人工智能（AI）这一概念出现61年来，对“机器能否比人类还聪明”的争论从未停息。与此同时，在互联网、大数据、超级计算能力的推动下，人工智能开始改变科学研究本身。

　　“当我们把一种新的智能加入科学方法，科学一定会以不同的方式去认识和发展。到那时，一切都将改变。”世界著名科技杂志《连线》创始主编凯文·凯利（KevinKelly）在其著作《必然》中提出。

　　中科院自动化所所长徐波告诉《瞭望》新闻周刊记者，“随着大数据时代的到来，通过对数据密集型领域的人工智能分析，可以发现原来人类发现不了的东西，突破人类认知的疆域”。这就是除了依靠实验归纳得出结论、用定理推演推导出新的定理、仿真模拟外，科学研究的“第四范式”。

　　何为“人工智能” 

　　我们生活中的方方面面都有可能通过智能化带来巨大的变革，那么，究竟什么是人工智能？

　　“在1956年夏天的一场大会上，一群顶尖学者汇聚在一起，讨论如何制造一台‘模拟人类各方面智能’的机器。通过此次活动，他们一致认可了‘人工智能’这一概念。”斯坦福大学人工智能与伦理学教授杰瑞·卡普兰（JerryKaplan）在《人工智能时代》一书中这样写到。

　　“现在社会讨论比较热的还是数字之间的人工智能，更多的是存在于互联网中，存在于数据、虚拟世界的人工智能。”徐波说。

　　凯文·凯利同样认为，“真正的人工智能会出现在网络这个由数十亿电脑芯片组成的超级组织中。任何与这个网络人工智能的接触，都是对其智能的分享和贡献。这种人工智能连接了70亿人的大脑，数万兆联网的晶体管、数百艾字节（缩写EB，常用来标示网络硬盘总容量，1EB=10243GB）的现实生活数据，以及整个文明的自我修正反馈循环。”他提出，当这种新兴人工智能问世的时候，它会由于无处不在，反而让人们无法察觉。

　　凯文·凯利将人工智能在未来世界中的威力形容为曾经的“铀元素”。在他看来，人工智能将是未来20年最重要的技术，能够结合的行业多到数不尽。拿化学来说，加入人工智能后，科学家们可以进行虚拟化学实验，在多如天文数字的化学结合中精挑细选，决定哪些更有希望成功，值得放在实验室中检验。

　　诚然，人工智能对科学研究本身和整个社会都会产生很大的影响，但怎样衡量一个体系是不是智能？

　　“我想到的一个很好的例子。一个一岁的小孩，玩玩具时对模式的识别、颜色的感知、声音的辨识等等，这些行为都在他小小脑袋中间的神经元之间进行处理、学习。与之相对的，是世界排名第一的超级计算机‘神威·太湖之光’所具有的计算能力、对数据处理的能力。这两者相比，哪一个更加智能化，或者说哪一个信息数据处理能力更强大？”美国罗德岛大学教授、智能计算与自适应系统实验室主任何海波在接受《瞭望》新闻周刊记者采访时提出。

　　对此，科学家提出了很多智能计算算法、智能计算模型，人们非常熟悉的IQ测试就是用模型参数来评估智能的一个量化方式，还包括图灵实验、心理学家设计的实验等。

　　“我认为图灵测试还不能满足我们对人工智能测试的要求。”徐波告诉记者，人类情商一个最重要的表现形式就是同理心。比如说一个小孩摔倒了，周边的人都同时想到把他扶起来。不同的人在同一个场景里面会想到同样的事情，这是一个非常复杂的活动。“那么机器人能不能做到同理心？机器人看到小孩摔倒了，它能不能想到去扶？”

　　迎来“野蛮生长” 

　　“我们看到19世界铁路的迅速发展，随后便是普遍的破产。人工智能经历了一个相似并过于乐观的时期。”库兹韦尔提到，人工智能暴露问题出现在20世纪70年代，20世纪80年代是人工智能的萧条期，那时的人工智能无法转化为利润，那个时代也被称为“人工智能的冬季。”

　　60年来，人工智能经历了从爆发到寒冬再到野蛮生长的过程，人工智能的研究者都预测人工智能时代近在咫尺，但现实中人工智能似乎仍遥不可及，直到几年前这一情况终于改善。

　　2010年以来，人工智能迎来了爆炸式发展，各种人工智能产品不断面世。通过语音识别技术、会场演讲者的内容能够实时以中英文在大屏幕上呈现出来，科大讯飞正让机器“能听会说”。将患者的CT影像输入给机器，可以极短时间内完成阅片工作。中科曙光的医学影像阅片机器人让医生从繁琐的重复性看片工作中解放出来，还能大大提高诊断的精准度。

　　“我们现在看到的大多数人工智能重要成果、技术改进，其背后最核心的要素，是深度神经网络的发展。”浪潮集团人工智能与高性能计算总经理刘军说。

　　“人的大脑里面有1000亿个神经元，它们相互之间互联形成一个架构。深度神经网络就是想模拟人的神经结构。”面对记者的疑惑，刘军画了三层“神经元”，这三层即为浅层次的神经网络，相当于动物世界里面最低级生物的神经元水平，只能做出一些很简单的应激反应。三层神经网络有输入层、隐含层、输出层，像人的神经元结构，会有不同的数据输入到这个神经网络里面来进行训练。例如训练图片识别技术，将图片上各种物体进行标注，这些信息就是进行神经网络训练的数据。

