李德毅

　　中國(guó)工程院院士、中國(guó)人工智能學(xué)會(huì)理事長(zhǎng)

　　我們今天的科學(xué)家，尤其是計(jì)算機(jī)科學(xué)家，把‘計(jì)算’用得太狠了，對(duì)‘計(jì)算’的依賴(lài)甚至有些‘貪得無(wú)厭’了!

　　人工智能學(xué)者不能只盯著計(jì)算認(rèn)知，一味要求 人腦研究的步伐有多快，而要拿出更多的精力放在“記憶認(rèn)知”和“交互認(rèn)知”上。

　　關(guān)于自動(dòng)駕駛，無(wú)論是對(duì)話、詩(shī)詞或者駕駛，圖靈測(cè)試都允許測(cè)試者現(xiàn)場(chǎng)介入，判定結(jié)果都帶有近似性和主觀性。但是，和對(duì)話、詩(shī)詞測(cè)試相比，駕駛的圖靈測(cè)試可以進(jìn)行更為精確、更為客觀的評(píng)測(cè)。

　　當(dāng)初汽車(chē)被發(fā)明出來(lái)的時(shí)候，人們最感興趣的是汽車(chē)的結(jié)構(gòu)、機(jī)械、傳動(dòng)、輪胎、底盤(pán)和車(chē)身。到20世紀(jì)，人們感興趣的則是發(fā)動(dòng)機(jī)、碳排放和被動(dòng)安全。到20世紀(jì)末、21世紀(jì)初，人們總體上關(guān)心3件事情，輕量化、清潔化、智能化。

　　智能化，有4個(gè)階段，第一是理性輔助駕駛，以人駕為主;第二是自動(dòng)駕駛，局部時(shí)段可以放開(kāi)手和腳;第三是自動(dòng)駕駛，即用自動(dòng)駕駛接管駕駛權(quán);第四是人機(jī)協(xié)同駕駛。

　　無(wú)人駕駛的重點(diǎn)，難在擬人。汽車(chē)是從馬車(chē)演變而來(lái)，作為動(dòng)力工具，汽車(chē)的馬力可以達(dá)到100匹馬力，但汽車(chē)遠(yuǎn)遠(yuǎn)不如馬應(yīng)對(duì)不同的負(fù)荷、天氣、路面，以及不同車(chē)輛情況下的適應(yīng)能力。說(shuō)白了，汽車(chē)的感知、認(rèn)知能力遠(yuǎn)遠(yuǎn)不如馬這個(gè)認(rèn)知主體，“老馬識(shí)途，車(chē)不如馬!”

　　所以根本問(wèn)題不在于車(chē)而在于人，要解決人的問(wèn)題，就要讓駕駛員的認(rèn)知能夠用機(jī)器人替代，讓機(jī)器人具有記憶、決策和行為能力，于是新的概念產(chǎn)生了——“駕駛腦”。

　　“駕駛腦”不等于駕駛員腦，“駕駛腦”是要做駕駛員的智能代理，要去完成包括記憶認(rèn)知、計(jì)算認(rèn)知和交互認(rèn)知在內(nèi)的駕駛認(rèn)知，他說(shuō)，這應(yīng)該是人工智能時(shí)代最有意義的課題之一。

　　蒲慕明

　　中國(guó)科學(xué)院外籍院士、中國(guó)科學(xué)院神經(jīng)科學(xué)研究所所長(zhǎng)

　　不管是國(guó)內(nèi)還是國(guó)外，都是如此，不過(guò)隨著研究手段不斷豐富，研究領(lǐng)域不斷突破，兩者的交叉融合成為熱點(diǎn)，甚至出現(xiàn)一個(gè)新的研究名詞，類(lèi)腦智能。美國(guó)、歐盟都相繼啟動(dòng)相關(guān)研究計(jì)劃，中國(guó)也啟動(dòng)了腦計(jì)劃。但中國(guó)的計(jì)劃是將腦科學(xué)和人工智能結(jié)合得最為緊密的。

　　比如，現(xiàn)在流行的深度學(xué)習(xí)，就是基于人工神經(jīng)網(wǎng)絡(luò)的一個(gè)應(yīng)用，這些人工神經(jīng)網(wǎng)絡(luò)都可以從神經(jīng)科學(xué)的一些規(guī)律中得到靈感。蒲慕明說(shuō)，比如可以借鑒神經(jīng)突觸的可塑性、記憶儲(chǔ)存、提取與消退，等等。

　　目前的腦科學(xué)研究能啟發(fā)人工智能的并不是特別多。因?yàn)楫?dāng)前的腦科學(xué)研究，僅相當(dāng)于物理、化學(xué)等學(xué)科在19世紀(jì)末期的研究水平，要完全理解大腦，可能是幾個(gè)世紀(jì)的事情，而不是我們這個(gè)世紀(jì)就可以達(dá)到的。

