0
| 本文作者： 史中 | 2017-01-16 14:31 |
當我們談到未來的時候，每個人都會有自己的圖景，這些圖景千奇百異。但是，正如無數(shù)描述未來的電影和文字中所展現(xiàn)的：
無論你是否喜愛想象中的未來，驅(qū)動它們最精妙的動力，正是科學。
科學，就是未來論壇的主題。
如果科學僅僅屬于少數(shù)人，不得不說是一種悲傷。而讓科學精神走入人心，卻是一代代智者未竟的事業(yè)。未來論壇究竟怎樣為科學步布道呢？為了不讓普通人望而卻步，雷鋒網(wǎng)嘗試用三個簡單的問題來幫助你體會。
來到論壇的泰斗包括數(shù)位諾貝爾獎、圖靈獎獲得者。領域涵蓋物理學，計算機科學和人工智能、生命科學等。
例如：
物理學家，1987年諾貝爾物理學獎獲得者。他的成就就是發(fā)現(xiàn)了一種高溫超導材料。高溫超導是物理學的明星領域，已經(jīng)產(chǎn)生了數(shù)位諾貝爾獎得主。以中國為例，電力傳輸中電阻產(chǎn)生的損耗超過6%。如果高溫超導實現(xiàn)突破，可以讓人類的電力傳輸損耗下降為零。
清華大學教授，他在高溫超導材料方面取得了突破性的研究，發(fā)現(xiàn)了繼 J. Georg BEDNORZ 之后的第二個高溫超導材料。
香港中文大學醫(yī)學院副院長(研究) 2016年度未來科學大獎-生命科學獎獲獎人。他發(fā)現(xiàn)的一種產(chǎn)前診斷手段，可以通過基因手段在新生兒出生之前，篩查唐氏綜合征和其他基因紊亂疾病。這種無創(chuàng)診斷在九十多個國家被采用。讓無數(shù)父母避免孩子出現(xiàn)基因缺陷疾病。
美國斯坦福大學計算機科學系終身教授 人工智能實驗室主任。她在計算機視覺方面的研究讓人們可以利用深度學習的方法，使得計算機得以“看到”并且“讀懂”圖片。這種技術開創(chuàng)了機器視覺和自動駕駛的新領域。
哈佛大學講席教授、高等成像中心主任， HHMI研究員。她用最精密的顯微鏡技術，第一次拍攝到感冒病毒入侵一枚細胞。完整地在單分子層面，微觀呈現(xiàn)了核酸和蛋白的相互作用，揭開了人體運行的最底層秘密。
這樣級別的科學家，還有很多。
當然，赴會的大牛還不僅包括科學大家，還有尋找途徑把科學真正帶給普通人的商業(yè)和產(chǎn)業(yè)領袖們。
例如：
李彥宏 百度公司創(chuàng)始人、董事長兼首席執(zhí)行官
馬化騰 騰訊董事會主席、執(zhí)行董事兼首席執(zhí)行官
沈南鵬 紅杉資本全球執(zhí)行合伙人
沈向洋 微軟全球執(zhí)行副總裁，微軟人工智能及微軟研究事業(yè)部負責人
除此之外，還有真格基金創(chuàng)始人徐小平、分眾傳媒創(chuàng)始人江南春等等。。。
篇幅有限，不能一一羅列。當然，即使是“等等”中的大牛，也都真實而堅定地改變了我們的社會和生活。
當然，能湊齊如此多的大牛，也離不開政府的支持運作。
在論壇期間北京市朝陽區(qū)人民政府和未來論壇正式簽署戰(zhàn)略合作協(xié)議，開展了全面戰(zhàn)略合作。根據(jù)戰(zhàn)略合作內(nèi)容，未來論壇將在朝陽區(qū)設立永久會址。
北京市朝陽區(qū)委副書記、區(qū)長王灝在致辭中表示：
將致力于打造全球知名的“中國諾貝爾獎”——未來科學大獎。
在中國，科學獎項并不少，但其中都帶有很強的官方背景或商業(yè)氣息。多數(shù)獎項商業(yè)背景過于強大，所以人們對于獎項的公信度往往懷有疑慮。
而未來論壇的“未來科學大獎”被稱為民間科學大獎。如果用一個詞形容這個科學獎項，應該是“純粹”。
【未來科學大獎物質(zhì)科學獎獲得者，物理學家薛其坤在發(fā)表主題演講】
說它純粹，大概有以下一些原因。
根據(jù)大獎發(fā)起人，中國科學院物理所研究員，北京凝聚態(tài)物理國家實驗室首席科學家丁洪的介紹，組委會和捐贈人都是中國頂級的科學家和企業(yè)家。但是卻和企業(yè)家和科學家隊伍都保持了“距離”。
大獎在很多方面都參照了諾貝爾獎的評獎方式。例如在投票之前會對領域內(nèi)專家進行咨詢，讓專家對提名者進行匿名評價，經(jīng)過漫長的七八個月認真篩選，最后才能進入專家投票。
