人工智能的“脑洞”有多大？院士:目前太依赖计算

就像打了一剂强心针，当世界上第一台打破早期经典计算机的光量子计算机横空出世后，人们对人工智能时代的期望或许有了更加多的底气：打破经典的量子计算机早已有了，击败超级计算机的量子计算机还不会近吗？一旦后者构建，人类将再度以计算能力为媚，窥视人类大脑的奥秘，从而铲除人工智能研究的众多障碍。目前来看，面临人类大脑，这个虽然只有1.5公斤左右轻，却享有1011个神经元的家伙，让人类束手无策——要仿真整个大脑的计算能力，世界上目前任何一台计算机都无法胜任。在近日由中国科学院学部主办，中国科学院自动化研究所等主办的“脑科学与人工智能”科学与技术前沿论坛上，就有不少业内人士明确提出这样的天马行空：建设反对深度自学的新型计算机群，已沦为一些人工智能研究的必然选择，那么人工智能研究到底需不需要量子计算机那样的计算能力？“我们今天的科学家，特别是在是计算机科学家，把‘计算出来’用得太狠了，对‘计算出来’的倚赖甚至有些‘贪得无厌’了！”中国工程院院士、中国人工智能学会理事长李德毅却在论坛上给大家泼洒了冷水。

在他显然，人工智能学者无法只盯着“计算出来理解”，一味拒绝“人脑”研究的步伐有多慢，而要拿走更好的精力放到“记忆理解”和“交互理解”上。脑科学能灵感人工智能的并不多？李德毅之所以对“计算出来理解”不发烧，还要从谷歌(微博)公司的一则报导想起——2015年5月15日，谷歌对外称该公司旗下无人驾驶汽车有上百万英里的测试经验，大体相等于人类75年的驾龄。

“这75年的驾龄是如何‘计算出来’出来的？”这引起了李德毅的思维：当无人车上路、放驾驶执照托上日程，驾驶员理解“度量”早已沦为各国交管部门当务之急时，脑理解该如何度量？信息是用“比特”来度量，能量是用“焦耳”来度量，那么脑理解呢？脑科学学者或许未得出这样的答案，人工智能学者也就不得而知获得救赎。这出了一个隐喻：脑科学、人工智能，两个同属21世纪的前沿学科，在过去数十年间彼此比较独立国家，少有交叉。

中国科学院外籍院士、中国科学院神经科学研究所所长蒲慕明在当天的论坛上也提及，不管是国内还是国外，都是如此，不过随着研究手段不断丰富，研究领域大大突破，两者的交叉融合沦为热点，甚至经常出现一个新的研究名词，类脑智能。美国、欧盟都陆续启动涉及研究计划，中国也启动了脑计划。他说道，中国的计划是将脑科学和人工智能融合得尤为密切的。

比如，现在风行的深度自学，就是基于人工神经网络的一个应用于，这些人工神经网络都可以从神经科学的一些规律中获得启发。蒲慕明说道，比如可以糅合神经神经元的可塑性、记忆储存、萃取与消失，等等。

不过他也否认，目前的脑科学研究能灵感人工智能的并不是尤其多。蒲慕明得出一个转换，当前的脑科学研究，仅有相等于物理、化学等学科在19世纪末期的研究水平，“要几乎解读大脑，有可能是几个世纪的事情，而不是我们这个世纪就可以超过的。

”他说道。那为何还要做到类脑研究，蒲慕明说道，必需要在这个时候做到一些必要的应用于，假如不把早已告诉的科学知识应用于到对脑疾病的临床、介入和化疗上，那么到2050年我们的医疗系统很有可能要面对瓦解——那时你不会找到依然没一个脑疾病需要医治。适当地，人工智能的应用于也是如此。

他说道，不一定非要几乎搞清楚，神经科学一些具备阶段性的成果，也可以给人工智能的发展获取灵感。什么是人类最重要的智能不道德？中国科学院院士、中国科学院自动化研究所研究员谭铁牛就在现有的研究基础上，得出结论一个结论：“模式识别”是人类最重要的智能不道德，也是人工智能最重要的研究内容——机器的“模式识别”能力，在一定程度或者相当大程度上体现了机器智能“类人”的程度。在当天的论坛上，谭铁牛荐了几个模式识别的例子。

