计算机科学与人工智能之父图灵曾经用一个简单的标准定义人工智能，他说：“真正的人工智能，就是你用一台计算机藏在幕后，跟一个人对话，对话的人分辨不出幕后是人还是计算机，那么这台计算机就是有了人工智能”。

现在人工智能研究的水平已经远远超过图灵的定义。2004年兴起的谷歌大数据研究,掀起了近代人工智能研究的第一波高潮，特别是2006年杰弗里·辛顿（Geoffrey Hinton）等专家提出的应用于模式识别，如人脸、指纹、字符、语音、博弈等的深度神经网络模型，这阶段人工智能的代表算法是谷歌的TensorFlow，典型应用有谷歌围棋手Alfa-Go和中国人工智能科学家汤晓鸥的129层人脸识别网络。

2022年11月30日发布的ChatGPT文本生成人工智能聊天机器人，启动了新一波大模型构建技术，人工智能已经从文本生成推广到各行各业，如律师、会计、科技咨询、决策、经济分析，甚至金融领域如股票、期货等。

究竟什么是人工智能，目前世界人工智能的研究达到了什么样高度，将对我们的生活产生什么影响?本期宁点访谈，我们采访到了金声教授来为大家分享。

金声：

北京中科老专家技术中心人工智能专家委员会主任。

曾任澳大利亚新南威尔士大学、悉尼大学、纽卡斯尔大学副教授、教授、信息技术首席教授，澳大利亚信息技术强化学院（ITiC）教务长。

在摩托罗拉、CA、扫描世界、超软等多家世界知名公司担任科技顾问。已发表三百余篇学术论文、13本专著、18项专利。并60多次应邀在国际会议，政府部门，大学和科研机构作专题演讲。

记者：了解一样事物，首先要知道它的发展历程，很早的时候，人们就幻想人工智能的出现，也提出了这个概念，可是直到现在，这个概念才家喻户晓，其间经历了怎样的发展？

人工智能这一概念，可以追溯到1956年，美国学者马文·明斯基（Marvin Minsky）首次提出人工智能一词。

人工智能的发展简史，大致经历早期、低谷期和高速发展期，要了解这些，必须要懂得计算机的发展简史。

在40年代，当时的人们在研究硬件，怎么样把一台计算机造出来，50年代计算机造出来后，人们的研究集中在算法，比如4阶以上的方程，没有任何的公式能够表达解法，这个算法的工作量非常大，所以当时人们在研究怎么样提高计算速度。

到了60年代就出现了高级计算机语言，如c语言。高级语言编出来的程序就像英文文章一样，人可以阅读。

70年代计算机进入数据库时代，在1972年的时候，加州大学伯克利分校的Micheal提出Ingres数据库，计算机可以进行文摘检索。

80年代，intel做出了8080微处理器，使计算机小型化，变成像小型旅行箱大小的台式机，而且价钱降到了2000美金，这样一来就把计算机带到了千家万户。

90年代我们都知道出现了互联网，把全世界的计算机连到一起。到了21世纪，就出现了一个新的领域叫多媒体，计算机从处理数字和文字进展到能处理图像、语音和视频。

最后一个里程碑的就是2005年的大数据概念，源自谷歌，可以说至此，人工智能发展的软硬件条件才成熟，才有2010年人工智能再一次掀起的科技浪潮。

记者：从以上计算机的发展来看，1956年就提出了人工智能的概念，但是默默无闻了50年才再次被提出来，中间一定也有科学家的努力，他们是历经了怎样的努力？

1956年，Marvin Minsky在达特茅斯会议时候提出了神经网络，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型，简而言之神经元可以接受许多输入，而不仅仅是一个输入，树突收集了这些电信号，将其组合形成更强的电信号。

