人做的事AI都可以做吗

我们未来会不会被AI取代？人工智能可能复制人类思考模式吗？机器学习有什么用？上海科技大学的汪军教授的研究，是让机器像人一样可以学习，最终服务于人们的生活。研究AI，也能颠覆我们对人类智能的认知。请听他在@一刻talks《了不起的好奇心|科学侠》中的分享。

我们本身有个好奇心，我们对自己的认知，对整个自然界的认知。其中对自己的认知，如果更确切点，就是对人的一个智能的，他和动物之间的差别的这个，自己的智能的认知是怎么样产生的？从这个研究角度来讲，我们通过人工智能Aritificial Intelligence的一些研究，可以对人的智能的产生过程有更多的了解。

其实我们现在的很多算法，都和十年前、二十年前甚至三十年前的很多别人提出来的算法相似。但为什么现在我们大家觉得那么火，感觉好像好多问题都解决了，是因为两个重要的推动因素：第一个是计算力推动因素，咱们会发现通过GPU的计算，通过分布式计算，我们以前没法计算的东西现在可以计算了，可以大量地计算。

第二是数据量，我们可以采集到各种各样的数据，而这些数据都变得可以获得 （available）。我之前讲了我们这互联网广告以前做的时候你根本就没有数据，那么现在数据是通过云计算（Cloud Computing）存起来了，大家可以共享。

数据量多也导致了大家学习的时候能看到，机器学习的时候，能够看到不同的结果成果。所以这是两个外界的因素。那么还有一个就是工业界进入到学术研究，这跟以前完全是不一样，以前可能就是工业界做一些比较偏实践的（pracTIcal）、学术界做一些比较理论性的（theoreTIcal）。

现在的结合特别特别紧，工业界有一些很大的数据，它可能有些更多的洞察（insight），他们也有科研的需求，我讲科研需求，它当然是商业驱动的这些科研的需求，那么跟学校会很好地结合，对整个就AI的研究起了很大的促进作用。

九十年代以后，在美国包括英国，大家就开始这个方面的研究。在九十年代之前，你如果是说我是神经科学家，我要研究意识，那么别人认为你这个疯了，你怎么会研究意识？第一你是没法研究，第二你是没法发表文章，因为你做的东西到底是不是科学，大家都不承认。但是九十年代以后，出现了几个科学家去推动这个方面。

其中一个就是运用科学的方法，因为他们可以通过这种大脑影像，通过脑电波，可以对人脑的工作方式做一些研究。所以那个方面就是有一些突破，然后使得对人意识的研究往前走了很多步，然后对这个人的意识有很多很多的了解。

我感觉现在咱们人工智能这个地方的研究，这些算法都是没有意识的，它不是主动的。因为意识是什么？其中一个最简单的定义就是说，你是有主观的感受，比如说你看一幅名画，个人有个人的解释，你可以有你的解释。别人觉得这是一个旷世之作，你可能觉得是一个垃圾，个人有不同的主观感受。

那么机器有没有主观感受，没有。其他动物有没有主观感受，至少哺乳动物是有主观感受的。所以目前来讲就把咱们人和机器，或者说哺乳动物和机器之间是分开了。那么机器以后有没有主观感受，或者机器以后会不会产生主观感受，这是一个很有意思的科学问题。

就像我刚才说的那样，这个科学问题有两个大的意义：第一个是从科学来讲，我们是想了解一下人作为一个智能体，他的智能（Intelligence）是怎么样产生的。我们通过对机器的一些，现有的我们目前的一些硬件设备，能不能产生跟人一样的智慧，这是一个科学的问题。第二个是从应用角度来讲，我们通过人工智能以后产生一些好的这些算法，帮助我们解决一些实际问题，对我们的工业界会产生一定的推动作用。

我们现在不是在讲人工智能+，其实在各个行业用人工智能的技术能够对这个行业有不断的提高。比如说咱们刚才讲的互联网，比如说个性化推荐搜索，这些都是需要人工智能的技术，给人带来很大的这个方便。

