人們沒有想到，在著名科學(xué)家霍金逝世僅僅半年之后，全球最睿智的科學(xué)家們，又掀起了一段堪稱歷史性的大討論。

科學(xué)也需要PK。即使嚴(yán)謹(jǐn)如科技，也需要“網(wǎng)紅”科學(xué)家們來推動普通民眾對他們的興趣濃度。比如當(dāng)下業(yè)內(nèi)公認(rèn)最有天賦的科學(xué)家愛德華·威騰和他的M理論，人們就所知無多。但威騰M理論的基礎(chǔ)學(xué)說源于量子理論和廣義相對論，大家也同樣一無所知，卻不妨礙彼此熱切地討論時光倒流的問題。

在剛剛閉幕的世界人工智能大會的“看見，智能”分論壇上，與會的全球***人工智能嘉賓們，就上演了一次精彩的理論交流和探索。

[[244876]]

但其實，專家們思考的并不是世俗所認(rèn)為的“和人一模一樣的機器人”，而是通過科學(xué)計算提高效率的機制。“機器學(xué)習(xí)之父”、加州大學(xué)伯克利分校教授邁克爾·喬丹就說：AI的目標(biāo)，并不是像人類一樣的計算機，而是可以和市場共同合作找到***策略的技術(shù)。用數(shù)據(jù)找到***效率，讓現(xiàn)代技術(shù)的系統(tǒng)能夠像經(jīng)濟學(xué)里的市場那樣運行起來。

馬云也認(rèn)為，AI應(yīng)翻譯為“機器智能”而不是“人工智能”，他們可以比人類優(yōu)秀，不必模仿人類。“汽車的發(fā)明并不是模仿人的雙腿，所以計算機不應(yīng)該按照人腦一樣去思考，機器必須要有自己的思考和邏輯。”

歷史辯論的重演

這場辯論，從一開始就充滿了主辦方特意的引導(dǎo)。來自上海本土的依圖科技，已經(jīng)是全球領(lǐng)先的人工智能公司之一，秉持深厚的學(xué)術(shù)背景和純正的科研血統(tǒng)，搭建國內(nèi)外AI圈的橋梁，針對當(dāng)下AI的各個熱門話題，討論AI在可預(yù)見的未來的發(fā)展方向。而了解全球人工智能的發(fā)展趨勢和技術(shù)方向，才能確保中國人工智能科技的進步。

真理永遠越辯越明，參與2018年這次對話的嘉賓們，匯聚了霍金弟子、人工智能領(lǐng)域奠基人Alan L.Yuille、歐洲大腦計劃科學(xué)家、神經(jīng)網(wǎng)絡(luò)集大成者Christoph Von Der Malsburg、加州大學(xué)伯克利分校機器人與強化學(xué)習(xí)教授Pieter Abbeel、清華大學(xué)計算機科學(xué)與技術(shù)系副教授朱軍;卡內(nèi)基·梅隆大學(xué)計算機科學(xué)學(xué)院終身教授馬堅，基因組大數(shù)據(jù)機器學(xué)習(xí)算法專家等國際科學(xué)家，交互有著世界產(chǎn)業(yè)***的中國AI獨角獸視角，其影響力足以撐起全球小半個AI學(xué)術(shù)界，進行了一場劃時代的討論。探索人工智能在可見的今天以及可預(yù)見的未來掀起的巨大變局，聚焦人工智能科本源，向全球展示當(dāng)前人工智能浪潮下的深刻觀點。

依圖科技***創(chuàng)新官呂昊和會議主持人依圖科技人工智能科學(xué)家吳雙，一開始就將本次的討論會，引入到了人工智能歷史上***的一個交鋒之中：

1973年，人工智能概念提出不久，科學(xué)界各方對此看法不一。在英國著名媒體BBC的安排下，對人工智能技術(shù)前景持否定態(tài)度的詹姆斯·萊特希爾，和對人工智能未來前景強烈認(rèn)同的美國斯坦福大學(xué)教授約翰·麥卡錫，出現(xiàn)在專業(yè)的人工智能研討會上，也出現(xiàn)在BBC的直播鏡頭之前。兩位怒氣沖沖、針鋒相對的科學(xué)家，給人工智能歷史留下了極其精彩的“萊特希爾辯論(Lighthill Debate)”的故事。

