我們未來會不會被AI取代？人工智能可能復制人類思考模式嗎？機器學習有什么用？上海科技大學的汪軍教授的研究，是讓機器像人一樣可以學習，最終服務于人們的生活。研究AI，也能顛覆我們對人類智能的認知。請聽他在@一刻talks《了不起的好奇心|科學俠》中的分享。

為什么要研究人工智能

我們本身有個好奇心，我們對自己的認知，對整個自然界的認知。其中對自己的認知，如果更確切點，就是對人的一個智能的，他和動物之間的差別的這個，自己的智能的認知是怎么樣產生的？從這個研究角度來講，我們通過人工智能Aritificial Intelligence的一些研究，可以對人的智能的產生過程有更多的了解。

人工智能的起源與現狀

其實我們現在的很多算法，都和十年前、二十年前甚至三十年前的很多別人提出來的算法相似。但為什么現在我們大家覺得那么火，感覺好像好多問題都解決了，是因為兩個重要的推動因素：第一個是計算力推動因素，咱們會發現通過GPU的計算，通過分布式計算，我們以前沒法計算的東西現在可以計算了，可以大量地計算。

第二是數據量，我們可以采集到各種各樣的數據，而這些數據都變得可以獲得 （available）。我之前講了我們這互聯網廣告以前做的時候你根本就沒有數據，那么現在數據是通過云計算（Cloud Computing）存起來了，大家可以共享。

數據量多也導致了大家學習的時候能看到，機器學習的時候，能夠看到不同的結果成果。所以這是兩個外界的因素。那么還有一個就是工業界進入到學術研究，這跟以前完全是不一樣，以前可能就是工業界做一些比較偏實踐的（practical）、學術界做一些比較理論性的（theoretical）。

現在的結合特別特別緊，工業界有一些很大的數據，它可能有些更多的洞察（insight），他們也有科研的需求，我講科研需求，它當然是商業驅動的這些科研的需求，那么跟學校會很好地結合，對整個就AI的研究起了很大的促進作用。

九十年代以后，在美國包括英國，大家就開始這個方面的研究。在九十年代之前，你如果是說我是神經科學家，我要研究意識，那么別人認為你這個瘋了，你怎么會研究意識？第一你是沒法研究，第二你是沒法發表文章，因為你做的東西到底是不是科學，大家都不承認。但是九十年代以后，出現了幾個科學家去推動這個方面。

其中一個就是運用科學的方法，因為他們可以通過這種大腦影像，通過腦電波，可以對人腦的工作方式做一些研究。所以那個方面就是有一些突破，然后使得對人意識的研究往前走了很多步，然后對這個人的意識有很多很多的了解。

我感覺現在咱們人工智能這個地方的研究，這些算法都是沒有意識的，它不是主動的。因為意識是什么？其中一個最簡單的定義就是說，你是有主觀的感受，比如說你看一幅名畫，個人有個人的解釋，你可以有你的解釋。別人覺得這是一個曠世之作，你可能覺得是一個垃圾，個人有不同的主觀感受。

那么機器有沒有主觀感受，沒有。其他動物有沒有主觀感受，至少哺乳動物是有主觀感受的。所以目前來講就把咱們人和機器，或者說哺乳動物和機器之間是分開了。那么機器以后有沒有主觀感受，或者機器以后會不會產生主觀感受，這是一個很有意思的科學問題。

人工智能的意義與成果

就像我剛才說的那樣，這個科學問題有兩個大的意義：第一個是從科學來講，我們是想了解一下人作為一個智能體，他的智能（Intelligence）是怎么樣產生的。我們通過對機器的一些，現有的我們目前的一些硬件設備，能不能產生跟人一樣的智慧，這是一個科學的問題。第二個是從應用角度來講，我們通過人工智能以后產生一些好的這些算法，幫助我們解決一些實際問題，對我們的工業界會產生一定的推動作用。

我們現在不是在講人工智能+，其實在各個行業用人工智能的技術能夠對這個行業有不斷的提高。比如說咱們剛才講的互聯網，比如說個性化推薦搜索，這些都是需要人工智能的技術，給人帶來很大的這個方便。