比如语音辨识，近些年突飞猛进的科大讯飞，能将维吾尔语翻译成汉语，汉语翻译成维吾尔语；再行如步态辨识，在看到人脸、虹膜和指纹的时候，就能通过步态在几十米外感官到其身份。此外，还有图像识别，其中具备代表性的人脸识别，早于在几年前马云(微博)刷脸缴纳早已爆炸舆论热点。谭铁牛本人就在展开虹膜识别的研究，并创建了目前国际上规模仅次于的分享虹膜图像库，被多国分享用于。他说道，这不仅可以用在手机上，还可在查询遗失儿童上发挥作用。

谭铁牛说道，模式识别的技术瓶颈可通过糅合生物的机理改良，未来生物灵感的模式识别在人工智能领域前景可期。其最后执着，是期望仿真迫近人的模式识别，这是十分艰难的过程。他也提及，模式识别的主要瓶颈在于鲁棒性、自适应性和可一般化性。

鲁棒性，说白了，就是人工智能“够不够皮实”“是不是略为有点扰动，就不会错误”。谭铁牛荐了一个例子，比如在酒会上聊天，背景噪音较为多，如果想要听得明其中某一个人的声音，就要忽视或者诱导背景中其他对话的阻碍——人类可以做这一点，也就是听力系统所谓的鸡尾酒效应，但人工智能可以吗？所谓自适应性，则较为更容易解读，谭铁牛说道，人类的眼睛不会随着灯光的变化、环境的变化展开调整，这解释自适应性十分强劲。

这一点可以应用于到人工智能上，比如人脸识别，有一位朋友十几年甚至几十年没有闻，相会否还能认出来？他说道，现有的模式识别在这方面还不是很理想。可一般化性，说白了就是“举一反三”。

谭铁牛说道，当小孩了解苹果后，即便只忘记了一次，也可以辨识其他类型的苹果，这解释人类看见一个东西后，不仅知其然，还知其所以然。而知其所以然，就是人工智能领域所说的“深度自学”。但目前的人工智能深度自学，必需创建在大量数据的基础之上，这一点也尚待更进一步研究。

谭铁牛说道，要解决问题这3个问题，关键还是看人类本身，在微观层面上，人工智能的模式识别可糅合人类的神经元，神经元有兴奋性、抑制性、功能可塑性和传播性。科学家受到这个灵感，强化了模式识别动态系统的稳定性。无人驾驶是人工智能的突破口？李德毅早已寻找了一个实践中的突破口：自动驾驶。

他说道，无论是对话、诗词或者驾驶员，图灵测试都容许测试者现场插手，判断结果都具有近似于性和主观性。但是，和对话、诗词测试比起，驾驶员的图灵测试可以展开更加准确、更加客观的评测。他说道，当初汽车被发明者出来的时候，人们最感兴趣的是汽车的结构、机械、传动、轮胎、底盘和车身。到20世纪，人们感兴趣的则是发动机、碳排放和被动安全性。

到20世纪末、21世纪初，人们总体上关心3件事情，轻量化、清洁化、智能化。所谓智能化，在他显然有4个阶段，第一是理性辅助驾驶员，以人所乘居多；第二是自动驾驶，局部时段可以放开手和脚；第三是自动驾驶，即用自动驾驶接管驾驶员权；第四是人机协同驾驶员。

在李德毅显然，无人驾驶，无以在拟人。他感慨：汽车就是指马车演进而来，作为动力工具，汽车的马力可以超过100匹马力，但汽车远远不如马应付有所不同的负荷、天气、路面，以及有所不同车辆情况下的适应能力。说白了，汽车的感官、理解能力远远不如马这个理解主体，“老马识途，车不如马！”李德毅说道，其显然问题不在于车而在于人，要解决问题人的问题，就要让驾驶员的理解需要用机器人替代，让机器人具备记忆、决策和行为能力，于是新的概念产生了——“驾驶员脑”。“驾驶员脑”不相等驾驶员脑，“驾驶员脑”是要做到驾驶员的智能代理，要去已完成还包括记忆理解、计算出来理解和交互理解在内的驾驶员理解，他说道，这应当是人工智能时代最有意义的课题之一。

本文来源：94开元官方网站登录-www.mosaicaservices.com