2019年1月15日晚，在知識分子、賽先生和中關(guān)村海淀園管委會聯(lián)合舉辦的“科學(xué)精神中國行”新年專場上，AWS中國人工智能研究院首任院長、上海紐約大學(xué)計算機(jī)科學(xué)教授張崢發(fā)表了“AI離人腦還有多遠(yuǎn)”的主題演講。

演講 | 張    崢（上海紐約大學(xué)計算機(jī)科學(xué)教授）

整理 | 邸利會

  ●     ●    ●

我想討論的一個題目，是看一看人工智能跟人腦的鴻溝在什么地方。

說到人工智能和人的智能之間的關(guān)系，大家也許聽說過“類腦計算”這個詞，但大家可能不清楚它是什么。據(jù)說，領(lǐng)導(dǎo)們在討論中國腦計劃時有問起過，什么叫“類腦計算”，結(jié)果都答不上來。一個將軍特別聰明，他說“類腦計算”就是下一代的人工智能——特別有智慧，但其實還是沒有回答這個問題。

我在工作中非常喜歡跟腦科學(xué)家一起合作。我發(fā)覺兩個學(xué)科之間的鴻溝相當(dāng)大，經(jīng)常會發(fā)生雞同鴨講的問題——我們的語言不一樣、任務(wù)不一樣、方法論也不一樣。有一個笑話說，一個神經(jīng)元是生物學(xué)的問題，兩個神經(jīng)元就是神經(jīng)科學(xué)的問題，而人工智能一言不和就成千上百萬的神經(jīng)元，從尺度上說就非常不同。

先來看人工智能。現(xiàn)在AI技術(shù)處在井噴狀態(tài)，給大家舉幾個我覺得很不錯的結(jié)果。2017年底，AlphaZero從零開始學(xué)習(xí)打敗了人類圍棋、象棋和日本的一個游戲；一年之后，同樣的團(tuán)隊調(diào)整槍口，做了蛋白質(zhì)結(jié)構(gòu)的預(yù)測；一個多星期前，在《自然·醫(yī)學(xué)》期刊里大概有8篇做數(shù)字醫(yī)療的文章，好幾篇講人工智能在健康領(lǐng)域的可能應(yīng)用，這些都是非常有潛力、非常好的結(jié)果。

人工智能的服務(wù)對象非常廣，其中科普最成功的顯然就是AlphaGo下圍棋這個事，路人皆知。而人工智能也正在進(jìn)入人們的生活當(dāng)中，比如智能音箱。亞馬遜花了幾年時間秘密研制，到今天已經(jīng)成了紅海。我原來住酒店時經(jīng)常頭疼的是一大堆開關(guān)，不知道哪個開關(guān)管哪個燈。上次我去一個酒店，一個開關(guān)都沒有，只有一個音箱，我不知道是Ta哄我還是我哄Ta，花好幾分鐘我才說服Ta把窗簾關(guān)上。顯然是因為我太老了，不習(xí)慣新東西。

現(xiàn)在人工智能的背后有一個深度學(xué)習(xí)的方法在起作用。我就先簡單說一些它是什么。

演講中，張崢自曝花了好幾分鐘說服一個音箱關(guān)上窗簾。

第一個概念大家高中數(shù)學(xué)都學(xué)過：函數(shù)。深度網(wǎng)絡(luò)本質(zhì)上就是一個函數(shù)，只是這個函數(shù)帶參數(shù)。深度網(wǎng)絡(luò)工作時產(chǎn)生一堆數(shù)值，是概率。比如，我們做圖形識別，識別一千類物品，網(wǎng)絡(luò)輸出就是一千類的概率分布，是一個一千維的向量。最后要判斷是哪一個，就挑一個最高概率的作為輸出。

輸入是什么？是特別高維的向量。這點大家可能不清楚，輸入是來自現(xiàn)實生活、三維世界的一張照片，那怎么可能是幾千維的向量呢。原因在于，假如說一張圖片長和寬都有一千個像素，那就是一個一百萬個點的矩陣，然后還有紅綠藍(lán)三個顏色頻道，所以總計是三百萬的、很大的向量。不管我們?nèi)耸窃趺凑J(rèn)識這個世界的，計算機(jī)的模型看到的就是一個維數(shù)很大的向量，假設(shè)圖片更清晰的話，尺寸就更大。所以，這個函數(shù)，也就是深度網(wǎng)絡(luò)要做的事情就是把高維向量映射到相對來說低維的向量。

