时候就开始讨论这个事情，最近讨论的又多了一些：在实现了量子优越性之后，怎么样利用量子计算来对人工智能进行一个加速。现在我们都在努力，但至于具体能够做到哪一步还不清楚。
李向阳：刚才周老师讲了6E，其中一个E是efficient，主要是跟你设计的方法有关系，跟算力很有关系。所以如果量子计算的算力很大，可能以前觉得不太容易做的事情，就可以高效地完成了。另外很多人工智能的方法，也可以用于解决量子计算机设计等方面的问题。两者是互为支撑的。
陈宇翱：我记得我们以前做实验要优化一个参数，比如怎么把激光器的功率以什么样的形状打开，就这么一件事情，为了得到最好的结果，我们可能要花半年时间。在人工智能的帮助下，几个小时就行了，所以还是有非常大的帮助的。
提问：对于机器学习，我给它编写数据，我从机器里面得到了什么？它能否从这些数据里面抽象出来一般的规律，比如我给它调入一些数据，它呈现出来F=ma这样一个规律，或者说是更简单一些的规律。
周熠：你这个问题问得非常的好。比如，给神经网络一亿个直角三角形，它能不能够训练出勾股定理来，以现有的方式不能。但是最近有一些很有意思的工作，往这个方向在努力，比方说最近MIT有一个小组，他们希望通过神经网络加上一些程序之间的自动组合来学这些所谓的物理定律。这个工作我觉得就挺有意思的。它还是有可能性的，现在正在研究之中。
提问：未来三到五年量子计算、量子人工智能这一块的发展前景怎么样？近期有文章研究了量子计算加速和量子人工智能，另外IBM也发布了他们的路线图，说三年之内会制造出1000比特的实体机。在这种背景下，在未来三五年这个时间范围内，量子人工智能会不会有比较多的实际应用？
陈宇翱：我先来回答这个问题，我刚才为什么要提20年前的那个时候，就是因为我们现在发展的速度越来越快，我认为我是没有办法对未来做出准确的预测了。我相信未来五到十年之内一定有基于量子模拟和量子计算的、针对实际问题的一些应用。
其实在过去几年的研究中，已经产生了很多的成果。在研究量子算法的时候，很多量子算法的思路对经典的算法都有很多的改进。所以我的判断是五到十年内肯定有而且肯定有很多实际应用，比如材料设计、制药这些方面，都会有一些专用的量子计算机的出现。我们也经常说量子计算永远也替代不了经典计算，一定是结合起来来做这件事情。
至于未来10年以上到底能发展成啥样，我是不敢去预测。我这个人平常挺乐观的，但是在这方面还是有点悲观，不过有时候会发现技术发展比我想象的还是快。
李向阳：我同意宇翱院长，预测未来是很困难的。五年、十年后我们的技术会发展到什么程度真是没法想象。我觉得人类技术的发展跟天才们的灵光一闪也很有关系，某些困难的问题，可能某个人灵光一闪就解决了，但是这个时间可能是十年，也可能是一天。
对话嘉宾：李向阳、周熠、陈宇翱
整理：罗翔、王佳
排版：猫撸火锅
由于微信公众号试行乱序推送，您可能不再能准时收到墨子沙龙的推送。为了不与小墨失散， 请将“墨子沙龙”设为星标账号，以及常点文末右下角的“在看”。
墨子沙龙是以中国先贤“墨子”命名的大型公益性科普论坛，由中国科学技术大学上海研究院主办，中国科大新创校友基金会、中国科学技术大学教育基金会、浦东新区科学技术协会、中国科学技术协会及浦东新区科技和经济委员会等协办。
墨子是我国古代著名的思想家、科学家，其思想和成就是我国早期科学萌芽的体现，“墨子沙龙”的建立，旨在传承、发扬科学传统，建设崇尚科学的社会氛围，提升公民科学素养，倡导、弘扬科学精神。科普对象为热爱科学、有探索精神和好奇心的普通公众，我们希望能让具有中学同等学力及以上的公众了解、欣赏到当下全球最尖端的科学进展、科学思想。
关于“墨子沙龙”
转载请超链接注明：头条资讯 » 人工智能畅谈｜圆桌对话
免责声明
：非本网注明原创的信息，皆为程序自动获取互联网，目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责；如此页面有侵犯到您的权益，请给站长发送邮件，并提供相关证明(版权证明、身份证正反面、侵权链接)，站长将在收到邮件24小时内删除。