當(dāng)一位德國(guó)頂尖科學(xué)家把《易經(jīng)》稱(chēng)作“二進(jìn)制祖先”，并斷言下一代 AI 必須靠“人文學(xué)者的想象力”突圍，這或許意味著：真正的通用人工智能，或許要先在思想史里通關(guān)。

作為一位享譽(yù)國(guó)際的科學(xué)哲學(xué)家和復(fù)雜系統(tǒng)理論權(quán)威，歐洲科學(xué)與藝術(shù)院院長(zhǎng)、慕尼黑工業(yè)大學(xué)榮休教授 Klaus Mainzer 不僅是連接數(shù)學(xué)邏輯與現(xiàn)代科技的橋梁，更是洞察人工智能時(shí)代人類(lèi)命運(yùn)與責(zé)任的戰(zhàn)略思想家。

在最近雷峰網(wǎng)對(duì) Mainzer 院長(zhǎng)的深度專(zhuān)訪中，他不僅全面回顧了 AI 理論從圖靈到量子計(jì)算的發(fā)展脈絡(luò)，更犀利地指出了 AGI 無(wú)法繞開(kāi)的哲學(xué)困境、工程創(chuàng)新的全球轉(zhuǎn)移，以及培養(yǎng)未來(lái)人才最迫切需要的教育系統(tǒng)變革。

從萊布尼茨（Leibniz）在 17 世紀(jì)對(duì)《易經(jīng)》陰陽(yáng)符號(hào)的擴(kuò)展研究，到 1936 年圖靈那篇奠定數(shù)字時(shí)代的《論可計(jì)算數(shù)》，再到今天試圖用“模擬計(jì)算”破解停機(jī)問(wèn)題的接口項(xiàng)目——Mainzer 用一條清晰的“思想鏈”告訴我們：AI 的每一次躍遷，背后都站著哲學(xué)家、語(yǔ)言學(xué)家、邏輯學(xué)家、現(xiàn)象學(xué)家甚至外交官；人文與科學(xué)并非“兩種文化”，而是一條麻花辮，越擰越緊。

訪談伊始，Mainzer 院長(zhǎng)就直指現(xiàn)代 AI 的理論限制。他承認(rèn) AI 在數(shù)據(jù)驅(qū)動(dòng)的模擬方面能力驚人，但其根基仍受制于形式化思維。他援引邏輯學(xué)史上哥德?tīng)枺℅?del）的“不完備性”最終被根岑（Gentzen）以“超限數(shù)”概念所克服的案例，強(qiáng)調(diào) AI 的邏輯困境并非不可逾越。

然而，一旦進(jìn)入 AGI 的核心地帶，Mainzer 院長(zhǎng)提出了一個(gè)尖銳的哲學(xué)挑戰(zhàn)：機(jī)器能模擬情感，但能擁有“靈感”嗎？

“機(jī)器可以模擬各種情感表達(dá)，我對(duì)此毫不懷疑。但區(qū)別在于創(chuàng)造力。一個(gè)作曲家需要的是情感和靈感?！?/p>

他指出，AGI 面臨的真正障礙是“具身性”（Embodiment）的哲學(xué)鴻溝。Mainzer 院長(zhǎng)推測(cè)，未來(lái)或許能通過(guò)神經(jīng)生物學(xué)創(chuàng)造出具備“活體組織”和“情感”的人造有機(jī)體，屆時(shí) AGI 才有可能具備真正的創(chuàng)造力。

在技術(shù)基礎(chǔ)的討論中，Mainzer 院長(zhǎng)指出，當(dāng)前的 AI 架構(gòu)仍沿用馮·諾依曼（Von Neumann）架構(gòu)，核心是圖靈機(jī)定義下的可計(jì)算函數(shù)理論。這是所有現(xiàn)代計(jì)算機(jī)的數(shù)學(xué)基礎(chǔ)，從未改變。

然而圖靈在生命的最后兩年，發(fā)表了關(guān)于“形態(tài)發(fā)生的化學(xué)基礎(chǔ)”的論文，這篇論文正是關(guān)于耗散相互作用的簡(jiǎn)單系統(tǒng)如何產(chǎn)生復(fù)雜結(jié)構(gòu)涌現(xiàn)（Emergence）的開(kāi)端。而Mainzer 院長(zhǎng)的“復(fù)雜系統(tǒng)、人工智能與新興技術(shù)”書(shū)系，正是源于圖靈所開(kāi)辟的兩條理論路線。

結(jié)論毋庸置疑： 無(wú)論是 AI 的符號(hào)計(jì)算，還是未來(lái)對(duì)復(fù)雜結(jié)構(gòu)涌現(xiàn)的研究，其思想根源都指向圖靈這位偉大的跨界思想家。

在談及 AI 的發(fā)展前景及新興技術(shù)對(duì) AI 的協(xié)同效應(yīng)，Mainzer 院長(zhǎng)認(rèn)為，量子計(jì)算的疊加原理等新原則，有望打破數(shù)字計(jì)算機(jī)在醫(yī)學(xué)影像重構(gòu)等高風(fēng)險(xiǎn)領(lǐng)域精度上的理論下限，是解決 XAI（可解釋性 AI） 權(quán)衡困境的關(guān)鍵技術(shù)。

同時(shí)他還指出，21 世紀(jì)的競(jìng)爭(zhēng)已不再是單純的“理論創(chuàng)意”競(jìng)爭(zhēng)，而是“工程實(shí)現(xiàn)”的競(jìng)爭(zhēng)。

“（在歐洲）人們有很多美好的想法，但技術(shù)突破主要不在歐洲，而是在美國(guó)或中國(guó)?！?/p>

他以量子通信（歐洲提出理論，中國(guó)實(shí)現(xiàn)衛(wèi)星通信）、火箭技術(shù)（德國(guó)發(fā)明，美國(guó)實(shí)現(xiàn)登月）和特斯拉（歐洲人發(fā)明，去美國(guó)實(shí)現(xiàn)商業(yè)成功）為例，強(qiáng)調(diào)“創(chuàng)新不僅在于想法”，更在于將理論轉(zhuǎn)化為大規(guī)模工程實(shí)踐的決心和能力。

面對(duì) AI 時(shí)代對(duì)人才提出的全新要求，Mainzer 院長(zhǎng)發(fā)出了最迫切的呼吁：教育系統(tǒng)必須進(jìn)行整合性變革，消除學(xué)科壁壘。

他毫不留情地批評(píng)了當(dāng)前計(jì)算機(jī)科學(xué)教育的“失敗”：過(guò)于側(cè)重編程訓(xùn)練，而缺乏建模能力。他認(rèn)為，物理學(xué)家所具備的“系統(tǒng)思維”和“建模世界”的能力，才是實(shí)現(xiàn)未來(lái)突破的基石。

“你必須接受這種教育：建立模型，用數(shù)學(xué)描述它?！?/p>

他鼓勵(lì)年輕一代：要“保持開(kāi)放心態(tài)”，在電氣工程、計(jì)算機(jī)科學(xué)、物理學(xué)和人文學(xué)科的邊界上，勇敢地尋找“連接”。

在訪談的最后，Mainzer 院長(zhǎng)總結(jié)了 AI 時(shí)代人類(lèi)必須問(wèn)自己的最重要問(wèn)題：責(zé)任（Responsibility）。人類(lèi)是地球上唯一無(wú)法停止創(chuàng)造力的物種，但這種力量也賦予了我們摧毀的能力。我們必須同時(shí)意識(shí)到自己的力量，以及對(duì)氣候危機(jī)、能源問(wèn)題和所有物種所承擔(dān)的倫理責(zé)任。

以下是對(duì) Klaus Mainzer 院長(zhǎng)采訪的實(shí)錄。我們誠(chéng)摯邀請(qǐng)您，深入閱讀訪談全文，去探索 Mainzer 院長(zhǎng)所描繪的那個(gè)充滿(mǎn)挑戰(zhàn)、卻又充滿(mǎn)無(wú)限可能性的未來(lái)世界。（限于篇幅，雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))AI 科技評(píng)論進(jìn)行了不改原意的編輯整理）

01

AGI 的邊界：為何人類(lèi)創(chuàng)造力無(wú)法被“模擬”？

岑峰： Mainzer 教授，感謝您接受采訪。首先，我想贈(zèng)送您一本我寫(xiě)的書(shū)——《中國(guó)人工智能簡(jiǎn)史》。在研究中國(guó)人工智能歷史的過(guò)程中，我發(fā)現(xiàn)社會(huì)科學(xué)家和哲學(xué)家在人工智能發(fā)展的早期階段發(fā)揮了重要且積極的作用。