那我們怎么訓(xùn)練這個網(wǎng)絡(luò)？還是一樣，給它圖片，它給輸出，只是我們要調(diào)整參數(shù)。網(wǎng)絡(luò)一開始肯定是亂的，明明給貓的圖片，它輸出的類別可能是狗，這個網(wǎng)絡(luò)就有錯誤了，就需要調(diào)整參數(shù)。

這就引入第二個概念。大家要是熟悉炒股，知道訣竅在于低開高走，深度網(wǎng)絡(luò)或者機(jī)器學(xué)習(xí)的目標(biāo)跟炒股是反著的，要高開低走。高和低，就是錯誤程度的衡量，訓(xùn)練模型就是向錯誤減少的方向慢慢調(diào)整，減少錯誤?？梢园彦e誤的曲面直觀地想象成一個起起伏伏的山脈。實際上，非常大的模型的錯誤曲面高高低低，非常復(fù)雜。如果訓(xùn)練數(shù)據(jù)少，這個曲面就非常不完整，相當(dāng)粗糙，找不到最低點，或者陷入一個局部最小。這就是為什么大數(shù)據(jù)有用，它可以使得表面更平滑一點。

講到這里，咱們知道了兩個概念，第一個是函數(shù)，第二個概念就是反炒股。

第三個很關(guān)鍵：訓(xùn)練的標(biāo)簽從哪里來。一張圖片究竟是貓還是狗，不能搞混。前一段有一個新聞，在縣城里為AI打工的人，這叫數(shù)據(jù)標(biāo)注工作者。比如訓(xùn)練自動駕駛的模型，要把路上的行人框出來，這就是標(biāo)注。如果5、6秒標(biāo)一個，一個小時框三四百個，標(biāo)框一天兩三千個，大概七八十塊錢，這個就是現(xiàn)在的所謂人工智能這個新的生態(tài)環(huán)境開出的新職業(yè)。

特別有趣的一點是，這些標(biāo)注工作者有個非常樸素的總結(jié)，說人工智能其實就是我們教機(jī)器怎么來學(xué)習(xí)，是我們教會了它。

在一定程度上，這沒有錯。但打標(biāo)簽是成本非常高的一件事。我們學(xué)界做的一部分工作就是想把這個成本降下來，就是說標(biāo)簽不用那么準(zhǔn)確，或者少標(biāo)一點。如果我們成功了，也許這個新職業(yè)又消失了。

但是有一類人工智能任務(wù)其實不需要人工來打標(biāo)簽，比如圍棋。

圍棋已經(jīng)有兩千多年的時間，大概二十多年前，宇航員把圍棋帶到太空里去了，差不多那時候深藍(lán)剛剛勝出人類。人們普遍認(rèn)為，下圍棋計算機(jī)不可能戰(zhàn)勝人類，因為圍棋變化的數(shù)目超過了宇宙的原子總數(shù)，所以帶到外太空去，向外星文明宣示，不要來哦，我們有很高級的文明，比如圍棋。

人工智能在下圍棋上已經(jīng)遠(yuǎn)超人類頂尖棋手。

剩下的事情我想大家都知道，從2014年AlphaGo登場，到2017年完勝，勝負(fù)的轉(zhuǎn)變特別快，人類完敗，沒有爭議——昨天是學(xué)生，今天變成老師，昨天是孫子，今天就變成爺爺了，計算機(jī)把最好的人類棋手，打得滿地找牙。