而大獎咨詢委員會的九位科學家，都把自己的信譽押上去了。
【未來科學大獎的科學家隊伍（目測眾多諾獎泰斗和科學大家）】
大獎的捐贈人之一，高瓴資本創(chuàng)始人、CEO 張磊說：
我熱愛科學。作為捐贈人，我完全沒有參與獎項規(guī)則制定和。我想要的是，讓年輕人不僅僅喜歡玩游戲、追網(wǎng)紅這類流行文化。還給他們多一個選擇，那就是追求科學和真理。
我想用設立這個獎項的方法告訴年輕人，科學和真理一樣很美，很好玩。
這一屆未來科學大獎設立生命科學大獎和物質(zhì)科學大獎，獎金各為100萬美元。這個獎金已經(jīng)直逼諾貝爾獎獎金。當然，獎金本身并不能說明獎項的含金量，就像清華大學教授高西慶所說：
我希望讓人們知道，科學不僅有趣，而且可以給人帶來有尊嚴的生活。
商業(yè)領袖和科學家們都認同一個事實：中國過去幾十年的成功，在商業(yè)模式上的創(chuàng)新遠遠大于在基礎科學上的創(chuàng)新。
正如未來科學大獎物質(zhì)科學獎獲得者，物理學家薛其坤說：
中國有幾千年燦爛的文明，但相比于此，我們在科學領域?qū)κ澜绲呢暙I還是不足的。
雖說比肩諾獎，目前只是美好的期望。但是，所有參與獎項的大咖都表示，有信心把這個獎項辦一百年以上。當李彥宏、馬化騰、徐小平信誓旦旦地發(fā)愿時，你會感覺在一瞬間他們距離商業(yè)很遠，距離夢想很近。
【未來大獎的捐贈人和企業(yè)家隊伍（目測總市值萬億，你能認出幾位大咖？）】
無數(shù)大牛在未來論壇上描繪了自己對未來的想象，雷鋒網(wǎng)將會在未來一段時間內(nèi)逐一放出。
在這里，簡單摘錄在人工智能圓桌論壇上，李飛飛、李凱、沈向洋、張鈸四位人工智能專家的崇論吰議。
（張鈸，清華大學計算機系教授、中國科學院院士、清華大學智能技術與系統(tǒng)國家重點實驗室學術委員會名譽主任）
大家都說人工智能可以做很多事情，我想先說說人工智能目前還不能做什么。
人工智能學科從創(chuàng)立到現(xiàn)在，只往前走了兩步。
以前人工智能只是建立在數(shù)學模型的基礎上。而推理模型在數(shù)學模型的基礎上，把問題變成：如果可以把這個問題清晰地表述出來，用陳述性或過程性的語言，那么計算機就能解決它。
當這個模型被提出來，人工智能解決問題的能力提高了一大步。這樣，可解的問題就遠比用數(shù)學表達的問題多得多。
實際上，當時對人工智能的估計過高。因為人們發(fā)現(xiàn)，能“清楚表達”的問題很少。及時是理性思考，有很多問題都不能表述。
這又讓人工智能向前邁了一步，而且這一步比前一步大得多。
之前，我們可以用計算機解決的問題是“知其然又知其所以然”的問題。而有了深度學習，我們也可以解決“知其然而不知其所以然”的問題。特別是可以解決感知、視覺、聽覺等方面的問題，例如：張三長什么樣子，這個實在是不好表述。
我們身邊充滿“說不清道不明”的問題，用新的深度學習技術可以解決很多這類問題。但是，我們的人工智能還沒有到頂峰。
目前的人工智能有三個限制條件。
1、確定性
2、完全的知識和信息
3、封閉化、特定化的問題
一個典型的人工智能可以解決的問題就是：阿法狗下圍棋。
圍棋有著確定的規(guī)則和目標；
對方如何下子，盤面的信息，完全可以知道；
而所有答案的可能性是一個封閉的。
處理帶有這三個限制條件的問題，計算機肯定比人類好。但是如果缺一個條件，計算機就非常難完成了。例如打橋牌，答案不是封閉的，計算機就很難做了。
一年以前，如果我和微軟小冰聊天。我說我叫張鈸，小冰就會傻眼了。因為他沒有我的信息。我如果說我是章子怡，小冰應該可以聊下去。所以，盡管小冰很厲害，但是和人的智能還是差得多。
深度學習目前有兩個很難克服的重要缺點：
1、魯棒性差。機器學習過的內(nèi)容，和沒學習過的內(nèi)容，在識別效果方面差距太大。例如一個模式識別系統(tǒng)，經(jīng)過訓練可以很好地識別馬、牛、羊。你給它一塊石頭，它有可能認為是馬。
2、機器數(shù)據(jù)輸入和輸出結(jié)果差距太大。人的智能是舉一反三，而機器是舉一百反一。給幾百萬的數(shù)據(jù)，識別幾萬個目標。這和人類是背道而馳的。
