楊學成：我們要如何理解人工智能技術(shù)？

A代表AI，也就是人工智能。近年來尤其是2023年，人工智能的話題是非?；馃岬摹ｋS著ChatGPT的發(fā)展，我們見證了人工智能在全世界的普及。過去，我們提到人工智能時總是感覺技術(shù)高高在上，可望而不可及，但是ChatGPT卻可以像智能助手一樣和我們互動，我們有任何問題都可以詢問ChatGPT，而它的回答每每都讓我們感到驚艷。由此，我們看到人工智能技術(shù)正在快速大踏步向我們走來，那么我們要如何理解人工智能技術(shù)？我們可以把人工智能技術(shù)的發(fā)展以及對產(chǎn)業(yè)發(fā)展的影響分為三個等級來看：一是運算智能，也就是通過計算能夠得來的智能；二是感知智能，也就是要求機器做到會聽、會說、會看，比如智能音箱、Siri、人臉識別等；三是當前最復雜的認知智能，也就是要求機器做到會想、會思考、能理解，具備真正的思維能力。這是人工智能從誕生到現(xiàn)在走過的三個重要階段，現(xiàn)在我們的焦點是在認知智能上。那么，我們要如何理解這三個等級的智能？那就是要統(tǒng)一認識這三個等級的智能，也就是說盡管各有側(cè)重，但基本上都是同時被用到的。

一、什么是運算智能？

運算智能講究大算力，實際上是指算力輸出而不講究算法。最開始給人類社會帶來人工智能沖擊的，是發(fā)生在1997年，IBM公司開發(fā)生產(chǎn)的超級國際象棋電腦——DeepBlue（深藍）。深藍誕生之后就打敗了卡斯帕羅夫，在世界上引起了很大轟動，不亞于現(xiàn)在的ChatGPT對我們的影響，大家都在驚訝于計算機能夠有智力，甚至是進化速度非?？斓挠嬎銠C將很快在智力上把人類全部打敗。但是沒過多久，我們就明白過來，深藍打敗卡斯帕羅夫?qū)嶋H上并不是由于具備智力，或者說根本不需要用到智力，因為國際象棋的走法是可以被窮盡的，我們完全可以把所有走法都教給深藍。這樣的話，深藍就具備了完備數(shù)據(jù)庫，人每走一步棋都會回到數(shù)據(jù)庫中進行比對，得出哪種走法最終勝出的概率更高。我們發(fā)現(xiàn)，深藍只需要通過計算勝率就能夠把人打敗。盡管卡斯帕羅夫下棋時要相對復雜，因為他考慮的不是眼前這一步棋而是好多步棋的走向，但是他也有局限，那就是考慮更多將會遠遠超出腦力范疇。然而，我們只需要給深藍足夠強大的算力，就能夠算出第十一、十二甚至二十步棋。通過這個例子，我們知道正是因為有了極強的算力，計算機才能夠體現(xiàn)出智能的感覺。到現(xiàn)在為止，任何一臺人工智能系統(tǒng)的發(fā)展都離不開強大的算力，比如支撐ChatGPT計算與發(fā)展的仍然是上萬張性能最高的芯片，并且每進行一次大模型訓練都要耗能甚巨。所以，算力是智能系統(tǒng)的基礎(chǔ)，這就是運算智能。

然而，過去的計算機都屬于經(jīng)典計算機，其實際算力是有瓶頸的。我們能不能找到一種更好的辦法，能夠讓算力更大量地輸出？這就要換一個范式，從經(jīng)典計算機采用的二進制發(fā)展到突破二進制束縛的量子計算，進入到更大范圍的算力提升上來。從上世紀70年代提出量子計算機原形到現(xiàn)在，經(jīng)過五十年左右的探索，我們能夠看到量子計算技術(shù)也已經(jīng)大踏步向我們走來。比如，2019年谷歌公司研制完成的“懸鈴木”量子計算原型機，在計算一個非常復雜的線路問題時只用了200秒就完成了，而對于同樣的問題，運算速度最快的經(jīng)典計算機也差不多要連續(xù)不間斷工作一萬年時間，差距一目了然。2020年我國科學家團隊成功構(gòu)建76個光子的量子計算原型機“九章”，其計算速度等效比“懸鈴木”快100億倍，這意味著量子計算技術(shù)已經(jīng)離我們的生活越來越近，當有了更大算力支持時，我們過去很難做到的事情將很快可以迎刃而解，如對氣象動力學進行精細化數(shù)據(jù)模擬，甚至能確定每分每秒的天氣情況。總而言之，更大的算力將帶給我們更大的智能。