作為歐洲科學(xué)與藝術(shù)院的院長(zhǎng)，從您的角度來(lái)看，人文學(xué)科和社會(huì)科學(xué)在歐洲人工智能發(fā)展的歷史中扮演了什么樣的角色？您又如何看待歐洲人工智能發(fā)展中“兩種文化”，即科學(xué)和人文學(xué)科之間的歷史關(guān)系？

Klaus Mainzer： 這是一個(gè)很好的問(wèn)題，因?yàn)橹袊?guó)和歐洲之間的聯(lián)系至少可以追溯到 17 世紀(jì)末。我在德國(guó)最喜歡的學(xué)者是著名的數(shù)學(xué)家和哲學(xué)家萊布尼茨（Leibniz）。在 17 世紀(jì)末期，他受到了源自中國(guó)的早期思想的啟發(fā)，那就是《易經(jīng)》，因?yàn)樗N(yùn)含著一些二進(jìn)制符號(hào)的概念：我們看到的斷線和實(shí)線。這些符號(hào)是自然界力量的一種編碼，也是一種思想。

他能接觸到這些并受到啟發(fā)，是因?yàn)樵?17 世紀(jì)末，法國(guó)耶穌會(huì)與中國(guó)的宮廷之間有著密切的聯(lián)系，而萊布尼茨當(dāng)時(shí)正是一位外交官。他受到這種二進(jìn)制系統(tǒng)的啟發(fā)，然后發(fā)明了二進(jìn)制算術(shù)。他當(dāng)時(shí)并沒(méi)有電子實(shí)現(xiàn)的概念，只是受到數(shù)學(xué)思想的啟發(fā)。他認(rèn)為只用簡(jiǎn)單的 0 和 1 兩個(gè)符號(hào)，這正是數(shù)字最簡(jiǎn)單的表示方式。

這個(gè)想法后來(lái)或多或少被遺忘了。直到 20 世紀(jì)，圖靈（Turing） 等人提出了數(shù)字計(jì)算機(jī)的概念。歐洲出現(xiàn)的另一個(gè)重要的連接點(diǎn)正是圖靈和他提出的圖靈機(jī) (Turing Machine)。所有現(xiàn)代數(shù)字計(jì)算的想法都包含在他 1936 年發(fā)表的那篇著名論文中（編者注：指1936年出版的《論可計(jì)算數(shù)及其在判定問(wèn)題上的應(yīng)用》）。

我在演講中提到的不可判定性問(wèn)題 (undecidability problem)，就是圖靈的起點(diǎn)：從邏輯的角度來(lái)看，原則上存在一些數(shù)字計(jì)算機(jī)無(wú)法解決的問(wèn)題。那就是他著名的停機(jī)問(wèn)題 (halting problem)。原則上，這個(gè)問(wèn)題是不可判定的。這實(shí)際上是一個(gè)邏輯問(wèn)題，意味著它不能通過(guò)加速數(shù)字計(jì)算來(lái)克服，這是一個(gè)限制。

起初人們認(rèn)為：“這只有哲學(xué)家會(huì)感興趣?！苯又歉绲?tīng)?(G?del) 關(guān)于一定復(fù)雜程度形式體系的不完備性定理，這也是圖靈停機(jī)問(wèn)題不可判定性的一個(gè)結(jié)果，這是數(shù)字計(jì)算的基礎(chǔ)，意味著我們現(xiàn)在所有的計(jì)算機(jī)都受到了限制。

在我學(xué)習(xí)數(shù)學(xué)和邏輯的時(shí)候，我記得在 1970 年，來(lái)自列寧格勒（今天的圣彼得堡）的俄羅斯數(shù)學(xué)家馬季亞謝維奇 (Matiyasevich) 提出了一個(gè)驚人的結(jié)果。他證明了希爾伯特（Hilbert）第十問(wèn)題（關(guān)于丟番圖方程）在數(shù)學(xué)上等同于停機(jī)問(wèn)題。這意味著你有一個(gè)原則上不可解的數(shù)學(xué)問(wèn)題。

我在演講中強(qiáng)調(diào)的是，這一發(fā)現(xiàn)對(duì)現(xiàn)代計(jì)算產(chǎn)生了影響。因?yàn)樵诟绲聽(tīng)?、圖靈等人的結(jié)果出現(xiàn) 20 年后，有證據(jù)表明，如果你考慮的不是數(shù)字，而是實(shí)數(shù)，那么問(wèn)題就可以解決。這是一個(gè)理論結(jié)果，因?yàn)楫?dāng)時(shí)我們并沒(méi)有一臺(tái)模擬計(jì)算機(jī)。

現(xiàn)在，有了我提出的關(guān)于類(lèi)腦計(jì)算/未來(lái)計(jì)算的這些新想法，就有機(jī)會(huì)擁有一種腦導(dǎo)向的新型計(jì)算機(jī)。它將沿著這條思路發(fā)展，并解決這些問(wèn)題。這意味著數(shù)字計(jì)算中原則上的限制可以通過(guò)這種實(shí)數(shù)計(jì)算來(lái)克服。在技術(shù)上，它的實(shí)現(xiàn)方式將是類(lèi)神經(jīng)形態(tài)意義上的模擬計(jì)算機(jī)。

岑峰： 非常有趣。讓我們來(lái)談?wù)勀臅?shū)系《復(fù)雜系統(tǒng)、人工智能與新興技術(shù)進(jìn)展》 (Advances in Complex Systems, Artificial Intelligence, and Emerging Technologies)，這個(gè)書(shū)系背后的靈感是什么？

Klaus Mainzer： 實(shí)際上我的工作始于兩條根源。一條我之前解釋過(guò)，那是從圖靈到現(xiàn)代計(jì)算的數(shù)字計(jì)算。另一條根源是，我學(xué)習(xí)了數(shù)學(xué)、物理學(xué)、哲學(xué)和邏輯學(xué)。而這條根源是受物理學(xué)啟發(fā)的。

在物理學(xué)中，有統(tǒng)計(jì)力學(xué)對(duì)復(fù)雜系統(tǒng)的美妙應(yīng)用。復(fù)雜系統(tǒng)僅僅意味著包含許多元素的系統(tǒng)。人們有時(shí)會(huì)感到害怕，因?yàn)樗麄冋J(rèn)為：“這些復(fù)雜系統(tǒng)是不可預(yù)測(cè)的?！蔽锢韺W(xué)中，拉普拉斯 (Laplace) 最初相信宇宙可以被視為一個(gè)封閉系統(tǒng)，能夠用可計(jì)算的數(shù)學(xué)微分方程來(lái)描述；但在 19 世紀(jì)末，另一位法國(guó)數(shù)學(xué)家龐加萊 (Poincaré) 證明，即使是一個(gè)封閉的、復(fù)雜的系統(tǒng)，當(dāng)涉及兩個(gè)以上元素的相互作用時(shí)，多體問(wèn)題 (many-bodies problem)的嚴(yán)格精確解也是不存在的。這意味著在實(shí)踐中，對(duì)于封閉系統(tǒng)，天文學(xué)家擁有的只是數(shù)值近似解。

然后，對(duì)于我關(guān)于這個(gè)主題的研究至關(guān)重要的一點(diǎn)是，要考慮開(kāi)放系統(tǒng) (open system)。開(kāi)放系統(tǒng)在數(shù)學(xué)上是一個(gè)挑戰(zhàn)（或范式），存在于生物學(xué)、經(jīng)濟(jì)學(xué)等各個(gè)領(lǐng)域，意味著系統(tǒng)與其環(huán)境之間存在相互作用。

這當(dāng)中的基本思想是，在臨界值下，新結(jié)構(gòu)會(huì)涌現(xiàn)出來(lái)。在上世紀(jì)七八十年代，人們首次找到了近似方法來(lái)解釋開(kāi)放系統(tǒng)中的二階相變。這是開(kāi)放系統(tǒng)研究的一個(gè)關(guān)鍵突破，有可能以數(shù)學(xué)上嚴(yán)謹(jǐn)?shù)姆绞絹?lái)描述開(kāi)放系統(tǒng)中新結(jié)構(gòu)的涌現(xiàn)。這種涌現(xiàn)不僅是在（無(wú)生命的）化學(xué)反應(yīng)中，而且在生命科學(xué)中，我們也找到了數(shù)學(xué)模型來(lái)解釋這一點(diǎn)，比如蝴蝶翅膀上圖案的產(chǎn)生就可以通過(guò)二階相變?cè)跀?shù)學(xué)上得到描述。

