“研發(fā)人工智能將成為人類歷史上犯的最大錯(cuò)誤。不幸的是，這也可能是最后一個(gè)錯(cuò)誤。”物理學(xué)家霍金2014年這番頗具意味的話，曾掀起全球關(guān)于人工智能威脅論的輿論熱潮，包括SpaceX創(chuàng)始人、特斯拉電動(dòng)汽車CEO馬斯克也稱人工智能為“惡魔”。不過，在6月27日中國科學(xué)院、天津市濱海新區(qū)政府聯(lián)合主辦的類腦智能創(chuàng)新論壇上，與會(huì)專家頻頻向外界傳遞著另一種聲音：要想造出超越人類智能的機(jī)器人，人類在科學(xué)研究上還有不小的距離。
當(dāng)天，面對(duì)現(xiàn)場100多位國內(nèi)外神經(jīng)生物學(xué)、人工智能領(lǐng)域的學(xué)者，中國科學(xué)院院士譚鐵牛說，“盡管經(jīng)過近60年的發(fā)展，人工智能取得了巨大進(jìn)步并呈爆發(fā)增長之勢，但在看得見的未來，人工智能的整體水平還難以超越人類智能，還不足以威脅人類的生存。”不過，他也提到，人工智能的社會(huì)影響必須得到高度重視。
當(dāng)前的人工智能有智能沒智慧、有智商沒情商、會(huì)計(jì)算不會(huì)“算計(jì)”
通常來說，人們更習(xí)慣于將那些能聽、能寫、能做、能夠代替人類工作的機(jī)器人，稱為通用的人工智能。就像人類的大腦一樣，能舉一反三、融會(huì)貫通，可謂“一腦萬用”。相應(yīng)地，真正意義上完備的人工智能系統(tǒng)，也應(yīng)該是一個(gè)通用的智能系統(tǒng)。 但在譚鐵牛看來，目前通用人工智能距離人類智能水平還有巨大差距。
盡管早在1997年，IBM的深藍(lán)超級(jí)計(jì)算機(jī)就戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫，14年后，IBM沃森知識(shí)問答系統(tǒng)，在電視智力競賽節(jié)目《危險(xiǎn)邊緣》中戰(zhàn)勝了兩位人類冠軍選手，不過，譚鐵牛認(rèn)為，這些面向特定領(lǐng)域的人工智能技術(shù)，由于應(yīng)用背景需求明確、領(lǐng)域知識(shí)積累深厚、建模計(jì)算簡單可行，因此形成了人工智能領(lǐng)域的單點(diǎn)突破，在局部智能水平的單項(xiàng)測試中可以超越人類智能。
仍以人機(jī)對(duì)弈為例，譚鐵牛說，人工智能可以在國際象棋比賽中打敗人類冠軍，但是在對(duì)智能水平要求更高的圍棋項(xiàng)目中，人工智能只相當(dāng)于業(yè)余五段水平。
身份識(shí)別也是現(xiàn)有機(jī)器人的一大“軟肋”，盡管在受控場景下，他們能夠準(zhǔn)確識(shí)別人員身份，但在車站、機(jī)場、商場等現(xiàn)實(shí)場景中，其人臉識(shí)別準(zhǔn)確率則急劇下降，而人類可以綜合人臉、談吐、衣著、表情、行為等多種特征在各種復(fù)雜條件下精確辨識(shí)人員身份。
“當(dāng)前的人工智能系統(tǒng)有智能沒智慧、有智商沒情商、會(huì)計(jì)算不會(huì)‘算計(jì)’。” 譚鐵牛說。
中國工程院院士鄭南寧也認(rèn)為，我們距離真正的人工智能還有較大的距離，一個(gè)簡單的例子是，我們目前尚未搞清楚大腦的工作機(jī)理，比如大腦用來處理外界激勵(lì)的能量消耗，只占了很小的比例，那些與刺激無關(guān)的能量消耗到底做了什么，以及在休眠狀態(tài)下，大腦記憶得到了強(qiáng)化，它的內(nèi)在機(jī)理是什么？“這些我們都還沒搞清楚，何談做類腦方面的研究？”
人類引以為傲的計(jì)算能力，也成了一大障礙。鄭南寧說，人類大腦約有1011的神經(jīng)元，其中每個(gè)神經(jīng)元有約104的突觸連接，以10Hz的速度釋放神經(jīng)脈沖，因此其計(jì)算量約為1016次操作，需要1018能力的高性能計(jì)算，才可完成模擬整個(gè)大腦的計(jì)算能力。然而，全球Top500高性能計(jì)算中具有這種能力的，預(yù)計(jì)在2019～2023年才能出現(xiàn)。
莫讓類腦計(jì)劃成為“皇帝的新衣”
隨著腦認(rèn)知和神經(jīng)科學(xué)的發(fā)展，國內(nèi)外學(xué)術(shù)界都已經(jīng)意識(shí)到，智能技術(shù)可以從腦科學(xué)和神經(jīng)科學(xué)獲得啟發(fā)，提高機(jī)器的智能水平。近年來，腦科學(xué)與類腦智能已經(jīng)成為世界各國研究和角逐的熱點(diǎn)，美國、歐盟相繼啟動(dòng)相關(guān)研究計(jì)劃，我國政府也正在論證并啟動(dòng)“中國腦計(jì)劃”。相應(yīng)地，不少高校也紛紛成立與此有關(guān)的課題組，甚至是研究院。
