徐雷：人工智能不应是取代人的“机器智能”

更多精彩内容，请关注 《2024网易未来大会》专题报道

12月14-15日，2024网易未来大会在杭州举行，主题为“看智能，见未来”。本次大会由网易公司主办，杭州市经济和信息化局(杭州市数字经济局)、杭州市商务局、杭州高新技术产业开发区管委会指导。

大会包括人工智能论坛、智能汽车论坛、出海论坛等，众多科学家、企业家、创业者、投资人和行业精英人士汇聚，分享当下最热门的人工智能趋势，智能汽车未来和中国企业出海方法论，在思想碰撞中捕捉全新的时代机遇。

欧洲科学院院士、上海交通大学致远讲席教授，上海交通大学人工智能研究院首席科学家徐雷在大会主题演讲中，从形象思维与抽象思维的视角，鸟瞰人类从形象文字到拼音文字，再到数学语言、形式语言与计算机语言的演化历史，认为人工智能第一个二十年，在基于形式语言的计算机之诞生和发展背景下，自然地走上了与形式语言发展同向、抽象思维为主的符号AI之路。但是，人类智能是先发展形象思维能力后才逐渐发展抽象思维，并让计算机代替而开始实现自动化的。跨过了让机器发展形象思维的阶段，犹如沙滩上起楼，能达到的高度是有限的，这正是AI发展的第一个二十年最终走不下去的原因。钱学森先生在1970年代末符号AI正当高潮时，就认为形象思维是基础，更重要。

徐雷院士提到，今天人们所看到的AI发展成果，其实是源于另外一大批人马，致力于让机器发展形象思维能力。始于针对最基本的记忆能力，现在可能有人认为记忆不应属于智能，这只适于指在计算机中把一个内容存于一个地址之‘记’，再从这个地址取出之‘忆’。大脑的‘记’是将一个内容分散到许多神经元的连接程度又称权值上，没有一个特定的地址，大脑的‘忆’由另一个内容或者所记内容的一部分，唤醒相关的那些神经元，重建出所记内容或者联想出另一个内容，这是最基本的智能能力，称为联想记忆。六十年代起就有零星研究，逐渐有多人进入，到八十年代初开始起风涨潮，Hopfield （约翰·霍普菲尔德）在1982年的工作是一个突破性标志，做为今年物理诺奖的第一位是实至名归的。

徐雷院士进一步讲到，要记忆的东西多了，就自然涉及形象思维的分类、识别、认知能力，早期基础研究的标志，是1960年前后Rosenblatt（弗兰克·罗森布拉特 ）的Perception学习和获得1981年生理学或医学诺奖的Wiesel （威塞尔 ）和Hubel(休伯尔）特征检测理论，不过后者是个理论，前者是个可以学习的模型但不能有效计算实现。被当年符号AI的主要巨头Minsky（明斯基）在1969年写书《Perceptrons感知机》枪毙，今天有人误称为这是AI的第一次潮落，准确地讲应该是深度学习第一次潮落。今年物理诺奖的第二位给Hinton（辛顿）的重要原因之一，就是他和两位合作者于85和86年所做的深度学习之第一个成功方法back-propagation(反向传播）。尽管国内外尤其是国内不少网民，多有不服甚至微词，事实上，加上2006前后他再次掀起深度学习的工作，Hinton获得诺奖也是当之无愧的。

当今这番AI高潮不仅持续的最长，而且突破性发展众多。90年前后几年就有研究深度重建生成学习，徐雷院士本人在1991年也提出过早期的模型和学习原理。这次AI高潮中，深度生成学习再次涨潮于2015年前后。过去三年来有ChatGPT、生成学习与扩散模型等，在智能芯片发展的支撑下，又出现一轮井喷式发展。徐进一步归纳到，这轮发展后，基本上可以说，让机器发展形象思维的阶段已经获得了基本成熟。人们日常的智能活动，大多数属于形象思维，除了数学家、思想家、战略家等特别人群或者普通人在特别时段，进行着抽象思维活动。换言之，至今获得的机器形象思维的成功，已经可以在很多方面帮到人类的智能需求了。

徐雷认为， 今年的物理诺奖给AI贡献，尤其是奖给该阶段发展中对最基础部分即联想记忆与识别认知的关键突破，是顺理成章与别无他择的。徐院士在报告后的独家交流中还补充，早期神经网络研究的主流中，有很多人来自物理尤其是理论物理，再就是来自认知科学、应用数学、以及搞模式识别的。来自计算机领域的也有，但并非主流，那时的主流还在符号AI。Hinton虽然是出自计算机系的AI博士与教授，他本人的Boltzmann机与Helmholtz机都与物理理论紧密有关，而且back-propagation出自当年UCSD的PDP group，其中不少人来自理论物理。所以说，网上多人不解与微词，针对物理奖抢计算机与信息科学地盘，是不恰当的。真正奖的是物理学之发展与应用，这种转变已经开始于2009年物理诺奖给香港中文大学的光纤之父高锟教授。

徐雷院士认为，人工智能的下一步发展，是在上面形象思维的成功上，再起抽象思维高楼，是抽象思维和形象思维结合，借鉴过去多年来因果推理的研究成果，也可借鉴前面符号AI中得到的有用成果，但不是简单地回到过去，是在新基础上再出发。近几年中这种结合已经出现，AlphaGo就是一个显著例子。下围棋是符号AI的典型难题，通过深度学习识别棋盘布局建议着子策略，这种形象思维的进入与结合，大大地提高了属于抽象思维的树搜索问题，此前被符号AI认为是不可企及的天花板，就这样冲破了。今年的化学诺奖，是AI工具alphafold预测了几乎所有已知蛋白质的结构，就是在AlphaGo基础上得到的。换言之，今年化学诺奖给的就是抽象思维和形象思维结合的人工智能。下一步要探求各种形式的结合与各种场景中的应用，以及指导形象思维和抽象思维结合的人工智能模型与理论，这个可能还有一段路要走。

最后在谈及人工智能的目的与地位时，徐雷表示，人工智能不应是取代人的‘机器智能’，自己并不认同所谓AI能让人永生。人工智能旨在帮助人类，即每个人的生存与发展。人工智能实际上是一个人类的向往，涉及每个人自身，所以人人都有兴趣。整体上看，人工智能相当于大剧院的舞台和展览馆的各摊位，也是一种基础设施。这种向往和设施是一种软引擎，为政府在管理各种业界做AI赋能提供了一个综合抓手。因此，建议政府以软引擎引领全局，在水平方向上，不要陷入AI内容太深，不支持一哄而上，盲目投入而浪费。或许可考虑借鉴类似航天工业发展的举国体制，由最合适的龙头企业引领多家骨干，集中人才、财力、资源建通用大平台。现在都讲“人工智能+X”，这不够确切，它考虑的是水平方向。为了避免误会，也要提“X+人工智能”，指的是垂直方向，应该更重视，要鼓励各行业寻找痛点硬发展，打造真正落地有用专门平台。