岑峰： 那么您希望通過(guò)您的書(shū)系這個(gè)平臺(tái)，達(dá)成哪些主要目標(biāo)呢？

Klaus Mainzer： 我的想法是：復(fù)雜系統(tǒng)方法在非?；A(chǔ)的層面提供了對(duì)各地復(fù)雜系統(tǒng)的數(shù)學(xué)解釋。它不只存在于自然科學(xué)中，還存在于經(jīng)濟(jì)學(xué)和廣義的社會(huì)科學(xué)中。

在我的第一本書(shū)《復(fù)雜性思維》中，它的成功之處就在于我不僅考慮了它在自然科學(xué)中的應(yīng)用，還考慮了它在經(jīng)濟(jì)學(xué)中的應(yīng)用，例如市場(chǎng)中的波動(dòng) (turbulence in markets)。這可以通過(guò)數(shù)學(xué)物理 (Mathematical Physics) 來(lái)建模完成。這種方法可以對(duì)高度復(fù)雜的市場(chǎng)進(jìn)行建模。雖然這些市場(chǎng)無(wú)法像拉普拉斯系統(tǒng)預(yù)測(cè)行星運(yùn)行軌跡那樣進(jìn)行精確預(yù)測(cè)，但你可以對(duì)相變的敏感性進(jìn)行建模。

我認(rèn)為，即使在經(jīng)濟(jì)學(xué)中，你也可以獲得一個(gè)針對(duì)臨界值的預(yù)警系統(tǒng)。通過(guò)這類(lèi)模型，你可以判斷：“我們現(xiàn)在的情況是，如果我們跨過(guò)這些臨界值，那么整個(gè)系統(tǒng)將變得不可控?！边@是這種建模方法的巨大優(yōu)勢(shì)。這些內(nèi)容都在書(shū)系中被考慮，這也是我在 90 年代初就已經(jīng)預(yù)見(jiàn)到的。

建模時(shí)使用微分方程，這在數(shù)學(xué)上很精妙，也有標(biāo)準(zhǔn)模型。但是如果你想在實(shí)踐中應(yīng)用它，例如應(yīng)用于中國(guó)市場(chǎng)或一個(gè)大型市場(chǎng)，你必須處理海量數(shù)據(jù)。我們?cè)跈C(jī)器學(xué)習(xí)中知道，算法數(shù)學(xué)依賴(lài)于海量數(shù)據(jù)。

這就是背景。我們有了這種很好的復(fù)雜系統(tǒng)方法，現(xiàn)在再加上人工智能 (Artificial Intelligence)。當(dāng)我提出這個(gè)想法時(shí)，我那些著名的資深同事認(rèn)為，復(fù)雜系統(tǒng)科學(xué)與人工智能的結(jié)合這是一個(gè)很棒的想法。因?yàn)槿斯ぶ悄荛_(kāi)啟了實(shí)現(xiàn)這一目標(biāo)的可能性——我們現(xiàn)在擁有了強(qiáng)大的機(jī)器來(lái)處理這些復(fù)雜數(shù)據(jù)。

02

復(fù)雜系統(tǒng)中的 AI ：超越統(tǒng)計(jì)，重拾因果思維

岑峰：那么，在您看來(lái)，復(fù)雜系統(tǒng)理論與人工智能的應(yīng)用之間最主要的差距是什么？您的這個(gè)書(shū)系將如何幫助彌合這個(gè)差距？

Klaus Mainzer： 現(xiàn)代人工智能與我們之前討論的歷史起源有所不同。因?yàn)槿斯ぶ悄艿钠鹪词欠浅＿壿媽?dǎo)向的。這是我的起點(diǎn)，我的博士學(xué)位研究方向正是在圖靈的這條路線上。順便說(shuō)一句，這條路線今天仍然是一個(gè)熱門(mén)話題。

我現(xiàn)在也在從事被稱(chēng)為證明助手 (proof assistants) 的工作。這意味著我們擁有基于自動(dòng)證明的邏輯系統(tǒng)，這是符號(hào)主義 AI 在圖靈傳統(tǒng)中提出的一個(gè)想法，即可以將數(shù)學(xué)證明過(guò)程自動(dòng)化。這可以通過(guò)特殊的程序來(lái)實(shí)現(xiàn)。

例如，這是一個(gè)邏輯學(xué)中的古老思想：如果你有一個(gè)邏輯形式體系，你可能會(huì)關(guān)心這個(gè)形式體系是否正確？也就是說(shuō)，這個(gè)系統(tǒng)中的所有形式推導(dǎo)，是否都代表了理論中的一個(gè)真命題？這就是邏輯通過(guò)形式命題進(jìn)行形式化，然后由機(jī)器形式地推導(dǎo)出結(jié)論的想法。我們稱(chēng)之為可滿(mǎn)足性 (satisfiability)。

現(xiàn)在，在計(jì)算機(jī)科學(xué)中的應(yīng)用是：我們用規(guī)范 (specification) 來(lái)代替模型。如果你有一個(gè)形式體系來(lái)描述汽車(chē)行業(yè)的生產(chǎn)線，那么你的形式體系是否正確？其含義是，形式上推導(dǎo)出的步驟是否準(zhǔn)確地描述了物理生產(chǎn)線上發(fā)生的事情？這就是可滿(mǎn)足性。

在邏輯學(xué)中，發(fā)展了許多方法，例如至今仍在使用的歸結(jié)法 (resolution method)。在德國(guó)斯圖加特，戴姆勒-奔馳公司的物流系統(tǒng)，正是完全基于這些邏輯思想完成的，用于組織復(fù)雜的客戶(hù)配置需求。

就軟件工程而言，我們可以更進(jìn)一步。最終的想法是，在軟件工程和程序中，我們必須有控制機(jī)制來(lái)確保軟件程序是準(zhǔn)確的、可以依賴(lài)的。這現(xiàn)在是通過(guò)證明助手來(lái)完成的。這意味著你擁有嚴(yán)謹(jǐn)?shù)倪壿嬓问襟w系，它正在測(cè)試你的軟件是否按照你期望的正確方式行事。

這些證明助手在今天仍然具有相關(guān)性。我們?cè)谀侥岷诿磕甓紩?huì)舉辦關(guān)于這些證明助手的國(guó)際秋季學(xué)校。邏輯學(xué)家、數(shù)學(xué)家、計(jì)算機(jī)科學(xué)家都在努力，因?yàn)槲覀儸F(xiàn)在希望將它應(yīng)用于現(xiàn)代機(jī)器學(xué)習(xí)中那些非常復(fù)雜的程序。

今天的軟件不再是傳統(tǒng) AI 中的那種傳統(tǒng)程序，現(xiàn)在我們有機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和統(tǒng)計(jì)學(xué)。所以問(wèn)題是，如何讓證明助手來(lái)控制這些復(fù)雜的統(tǒng)計(jì)學(xué)方法。

在 AI 的經(jīng)典方法中，核心是邏輯演繹 (logical deduction)。但現(xiàn)代機(jī)器學(xué)習(xí)的核心是統(tǒng)計(jì)學(xué)。因此，從方法論的角度來(lái)看，其核心是歸納 (induction)。你從有限樣本開(kāi)始，通過(guò)計(jì)算統(tǒng)計(jì)期望值，試圖進(jìn)行概括。這實(shí)際上是經(jīng)驗(yàn)科學(xué)中普遍采用的方法。這是現(xiàn)代機(jī)器學(xué)習(xí)面臨的挑戰(zhàn)。

我們的想法是：我們?nèi)绾慰刂疲楷F(xiàn)在機(jī)器學(xué)習(xí)界對(duì)它的可能性非常著迷，但我們有失去控制的危險(xiǎn)：在海量數(shù)據(jù)中隱藏著哪些特征等等，沒(méi)有人知道。因此，證明助手的舊思想變得至關(guān)重要。我正在這方面努力。

因此，我希望這套書(shū)系，能將“舊的”嚴(yán)謹(jǐn)?shù)倪壿嫼头?hào)主義 AI 傳統(tǒng)與現(xiàn)代機(jī)器學(xué)習(xí)的統(tǒng)計(jì)學(xué)方法結(jié)合起來(lái)。