那么工业界比如说机器人，怎么样设计一个比较好的机器人，能够生产自动化。那么我们讲无人车，这些都是一个很好的人工智能的应用，几乎涉及到所有各个的行业。只要有比如说数据，不管是大数据还是小数据，甚至是说对两大人类智能的一个高峰，比如说艺术的创造，科学研究本身，大家都是在探讨咱们人工智能是不是也可以攻克这两座大山。

本来只有人才可以干的事情，是不是人工智能也可以。比如说人工智能帮助设计，对产品的设计，对广告创意的设计，比如说我们现在有生成模型，我们怎么样生成这个图像，甚至已经达到一个以假乱真的地步，科学研究是不是人工智能它可以自己去做一些研究，这些也是很有意思的事情。

比如说有些科研发现，是通过对过去的研究论文（paper）的机器的阅读，机器的分析，其实能够得到更新的一个知识，可以显示出人工智能其实也可以做一些科学研究。

我感觉第一当然就是生活上的方便了，第二就是改变我们的认知，比如说我们对整个世界的认知。

我们会通过人工智能，一个更好的手段，能够对自然进行一些改造，能够把我们的技术往上再去提高一点。那么同时对其他交叉学科，对比如说neuroscience，就是脑科学，我们人工智能去研究。但人工智能主要是机器方面，那么还有对人的大脑的研究，其实有很多互动的东西，那么通过这个方面对这科学研究也有很多的促进作用。

刚才我讲了对科学研究，比如说Google，美国的谷歌公司。他们通过人工智能深度学习，去研究怎么样对新能源的产生，有没有帮助。我们通过人工学习方法，学习一个比较好的这种参数，能够产生一个更好的生产能源的一个方式，人工智能可以用到各个样的科研领域里。

我们最早的研究也是从生物学里面，生物学里面有一个洛特卡-沃尔泰拉模型（Lotka-Volterra Model）。两种不同的动物，两个不同的群体，这个群体之间互成这种关系，然后就导致它的群体的数量会随着时间变化。你就会发现它们不是个静态变化，而是个动态变化。

就是说当兔子很多的时候，这时候兔子会慢慢下来，而狐狸种群的数量会慢慢上去。然后等兔子少了以后，狐狸种群它又下来，因为它没有食物了，就下来了，下来以后兔子群体又上来了，所以它是一个动态的过程。

这个很有意思，这两个不同的这个群体之间的互动，就是在生物学里面。然后我们做了一个仿真，就是用一个捕食者（predator），一个猎物（prey），然后它们之间捕食关系。然后我们给它们加人工智能，给它们加一些智能（Intelligence）之后应该怎么躲，怎么去捕食。

它们刚开始都不知道怎么去捕食，捕食的意义是什么，但它们发现吃了这个对手以后，其实可以活得更长，血更多之类的。我们在模拟（simulate）的环境情况下，要用深度学习去驱动（drive）他们的行为，结果发现我们学习到一样的现象，就是它们种群的数量是动态的关系，然后成因果关系。所以这个就发现，其实生物界的一些现象，我们可以用人造（arTIficial）情况下，把它浮现出来，真正显示了这俩之间有很强的一些关系在里面。

我们在求异当中，发现其实最关键的是发现问题。问题的解决方案有多种多样，总归是能够找到一个不一定完全解决它，但是你如果是第一个，我一直跟学生讲，说我们要做第一个吃螃蟹的人，什么意思？就是你要有这个能力去把这个问题找对。

你找对问题，比别人给你一个问题，你去找到一个正确答案还重要。因为找对问题以后你是第一个吃螃蟹的人，把它作为一个问题，是数学表达式表现（formulate）出来，然后去解决它。这个是一个非常有益的（rewarding）过程，为什么？是你第一个发现了这个方面，往往第一个去解决这个问题，你会有很大的提高。第二个问题只是在你第一个解决问题的基础上，一个往上的走的修补过程。

所以相对来说创新性并不是那么大，所以一定要就是说从问题角度着手，这是很重要的。同时你通过问题着手，这会给你最大的一个奖励（reward）。