　　對(duì)于類(lèi)腦研究，必須要在這個(gè)時(shí)候做一些適當(dāng)?shù)膽?yīng)用，假如不把已經(jīng)知道的知識(shí)應(yīng)用到對(duì)腦疾病的診斷、干預(yù)和治療上，那么到2050年我們的醫(yī)療系統(tǒng)很可能要面臨崩潰——那時(shí)你會(huì)發(fā)現(xiàn)仍然沒(méi)有一個(gè)腦疾病能夠治愈。

　　對(duì)于人工智能的應(yīng)用，不一定非要完全搞清楚，神經(jīng)科學(xué)一些具有階段性的成果，也可以給人工智能的發(fā)展提供啟發(fā)。

　　譚鐵牛

　　中國(guó)科學(xué)院院士、中國(guó)科學(xué)院自動(dòng)化研究所研究員

　　“模式識(shí)別”是人類(lèi)最重要的智能行為，也是人工智能重要的研究?jī)?nèi)容——機(jī)器的“模式識(shí)別”能力，在一定程度或者很大程度上反映了機(jī)器智能“類(lèi)人”的程度。

　　比如語(yǔ)音識(shí)別，近些年突飛猛進(jìn)的科大訊飛，能將維吾爾語(yǔ)翻譯成漢語(yǔ)，漢語(yǔ)翻譯成維吾爾語(yǔ);再如步態(tài)識(shí)別，在看不到人臉、虹膜和指紋的時(shí)候，就能通過(guò)步態(tài)在幾十米外感知到其身份。

　　此外，還有圖像識(shí)別，其中具有代表性的人臉識(shí)別，早在幾年前馬云刷臉支付已經(jīng)引爆輿論熱點(diǎn)。圖像識(shí)別不僅可以用在手機(jī)上，還可在查找丟失兒童上發(fā)揮作用。

　　關(guān)于模式識(shí)別的技術(shù)瓶頸，可通過(guò)借鑒生物的機(jī)理改進(jìn)，未來(lái)生物啟發(fā)的模式識(shí)別在人工智能領(lǐng)域前景可期。其最終追求，是希望模擬逼近人的模式識(shí)別，這是非常艱巨的過(guò)程。

　　目前，模式識(shí)別的主要瓶頸在于魯棒性、自適應(yīng)性和可泛化性。

　　關(guān)于魯棒性，說(shuō)白了，就是人工智能“夠不夠皮實(shí)”“是不是稍微有點(diǎn)擾動(dòng)，就會(huì)出錯(cuò)”。比如在酒會(huì)上聊天，背景噪音比較多，如果想聽(tīng)清其中某一個(gè)人的聲音，就要忽略或者抑制背景中其他對(duì)話的干擾——人類(lèi)可以做到這一點(diǎn)，也就是聽(tīng)覺(jué)系統(tǒng)所謂的雞尾酒效應(yīng)，但人工智能可以嗎?

　　關(guān)于自適應(yīng)性，則比較容易理解，人類(lèi)的眼睛會(huì)隨著燈光的變化、環(huán)境的變化進(jìn)行調(diào)整，這說(shuō)明自適應(yīng)性非常強(qiáng)。這一點(diǎn)可以應(yīng)用到人工智能上，比如人臉識(shí)別，有一位朋友十幾年甚至幾十年沒(méi)見(jiàn)，再見(jiàn)面是否還能認(rèn)出來(lái)?他說(shuō)，現(xiàn)有的模式識(shí)別在這方面還不是很理想。

　　可泛化性，說(shuō)白了就是“舉一反三”。當(dāng)小孩認(rèn)識(shí)蘋(píng)果后，即便只記住了一次，也可以識(shí)別其他類(lèi)型的蘋(píng)果，這說(shuō)明人類(lèi)看到一個(gè)東西后，不僅知其然，還知其所以然。而知其所以然，就是人工智能領(lǐng)域所說(shuō)的“深度學(xué)習(xí)”。但目前的人工智能深度學(xué)習(xí)，必須建立在大量數(shù)據(jù)的基礎(chǔ)之上，這一點(diǎn)也有待進(jìn)一步研究。

　　要解決這3個(gè)問(wèn)題，關(guān)鍵還是看人類(lèi)本身，在微觀層面上，人工智能的模式識(shí)別可借鑒人類(lèi)的神經(jīng)元，神經(jīng)元有興奮性、抑制性、功能可塑性和傳播性?？茖W(xué)家受到這個(gè)啟發(fā)，增強(qiáng)了模式識(shí)別動(dòng)態(tài)系統(tǒng)的穩(wěn)定性。