蒲慕明：走向脑启发的人工智能 | NSR专栏
pixabay.com
撰文 | 蒲慕明
翻译 | 殷有薇
校译 | 杨岭楠
● ● ●
人工智能的浪潮已经席卷了全球。2018年9月，在上海召开的世界人工智能大会，吸引了来自40多个国家和地区的数千名参与者和数百家大小型企业。在社会各个领域几乎都能见到人工智能的应用，如金融、制造、教育、通信、健康、零售和服务业等，发展不断加速，还看不到尽头。这不太可能只是短暂的时尚，但是，人工智能只有进一步演化，突破现有的局限，这股热潮才可能延续下去。
在新的机器学习算法、有效的大规模标签数据集和超强计算能力的有力推动下，人工智能程序在执行明确任务时的速度和准确性已经超越了人类，比如人脸和语音识别以及游戏运行等。但是，人脑在很多方面仍有人工智能无法比拟的优势。比如，人脑能够同时执行多项任务、进行自主学习、归纳学习技巧，且效率高、耗能低。最重要的是，人脑能够通过自然语言进行相互沟通；而这种语言能力是人类早在幼儿时期通过所处的交际环境获得的。自艾伦·图灵（Alan Turing）提出著名的图灵测试之后，如何理解人类语言的语法和语义一直构成着具有人类智力的人工智能技术开发的最大障碍之一。
如果人工智能发展的终极目标是达到人类智能的水平，那么在设计计算算法和计算器件时，引入人脑神经网络结构和运转原理就非常有用了。我们对于人脑如何执行一些复杂认知任务的了解仍处于起步阶段，例如人类如何在积累证据的基础上做出决策、人类如何形成对外界的概念、人类如何理解他人的想法并自主进行逻辑思考，以及人类如何产生有创意的想法。但是，我们对于神经回路如何形成、总共有多少神经系统被组织调动起来，以及神经系统如何处理、储存、提取信息已是有相当的理解。神经科学中的许多概念其实也已经引入了机器学习算法中，并且对过去几十年里人工智能的几次突破性进展起到了关键作用，特别是“突触可塑性”这一概念已经成为了大多数机器学习算法的基础。“突触可塑性”指的是神经网络连接的权重可以根据网络活动模式或者产出与预期的误差进行调整。因此，脑科学启发人工智能的目标就是把在脑科学中发现的概念和原理更多地引入到人工智能系统的构建中。
中国作为世界人口第一大国和第二大经济体，拥有全球数量最多的互联网用户，而且在人工智能技术的商业应用方面已经走在了世界前列。然而，中国人工智能技术发展过程中的开创性成果却很罕见，目前在人工智能领域的研究主要还集中在现有技术的应用和渐进式的修改。鉴于此，中国政府已经批准资助“脑科学与类脑研究2030重大科技项目”（又称“中国脑计划”），目标之一就是将神经科学知识应用于下一代人工智能的发展中——类脑智能和脑机接口技术。因此，我们可以预见，中国的脑科学启发的人工智能技术在接下来的十年间将会加速发展。
在向脑科学启发人工智能进军的过程中，会聚焦到一个关键问题：具备人类智能的机器是否会替代人类完成各项工作，从而造成许多人失业？从人工智能技术的现状来看，机器还无法复制简单的人类认知过程，类人机器人仍然只存在于科幻小说之中。尽管如此，人工智能系统已经在其有限的能力范围内替代人类完成一些任务明确的工作，比如制造业的常规操作或者数据管理。可以想象，高效率人工智能系统的使用以及再就业工作岗位的缺乏在接下来的数十年中将会引发大规模的失业潮。
习近平主席在给2018世界人工智能大会的贺信中指出，“新一代人工智能正在全球范围内蓬勃兴起，为经济社会发展注入了新动能，正在深刻改变人们的生产生活方式。把握好这一发展机遇，处理好人工智能在法律、安全、就业、道德伦理和政府治理等方面提出的新课题，需要各国深化合作、共同探讨。”社会格局的巨变即将到来，但是人类社会还没有做好准备。发达国家和发展中国家要考虑到劳动力构成和受教育水平的差异、文化和宗教背景的不同、社会福利系统的差别，应该采取不同的措施应对人工智能所引发的社会和经济变革。对人工智能带来的伦理和社会影响的探讨迫在眉睫，国际社会应该充分考虑世界各国的不同情况并达成共识。
版权声明
本文英文原文于2018年10月25日在线发表于《国家科学评论》（National Science Review, NSR ），原标题为“Towards brain-inspired artificial intelligence”，头图为编者所加。NSR是科学出版社旗下期刊，与牛津大学出版社联合出版。《知识分子》获NSR和牛津大学出版社授权刊发该文中文翻译。
NSR专栏往期文章精选：
潘建伟专访：构筑量子互联网
专访David Liu：未来还会产生更强大的基因组编辑工具
制版编辑 | 皮皮鱼
更多精彩文章：
点击“阅读原文”，获取英文原文。
相关内容
微信扫码咨询专知VIP会员