在【少年中国科技·未来科学+】系列的《并不是长得像人，才叫机器人》里，北京智源人工智能研究院院长黄铁军老师让你从零开始认识人工智能。
从被动接受到自主学习：人工智能的三个阶段
第三个阶段为从20世纪80年代到现在，被称为“从数据中学习”的阶段。在这一阶段，机器智能不再依赖人类编写规则和知识，然后让机器去执行，而是直接从数据中找规则、找规律。
所以，这个阶段也叫机器学习的时代。
靠深度学习的机器是如何战胜人类高手的？
2006年，杰弗里·辛顿提出了一种有重大改进的算法。这一算法在神经网络的基础上进行了一系列方法上的改进，取得了出色的识别效果。这就是我们所说的深度学习。
什么是深度学习呢？
深度指的是神经网络的层数非常多。学习指的是机器通过一遍一遍尝试、不断地调整参数，最终逐渐得出接近人类期望的答案。
所以，深度学习就是在多层神经网络上，经过反复尝试，最后获得规律的过程。
这种方法具有普遍性，可用于解决各种问题。例如，当输入一张人脸时，深度学习可以识别出这是张三还是李四，实现人脸识别；当输入一句话时，它可以逐字理解，实现语音识别。无论是哪种媒体的数据类型，都可以通过这种方式寻找其中的结构和规律。
能够从复杂的现象背后发现结构和规律，这就是智能的基本特征。深度神经网络就能够做到这一点：无论是什么类型的数据，只要它的内部存在一定的结构，深度神经网络都可以通过多次尝试找到其结构。这就是深度学习工作的基本方法。
深度学习的一个例子是围棋系统AlphaGo（阿尔法围棋）。2016年，AlphaGo战胜了李世石。
它是怎么做到的呢？
在比赛前还有很多人认为计算机不可能战胜人类，因为他们得出这种结论背后的思想是符号主义的，即通过给机器制定规则去搜索围棋下法。然而，实际上AlphaGo的成功是基于深度学习的技术。
计算机比较“笨”，但是算得快。人类能在有限的棋局里，把赢棋的规律总结出来。AlphaGo学习的其实就是人类的这种能力。
AlphaGo下围棋时，它的神经网络学习的是看围棋的局面，寻找其中规律性的东西，这个东西就是棋感。这跟人类从复杂的数据或事物里找规律的道理是一样的。但重要的是机器的计算能力比人类强大，AlphaGo可以看更多的棋面、棋局，从大规模的数据中学习，进行自我调整和优化。
人类无法做到从出生起到100岁每天下800盘棋，但是机器用几个月就可以做到。它获得的棋感资源要比人类获得的丰富得多，所以它找到了很多人类都没有尝试过的妙招，它打败人类是一个很显然的结果。
既然我们能够在生物学上把生物神经系统的结构解析出来，那么人工智能面临的问题就是，能否照葫芦画瓢，把“电子大脑”构造出来，即能否制造出智能的机器。
对这方面的研究，各国的进展都很迅猛。目前，我国已经在北京怀柔建成了一个国家重大科技设施——“多模态跨尺度生物医学成像设施”。这个设施的主要目标就是解析大脑的神经网络结构。
即便没有解析出人类大脑的结构，把果蝇大脑中的几十万个神经元解析出来，也是很有用的。现在的无人机看似很强大，但跟果蝇对比的话还差得远。如果能构造出类似果蝇大脑的电子装置，其实就可以解决很多实际的问题了。
再如，关于无人驾驶，有的人说它在几年内就能研究成功，有的人说可能几十年也不会有成果。这项技术面临的最关键的问题就是驾驶系统到底能不能灵敏地感知环境。
相比现在的无人驾驶系统，小鼠的大脑对复杂空间的感知能力要强大得多。如果我们能模拟出小鼠的大脑并将其与无人驾驶系统结合，这将足以让无人驾驶功能变成现实。
所以，如果能把生物的大脑高精度地模拟出来，然后把相关的智能训练出来，就能够解决人工智能领域的很多问题。随着这些问题一个个被解决，我们将走进“通用人工智能”的新时代。
如今所有的人工智能都是弱人工智能，又叫窄人工智能或专用人工智能。这类智能系统只能完成一件事，下棋的只能下棋，做计算的只能做计算。能够做任何事的智能叫通用人工智能，也叫强人工智能。硬要分类的话，人类当然是强人工智能系统，我们会做的不止一件事，只要学习，我们可以还学会解决各种问题的办法。未来，我们的研究目标就是做出通用人工智能系统。
人类如何与性能远超自身的机器共存，这是人类真正需要思考的问题，世界上确实有许多人都在思考这个问题。2019年，有一场由全球人工智能领域专家参加的会议“Beneficial AGI”（向善的通用人工智能）。会议的主题就是希望这种智能出现后，能够与人类和平共处。同时，这也是一个开放性问题。
也许在未来几十年内，这将成为我们每个人都面临的问题。唯有关注和深入思考，我们才能够更好地应对未来的变化，实现人类与超级智能共融的发展。
文章转自未读微信公众号