那么工業界比如說機器人，怎么樣設計一個比較好的機器人，能夠生產自動化。那么我們講無人車，這些都是一個很好的人工智能的應用，幾乎涉及到所有各個的行業。只要有比如說數據，不管是大數據還是小數據，甚至是說對兩大人類智能的一個高峰，比如說藝術的創造，科學研究本身，大家都是在探討咱們人工智能是不是也可以攻克這兩座大山。

本來只有人才可以干的事情，是不是人工智能也可以。比如說人工智能幫助設計，對產品的設計，對廣告創意的設計，比如說我們現在有生成模型，我們怎么樣生成這個圖像，甚至已經達到一個以假亂真的地步，科學研究是不是人工智能它可以自己去做一些研究，這些也是很有意思的事情。

比如說有些科研發現，是通過對過去的研究論文（paper）的機器的閱讀，機器的分析，其實能夠得到更新的一個知識，可以顯示出人工智能其實也可以做一些科學研究。

我感覺第一當然就是生活上的方便了，第二就是改變我們的認知，比如說我們對整個世界的認知。

我們會通過人工智能，一個更好的手段，能夠對自然進行一些改造，能夠把我們的技術往上再去提高一點。那么同時對其他交叉學科，對比如說neuroscience，就是腦科學，我們人工智能去研究。但人工智能主要是機器方面，那么還有對人的大腦的研究，其實有很多互動的東西，那么通過這個方面對這科學研究也有很多的促進作用。

剛才我講了對科學研究，比如說Google，美國的谷歌公司。他們通過人工智能深度學習，去研究怎么樣對新能源的產生，有沒有幫助。我們通過人工學習方法，學習一個比較好的這種參數，能夠產生一個更好的生產能源的一個方式，人工智能可以用到各個樣的科研領域里。

我們最早的研究也是從生物學里面，生物學里面有一個洛特卡-沃爾泰拉模型（Lotka-Volterra Model）。兩種不同的動物，兩個不同的群體，這個群體之間互成這種關系，然后就導致它的群體的數量會隨著時間變化。你就會發現它們不是個靜態變化，而是個動態變化。

就是說當兔子很多的時候，這時候兔子會慢慢下來，而狐貍種群的數量會慢慢上去。然后等兔子少了以后，狐貍種群它又下來，因為它沒有食物了，就下來了，下來以后兔子群體又上來了，所以它是一個動態的過程。

這個很有意思，這兩個不同的這個群體之間的互動，就是在生物學里面。然后我們做了一個仿真，就是用一個捕食者（predator），一個獵物（prey），然后它們之間捕食關系。然后我們給它們加人工智能，給它們加一些智能（Intelligence）之后應該怎么躲，怎么去捕食。

它們剛開始都不知道怎么去捕食，捕食的意義是什么，但它們發現吃了這個對手以后，其實可以活得更長，血更多之類的。我們在模擬（simulate）的環境情況下，要用深度學習去驅動（drive）他們的行為，結果發現我們學習到一樣的現象，就是它們種群的數量是動態的關系，然后成因果關系。所以這個就發現，其實生物界的一些現象，我們可以用人造（artificial）情況下，把它浮現出來，真正顯示了這倆之間有很強的一些關系在里面。

科學與創新

我們在求異當中，發現其實最關鍵的是發現問題。問題的解決方案有多種多樣，總歸是能夠找到一個不一定完全解決它，但是你如果是第一個，我一直跟學生講，說我們要做第一個吃螃蟹的人，什么意思？就是你要有這個能力去把這個問題找對。

你找對問題，比別人給你一個問題，你去找到一個正確答案還重要。因為找對問題以后你是第一個吃螃蟹的人，把它作為一個問題，是數學表達式表現（formulate）出來，然后去解決它。這個是一個非常有益的（rewarding）過程，為什么？是你第一個發現了這個方面，往往第一個去解決這個問題，你會有很大的提高。第二個問題只是在你第一個解決問題的基礎上，一個往上的走的修補過程。

所以相對來說創新性并不是那么大，所以一定要就是說從問題角度著手，這是很重要的。同時你通過問題著手，這會給你最大的一個獎勵（reward）。