岑峰： 確實(shí)如此。數(shù)學(xué)是現(xiàn)代人工智能的基石。正如您所說(shuō)，人們可能會(huì)失去理性，但我們可以利用數(shù)學(xué)來(lái)防止人工智能失去理性。

我有一個(gè)關(guān)于人工智能與復(fù)雜性的核心哲學(xué)問(wèn)題。您的書(shū)系也關(guān)注“科學(xué)與技術(shù)哲學(xué)”?，F(xiàn)在我們看到了很多生成式人工智能 (Generative AI)，在多大程度上您認(rèn)為這種生成式人工智能正在挑戰(zhàn)我們關(guān)于知識(shí)、創(chuàng)造力和甚至現(xiàn)實(shí)的傳統(tǒng)哲學(xué)概念？

Klaus Mainzer： 這當(dāng)然是一個(gè)非常關(guān)鍵的問(wèn)題。根據(jù)我的經(jīng)驗(yàn)，我們現(xiàn)在正處于機(jī)器學(xué)習(xí)（即統(tǒng)計(jì)機(jī)器學(xué)習(xí)）的全盛時(shí)期。但問(wèn)題是，盡管統(tǒng)計(jì)學(xué)習(xí)如此成功，它是否完全符合人類(lèi)思維的模式？我認(rèn)為并非如此。

原因在于，在工程科學(xué)中，工程師的成功并非通過(guò)精確模擬自然實(shí)現(xiàn)的。想想鳥(niǎo)的飛翔。最初，工程師們認(rèn)為“我們必須模擬鳥(niǎo)”，結(jié)果失敗了。后來(lái)他們有了新的想法：必須考慮空氣動(dòng)力學(xué)的基本原理，即數(shù)學(xué)方程。然后，利用這些方程找到完全不同的方法——我們今天的飛機(jī)，可以承載數(shù)噸的重量飛上天空，這在自然界中是不可能的。

我的觀點(diǎn)是，工程學(xué)上的突破，對(duì)于汽車(chē)等也同樣適用。最初他們?cè)噲D將模擬馬，但后來(lái)他們發(fā)明了電動(dòng)機(jī)和其他完全不同的電機(jī)。

在現(xiàn)代機(jī)器學(xué)習(xí)中，我們發(fā)現(xiàn)它僅僅是受神經(jīng)網(wǎng)絡(luò)的啟發(fā)，但工程師對(duì)解釋人腦并不感興趣。現(xiàn)在的神經(jīng)網(wǎng)絡(luò)中，有很多發(fā)明是為了提高效率的規(guī)則，這些規(guī)則從未在人腦中被發(fā)現(xiàn)。例如，如果一個(gè)神經(jīng)網(wǎng)絡(luò)在技術(shù)上是成功的，它的架構(gòu)可能與我們已知的人腦完全不同。例如卷積網(wǎng)絡(luò) (Convolutional Networks) 非常成功，但在人類(lèi)或動(dòng)物的大腦中從未發(fā)現(xiàn)過(guò)。

這也是我對(duì)統(tǒng)計(jì)機(jī)器學(xué)習(xí)的觀點(diǎn)：目前的統(tǒng)計(jì)機(jī)器學(xué)習(xí)非常成功，但它是通過(guò)使用大數(shù)據(jù)和海量數(shù)據(jù)來(lái)實(shí)現(xiàn)的。

然而，回顧科學(xué)史你會(huì)發(fā)現(xiàn)，牛頓并沒(méi)有海量的數(shù)據(jù)。伏爾泰所宣傳的經(jīng)驗(yàn)主義并不準(zhǔn)確（編者注：伏爾泰在《哲學(xué)通信》中，提到了牛頓在花園中看到蘋(píng)果掉落，從而想到了萬(wàn)有引力這樣的故事，但科學(xué)史學(xué)者們普遍認(rèn)為這個(gè)故事是后人加工上去的，用來(lái)形象化牛頓的靈感）——即人們認(rèn)為自然科學(xué)家觀察自然，收集數(shù)據(jù)，然后有了天才的想法。

實(shí)際上，引力定律并非通過(guò)觀察蘋(píng)果落地發(fā)現(xiàn)的，牛頓是將開(kāi)普勒定律與他著名的力學(xué)第二定律（一個(gè)理論公理）結(jié)合起來(lái)找到了這個(gè)理論模型，然后一切都可以得到解釋。愛(ài)因斯坦的著名方程也是如此。愛(ài)因斯坦的數(shù)據(jù)也很少，他的預(yù)測(cè)當(dāng)時(shí)看來(lái)是“瘋狂”的，但如今它被證實(shí)成為定律。

我的觀點(diǎn)是，統(tǒng)計(jì)方法依賴(lài)于海量數(shù)據(jù)和算法。這不是人類(lèi)的創(chuàng)造力。 盡管人類(lèi)智能的某些部分確實(shí)通過(guò)從數(shù)據(jù)中學(xué)習(xí)而起作用，但現(xiàn)代 AI 憑借的是通過(guò)驚人的海量數(shù)據(jù)取得成功，而我們的人腦沒(méi)有能力做到這一點(diǎn)。

舉一個(gè)非常實(shí)際的例子，如果牛頓擁有 ChatGPT 或 DeepSeek，他的策略將是獲取關(guān)于此類(lèi)效應(yīng)的世界上所有的信息，然后它會(huì)尋求（模擬出）一個(gè)公式。然而，如果你讓一個(gè)聰明的年輕人來(lái)解決某個(gè)問(wèn)題，他們有時(shí)會(huì)提出連老師都感到震驚的解決方案。那是人類(lèi)的創(chuàng)造力，它不能完全用統(tǒng)計(jì)學(xué)來(lái)解釋?zhuān)缫蚬季S (causal thinking)。

因果思維正是我感興趣的地方。這與我解釋的牛頓和愛(ài)因斯坦的思路是一致的。這意味著，在自然界或社會(huì)中發(fā)現(xiàn)新定律，不僅是通過(guò)匯總數(shù)據(jù)和學(xué)習(xí)算法，而是通過(guò)因果思維。

舉個(gè)例子，在醫(yī)學(xué)中，找到某種化學(xué)物質(zhì)與癌癥中腫瘤生長(zhǎng)之間的統(tǒng)計(jì)相關(guān)性并沒(méi)有那么有趣。更有趣的問(wèn)題是：導(dǎo)致癌癥中腫瘤生長(zhǎng)的原因是什么？ 只有找到因果模型的根源，才能找到成功的治療方法。

是的，這不是現(xiàn)代機(jī)器學(xué)習(xí)乍看之下采用的方法。雖然有其他方法，例如馬克斯·普朗克研究所就在從事因果學(xué)習(xí)研究，可以從數(shù)據(jù)中識(shí)別因果關(guān)系的模式。

我的想法是，未來(lái)我們將擁有一些程序，至少在受限領(lǐng)域內(nèi)，具有特定特征和特性，例如醫(yī)學(xué)的專(zhuān)業(yè)領(lǐng)域，你擁有滿(mǎn)足這些特征的海量數(shù)據(jù)，然后你有一個(gè)工具可以識(shí)別這些特征的因果交互和因果關(guān)系。當(dāng)然，這還不能與牛頓和愛(ài)因斯坦的偉大發(fā)現(xiàn)相比，但至少在未來(lái)，這些受限領(lǐng)域?qū)⒛軌驅(qū)崿F(xiàn)因果思維。這是機(jī)器學(xué)習(xí)發(fā)展的一個(gè)新方向，它不是統(tǒng)計(jì)機(jī)器學(xué)習(xí)。

我的觀點(diǎn)是：統(tǒng)計(jì)機(jī)器學(xué)習(xí)不是最終的答案。 它現(xiàn)在非常成功。但在未來(lái)，我們需要新的突破，以繼續(xù)發(fā)掘人類(lèi)創(chuàng)造力的無(wú)限潛力。

岑峰：是的，沒(méi)錯(cuò)。人類(lèi)可以用很少的數(shù)據(jù)獲得知識(shí)，但人工智能目前還不能。

Klaus Mainzer： 目前為止是這樣。這也是我最后一張幻燈片上的觀點(diǎn)。我們永遠(yuǎn)不要說(shuō)“永遠(yuǎn)不”。這是對(duì)形式化思維的限制。