為什么計算機(jī)可以學(xué)的那么快？就是因為在這個任務(wù)上，標(biāo)注是零成本。計算機(jī)下一盤圍棋，一眨眼下幾千盤。現(xiàn)在玩游戲，我聽說一個機(jī)器玩一天大概是一個人玩一百還是兩百年的量。如果有一類工作，零成本，本身又是有結(jié)構(gòu)的，機(jī)器可以做得非常好。當(dāng)然并不是說這個事情容易，只是說圍棋比賽和其他機(jī)器學(xué)習(xí)的任務(wù)類似，因為下完之后有輸贏，這個輸贏就告訴我們有誤差，就可以指導(dǎo)我們調(diào)整模型參數(shù)。當(dāng)然，計算機(jī)下圍棋里面還是有相當(dāng)有深度的研究成果，非常聰明的算法，這里暫時略下不提。

到AlphaZero的時候，研究者就不再需要人類棋手的棋譜，計算機(jī)自己學(xué)，自己下，學(xué)完了就把你的牙打得不知道哪兒去了。

人工智能還可以做很多其它事。既然可以分類，就可以指導(dǎo)下一步棋子落在哪，也可以指導(dǎo)下一筆畫在哪，比如生成筆跡。這一類工作叫做生成模型，2013年的工作已經(jīng)可以產(chǎn)生幾可亂真的筆跡，到了2017年，積累了很多人的努力，機(jī)器可以生成人臉圖片。這本質(zhì)上是拿一堆真的人臉的圖片，讓機(jī)器來模擬，然后慢慢學(xué)出來規(guī)律，不光可以自由地生成人臉圖片，還可以按照組合要求合成某一個臉。

也許有人覺得AI不能做藝術(shù)創(chuàng)作?？磶啄昵?015年的DeepDream，還做得很差，比如這個模型生成的圖片，因為模型的前身是識別物體，看了很多狗狗貓貓，合成一個圖片的時候里面就有很多貓狗的影子，看起來挺惡心。

人工智能的藝術(shù)創(chuàng)作也已經(jīng)做到了以假亂真的地步。

同一年的另一類工作：風(fēng)格遷移，拿一張照片按照某個藝術(shù)家的風(fēng)格遷移過去，就生成了這樣的作品。到了2017年的一個工作，把從16世紀(jì)開始的大概25種畫派照片收集起來讓機(jī)器學(xué)習(xí)。學(xué)習(xí)的目標(biāo)是既要像某一類但是又不能太像，在這樣的壓力下，模型生成了的圖片在網(wǎng)上盲投時過了圖靈測試，就是說大家認(rèn)為這些圖片是藝術(shù)家畫的。藝術(shù)創(chuàng)作的創(chuàng)造性本身到底怎么定義，也變得相當(dāng)?shù)哪：?br>

人工智能現(xiàn)在之所以井噴，因為到了一個時間點能把很多學(xué)科揉在一起，比如AlphaGo在圍棋背后的所謂強(qiáng)化學(xué)習(xí)，其概念發(fā)端于一百多年前的心理學(xué)。其成功包括很多學(xué)科的支撐，比如腦科學(xué)、計算機(jī)科學(xué)。其中有很多無形推手，作用并不直接，比如互聯(lián)網(wǎng)、數(shù)碼技術(shù)——假如沒有互聯(lián)網(wǎng)、數(shù)碼相機(jī)就沒辦法收集和標(biāo)注數(shù)據(jù)。

還有一個因素是很多商業(yè)應(yīng)用。有很多看得見摸得著，像自動駕駛、人臉識別、機(jī)器翻譯等等。但是我覺得更大應(yīng)用是隱藏在幕后，比如在車間里、流水線上，也就是說工業(yè)4.0。我自己認(rèn)為這方面的應(yīng)用要打開才是好事情，才可以把生產(chǎn)效率提上去。

講了那么多還沒有講到關(guān)鍵點：深度模型作為一個函數(shù)，哪部分是“腦”，為什么？

在這一點上，我跟不少神經(jīng)科學(xué)家有分歧，有的神經(jīng)科學(xué)家覺得神經(jīng)元是最關(guān)鍵，人工智能的神經(jīng)元應(yīng)該跟腦一樣，需要用脈沖信號；也有的說優(yōu)化的方法必須和人腦的學(xué)習(xí)方式一致。