　　“神经网络的一个特点就是一开始给它赋予的值都是随机的，相当于刚出生的小孩，他什么都不知道，但小孩有神经网络，我们就不断地去教他、去强化刺激，形成一个认知。”刘军举例说，我们一看苹果就知道这是一个苹果，因为这个形状的东西进入人脑里面，已经形成了一个模式，训练神经网络也是这种概念。

　　“用于人工智能的神经网络可以相当于一种软件，把数据输入到神经网络，训练它的过程就是在安装有GPU服务器的计算设备上完成的。”刘军告诉记者。

　　“20年前，神经网络学习方法和技术已经有了，但那时候并没有形成现在的发展趋势，因为那时候计算代价太高了，所以没有普及。”中国科学技术大学教授安虹告诉记者，即便是一个腔肠动物的简单神经元结构，面对一些大的数据，20年前的计算机也根本训练不动。

　　“当时照片都是胶片的，没有什么数据。我们做实验的时候，能有1000个数据都觉得很了不起。数据送到这个神经网络里面去训练，用当时的计算机会运行几天几夜。”刘军说，曾经由于计算能力不足、数据不够，神经网络层次不够多，神经网络学习技术甚至被认为是伪科学。

　　“近期的三大突破将开启人们期待已久的人工智能时代。”凯文·凯利提到，这三大突破便是：廉价的并行计算、大数据、更好的算法。

　　“今天一台小小服务器的计算速度是20年前最快计算机的60倍。正是由于计算能力的快速发展，结合互联网、物联网带来的海量数据和深度学习等先进算法，才共同催生了第三次人工智能浪潮。”在2017人工智能计算大会上，中国工程院院士王恩东提到。

　　“大数据相当于火箭燃料，深度神经网络犹如引擎，计算能力犹如助推器。”徐波形容道。

　　步入人工智能时代？ 

　　“转机出现在2010年之后。计算能力增强了以后，深度神经网络很快就能够真正用起来了。”安虹告诉记者。

　　过去20年来，随着科学的发展，半导体芯片的计算系统层面得到飞速提升，具备了使用深层次的深度神经网络和处理超大数据的可能性。十多年前，出现了一种图形处理器（GPU）芯片，这是为满足电子游戏中大量的视觉并行需求而设计的。并行图像芯片运行效果极佳，使得电子游戏大受欢迎。

　　2006年，当时就职于多伦多大学的杰夫·辛顿（GeoffHiton）对神经网络方法做出了关键改进，并将其称为“深度学习”。

　　当深度学习算法被移植到GPU集群上时，速度有了大幅提升。“在2012年全球有名的ImageNet图像识别的挑战赛中，有个学生采用深度神经网络的方法训练出了一个模型，在图像识别比赛里面，把正确率从70%提高了十几个百分点，遥遥领先其他竞争对手。”刘军介绍说，采用深度神经网络的方法，今天图像识别准确率已经在95%以上，在某些地方甚至超过了人类识别能力。

　　“为什么人工智能会突然爆发在移动互联网时代？因为移动互联网时代数据的获取变得非常容易，每部手机拍一张图片，几亿张人脸就出来了。”徐波告诉记者，移动互联网在2010年后得到迅速发展，形成了大量的数据。

　　“所以在数据、在深度神经网络的科学方法以及恰如其分的GPU计算技术都成功的情况下，人工智能才爆发出来，它并不是偶然的。”刘军说道。

　　有人提出，我们正迎来智能化提升认知的第四次技术革命。人工智能将在提升机器认知能力的基础上，全面整合人类本身智能以及人类过去文明成果，大幅提升机器认知能力和人类认知疆域。

　　“第四次技术革命最大特点就是提升机器的认知能力，这种认知能力嫁接到人类机械化、自动化、信息化时代的文明成果上，必将以一种新的方式展现出来并帮助人类延伸其自身认识世界的能力。”徐波说。

　　“以超级复杂的短时气象预测为例，影响某地某时的气象因素特别多，除了大的气象环境，还跟当地山川等地理因素密切相关。就现有的数学模型很难做到精准预测。”徐波举例说，利用人工智能技术，结合气象数学模型、实时观察数据以及众多经验知识，就有可能做出超越人类认知能力的、对气象精准预报的智能系统。

　　“将来某一天，你在户外玩够了无人机，坐着自动驾驶汽车回到家里，家里的家庭服务机器人已给你调到了适宜的温度，电视机、音响自动播放着你喜欢的内容，人和人工智能和谐地生活在一起。”科大讯飞执行总裁胡郁告诉记者，这是他想象出来的一个美妙画卷，“我相信人工智能时代已经到来。”

    作者：文/《瞭望》新闻周刊记者 扈永顺 来源： 2017-09-16