如果信号足够强，超过阈值，神经元就会发射信号，沿着轴突，到达终端，将信号传递给下一个神经元的树突，由此继而发展出人工智能这个概念。

“成也萧何，败也萧何”，在当时受局限的研究条件下，最后得出结论就是三层的神经网络元只是一个线性变换，解决不了最常见的逻辑“异或”运算。这样一来，所有研究神经网络元的科学家全都放弃了。所以从1956年到1986年，有30年的时间叫神经网络元的“黑暗时期”，这段时间也是人工智能的“黑暗时期”。 1986年，诞生了后向传播神经网络，证明了神经网络元能够解决像“异或”这样的非线性的计算，所以这样一来又带来了神经网络元研究的复苏，很多科学家又投身到这项研究。

没有大数据支撑的时候，训练神经网络元是一个非常麻烦的事情，没有公式又没有规律，完全就是凭经验、凭运气，有时候运气好了，快速训练结束出现结果，有时候运气不好的话，运算会一直循环。

2004年出现大数据以后，用来做神经网络元的训练，统计显著性就非常好，训练就能够很快出结果。比较有名的就是2016年的AlphaGo深度学习围棋并击败世界顶级围棋手李世石。

2017年，谷歌又对AlphaGo进行了一个算法改进，叫强化学习，诞生了AlphaGo Zero。

我在第一个问题里边就提到了，在50年代科学家在研究做算法，我有了计算能力了以后，接下来面对的技术难点就是算法，科学家耗尽30年在做这项研究。

之后诞生的最早的神经网络模型，它主要用来做模式识别，如人脸识别、字符识别、语音识别，还有下围棋的这种博弈，后来又把它从模式识别推广到各行各业。

因为各行各业的数据是不一样的，应用场景也是不一样的，所以神经网络元要搭建不同的模型，ChatGPT诞生了以后，有了大模型的构建技术，才有了现在这拨研究高潮。

记者：那么制约人工智能发展，有很多因素，其中最具有影响的是什么？

能够制约人工智能发展的最大因素就是计算机的算力。不管是TensorFlow深度神经网络还是大模型算法，都有远超人类的表现，如果要让计算机有自我学习的能力，具有超过人类智能的可能，就需要建立在大量计算的基础上。

现在的人工智能是基于大数据，但是又不能说依赖大数据，确切说，是基于大数据的模型。比如现在的人脸识别非常快，但是它为什么快？因为已经预先用了几百万张人脸把个算法全部训练好了，在原有的智能基础上做一个判断，这就很快了。大量的工作实际上是在前期熟练训练，这对计算机算力要求非常高。

过去，比如人脸识别的算法训练，需要数月完成，一旦最终结果有问题，需要修改程序，再经过数月训练，这样的耗费时间，很可能研究无法进行下去。

现在，基于英伟达的GPU，过去需要数月的算法训练，只需几天就能完成。不过算法也在发展，越来越复杂，对算力的要求也越来越高，现在的GPU也不够了，所以人工智能要想再次飞跃，还要等下一次的硬件提升。

记者：现在很多领域都说自己的产品采用了“人工智能”技术，怎么才能算是真正的“人工智能”？我国的人工智能在世界处于什么水平？

我经常到全国各地去帮一些企业做技术提升，他们想要做智能制造，我也参观他们所有的智能制造，最后我跟他们说，这些都不能算智能制造，只能算自动化制造。

虽然生产是由机器人完成，但是过程是编程好，重复做一些机械动作。自动跟智能的核心区别是，自动解决不了突发的状况，它就是机械的按照程序去执行。

智能是一个闭环系统。下围棋的AlphaGo是用所有的围棋大师的棋谱去训练。到了AlphaGo Zero，是强化深度学习，不用大师棋谱去训练了，它可以理解棋盘上的所有的点就是两种状态，可以组合出无数多的状态，有些状态是无效的，会自动把它排除掉，这样就有了自学习的能力，而且后来AlphaGo Zero也打败了AlphaGo。

我们起初的运算通常都是用穷举，列出所有的可能性来，可以无限伸下去，仿佛一颗大树，一个一个去验证哪个可能性是正确的。真正的算法就是在穷举上去剪枝，提前判断在这个分支上会不会有结果，没有就把它剪掉，所以这样一来最后那个树就不会生长锝非常大，而到最后计算会沿着一条最快的路径到达结果。将来是用计算机自己去设计这个算法，它去找规律。