我覺得這些都不是本質(zhì)，更關(guān)鍵的是函數(shù)的形式是什么，或者說網(wǎng)絡(luò)的高層結(jié)構(gòu)式是什么。

給大家舉一些例子，有很多計算機(jī)學(xué)家做的工作是架構(gòu)師，就是設(shè)計不同網(wǎng)絡(luò)的結(jié)構(gòu)，底層是神經(jīng)元，但是可以分成不同的模塊，不同的網(wǎng)絡(luò)的架構(gòu)會不一樣。就像人居住的環(huán)境，地上打一個草席、到酒店、住高樓，雖然都是睡，但結(jié)構(gòu)不一樣，這個結(jié)構(gòu)最關(guān)鍵。我覺得是這個結(jié)構(gòu)本身跟人腦之間的關(guān)系要搞清楚。

可假如我們問腦科學(xué)家，比如說一句話，哪些腦區(qū)是聯(lián)動的，之間的邏輯和先后次序是什么，計算過程是什么，他們是不是很清楚呢？在上海我主持一個項目，自然語言處理在腦科學(xué)和人工智能之間的聯(lián)合研究項目。啟動調(diào)研的時候，我問，比如說看到桌子上有個蘋果，那么說出這句話，人腦是如何做到的，我以為他們（腦科學(xué)家）一小時之后就能告訴我，結(jié)果花了一天給了我一個草案，其中有很多的猜測。

我沒有任何貶低腦科學(xué)的意思，只是說腦科學(xué)也在探索，還有很多未知領(lǐng)域，既然有那么多未知，我們怎么和人類智能比較呢？挺困難。但是我們可以猜，我們可以從其他角度來看這些問題。

比如現(xiàn)在機(jī)器翻譯相對成熟，但結(jié)果還不好，你可以似懂非懂地猜。那么，我們?nèi)祟愂窃趺捶稿e的呢？我們?nèi)祟惙傅腻e挺有趣，關(guān)鍵在于人類犯錯和機(jī)器學(xué)習(xí)犯的錯不一樣。兩個系統(tǒng)犯錯一樣不見得他們背后的工作原理是一樣的，但是假如說犯錯不一樣，那么原理一定不一樣。這可以啟發(fā)我們怎么設(shè)計這個機(jī)器。

再比如說詩歌。我以前非常喜歡，現(xiàn)在沒有時間讀了，現(xiàn)在有很多寫詩的軟件，大家也許試過。但舉一些我們出色的詩人寫的詩歌，比如里爾克的這首“羚羊”，里面有一句寫道：To see you: tensed, as if each leg were a gun loaded with leaps. 這是描寫羚羊跳躍的敏捷，他說羚羊的腿像一把槍，裝的不是子彈，是跳躍，來形容動作之快，非常形象。

我有一個上海的詩人朋友王小龍，他的這首《愛的十四行》情詩，說“我要在海邊蓋一座房子，親愛的，一座鹽粒堆成的房子，我要的就是通體純藍(lán)……” “通體純藍(lán)”這四個字大家琢磨一下，非常有趣：鹽會想到提煉，用純這個字非常對，說海，我們會想象到藍(lán)，這句詩讓人覺得想象非常自然。讀詩讀多了，你會發(fā)現(xiàn)意向的跳躍和連接非常有趣，顯然我們現(xiàn)在機(jī)器學(xué)習(xí)出來的詩句沒有這個能力。

我們反過來看一看，機(jī)器學(xué)習(xí)里面的結(jié)構(gòu)是什么樣的。比如機(jī)器學(xué)習(xí)的翻譯模型，就是一串詞進(jìn)去，一串詞出去。大家知道，在圖靈測試之后有一個思想實驗叫“中國屋”，就是討論機(jī)器到底是不是理解句子。機(jī)器把一個詞拿過來，字典翻一翻，找一個詞吐出去，叫“中國屋”?！爸袊荨?，或者結(jié)構(gòu)是“中國屋”的模型，是不擁有所謂理解的能力的。

我們起碼要做到“中國房”。

我曾打趣說，三、四十年前，中國屋和中國房是一回事，因為大家都挺窮。但是現(xiàn)在“中國房”走進(jìn)去有各種各樣的房間，承載不同的功能，有臥室、廚房、衛(wèi)生間等等，有層次、有結(jié)構(gòu)。如果我們的模型是一個扁平的結(jié)構(gòu)，那就是中國屋。我們起碼要做成有層次結(jié)構(gòu)、有功能分塊的模型，只有那樣，才有希望跟人腦去進(jìn)行對比。

