IDG君寫在前面：

1973年，英國(guó)的詹姆斯·萊特希爾爵士在調(diào)查研究了美國(guó)的AI熱之后，在議會(huì)發(fā)表了著名的批評(píng)報(bào)告。他在報(bào)告中羅列了詳盡的證據(jù)，認(rèn)為當(dāng)時(shí)流行的基于邏輯學(xué)的符號(hào)編程，根本無(wú)法解決復(fù)雜的現(xiàn)實(shí)問(wèn)題。這份報(bào)告直接導(dǎo)致了歷史上著名的“AI之冬”到來(lái)。

然而，一門偉大的科學(xué)終究是不可被抵擋的，在日本的“第五代計(jì)算機(jī)”刺激下，各國(guó)紛紛開(kāi)始了對(duì)知識(shí)系統(tǒng)的研究開(kāi)發(fā)計(jì)劃，終于，在上世紀(jì)八十年代，出生于英國(guó)的“AI教父”杰弗里·辛頓提出了反向傳播算法，力證了神經(jīng)網(wǎng)絡(luò)的價(jià)值，間接開(kāi)啟了人工智能的“二次復(fù)興”。

從此，科學(xué)家們致力于將人工智能與人類大腦聯(lián)系起來(lái)。關(guān)于它們之間的奇妙聯(lián)系與未來(lái)展望，不禁令所有人都饒有興致。

大腦內(nèi)有幾百億個(gè)神經(jīng)元，它們構(gòu)成了人類的運(yùn)算系統(tǒng)，但對(duì)大腦的研究方法卻一直囿于技術(shù)限制，在絕大部分時(shí)間里，科學(xué)家都難以對(duì)大腦的活動(dòng)進(jìn)行精確、直觀的實(shí)時(shí)觀測(cè)。因?yàn)槲覀円靼滓粋€(gè)問(wèn)題，單純的數(shù)學(xué)運(yùn)算并不是大腦僅有的功能，人的大腦還擁有記憶、語(yǔ)言、思維、學(xué)習(xí)、感知、創(chuàng)造等功能。

人類已然制造出了戰(zhàn)勝地球上最強(qiáng)圍棋選手的AlphaGo，但面對(duì)自身的大腦時(shí)卻依舊如霧里看花。如此看來(lái)，只有打通神經(jīng)科學(xué)的最后關(guān)卡，才能讓人工智能真正接近于人類大腦。而隱藏在兩大學(xué)科中的謎團(tuán)，卻還是令人感到撲朔迷離。

近日，國(guó)際著名神經(jīng)學(xué)家魯白教授、商湯科技聯(lián)合創(chuàng)始人兼首席執(zhí)行官徐立、IDG資本合伙人?？猓絿@“人腦VS智能”展開(kāi)了一場(chǎng)深度對(duì)話。

人類大腦VS人工智能，究竟會(huì)誰(shuí)勝誰(shuí)負(fù)？

?？庹f(shuō)：“人腦是一個(gè)大家很關(guān)心的話題，它其實(shí)代表著最高的一個(gè)智能，對(duì)智能本身的這樣的一個(gè)理解，應(yīng)該是我們一直追求的一個(gè)方面?！?/p>

的確，雖然人工智能在很多方面已經(jīng)超過(guò)了人類，但在可解釋性、推理能力、逆向思維等方面，與人腦相比還存在明顯差距。當(dāng)前，科學(xué)家們開(kāi)始把更多期待轉(zhuǎn)移到到類腦智能上，在他們看來(lái)，智能技術(shù)完全可以從腦科學(xué)和神經(jīng)科學(xué)汲取到經(jīng)驗(yàn)，當(dāng)人腦認(rèn)知神經(jīng)機(jī)制的理解有了突破，人工智能算法和演化也會(huì)帶來(lái)新的生機(jī)。

“深度學(xué)習(xí)算法，本質(zhì)上是在向人腦的生物學(xué)的組織方式進(jìn)行一些學(xué)習(xí)，雖然不是全部，它其實(shí)還是在向生物學(xué)的方式學(xué)習(xí)，其實(shí)從生物的角度上來(lái)講，可能也可以為IT進(jìn)行很多的支撐。”?？庖矊?duì)人工智能與基礎(chǔ)生物學(xué)的關(guān)系進(jìn)行了這樣的梳理。

科學(xué)界正在為這一目標(biāo)而努力，最近幾年相繼問(wèn)世的各種腦機(jī)接口技術(shù)就是最好例證。

就在不久前，來(lái)自斯坦福大學(xué)的研究人員打開(kāi)了一扇新大門，他們成功開(kāi)發(fā)出一套全新的皮質(zhì)內(nèi)腦機(jī)接口系統(tǒng)，該系統(tǒng)利用大腦運(yùn)動(dòng)皮層的神經(jīng)活動(dòng)可解碼 “手寫” 筆跡，并使用循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）解碼方法將筆跡實(shí)時(shí)翻譯成文本，快速將患者對(duì)手寫的想法轉(zhuǎn)換為電腦屏幕上的文本。