在“萊特希爾辯論后的45年”的議題下，現(xiàn)如今這批堪稱全球人工智能“***智庫”的***科學(xué)家們，對業(yè)內(nèi)諸多焦點爭論，展開了頭腦風(fēng)暴和智力沖浪。

而他們爭論的焦點，當(dāng)然相比45年前，有了很大的不同。1973年的那場辯論，受科學(xué)技術(shù)的限制，當(dāng)時針鋒相對的論點，早在今天得到解決。比如當(dāng)時感覺困難重重的機器語言翻譯、語音識別、手寫識別等人工智能應(yīng)用，如今已經(jīng)縮小到了半個巴掌大的同步翻譯機里。

人類是不是人工智能?

在人工智能浪潮即將迎來革命性突破的今天，追憶半個世紀(jì)之前的科學(xué)交鋒，并在偉大前人開拓的道路上，繼往開來，探索未知，也許這才是本屆人工智能大會水平***、前瞻性***且最的大收獲。

他們先針對“記憶網(wǎng)絡(luò)和環(huán)境反應(yīng)”做出了自己的判斷。Alan Yuille教授認(rèn)為人工智能目前還未能做到記憶網(wǎng)絡(luò)的意識的發(fā)展，其他人也都認(rèn)同，AI技術(shù)目前還沒有達到記憶網(wǎng)絡(luò)和實體思維的階段。

現(xiàn)在的人工智能技術(shù)應(yīng)用，算是真正成熟了嗎?與會專家們都認(rèn)為，那還是一個非常遙遠的目標(biāo)。比如人類的感知感觸，和復(fù)雜的深度神經(jīng)系統(tǒng)，目前的模型和方法都離真正的成熟很遠。但呂昊博士也指出，目前已經(jīng)有全新的編程方向，主張合成而不是寫代碼。那么，是否意味著將來人工智能一旦學(xué)會了模塊式的合成，就可以自己完成控制程序的編程了?

繼而，Alan Yuille教授拋出了驚人的一句話，他認(rèn)為打敗人類的阿爾法狗其實是非常簡單的，因為圍棋的算法和程序，都有一定的規(guī)則。Malsburg教授也認(rèn)為，機器之所以能夠?qū)W習(xí)，其實還是有規(guī)則可遵循，那這就不是真正的自主智能了。真正的自主智能，就是沒有先設(shè)的規(guī)則。把一些抽象的原則和概念，去運用到我們真正的行為和生活中，機器現(xiàn)在還做不到的。

對此，朱軍教授認(rèn)為，解決這個問題，要把現(xiàn)有的模型進行升級和優(yōu)化，去了解人類的大腦是如何工作的，并去模擬人腦神經(jīng)元的運作。

而Alan Yuille和Malsburg教授坦誠，人類對自己大腦了解的都不夠，對神經(jīng)元的了解進展不大，但技術(shù)是在不斷的迭代的，未來一定會有新的技術(shù)來支撐進行科學(xué)研究。

幾位科學(xué)家共同認(rèn)為，對于AI來說，最關(guān)鍵的問題就是復(fù)雜性。如何來處理真實世界當(dāng)中的復(fù)雜性，而不僅僅是通過數(shù)據(jù)和規(guī)則來演算推導(dǎo)，否則就會永遠存在邏輯推理上的缺陷。

而在討論的***，依圖人工智能科學(xué)家、會議主持人吳雙，向?qū)＜覀兲岢隽艘粋€***問題：怎么樣說服自己去相信這一點，你不是處于一個虛擬的世界當(dāng)中?

對于最經(jīng)典也最無解的“虛擬之腦”來說，Alan Yuille教授果然也給出了最經(jīng)典的答案，就像他的老師霍金那樣，他也認(rèn)為虛擬的場景，能夠讓人產(chǎn)生真實的幻覺。

客觀地說，如果我們的人工智能技術(shù)能夠復(fù)制了我們的大腦神經(jīng)體系，并以一樣的原理工作，那它到底是人工智能，還是真正可以自由思考的人類了?

唯一遺憾的是，假如霍金教授還在人間，他又會說些什么?