我記得的學(xué)生時(shí)代，剛接觸哲學(xué)時(shí)，一個(gè)成見(jiàn)是：“這家伙是學(xué)數(shù)學(xué)和邏輯的。首先我們會(huì)告訴他，‘自哥德?tīng)栆詠?lái)，形式化是受限的?！蔽艺f(shuō)：“胡說(shuō)！”

我的博士研究是關(guān)于圖靈那些天才的早期想法。圖靈的博士論文不是那篇著名的不可判定性論文，而是一篇關(guān)于證明論和現(xiàn)代證明論早期步驟的論文。圖靈提出了他的初步想法，與哥德?tīng)柗浅Ｏ嗨啤ㄟ^(guò)更高復(fù)雜度的程度來(lái)擴(kuò)展經(jīng)典證明系統(tǒng)，以探究超越不可判定性問(wèn)題的范疇。

哥德?tīng)栕C明了形式算術(shù)的相容性 (consistency) 不能通過(guò)理論本身的方法來(lái)判定。但一位早逝的著名德國(guó)邏輯學(xué)家格哈德·根岑 (Gerhard Gentzen)提出：如果我們將數(shù)學(xué)歸納法不僅擴(kuò)展到自然數(shù)，還擴(kuò)展到所謂的超限數(shù) (ordinal numbers)，那么你就可以證明相容性（編者注：根岑1936 年經(jīng)典論文《算術(shù)一致性的證明》首次引入超限歸納到序數(shù) ε?，用序數(shù)歸納法給出一階皮亞諾算術(shù)的一致性證明，正是“哥德?tīng)栔蟮谝粭l通向‘超越不可證性’的路線圖”，1945年去世，年僅36歲）。這表明存在一個(gè)超越限制的世界，你可以繼續(xù)前進(jìn)，克服極限。

我記得我的哲學(xué)家同事們對(duì)這種發(fā)現(xiàn)并不開(kāi)心，他們會(huì)覺(jué)得，哦，我們現(xiàn)在有了限制。對(duì)于機(jī)器學(xué)習(xí)來(lái)說(shuō)也是如此。他們會(huì)和我解釋?zhuān)骸芭叮瑱C(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)不能解釋人類(lèi)的創(chuàng)造力?！笔堑模荒茉谀撤N程度上做到，但它是可以被克服的。

03

圖靈的影響：AGI 的哲學(xué)與技術(shù)

岑峰：我們看到像 OpenAI、谷歌這樣的大公司正在對(duì)通用人工智能（AGI）進(jìn)行大規(guī)模投資。您如何看待這種 AGI ？在您看來(lái)，實(shí)現(xiàn) AGI 的最大障礙是技術(shù)挑戰(zhàn)還是根本性的哲學(xué)問(wèn)題？

Klaus Mainzer： 是的，這正與我之前解釋的思路完全一致?？偠灾肋h(yuǎn)不要說(shuō)得太絕對(duì)。AGI 也許是可能實(shí)現(xiàn)的，沒(méi)有人確切知道。但我能做的——這也是我的任務(wù)所在——就是非常嚴(yán)謹(jǐn)?shù)胤治鎏囟üぞ叩木窒扌浴Ｎ覀兯械乃惴ǘ际枪ぞ?，我總是首先有興趣以嚴(yán)謹(jǐn)?shù)姆绞酱_定工具的限制。

這是一名工程師的任務(wù)：你有一個(gè)自古就有的好工具，但錘子不能用來(lái)解決所有類(lèi)型的問(wèn)題。對(duì)于這些現(xiàn)代的、高度精密的算法來(lái)說(shuō)也是如此。但如果你知道了極限，你就可以尋求擴(kuò)展。

現(xiàn)在回到通用人工智能的問(wèn)題，如果通用人工智能意味著人類(lèi)的能力，那么我們必須考慮一個(gè)關(guān)鍵點(diǎn)：我們所有的方法，數(shù)學(xué)方法，都是模擬 (simulations)。

這意味著，即使在現(xiàn)代機(jī)器人中，我們可以模擬聊天機(jī)器人的說(shuō)話，以及移動(dòng)等等。你可以訓(xùn)練一個(gè)機(jī)器人。例如，舞者和藝術(shù)家身上配備傳感器，獲得大量數(shù)據(jù)模型，計(jì)算機(jī)和機(jī)器人就可以模擬這些數(shù)據(jù)，以越來(lái)越優(yōu)雅的方式跳舞。

但現(xiàn)在談到通用人工智能的哲學(xué)問(wèn)題。舞者所表達(dá)的不僅僅是模擬，它是一種表達(dá)——舞者現(xiàn)在表現(xiàn)出的關(guān)鍵點(diǎn)是情感 (feelings)。這不僅僅是模擬，這是一種情感。我毫不懷疑機(jī)器學(xué)習(xí)可以模擬各種情感表達(dá)。

但是，區(qū)別在于創(chuàng)造力。例如，一位作曲家，他也需要有某種情感。著名的作曲家貝多芬，在維也納森林中散步時(shí)被那里的氛圍所啟發(fā)，創(chuàng)作出了他著名的《田園交響曲》。這是一種靈感。當(dāng)然，作為一名受過(guò)技術(shù)訓(xùn)練的作曲家，他受過(guò)訓(xùn)練，能夠像數(shù)學(xué)家一樣以嚴(yán)謹(jǐn)?shù)姆绞綄?xiě)下音符的序列。

著名的數(shù)學(xué)家不僅要能夠?qū)懗稣_的公式。想要成為貝多芬，或者成為高斯 (Gau?) 這樣的著名數(shù)學(xué)家，你必須要有想法。而這種創(chuàng)新是非常不同的東西。如果現(xiàn)代機(jī)器學(xué)習(xí)能夠進(jìn)行創(chuàng)作，那么它最終總是處于模擬的范疇。

岑峰：機(jī)器沒(méi)有情感，只能做到模擬。

Klaus Mainzer： 是的。在哲學(xué)，尤其是在現(xiàn)象學(xué)中，我們稱(chēng)之為具身性 (embodiment)。從最早的胡塞爾（Husserl）啟發(fā)了梅洛-龐蒂（Merleau-Ponty）的相關(guān)研究（編者注：胡塞爾是現(xiàn)象學(xué)創(chuàng)始人，在他后期的發(fā)生現(xiàn)象學(xué)中早已提及了具身性，并將其指向知覺(jué)具身），而當(dāng)代討論中，有德雷福斯 (Dreyfus) 的研究，他們都強(qiáng)調(diào)了具身性。這意味著人類(lèi)也有某種情感影響。

現(xiàn)在關(guān)鍵問(wèn)題是：這對(duì)于通用人工智能是一個(gè)絕對(duì)的限制嗎？也許在未來(lái)，我們能夠創(chuàng)造出類(lèi)似活體組織的東西，這屬于神經(jīng)生物學(xué)范疇。神經(jīng)生物學(xué)也在發(fā)展，我們?cè)絹?lái)越有可能創(chuàng)造出人造細(xì)胞、活細(xì)胞。因此，在未來(lái)，也許我們能夠創(chuàng)造出具有新的化學(xué)能力并擁有這些情感（即某種經(jīng)驗(yàn)）的有機(jī)體。這樣，最終就有可能擁有這些具身化的實(shí)體，它們也能夠具有創(chuàng)造力。

直到現(xiàn)在，這聽(tīng)起來(lái)像科幻小說(shuō)，但實(shí)際上，對(duì)我這個(gè)哲學(xué)家來(lái)說(shuō)，它處于潛力的范疇內(nèi)。問(wèn)題是：我們應(yīng)該這樣做嗎？ 去創(chuàng)造擁有自己的進(jìn)化、自己的具身性、自己的情感的有機(jī)體？過(guò)去有一部非常有趣的科幻電影叫《機(jī)械姬》 (Ex Machina)。這正是片中的情景：天才計(jì)算機(jī)科學(xué)家與他的造物（非常聰明的女性）生活在一起，這些造物有自己的感情，然后她們有了自己的意志。

這有點(diǎn)像《圣經(jīng)》里上帝和他的造物之間的關(guān)系。我認(rèn)為這在未來(lái)不會(huì)被排除，但它將對(duì)我們構(gòu)成倫理和法律方面的挑戰(zhàn)。工程技術(shù)不是全部。我們應(yīng)該允許這種創(chuàng)新發(fā)展到什么程度？這將是一個(gè)重大的討論。