在這里，我們也可以從其他地方得到一些啟發(fā)。有一個印度小伙子，他做了一件非常了不起的工作。他發(fā)現(xiàn)自閉癥的孩子在說話的時候有些詞吐不出來，比較抽象的詞，比如動詞，經(jīng)常說不出來，所以不成句。他觀察到，自閉癥孩子媽媽引導(dǎo)孩子說話，來理解孩子的意圖，是用提問來引導(dǎo)的：比如說吃飯，吃什么？和誰一起吃？什么時候吃？他就做了這么一個游戲，訓(xùn)練自閉癥的孩子來產(chǎn)生句子，每個時間點都是可以正生長的圖，這就很像人來生長句子的過程了。比如“他來我也來”這種帶有主從關(guān)系的套句，可以有不同的次序來生成。人說一句話，有各種豐富表達(dá)的可能性，這也是語言的魅力，我們現(xiàn)在人工智能遠(yuǎn)遠(yuǎn)沒有達(dá)到這個地步。

我覺得連接人腦和人工智能的橋梁是有可能的。但是要這么看，就是腦科學(xué)底層有一些做基因、做神經(jīng)元、神經(jīng)電路這些工作，對理解人腦、保護(hù)腦非常有作用，但和人工智能的關(guān)系并不直接，也不一定對人工智能有特別大的啟發(fā)。因為底層的可以用神經(jīng)元做，也可以用其它器件做。但是，還有一些是更高層的、功能性的、系統(tǒng)層的工作，尤其神經(jīng)心理學(xué)、神經(jīng)哲學(xué)這些新的學(xué)科，對人工智能的發(fā)展至關(guān)重要。

張崢認(rèn)為，關(guān)于人腦研究，更高層的、功能性的、系統(tǒng)層的工作對人工智能的發(fā)展非常重要。

同樣的，人工智能也可以分成兩種，一種存在于人機(jī)交互的界面。一張圖片包含什么信息，一句話在說什么，機(jī)器不能瞎猜，機(jī)器理解的過程至少跟人腦的認(rèn)知計算的過程保持一致。

也就是說，在人機(jī)交互的這些功能上，比如理解人的語言、理解人的知識、理解圖片、以及各種交互功能，我覺得我們沒有選擇，我們必須要去理解大腦認(rèn)知計算的過程，用它作為一個指導(dǎo)來做我們?nèi)斯ぶ悄艿臇|西。如果這個過程不一樣，那么即使看上去一樣，但實質(zhì)不一樣，犯錯都不一樣，就提不上真正的，能和人緊密接觸的智能來。這是非常基礎(chǔ)也非常重要的工作。

張崢最后總結(jié)說，對于自己不擅長的東西，人類可以交給人工智能去做，目送人工智能做的越來越好。

人工智能的另外一部分我索性叫做“累腦”，為什么呢？

因為在人類那么長的進(jìn)化過程當(dāng)中，大部分的環(huán)境是相對簡單的。大腦還沒有足夠的時間和壓力來發(fā)育出比較成熟的功能來應(yīng)對一些比較復(fù)雜的任務(wù)。比如概率、統(tǒng)計等等，大家學(xué)習(xí)的時候會普遍覺得比較累，比較“抽象”。這些問題，本質(zhì)上是數(shù)學(xué)問題、搜索問題，就像下圍棋，這些問題，人類對付起來天生比較吃力。

對這一類型的人工智能，我覺得我們應(yīng)該放松，不必要拘泥于大腦的結(jié)構(gòu)，我們應(yīng)該目送AI遠(yuǎn)去，希望Ta在一馬平川上飛奔，做得越來越好。把我們本來也不擅長的任務(wù)交給人工智能，讓它發(fā)力，這樣反而可以解放我們?nèi)祟悺?nbsp;

演講視頻完整版，可關(guān)注知識分子官方微博 @知識分子 回看。