類腦計(jì)劃研究正在高速路上？
鄭南寧并不否認(rèn)這一點(diǎn)，在他看來，神經(jīng)科學(xué)、計(jì)算機(jī)科學(xué)、神經(jīng)網(wǎng)絡(luò)理論近20年的長足進(jìn)步，以及大數(shù)據(jù)時(shí)代對(duì)于智能計(jì)算的需求，使得今天的我們，再一次聚焦這一重大命題。
不過，他清晰地記得，上世紀(jì)80年代到90年代，也曾出現(xiàn)一股類似的潮流——以日本“第五代計(jì)算機(jī)”為代表的技術(shù)，力圖突破電腦所謂的馮·諾依曼瓶頸，以實(shí)現(xiàn)人工智能。當(dāng)時(shí)，知識(shí)工程奠基人費(fèi)根鮑姆認(rèn)為，這個(gè)驚人的開發(fā)，將引起第二次計(jì)算機(jī)革命。
然而，第五代計(jì)算機(jī)的命運(yùn)是“悲壯的”。鄭南寧至今記得，那次研究并未實(shí)現(xiàn)自然語言人機(jī)對(duì)話、程序自動(dòng)生成等目標(biāo)，最終計(jì)劃流產(chǎn)。
如今，人們這一次在面對(duì)類腦研究時(shí)的興奮，在鄭南寧看來，和當(dāng)年的情景如出一轍，他提醒現(xiàn)場的學(xué)者，莫讓這一次的類腦計(jì)劃，成為皇帝的新衣，“期望值過高，而又沒有達(dá)到預(yù)期，隨之帶來的，可能是學(xué)科發(fā)展的低落，甚至是災(zāi)難”。
類腦計(jì)算研究還是給科學(xué)家們留足了一些“可以踏踏實(shí)實(shí)”研究的題目。鄭南寧說，盡管神經(jīng)生理學(xué)的大量實(shí)驗(yàn)告訴我們，人類腦皮層各功能區(qū)域之間的關(guān)系極為復(fù)雜，解決各層次和各處理模塊之間的關(guān)聯(lián)是一個(gè)巨大挑戰(zhàn)，但科學(xué)家還可以深入研究模型特性，而非單純研究它的原型的物理原理。
他以飛機(jī)和鳥為例說，對(duì)鳥的詳細(xì)研究，不可能對(duì)如何制造飛機(jī)提供更多的啟示，對(duì)飛機(jī)的真正理解來自飛行的研究，而非鳥。“從這個(gè)意義來說，研究類腦計(jì)算，并非去完整復(fù)制人的大腦，而是對(duì)人腦功能特性的模擬。”鄭南寧說。
譚鐵牛也將上世紀(jì)80年代中到90年代中這段時(shí)間稱為人工智能的“寒冬期”，但在他看來，如今，互聯(lián)網(wǎng)和大數(shù)據(jù)推動(dòng)人工智能進(jìn)入新的春天。
國際機(jī)器人聯(lián)合會(huì)預(yù)測，“機(jī)器人革命”將創(chuàng)造數(shù)萬億美元的市場。2014年全球工業(yè)機(jī)器人銷量為22.5萬臺(tái)左右，銷量增長27%，年銷售額約59億美元。而中國市場，2014年一年的工業(yè)機(jī)器人銷量猛增54%，達(dá)到5.6萬臺(tái) 。
中國缺席人工智能60年來的重大發(fā)現(xiàn)
譚鐵牛以中科院自動(dòng)化所為例說，該所已經(jīng)初步實(shí)現(xiàn)了具有自主學(xué)習(xí)能力的類腦計(jì)算系統(tǒng)，并圍繞環(huán)境感知與交互、類腦自動(dòng)推理、類人機(jī)器人等開展了應(yīng)用驗(yàn)證。
但在譚鐵牛看來，一個(gè)嚴(yán)峻的現(xiàn)實(shí)情況是，我國在人工智能方面的整體發(fā)展水平，與發(fā)達(dá)國家相比仍然存在較大差距，尤其是在高精尖零部件、基礎(chǔ)工藝、工業(yè)設(shè)計(jì)、大型智能系統(tǒng)、大規(guī)模應(yīng)用系統(tǒng)以及基礎(chǔ)平臺(tái)與數(shù)據(jù)開放共享等方面與發(fā)達(dá)國家相距較大。
他說，在基礎(chǔ)理論差距方面，中國缺席人工智能60年來的重大發(fā)現(xiàn)，在智能汽車方面，我國先進(jìn)的傳感器（雷達(dá)、攝像頭）、控制器芯片、執(zhí)行器等核心零部件嚴(yán)重依賴外商，在電控單元的軟硬件、系統(tǒng)可靠性和控制精度方面，與國際先進(jìn)水平相比落后了10～15年，競爭力明顯不足。
同時(shí)，我國在經(jīng)濟(jì)社會(huì)綜合發(fā)展水平、高科技人才隊(duì)伍、高科技產(chǎn)業(yè)投資等方面與發(fā)達(dá)國家還存在差距。
不過，當(dāng)前，世界各國在類腦智能方向的研究都剛剛啟動(dòng)，我國在這方面的研究也處于蓄勢待發(fā)階段，這可能是一個(gè)機(jī)會(huì)。譚鐵牛說，“通用人工智能研究和應(yīng)用任重道遠(yuǎn)，類腦智能是實(shí)現(xiàn)從專用到通用人工智能突破的重要途徑。”