岑峰：具身化 AI 現(xiàn)在是個(gè)熱門(mén)話題，也許未來(lái)機(jī)器能夠表達(dá)情感。正如您所說(shuō)，永遠(yuǎn)不要說(shuō)得太絕對(duì)。我們正在超越摩爾定律，我們正在打破馮·諾依曼架構(gòu)。未來(lái)也許可以實(shí)現(xiàn)。

但是，隨著 AI 變得越來(lái)越精密，我們應(yīng)該如何重新定義“智能”本身？圖靈測(cè)試是否仍然是一個(gè)相關(guān)的基準(zhǔn)？或者我們需要新的框架來(lái)理解我們正在創(chuàng)造的這種非人類(lèi)智能？

Klaus Mainzer： 我的觀點(diǎn)是，從數(shù)學(xué)的角度來(lái)看，即使是現(xiàn)代 AI 機(jī)器學(xué)習(xí)，實(shí)際上也基于圖靈的風(fēng)格。如果你嚴(yán)謹(jǐn)?shù)乜疾煲慌_(tái)現(xiàn)代超級(jí)計(jì)算機(jī)，它的硬件雖然略有不同，現(xiàn)在有 CPU、GPU，它的速度更快，但原則上它仍然是馮·諾依曼架構(gòu)。這屬于圖靈風(fēng)格，因?yàn)樵趫D靈機(jī)中，你已經(jīng)有了處理器/控制單元與存儲(chǔ)器等的分離。

在硬件基礎(chǔ)的第一層，它仍然是可計(jì)算函數(shù) (computable function) 的理論。因此，直到今天，理論計(jì)算機(jī)科學(xué)的學(xué)生在教育中仍然學(xué)習(xí)可計(jì)算函數(shù)理論。因?yàn)槟鞘菙?shù)學(xué)基礎(chǔ)，而這個(gè)基礎(chǔ)是基于圖靈的——這是我的觀點(diǎn)。

現(xiàn)在我們有驚人的計(jì)算機(jī)科學(xué)應(yīng)用，這一點(diǎn)通常被遺忘了。那些厭惡數(shù)學(xué)的人，他們不知道在基礎(chǔ)層面，有數(shù)學(xué)，有可計(jì)算函數(shù)理論，這一點(diǎn)從未改變。所以，我們?nèi)匀惶幱趫D靈風(fēng)格。如果我們能實(shí)現(xiàn)具身化，這種情況或許會(huì)改變。

圖靈絕對(duì)是個(gè)天才。圖靈在他生命的最后幾年，遭遇了可怕的不公，很早就去世了。在他去世前兩年，他發(fā)表了兩篇關(guān)于復(fù)雜系統(tǒng)的完全不同的論文。論文標(biāo)題是《形態(tài)發(fā)生的化學(xué)基礎(chǔ)》 (The Chemical Basis of Morphogenesis)，一個(gè)完全不起眼的標(biāo)題。但他的工作正是我一開(kāi)始談?wù)摰脑掝}——復(fù)雜系統(tǒng)。很少有人意識(shí)到這也是圖靈的工作。

圖靈的想法是考慮一個(gè)非常簡(jiǎn)單的化學(xué)反應(yīng)系統(tǒng)，并考慮其中的耗散相互作用 (dissipative interaction)。他證明了，如果這兩個(gè)單元以耗散相互作用的方式耦合，系統(tǒng)就會(huì)失穩(wěn)。

但接下來(lái)幾年后，著名的美國(guó)數(shù)學(xué)家斯蒂芬·斯梅爾 (Stephen Smale) 提出了一個(gè)想法，他將圖靈的線性方程系統(tǒng)推廣到非線性系統(tǒng)。在線性只能證明失穩(wěn)的情況下，他在非線性的情況下，數(shù)學(xué)上能夠證明存在混沌解。這意味著復(fù)雜的結(jié)構(gòu)正在涌現(xiàn)——這是一個(gè)突破。

而我們所做的工作（我對(duì)此發(fā)表過(guò)論文），是將這種方法推廣到所有類(lèi)型的反應(yīng)-擴(kuò)散方程。然后我們可以說(shuō)，對(duì)于這類(lèi)微分方程，我們至少可以解釋和計(jì)算所有類(lèi)型的復(fù)雜結(jié)構(gòu)涌現(xiàn)。

我在這里想強(qiáng)調(diào)的是：即使是我書(shū)系的另一個(gè)主題——復(fù)雜系統(tǒng)，不僅是人工智能，實(shí)際上也植根于圖靈的思想。在（這兩者）的起源上，他都是開(kāi)山祖師爺。計(jì)算機(jī)科學(xué)家通常沒(méi)有意識(shí)到這一點(diǎn)，因?yàn)樗麄兺ǔ２恢缊D靈后期的這些論文。

04

從理論到工程：全球創(chuàng)新格局的“鐘擺效應(yīng)”

岑峰： 您在演講中強(qiáng)調(diào)了量子計(jì)算。您是否認(rèn)為，量子計(jì)算將在未來(lái)十年對(duì)人工智能產(chǎn)生深遠(yuǎn)的協(xié)同效應(yīng)？或者您認(rèn)為還有哪些技術(shù)能對(duì)人工智能產(chǎn)生類(lèi)似的協(xié)同效應(yīng)？

Klaus Mainzer： 是的，我是這么認(rèn)為的。這也是我在討論中被問(wèn)到的，即類(lèi)神經(jīng)形態(tài)計(jì)算 (neuromorphic computing) 與當(dāng)今另一個(gè)非常熱門(mén)且被廣泛討論的重大前景——量子計(jì)算 (quantum computing) 之間的關(guān)系。

量子計(jì)算將機(jī)器學(xué)習(xí)與 20 世紀(jì)自然科學(xué)的另一大突破連接起來(lái)——除了計(jì)算的開(kāi)端之外，物理學(xué)的另一大突破是量子理論。量子物理學(xué)很重要，因?yàn)樗枋隽宋覀円阎钪娴幕径伞?/p>

這是偉大的物理學(xué)家費(fèi)曼 (Feynman) 的想法。他提出這一理論的時(shí)間比較晚，大約在 60 年代，他說(shuō)：“經(jīng)典計(jì)算機(jī)只是在模擬經(jīng)典世界。讓我們對(duì)量子世界也這樣做吧，因?yàn)閾?jù)我們所知，真實(shí)世界（物理世界）是量子的?！边@就是當(dāng)今量子計(jì)算的基本思想?，F(xiàn)在我們正處于發(fā)展階段，將 20 世紀(jì)的這些基本思想應(yīng)用于量子計(jì)算。

回到我的書(shū)系標(biāo)題——新興技術(shù) (Emerging Technology)。20 世紀(jì)是科學(xué)基本思想發(fā)生驚人變化的一個(gè)世紀(jì)：相對(duì)論、量子物理學(xué)（主要由理論家用極少的數(shù)據(jù)得出），以及圖靈的計(jì)算理論。

但我認(rèn)為，21 世紀(jì)主要由工程技術(shù)主導(dǎo)。這就是為什么我書(shū)系標(biāo)題的第三部分——新興技術(shù)的突破——專(zhuān)注于量子計(jì)算。量子計(jì)算目前正處于我們已經(jīng)估計(jì)到的階段，即它的理論基礎(chǔ)大多來(lái)自 20 世紀(jì)?，F(xiàn)在建造量子計(jì)算機(jī)非常棘手，但它正在越來(lái)越多地被實(shí)現(xiàn)。

雖然我們尚未實(shí)現(xiàn)實(shí)用化的量子計(jì)算機(jī)，但我們現(xiàn)在處于一個(gè)階段（我所在的大學(xué)研究團(tuán)隊(duì)正在進(jìn)行這方面的研究），即量子形式體系已經(jīng)被用來(lái)在經(jīng)典計(jì)算機(jī)上模擬量子計(jì)算，即在超級(jí)計(jì)算機(jī)上。超級(jí)計(jì)算機(jī)仍然是圖靈機(jī)，它非常強(qiáng)大，雖然不如量子計(jì)算機(jī)強(qiáng)大，但可以在一定程度上模擬量子計(jì)算。當(dāng)然，這需要經(jīng)典計(jì)算消耗大量的能量和數(shù)據(jù)。

量子力學(xué)令人驚嘆，它具備疊加原理 (superposition principle) 等新的原則，將經(jīng)典物理學(xué)的可能性遠(yuǎn)遠(yuǎn)地?cái)U(kuò)展開(kāi)來(lái)。近幾年的諾貝爾獎(jiǎng)，包括去年和今年，它們都與這些突破有關(guān)。

