张首晟看人工智能：工业结合学术，这是个大有可能的时代

2017 年 7 月 17 日 笔记侠 张首晟

内容来源：世界著名科学家、斯坦福大学终身教授张首晟在第四届网易未来科技峰会上所做分享，笔记侠作为合作方，经主办方审核授权发布。

责编 | kay

第1591篇深度好文：1903字 | 2分钟阅读

我今天演讲的题目是“人工智能的三大支柱”。在过去十万多年中，人类一直是地球上最智慧的物种，但我们今天的确碰到一个新的挑战，就是人工智能。

人工智能这样新的、神奇的“物种”，为什么会出现在我们现在的时代？我认为主要原因是这个时代拥有使其得以发展的三大支柱：计算力、大数据和算法。

一，计算的能力。自从计算机被发明之后，在过去的五六十年中，计算机的计算能力几乎是按照摩尔定律描述的情况一样增长。这方面的“摩尔定律”，是指每过18个月，计算机的计算能力就会翻一次倍。这种神奇的增长，使我们正处于计算能力突飞猛进的时代，可以计算一些曾经不能被计算的内容了。

二，大数据。伴随着互联网产生，出现了大量的数据，人工智能从大量数据汇集中得到学习，我们生活的每一个角落都变得数据化。

三，算法。对我来说，是最神奇的发展，就是那些新算法。一开始，我们模拟人脑工作的原理做出一些人工智能、机器学习的算法，但在发展过程中，我们可能会推出一些算法、一些人脑根本不能实现的算法。比如说量子计算等数学上的全新算法。

我们这个时代被非常伟大的信息定理所刻划，这个定理就是摩尔定理，它描述的是信息计算能力，指计算能力每过18个月翻一次倍，按照指数级速度增长。摩尔定理奠基了信息社会的飞速发展，相比之下，传统行业往往会处于比较平行的、线性的增长情况。

将摩尔定理按照传统的方式推演，是不能依照过去发展的指数爆炸式增长的，为什么？运算过程中，每个三极管必然会产生热量，如果三极管的基本原理不变，那么每过18个月，三极管的数字翻一次倍时，产生的热量也翻了一倍，继续提升的情况下，芯片必然会烧毁。这是个危机，也是挑战。

我作为物理学家，认为这是一个美好的机会，我们可以回到一张白纸上重新思考这个原理：阻碍计算机按照原先的摩尔定理继续推进的是什么？

打个比方，在芯片的最底层，我们为电子造了一个信息的高速公路，高速公路最根本的原理就是车道的原理：各分其道、互不干扰，每个电子在固定的车道上在运行。而如果遇到赶集，电子会到处碰撞。

用同样的思维来思考今天的人工智能，第一步是通过神经网络模仿人脑的每个神经元，还处于简单的模仿时期，下一步应该怎么做呢？真正理解智能、智慧的数学原理。一旦理解了之后，就能设计出来更好的算法，这些算法不一定是大脑能够实现的，但是却可能比大脑做得更好。

我们如果想清这一点，就会想用一些好的算法来突破一些技术瓶颈。例如，在人工驾驶领域，众所周知，绝大部分的技术路线还是Google当年提出的，比如在人工驾驶汽车顶部装上激光雷达，需要高清的三维地图，这一点就给整个自动驾驶的进展带来很大的瓶颈。因为激光雷达非常贵，并且制造高清三维地图也很麻烦。

大数据时代，使得我们金融的数据、教育的数据，健康的数据都大量产生，现在机器的学习能力主要就是学习这些大数据中的智慧，帮我们提高金融、教育，健康领域的效率。但是现在碰到一个问题：能够处理数据、能够拥有数据的，是两个不同的人群，也可能是两个不同的公司。相互之间不一定存在完全地信任。这样导致很多数据不能被实时分析。

由此，我向大家推荐一个新型算法，叫同态加密，这个算法能够学习加密数据里的智慧，不一定要看到数据本身。这使得数据的拥有者和数据的处理者能够完全分开，并且能够在建立信任的基础上进行合作。

人工智能领域，现在大家最好奇的，莫过于哪一天机器的智慧会超过人。我们如何够衡量机器已经超过人脑？过去两年，我们看过人机大战，非常惊奇——Google的DeepMind在围棋上战胜了人类最厉害的选手，这是不是已经说明计算机已经能够超越人类？

另一个，也是最经典而简单的测试方法其实是“图灵测试”，让实验者隔着幕布与背后的机器或人对话，一段时间后，如果实验者不能分辨出来与其对话的是机器还是人，说明机器已经达到人的智慧。

我觉得这个测试还存在一定的误区，人类作为一个生物物种经历了几百万年的演化，的确拥有了一些非常理性的成分。让机器学习人的理性的部分比较容易，但是学人的非理性的情感，说不定还是不那么容易，要机器的智慧完全模仿人，还需要漫长的过程。