這恰恰如魯白所解釋的人機(jī)結(jié)合的原理，“感知、運(yùn)動(dòng)、記憶、情緒以及認(rèn)知。其中感知與運(yùn)動(dòng)是相對(duì)比較成熟的兩個(gè)領(lǐng)域。它們把腦的電信號(hào)轉(zhuǎn)換成運(yùn)動(dòng)信號(hào)，深度學(xué)習(xí)算法也是類似的處理信號(hào)。”

今天我們可以將腦中的 “意念”轉(zhuǎn)化為屏幕上的文字，那么在未來(lái)，更具幻想性操作也不會(huì)令人感到意外，人機(jī)結(jié)合的技術(shù)前景和商用潛力已經(jīng)顯露出冰山一角，大規(guī)模應(yīng)用的時(shí)代正在向我們走來(lái)。

一場(chǎng)科研范式的革命，將在腦科學(xué)領(lǐng)域爆發(fā)

人工智能不僅幫助我們更好地了解到人類大腦機(jī)理，更大的驚喜則是它還為帶來(lái)了一場(chǎng)科研范式的變革。

什么是范式？這是美國(guó)著名科學(xué)哲學(xué)家托馬斯·庫(kù)恩在《科學(xué)革命的結(jié)構(gòu)》提出來(lái)的概念，范式從本質(zhì)上講是一種理論體系和框架。庫(kù)恩認(rèn)為科學(xué)不是通過(guò)新知識(shí)的線性積累進(jìn)步，而是經(jīng)歷周期性的革命，也被稱為“范式轉(zhuǎn)移”。

魯白表示，從亞里士多德的邏輯，到培根的歸納與演繹，再到后來(lái)的實(shí)驗(yàn)驗(yàn)證學(xué)派，這個(gè)實(shí)驗(yàn)驗(yàn)證后來(lái)就變成了我們科學(xué)界的一個(gè)金標(biāo)準(zhǔn)，就是你必須要有一個(gè)假說(shuō)，通過(guò)這個(gè)假說(shuō)來(lái)設(shè)計(jì)實(shí)驗(yàn)，證明是對(duì)還是錯(cuò)。

他總結(jié)，這是一種過(guò)去的科研范式，而今天的科研范式正在發(fā)生巨大改變，這可能是大量的數(shù)據(jù)弄出來(lái)的，不需要技術(shù)，也不需要經(jīng)驗(yàn)，更不需要假說(shuō)?？纯茨銥槭裁聪矚g吃紅燒肉，為什么喜歡吃素食，跟你的基因有沒(méi)有關(guān)系，跟你的成長(zhǎng)行為有沒(méi)有關(guān)系，這是一種完全不一樣的做科學(xué)的方式。

魯白舉了一個(gè)例子，AlphaFold2有了大量的數(shù)據(jù)積累，只需要知道序列就可以對(duì)蛋白結(jié)構(gòu)進(jìn)行解析，這在科研范式上形成了一個(gè)重大的改變。對(duì)此，?？庖哺械胶苷鸷?，他說(shuō)人工智能居然能夠幫助去做蛋白質(zhì)展開(kāi)，這個(gè)是非常震驚的一個(gè)事情，以前以為是單方向的引領(lǐng)，后來(lái)發(fā)現(xiàn)可以雙向輔助。

隨著數(shù)據(jù)的爆炸性增長(zhǎng)，計(jì)算機(jī)將不僅僅能做模擬仿真，還可以進(jìn)行分析總結(jié)和得到理論。不過(guò)，算力的稀缺性問(wèn)題卻還沒(méi)被完全解決，AlphaFold2、Bert、BigGAN等人工智能對(duì)算力需求更大，我們的算力仍處于不充沛、不經(jīng)濟(jì)的狀態(tài)。

目前的計(jì)算機(jī)是基于圖靈（馮·諾依曼）架構(gòu)的，也就是讀取指令和執(zhí)行計(jì)算這一流程，這就代表了目前的人工智能只能是通過(guò)算法模擬，可是人設(shè)計(jì)的算法根本不可能達(dá)到我們的需求，徐立說(shuō)道。