目前，美国和中国在人工智能领域领先其它国家，美国在基础技术上领先，中国在应用领域领先。我们国内现在广泛把人工智能应用到人脸、指纹、制图、语音识别，现在中国在这些方面都领先，如人脸识别可以做到129层。

记者：有个说法，在任何一个领域，人工智能都会让一些知识都变成常识，那就是人只有在特例中竞争，这应该怎么去理解？人工智能可否代替人？

常识，就是说它有普遍规律，这些普遍规律可以预先就写在程序里面，训练也是沿着这个规律就行。

但是有些特例的特征是很独特的，让计算机去找规律的话是很难的，所以还是要用人的智慧来去把这些特征找出来，然后再把这个特征交给计算机，让它去来应用。

在这方面，人工智能是替代不了人的，还有一些是人特有的智慧或者是特有的情感，人工智能也代替不了。一些科学家认为，人工智能出来了以后，像什么律师、会计这些会被淘汰，因为它的规律都是非常明显的，但是人工智能解决不了两个人相爱这样的问题，个人的感情，是说不清道不明的。

我们曾经做智慧医疗计算机自动诊断系统，一般非常有经验的三甲医院的医生，结合很多症状，最多能够联想到20多种疾病，但是计算机它可以瞬间给你找出2万多种可能的疾病，并以相似度排序。

虽然它能够列举出病例，但是在伦理上不可以给病人下诊断，不能承担责任，最终下诊断的还是医生，终归还需要医生才能做出最终的判断。

记者：那人工智能的发展，对未来人才的能力结构，会有哪些要求？对于刚才所涉及到，人工智能带来的潜在的伦理风险，您怎么看？

未来，各行各业的人，都应该要掌握人工智能技术，因为就像之前说的图灵它只是定义了人工智能的门槛，各个领域对于技术的运用都不同。未来的人才，从事哪一行，就要了解这个行业上人工智能的发展，它相关的知识储备都要具备。

至少要知道人工智能的基本原理，深度学习到底是怎么完成的。不一定要知道神经网络语言是怎么训练的，但是至少要知道训练一个神经网络元基本的条件，比如说一个案例，我们要用深度神经网络来训练它，要求的数据要足够的大，大到什么程度就需要了解。

同时又要知道人工智能是怎么得出结论来的，是根据哪些显著特性，然后在相关结果里，最终来推理出一个最大可能。要明白，得到的结论只是一个概率性不是绝对的。就像医生得到病症的排列，不能说就看最大概率，还要通过排列出来的其他的一些可能去判断，才不会犯错误。

记者：那就是说，其实人工智能是不能最终替代人类的？

人工智能是不能替代人类的，也不应该替代人类。我举一个例子，就是在克隆技术出来了以后，所有的国家都禁止克隆人，为什么？这里面就有一个伦理，而且伦理不是基于我们通常能想象的。

就像我们计算机，微软很早期的时候出了一个技术叫自动更新。当使用计算机过了一段时间，它会弹出来要自动更新，这个技术受到了计算机领域专家的广泛批评，为什么呢？它会让的所有的计算机同质化。

同质化有一个什么问题？就是万一有一个病毒攻击计算机，大家更新都同质化了，这个病毒就很快让整个世界的计算机在某一天突然瘫痪。同样人也是，如果人都有克隆，克隆以后会让人同质化，万一来一个致命病毒，可能造成世界上大量人病死，甚至灭绝人类。

所以，所有技术都由人工智能来统一训练，训练出来的结果就会同质化，一旦出现一个问题，后果不堪设想。人工智能与人类，没有什么谁替代谁，没有什么孰优孰劣，只不过是社会发展的分工，我们多了一个生产的工具。

人工智能负责那一部分有规可循的，然后人类负责去创造差异化的部分，其实应该是用这种方式来推动世界的进步。

（文中图片由采访对象提供）