岑峰： 是的。

Klaus Mainzer：量子隧穿 (Quantum tunneling) 作為量子力學(xué)的一種可能性，自上個(gè)世紀(jì)就廣為人知。疊加原理等也是我之前提到的觀點(diǎn)。但現(xiàn)在我們找到了技術(shù)應(yīng)用。

就創(chuàng)新而言，在古老的歐洲大陸，人們有很多美好的想法，或者說(shuō)，這些想法大多是在歐洲發(fā)現(xiàn)的。但技術(shù)突破，我們不能說(shuō)完全沒(méi)有，但（這些突破更多的）不在歐洲，而是在美國(guó)或中國(guó)。

例如量子通信。其思想可以追溯到歐洲。它源自尼爾斯·玻爾 (Niels Bohr) 到愛(ài)因斯坦（當(dāng)時(shí)仍在歐洲）的思想，即 35 年的愛(ài)因斯坦-波多爾斯基-羅森 (EPR) 佯謬。它在 80 年代初也由法國(guó)的阿斯佩 (Aspect) 在巴黎得到證實(shí)，那就是量子糾纏 (entanglement) 的證實(shí)（編者注：阿斯佩小組把量子糾纏從哲學(xué)爭(zhēng)論變成經(jīng)實(shí)驗(yàn)檢驗(yàn)的自然科學(xué)事實(shí)；這也被視為“第二次量子革命”的起點(diǎn)，直接催生了后來(lái)的量子信息學(xué)）。

后來(lái)，將量子糾纏用于量子通信的想法也在歐洲產(chǎn)生，由來(lái)自維也納的諾貝爾獎(jiǎng)得主安東·蔡林格 (Anton Zeilinger) 等人提出。他是一名物理學(xué)家。在歐洲邁出了第一步。但最終是中國(guó)實(shí)現(xiàn)了它，因?yàn)樗幸晃粊?lái)自中國(guó)的合作者，現(xiàn)在他在這里領(lǐng)導(dǎo)著量子互聯(lián)網(wǎng)、衛(wèi)星技術(shù)等重大研究項(xiàng)目（我的最后一張幻燈片就是關(guān)于這個(gè)的）。

岑峰： 您是指潘建偉吧，他在歐洲學(xué)習(xí)過(guò)。

Klaus Mainzer： 是的。這是一個(gè)我們歐洲必須討論的難題，我們稱(chēng)之為經(jīng)濟(jì)創(chuàng)新 (Economic innovation)。創(chuàng)新不僅在于想法。例如，特斯拉 (Tesla)這位天才工程師。他是一位創(chuàng)新者，但后來(lái)為了成為一個(gè)成功的工程師，他去了美國(guó)，并在那里將想法推向市場(chǎng)。另一個(gè)例子是火箭。火箭是在德國(guó)由馮·布勞恩 (Wernher von Braun)，在我們歷史上非常黑暗的時(shí)期發(fā)明的。但在二戰(zhàn)結(jié)束后，他去了美國(guó)，并與約翰·F·肯尼迪 (John F. Kennedy) 一起建造了登月火箭。這就是創(chuàng)新。如今的中國(guó)也是如此。

我無(wú)法解釋?zhuān)@是必需的。我認(rèn)為，突破是 21 世紀(jì)的典型特征。因此，在我的書(shū)系中，不僅關(guān)注復(fù)雜系統(tǒng)和人工智能等復(fù)雜問(wèn)題，還關(guān)注新興技術(shù)——這是我們這個(gè)世紀(jì)的愿景。

岑峰： 我還有一個(gè)關(guān)于 AI 社會(huì)影響的問(wèn)題。可解釋性 AI (Explainable AI, XAI) 是一個(gè)關(guān)鍵點(diǎn)，但在實(shí)踐中，我們經(jīng)常面臨模型性能與可解釋性之間的權(quán)衡。我們應(yīng)該如何解決這個(gè)問(wèn)題，特別是在醫(yī)療或司法等高風(fēng)險(xiǎn)領(lǐng)域？

Klaus Mainzer： 醫(yī)療領(lǐng)域。我的演講中提到過(guò)一個(gè)與不可判定性 (undecidability) 等理論問(wèn)題相關(guān)的應(yīng)用，這些問(wèn)題可以通過(guò)類(lèi)神經(jīng)形態(tài)計(jì)算 (neuromorphic computing) 來(lái)克服。當(dāng)我向工程師和那些從事應(yīng)用技術(shù)的人士（公司中的人）講述這些時(shí)，他們會(huì)說(shuō)：“哦，這很有趣，但不重要?！彼麄冋J(rèn)為數(shù)學(xué)家知道某些問(wèn)題可以通過(guò)新方法解決是件好事，但這對(duì)實(shí)踐沒(méi)有影響。

然而，最近，大約一兩年前，在慕尼黑的一個(gè)研究小組中（我也參與了一點(diǎn)），我們發(fā)現(xiàn)這些不可判定性問(wèn)題對(duì)醫(yī)學(xué)有實(shí)際影響。在醫(yī)學(xué)中，日常應(yīng)用是醫(yī)學(xué)影像 (medical imaging)。影像意味著對(duì)原始物體（例如一個(gè)器官）進(jìn)行了有噪聲的測(cè)量。現(xiàn)在的問(wèn)題是：是否有可能從這些有噪聲的測(cè)量中重構(gòu)出原始物體？準(zhǔn)確度能達(dá)到什么程度？

這是一個(gè)典型的最小化問(wèn)題（從數(shù)學(xué)上講），因?yàn)樾枰钚』肼暋?zhǔn)確度能達(dá)到什么程度？這是機(jī)器學(xué)習(xí)的典型課題，因?yàn)樯窠?jīng)網(wǎng)絡(luò)可以通過(guò)越來(lái)越好的樣本進(jìn)行訓(xùn)練，以逼近原始物體，從而實(shí)現(xiàn)重構(gòu)。

但實(shí)際上，可以通過(guò)數(shù)學(xué)證明：原則上，數(shù)字計(jì)算機(jī)只能實(shí)現(xiàn)一定程度的逼近。現(xiàn)在，醫(yī)生們問(wèn)我：這對(duì)我們有什么實(shí)際影響？因?yàn)槲覀儧](méi)有像數(shù)學(xué)家那樣追求嚴(yán)謹(jǐn)?shù)谋平?，我們只要在某種程度上滿(mǎn)意就行。但我的觀點(diǎn)是，醫(yī)學(xué)的目標(biāo)是變得越來(lái)越可靠，因此對(duì)準(zhǔn)確度的要求正在提高。

所以，對(duì)于實(shí)際使用而言，一個(gè)重要的應(yīng)用是：這種精確重構(gòu)只能達(dá)到一定程度，因?yàn)閺臄?shù)學(xué)意義上講，你可以證明逼近存在一個(gè)下限。另一方面，類(lèi)神經(jīng)形態(tài)計(jì)算原則上可能實(shí)現(xiàn)這種逼近。

所以，在數(shù)學(xué)中，你總是能得到什么是可能、什么是不可能的先驗(yàn)框架。我認(rèn)為這對(duì)實(shí)踐者來(lái)說(shuō)是一個(gè)重要的信息，當(dāng)然，這也取決于具體的實(shí)際應(yīng)用。

我的觀點(diǎn)是：這就是這些理論與實(shí)際應(yīng)用之間的聯(lián)系。當(dāng)然，大家都知道現(xiàn)代計(jì)算機(jī)科學(xué)、機(jī)器學(xué)習(xí)在外科手術(shù)、訓(xùn)練機(jī)器人等實(shí)踐問(wèn)題上的驚人應(yīng)用。我們正在慕尼黑籌備明年年初關(guān)于超級(jí)計(jì)算機(jī)在醫(yī)學(xué)、天文學(xué)等領(lǐng)域的會(huì)議。這些計(jì)算結(jié)果正在促成新的突破。這一切或多或少都取決于計(jì)算能力。

05

AI 時(shí)代人類(lèi)的出路——整合教育與倫理責(zé)任

岑峰： 這正是人機(jī)協(xié)作為何如此重要的原因。所以，我們的教育系統(tǒng)最迫切需要哪些根本性變化，才能讓下一代具備“AI 素養(yǎng)”和“系統(tǒng)思維”？

