人工智慧是智慧的“集合器”

昨天，在世界頂尖科學家科學圓桌π上，數名來自全球各地的頂尖科學家圍繞“數智未來新突破”這一話題，線上線下互動，展開熱烈討論。 

　　“數智未來的新突破是什麼？”展望未來之前，美國康奈爾大學教授、北京大學前沿計算研究中心主任約翰·霍普克羅夫特作為主持人，首先將問題拉回“現實”層面。“我們首先得了解人工智慧的現狀是什麼？”對於這一問題，不同的研究學者有不同的見解。 

　　首屆世界頂尖科學家協會獎“智慧科學或數學獎”得主邁克爾·I·喬丹從事機器學習領域的研究。在他看來，機器學習並不完全等同於人工智慧。“AI雖然是電腦科學的一個分支，但它的初衷是為了模仿人類，是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新技術科學。”邁克爾·I·喬丹解釋，機器學習是讓機器幫助人類更好地做事，比如大資料分析、海量資訊處理，從而做出決策；或做一些人類不能做到的事情，比如蛋白質摺疊。 

　　更多的學者認為，人工智慧的現狀是一個跨學科領域，是多種學科的交叉結合。 

　　“看起來，人工智慧可以和任何東西結合，也就是我們常說的人工智慧+。” 2004美國總統科學、數學和工程指導卓越獎得主蘭諾·布魯姆說，人工智慧好像是一個智慧的“集合器”，除了把視覺、語言、影像等加入人工智慧，神經網路、認知科學、腦科學也在逐漸和人工智慧相融合。這些學科交叉，能互相給予啟發。 

　　浙江大學人工智慧研究所所長吳飛教授認為，現在的人工智慧是不可解讀、不可理解的，需要引入邏輯、規則讓機器去學習。人工智慧交叉結合了數學、神經科學、電腦科學等多種學科。 

　　清華大學人工智慧研究院基礎理論研究中心主任朱軍認為，現在的人工智慧有不同的正規化，比如符號推理，透過資料來披露一些模式，這是機器學習的關鍵。同時，不同的正規化都有自己的優勢，這也促使不同人工智慧之間可以相互交叉。 

　　儘管處處可有人工智慧，但是底層機制不能缺失，更重要的是科學基礎。教育部長江特聘講座教授、上海交通大學特聘教授敖平認為，如果沒有底層機制，只是純粹的演算法，這樣的人工智慧將不可持續，生物進化學的理論值得借鑑。