在徐立看來(lái)，人工智能的算力和傳統(tǒng)算力的區(qū)別在于，人工智能算力的密集度巨高，并且能夠協(xié)同更大的池化、超大規(guī)模的網(wǎng)絡(luò)，因?yàn)轱@卡已經(jīng)解決不了如此大規(guī)模的網(wǎng)絡(luò)并處理那么多東西。以人工智能為代表的算力，在未來(lái)幾年的發(fā)展，一定是推動(dòng)這些技術(shù)演進(jìn)的核心動(dòng)力。

這與?？獾南敕ú恢\而合，他講述了自己當(dāng)年如何被商湯科技技術(shù)打動(dòng)的故事，其中一點(diǎn)就是商湯在用神經(jīng)科學(xué)的機(jī)理來(lái)做人工智能，這也讓商湯的技術(shù)水平領(lǐng)先于同行。

只有讓人工智能擁有像人類神經(jīng)網(wǎng)絡(luò)一樣的系統(tǒng)，算力才不會(huì)走向枯竭。半個(gè)世紀(jì)以前，研究人員曾試圖將神經(jīng)科學(xué)和人工智能聯(lián)系起來(lái)，可惜兩個(gè)學(xué)科一直在相互獨(dú)立并行發(fā)展。而今科研范式的變化，讓這座中斷的橋梁被重新架起，它們之間將碰撞出更多可能性。

讓少數(shù)人先打破，塑造反共識(shí)與新共識(shí)

科研范式的突破是多個(gè)學(xué)科融合創(chuàng)新的結(jié)果，關(guān)于如何才能進(jìn)行創(chuàng)新的話題，三人也交流了彼此的觀點(diǎn)。

牛奎光提供了一種認(rèn)知，那就是創(chuàng)新基本都是反共識(shí)的，對(duì)早期的創(chuàng)業(yè)者而言，開(kāi)始時(shí)只有少數(shù)人意識(shí)到這個(gè)問(wèn)題，所謂創(chuàng)業(yè)創(chuàng)新的過(guò)程，就是打破老共識(shí)形成新共識(shí)的過(guò)程，新共識(shí)越大企業(yè)的價(jià)值就會(huì)越大，當(dāng)然也就會(huì)越難。

以這樣的角度看，20世紀(jì)的科學(xué)史，就是一部“反共識(shí)”的科學(xué)史。

20世紀(jì)之前，牛頓力學(xué)、麥克斯韋方程和經(jīng)典統(tǒng)計(jì)力學(xué)幾乎擁有上帝般的威力。尤其是牛頓力學(xué)，幾乎可以解釋肉眼可見(jiàn)的絕大多數(shù)物理學(xué)現(xiàn)象，人們堅(jiān)信這就是金科玉律。但隨著普朗克、海森堡和愛(ài)因斯坦等科學(xué)巨擘的新發(fā)現(xiàn)，物理學(xué)的研究從此轉(zhuǎn)向，開(kāi)始進(jìn)入以量子理論為代表的微觀世界。

反共識(shí)的重要性顯而易見(jiàn)，究竟怎樣行動(dòng)才能帶來(lái)這一點(diǎn)呢？徐立說(shuō)，要允許我們的基礎(chǔ)研究做無(wú)用的研究，做無(wú)用之學(xué)，因?yàn)橹挥胁煌５淖瞿切┛赡茉诂F(xiàn)在看上去未必能夠有那么強(qiáng)大的轉(zhuǎn)化可能性的，但是那才是在探索我們認(rèn)知的邊界，才有可能在真正意義上帶來(lái)反共識(shí)的突破。

錢鐘書(shū)先生曾說(shuō)，世上所有有趣的事實(shí)往往是無(wú)用的，過(guò)去也有人講，無(wú)用之學(xué)的厚度，決定有用之學(xué)的高度。這對(duì)于投資者的啟發(fā)同樣不言而喻，只有摒棄短視的功利心、不計(jì)較一時(shí)得失、堅(jiān)持長(zhǎng)期主義，才能在不確定的世界里，找到確定的答案。

IDG資本同樣堅(jiān)信這種理念，不管是人類大腦與人工智能的相互融合，還是科研范式的繼續(xù)革命，變化已然是當(dāng)今世界的主題，但事物的價(jià)值永遠(yuǎn)停留在時(shí)間的恒河上，需要做的無(wú)非是耐心和甄別。只有堅(jiān)定不移地篤信科學(xué)的力量，并與時(shí)間長(zhǎng)期陪跑，才能在無(wú)數(shù)的波動(dòng)中不改初心，看到那些慢慢隱現(xiàn)的價(jià)值，這事關(guān)集體的命運(yùn)，也事關(guān)每個(gè)人的幸福。

原文標(biāo)題：人工智能VS人類大腦大咖對(duì)談錄：誰(shuí)是未來(lái)世界的主宰？

文章出處：【微信公眾號(hào)：IDG資本】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

責(zé)任編輯：haq