人类一败涂地？诺贝尔奖为什么会颁给AI？（诺贝尔奖为什么备受关注）-兮夜游网

最近，关于诺贝尔奖的讨论沸沸扬扬，特别是，物理学奖和化学奖居然都颁给了AI科学家？！

是诺奖疯了还是AI赢了？人工智能是从什么时候开始全面“引领”科学的？未来的人类文明在人工智能面前真的会一败涂地吗？

在 【少年中国科技·未来科学+】系列的 《并不是长得像人，才叫机器人》里， 北京智源人工智能研究院院长黄铁军老师让你从零开始认识人工智能。

陈润生 / 黄铁军 / 山世光等｜演讲

格致论道｜编

未读·探索家｜出品

从被动接受到自主学习：人工智能的三个阶段

当谈到人工智能时，人们通常倾向于认为它是通过在计算机上编写程序和算法来实现的智能。然而，这只是对机器智能的狭义理解。

在计算机上编写程序和算法只是实现机器智能的一种途径，远非人工智能的全部。

人工智能60多年的发展历程，大致可以分成三个阶段。

第一个阶段可追溯到20世纪五六十年代至七十年代初。当时 开发人工智能的基本方法是将逻辑和推理等规则，也就是我们常说的编程和算法，灌输给机器，然后让机器去执行。

这种方法固然实现了某种程度的智能，但显然人类是设计者，机器仅是执行者。这种方法经过20年左右的发展后，暴露出了一些缺陷。人们逐渐认识到，许多问题无法用这种方法解决。

第二个阶段是20世纪七八十年代，当时出现了专家系统和知识工程等方法。这些方法引出了一个新的理念： 不仅要向机器输入规则，还要教给它知识（比如“北京是中国的首都”）。因此，大量的知识库和专家系统被设计了出来。

但后来人们发现，这样做还是有问题的。因为并非世界上所有的知识都可以变成一条一条的条目或书本上的符号，大部分需要灌输给机器的知识都是无法描述的。

第三个阶段为从20世纪80年代到现在，被称为 “从数据中学习”的阶段。在这一阶段，机器智能不再依赖人类编写规则和知识，然后让机器去执行，而是直接从数据中找规则、找规律。

所以，这个阶段也叫机器学习的时代。

靠深度学习的机器是如何战胜人类高手的？

什么是深度学习呢？

深度指的是神经网络的层数非常多。学习指的是机器通过一遍一遍尝试、不断地调整参数，最终逐渐得出接近人类期望的答案。

所以，深度学习就是在多层神经网络上，经过反复尝试，最后获得规律的过程。

能够从复杂的现象背后发现结构和规律，这就是智能的基本特征。深度神经网络就能够做到这一点：无论是什么类型的数据，只要它的内部存在一定的结构，深度神经网络都可以通过多次尝试找到其结构。这就是深度学习工作的基本方法。

深度学习的一个例子是围棋系统 AlphaGo（阿尔法围棋）。2016年，AlphaGo战胜了李世石。

它是怎么做到的呢？

在比赛前还有很多人认为计算机不可能战胜人类，因为他们得出这种结论背后的思想是符号主义的，即通过给机器制定规则去搜索围棋下法。然而，实际上 AlphaGo的成功是基于深度学习的技术。

计算机比较“笨”，但是算得快。人类能在有限的棋局里，把赢棋的规律总结出来。AlphaGo学习的其实就是人类的这种能力。

AlphaGo下围棋时，它的神经网络学习的是看围棋的局面，寻找其中规律性的东西，这个东西就是棋感。这跟人类从复杂的数据或事物里找规律的道理是一样的。但重要的是机器的计算能力比人类强大，AlphaGo可以看更多的棋面、棋局，从大规模的数据中学习，进行自我调整和优化。

人类无法做到从出生起到100岁每天下800盘棋，但是机器用几个月就可以做到。它获得的棋感资源要比人类获得的丰富得多，所以它找到了很多人类都没有尝试过的妙招，它打败人类是一个很显然的结果。

从弱人工智能走向强人工智能

既然我们能够在生物学上把生物神经系统的结构解析出来，那么人工智能面临的问题就是，能否照葫芦画瓢，把“电子大脑”构造出来，即能否制造出智能的机器。

对这方面的研究，各国的进展都很迅猛。目前，我国已经在北京怀柔建成了一个国家重大科技设施—— “多模态跨尺度生物医学成像设施”。这个设施的主要目标就是解析大脑的神经网络结构。

即便没有解析出人类大脑的结构，把果蝇大脑中的几十万个神经元解析出来，也是很有用的。现在的无人机看似很强大，但跟果蝇对比的话还差得远。如果能构造出类似果蝇大脑的电子装置，其实就可以解决很多实际的问题了。

再如，关于无人驾驶，有的人说它在几年内就能研究成功，有的人说可能几十年也不会有成果。这项技术面临的最关键的问题就是驾驶系统到底能不能灵敏地感知环境。

相比现在的无人驾驶系统，小鼠的大脑对复杂空间的感知能力要强大得多。如果我们能模拟出小鼠的大脑并将其与无人驾驶系统结合，这将足以让无人驾驶功能变成现实。

所以，如果能把生物的大脑高精度地模拟出来，然后把相关的智能训练出来，就能够解决人工智能领域的很多问题。随着这些问题一个个被解决，我们将走进 “通用人工智能”的新时代。

如今所有的人工智能都是弱人工智能，又叫窄人工智能或专用人工智能。这类智能系统只能完成一件事，下棋的只能下棋，做计算的只能做计算。 能够做任何事的智能叫通用人工智能，也叫强人工智能。硬要分类的话，人类当然是强人工智能系统，我们会做的不止一件事，只要学习，我们可以还学会解决各种问题的办法。未来，我们的研究目标就是做出通用人工智能系统。