二、什么是感知智能？

感知智能基于自然語言處理或者稱語音識別技術(shù)，現(xiàn)在這個領(lǐng)域已經(jīng)突破得很好了。國外最先把語音交互入口作為商用化應(yīng)用的就是蘋果公司推出的Siri，國內(nèi)也先后涌現(xiàn)出一批在感知智能方面做得非常好的企業(yè)，如曠視科技、商湯科技、依圖科技、云從科技等。他們在語音識別、圖像處理等方面的技術(shù)都是全球領(lǐng)先的，在人臉識別方面基本上都可以把準確度提高到98%以上，也就意味著在會看這一領(lǐng)域，機器的能力已經(jīng)超越了人的眼睛。

三、什么是認知智能？

認知智能要求機器能做到會想、會思考、能理解，在這個方面我們已知的就有很多表現(xiàn)得非常驚艷的公司，比如DeepMind公司開發(fā)的專門用來下圍棋的人工智能系統(tǒng)——AlphaGo。自誕生之后，AlphaGo先后挑戰(zhàn)了人類最頂尖的圍棋高手，如4:1戰(zhàn)勝了李世石，一次性打敗日本和韓國排名前六十的圍棋高手，在中國烏鎮(zhèn)挑戰(zhàn)柯潔，三盤全勝。至此，機器又在圍棋這個領(lǐng)域獲得了超越人類的絕佳優(yōu)勢，而且我們還有理由相信，一旦機器能夠下圍棋，人類就再難找到翻盤的機會了。在此基礎(chǔ)上，DeepMind公司又推出了AlphaGo的進化版本——AlphaGo Zero，又稱阿爾法元。阿爾法元只訓練了三天，就完全打敗了AlphaGo，之后只花了三個小時的時間又掌握了國際象棋，成為國際象棋的頂尖高手。后來，DeepMind公司又讓阿爾法元去發(fā)現(xiàn)蛋白質(zhì)結(jié)構(gòu)。在阿爾法元的支持下，人類對于蛋白質(zhì)結(jié)構(gòu)的認知被擴大了無數(shù)倍。

人類作為一個整體、總體，擁有大量的知識，然而我們每個個體卻又很渺小，哪怕任何一個人從出生開始學起，傾其一生能夠掌握的人類知識也只占總體知識微不足道的一部分。由此，一條巨大的鴻溝出現(xiàn)在我們面前，我們能不能找到并建立起來一種機制，讓任何一個個體學到更多的人類整體的知識，這就是關(guān)于認知智能的另一條路線。在這條路線上率先做出成績的是IBM公司推出的沃森系統(tǒng)。沃森系統(tǒng)有一項非常重要的能力，那就是只需要一秒就能夠讀完一百萬本書，這個讀完特指認知計算完，也就是理解這本書的意思。有了這樣的能力，沃森系統(tǒng)可以瞬間成為任何一個專業(yè)領(lǐng)域里面的專家，我們可以把某個專業(yè)領(lǐng)域里所有人類已有的知識迅速教給沃森，這種學習能力是任何一個人類個體都沒法相比的。沃森學完了之后，就可以反過來賦能個體。這就是認知智能的另一條路線，即并不給人類整體增加新知識，而是使人類積累的知識得以更加高效地輸出和使用。

由此可見，未來的工作場景更像是人類負責提問，而機器負責回答。比較個體有沒有能力或競爭力的核心，取決于能不能提出好問題，因為問題提得越好，人工智能系統(tǒng)就能夠發(fā)揮出更大的潛力。由人類提問、由機器回答的結(jié)合也將成為我們?nèi)碌纳顮顟B(tài)，也就是未來任何一個人都會是人機融合或者稱人機交互的系統(tǒng)。人工智能成為人類的“僚機”，全生命、全時空伴飛。綜上所述，三個等級的智能結(jié)合起來，奠定了未來人工智能技術(shù)發(fā)展的基礎(chǔ)，進而在大數(shù)據(jù)之上演化出智能經(jīng)濟。

（根據(jù)北京郵電大學經(jīng)濟管理學院副院長楊學成《數(shù)字中國與未來產(chǎn)業(yè)的展望》講稿摘編整理）