Klaus Mainzer： 這是我演講中的最后一點(diǎn)：教育系統(tǒng)。我們應(yīng)該怎么做？我的經(jīng)驗(yàn)是：幾年前我在牛津做了一個(gè)演講。之后我們討論了教育問(wèn)題。在英國(guó)，人們告訴我，他們的經(jīng)驗(yàn)是：計(jì)算機(jī)科學(xué)教育犯了一個(gè)很大的錯(cuò)誤/沒(méi)有達(dá)到目標(biāo)。

我的同事在十年前也對(duì)我說(shuō)：計(jì)算機(jī)科學(xué)家，尤其是在歐洲，通常只接受了編程訓(xùn)練。因此，他們?nèi)笔Я宋锢韺W(xué)家所具備的典型特質(zhì)。物理學(xué)家被訓(xùn)練去建立世界的模型——無(wú)論是物理學(xué)、經(jīng)濟(jì)學(xué)還是其他領(lǐng)域。然后他們被訓(xùn)練使用復(fù)雜的數(shù)學(xué)工具將模型形式化。最后，這種數(shù)學(xué)形式化可以被編程——這就是計(jì)算機(jī)科學(xué)。

所以，計(jì)算機(jī)科學(xué)缺失的是這種建模的能力。這是我們未來(lái)迫切需要的關(guān)鍵點(diǎn)。

歷史上那些突破都是由同時(shí)具備這兩種能力的人實(shí)現(xiàn)的。有時(shí)物理學(xué)家數(shù)學(xué)功底深厚，很聰明，主要通過(guò)自學(xué)完成了計(jì)算機(jī)科學(xué)訓(xùn)練。但計(jì)算機(jī)科學(xué)家必須非常謹(jǐn)慎。至少在德國(guó)是這樣……但我想說(shuō)的是：他們?nèi)狈碛兄庇X(jué)、建立模型并用數(shù)學(xué)描述這種關(guān)系的能力。

因此，物理學(xué)仍然是基礎(chǔ)。你最終不必成為一名物理學(xué)家，但這種起源于牛頓和伽利略的觀察世界的思維方式（至關(guān)重要。后來(lái)，化學(xué)家從懂得建模的物理學(xué)家那里學(xué)習(xí)。再后來(lái)，生物學(xué)家也提出了建模世界的想法，我提到了反應(yīng)-擴(kuò)散方程，用這種方式對(duì)有機(jī)系統(tǒng)進(jìn)行建模。如今，即使在醫(yī)學(xué)中，這種思維方式對(duì)于突破也是至關(guān)重要的。

所以，對(duì)于教育來(lái)說(shuō)，我們需要教育項(xiàng)目來(lái)連接和整合不同領(lǐng)域的教育。這意味著計(jì)算機(jī)科學(xué)家也要在建模方面接受訓(xùn)練，而物理學(xué)家也要在計(jì)算科學(xué)方面接受訓(xùn)練。在第二場(chǎng)演講中，你可能會(huì)觀察到：這個(gè)群體傳統(tǒng)上是電氣工程師，他們過(guò)去負(fù)責(zé)社會(huì)的電氣化，但現(xiàn)在他們找到了與計(jì)算機(jī)科學(xué)的接口，并進(jìn)而找到了與 AI 的接口。因此，現(xiàn)代電氣工程師也要接受計(jì)算科學(xué)的訓(xùn)練，反之亦然。

我強(qiáng)調(diào)的是：這是我整個(gè)學(xué)術(shù)生涯中的趨勢(shì)。我一直在要求整合這些不同的方法，即跨學(xué)科方法，因?yàn)槲覐目茖W(xué)技術(shù)史中觀察到，偉大的突破總是發(fā)生在這些跨學(xué)科領(lǐng)域的邊界上。這是我對(duì)未來(lái)的想法。

岑峰： 您正在中國(guó)訪問(wèn)，您最期待與這里的學(xué)者和學(xué)生討論什么？您對(duì)年輕研究人員和學(xué)生最重要的建議是什么？

Klaus Mainzer： 對(duì)于年輕研究人員和學(xué)生，正是我的上一個(gè)觀點(diǎn)：要保持開(kāi)放心態(tài) (To be open-minded)。當(dāng)然，你必須有所專(zhuān)長(zhǎng)。你必須從一個(gè)特定領(lǐng)域開(kāi)始，然后盡好自己的職責(zé)。這取決于你的能力：如果你對(duì)醫(yī)學(xué)感興趣，就做醫(yī)學(xué)；對(duì)物理學(xué)感興趣，就做物理學(xué)；對(duì)電氣工程感興趣，就做電氣工程。

但隨后在你的職業(yè)生涯中，至少在博士階段，要保持開(kāi)放的心態(tài)。因?yàn)樾碌耐黄撇⒎前l(fā)生在筆直的道路上。不要期望你的碩士論文能解決你未來(lái)職業(yè)生涯的所有問(wèn)題。世界正在變化。保持開(kāi)放的心態(tài)。你需要一些工具。

這是我自己的經(jīng)驗(yàn)。我從邏輯學(xué)和數(shù)學(xué)開(kāi)始，但隨后，在我的發(fā)展過(guò)程中，我看到了所有這些新的發(fā)展開(kāi)辟了新的道路。我剛開(kāi)始時(shí)對(duì)那些領(lǐng)域一無(wú)所知，但我在生活中也非常渴望學(xué)習(xí)。我看到了與這些領(lǐng)域有趣的連接，然后我就去做了。

我認(rèn)為這是我的個(gè)人經(jīng)驗(yàn)，但從普遍的角度來(lái)看，這也是必要的：偉大的突破需要尋找連接。例如，我現(xiàn)在很多年長(zhǎng)的同事朋友都是學(xué)醫(yī)出身。我從醫(yī)學(xué)中學(xué)到了很多。我之前一無(wú)所知。我總是對(duì)人體的復(fù)雜性懷有極大的敬意，因?yàn)槲业奈锢韺W(xué)和數(shù)學(xué)訓(xùn)練讓我對(duì)復(fù)雜系統(tǒng)有了很好的想法。

但如果你是一名醫(yī)生，哪怕是一名普通的醫(yī)生，你也會(huì)驚奇地觀察到：人體的反應(yīng)是如此復(fù)雜，令人難以置信。這意味著你每天都會(huì)被一些你理論洞察力從未預(yù)料到的效應(yīng)所震驚。所以我現(xiàn)在對(duì)醫(yī)學(xué)非常熱衷，因?yàn)樗憩F(xiàn)出來(lái)的復(fù)雜性太令人驚嘆了。

岑峰： 最后一個(gè)問(wèn)題。展望 AI 時(shí)代人類(lèi)的未來(lái)，您認(rèn)為我們應(yīng)該問(wèn)自己的最重要的問(wèn)題是什么？

Klaus Mainzer： 我解釋了人類(lèi)在未來(lái)所有的可能性。未來(lái)是開(kāi)放的 (The future is open)，這也是一種要求，因?yàn)檫@是過(guò)程的本質(zhì)。

如果我們?cè)噲D用僵硬的限制來(lái)阻止人類(lèi)的創(chuàng)造力，這是徒勞的。我們這個(gè)物種是如此渴望探索。這是人類(lèi)這種創(chuàng)造力的典型特征。我們無(wú)法停止。無(wú)論是伽利略被教會(huì)迫害，還是所有類(lèi)似事件，都說(shuō)明人類(lèi)的創(chuàng)造力是無(wú)法被阻止的。這是我們物種的典型特征，也是我們物種的成功之處，這是第一個(gè)方面。

但第二個(gè)方面是洞察力：我們?nèi)祟?lèi)在這個(gè)地球上是獨(dú)特的/的。這就是我們?cè)诳茖W(xué)技術(shù)史上觀察到的能力。這意味著我們這個(gè)物種負(fù)有責(zé)任 (responsibility)。我們是地球上唯一最終能夠幫助拯救我們的星球、并影響其進(jìn)一步發(fā)展的物種。我們也有摧毀的能力，比如原子彈。

因此，歸根結(jié)底，我們擁有許多能力，即人類(lèi)的創(chuàng)造力，但倫理層面也很重要。可以說(shuō)，我們對(duì)氣候危機(jī)、對(duì)地球的能源問(wèn)題也負(fù)有責(zé)任。責(zé)任是我的第二個(gè)重要呼吁 (plea)。這意味著我們必須意識(shí)到我們的力量，但也要意識(shí)到我們?cè)谡麄€(gè)地球和所有物種面前的局限性。我們必須同時(shí)考慮這兩個(gè)方面。

完整采訪：https://youtu.be/E8H7jzKO0do

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。