所以，現(xiàn)在的人工智能還有很長的路要走。
【李飛飛發(fā)表主題演講，上圖是她在講述如何用機器視覺識別出坑爹的各種姿勢的貓】
（李飛飛，美國斯坦福大學計算機科學系終身教授、人工智能實驗室主任）
很多朋友都知道我剛剛生了我們家的老二，還不到一歲大。
作為人工智能研究者，我很高興能體會當媽媽的感覺。之前張鈸老師說感知代表了很多“不知其所以然”的問題，在現(xiàn)在大規(guī)模數(shù)據(jù)標注的情況下，都可以解決。
我覺得人工智能的下一步應該是認知。
認知包括很多我們還不太清楚怎么用數(shù)學和人工智能表達的。比如：知識系統(tǒng)的建立、情感的產(chǎn)生和交流、好奇心和創(chuàng)造力驅(qū)動的學習，還有 learning to learn。這些都是認知的范疇。
確實，我們?nèi)斯ぶ悄苡钟瓉砹舜禾欤旅娲_實還有很長的路要走。
我認為下一步人工智能的發(fā)展，需要加強對情感，情緒的了解，要走進認知學，心理學。我說的不僅是腦科學，而是認知學。因為我們目前對人的情感理解非常少，而這對于人工智能來說是很重要的。
作為人工智能學者，能夠得到這么多關注，我很高興。但是我也擔心這樣的“泡沫”會帶來什么。如果是更多的機會和研發(fā)投入，當然是好事；如果是過度承諾或者不切實際的產(chǎn)品研究工作，可能會對這個領域有些不好的影響。
（李凱，普林斯頓大學 Paul & Marcia Wythes 講席教授，美國工程院院士，未來論壇科學委員會委員）
我參加過很多論壇，大家都在問：人工智能什么時候能超過人？一般專家都會推斷通用人工智能超過人的時間，一定在他去世之后的某個時點，例如：五十年后。到了要驗證正確與否的時候，他已經(jīng)不在了，也就不會有人追究他了。（笑）
但人們提出這個問題的時候，有一個假設條件，那就是：假定人自身的智能不再往前走了。
但是，實際上人的智能還是往前發(fā)展的。如果現(xiàn)在我們對人的大腦有了新的了解，就可以很快幫助我們提高自己的智能。而人堆大腦的了解，也可以幫助提高人工智能的水平。
深度學習，實際上是把我們對人腦神經(jīng)網(wǎng)絡非常簡單的理解變成算法。然后加之以數(shù)據(jù)，發(fā)現(xiàn)智能效果很好。但是，這些人腦神經(jīng)的只是都是三四十年以前的知識。而我們在期待腦科學有新的突破，這些新的知識一定可以推進人工智能的一大步。所以說，智能這條路是很長很長的。無論對于機器，還是對人。
（沈向洋，微軟全球執(zhí)行副總裁，微軟人工智能及微軟研究事業(yè)部負責人，未來論壇理事）
我很贊同各位的說法。在商業(yè)上，接下來三五年毫無疑問 AI 可以幫助我們解決很多問題。但是秋天過了，冬天我們要做什么呢？
我覺得有兩點。
第一點，我覺得數(shù)據(jù)很多、算法互通，確實是取之不盡的。但是在計算能力這件事上，我們應該更加重視。幾十年下來的摩爾定律，讓我們可以把人工智能做到了今天，這是非常了不起的飛速增長的五十年。但是工業(yè)界普遍會認為，計算能力會慢慢降下來。這也是大家為什么都在非常認真地去做量子計算，也要到十年、十五年才能看到突破。
今天我們 AI 向前走必須要考慮的問題是：計算能力的瓶頸。
第二點，我們要考慮為什么做 AI。是不是計算能力的增強，就一定會產(chǎn)生智能。從人腦的結(jié)構(gòu)來看，我們應該定義一個小目標：利用符號學和深度學習做一些結(jié)合，希望在腦科學和人工智能結(jié)合上，解決幾個了不起的問題。我自己想要解決三個和人腦息息相關的病。
兒童孤獨癥
中年憂郁癥
老年癡呆癥
人工智能如果能解決這三個問題，就是相當了不起的成就。
以上，是幾位在人工智能領域頂級專家對于未來人工智能的預測和期望。而包括李飛飛、沈向洋在內(nèi)的諸多人工智能專家也在大會做了主題演講，敬請期待雷鋒網(wǎng)的后續(xù)文章。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
