楊學成：我們要如何理解人工智能技術？

A代表AI，也就是人工智能。近年來尤其是2023年，人工智能的話題是非常火熱的。隨著ChatGPT的發展，我們見證了人工智能在全世界的普及。過去，我們提到人工智能時總是感覺技術高高在上，可望而不可及，但是ChatGPT卻可以像智能助手一樣和我們互動，我們有任何問題都可以詢問ChatGPT，而它的回答每每都讓我們感到驚艷。由此，我們看到人工智能技術正在快速大踏步向我們走來，那么我們要如何理解人工智能技術？我們可以把人工智能技術的發展以及對產業發展的影響分為三個等級來看：一是運算智能，也就是通過計算能夠得來的智能；二是感知智能，也就是要求機器做到會聽、會說、會看，比如智能音箱、Siri、人臉識別等；三是當前最復雜的認知智能，也就是要求機器做到會想、會思考、能理解，具備真正的思維能力。這是人工智能從誕生到現在走過的三個重要階段，現在我們的焦點是在認知智能上。那么，我們要如何理解這三個等級的智能？那就是要統一認識這三個等級的智能，也就是說盡管各有側重，但基本上都是同時被用到的。

一、什么是運算智能？

運算智能講究大算力，實際上是指算力輸出而不講究算法。最開始給人類社會帶來人工智能沖擊的，是發生在1997年，IBM公司開發生產的超級國際象棋電腦——DeepBlue（深藍）。深藍誕生之后就打敗了卡斯帕羅夫，在世界上引起了很大轟動，不亞于現在的ChatGPT對我們的影響，大家都在驚訝于計算機能夠有智力，甚至是進化速度非常快的計算機將很快在智力上把人類全部打敗。但是沒過多久，我們就明白過來，深藍打敗卡斯帕羅夫實際上并不是由于具備智力，或者說根本不需要用到智力，因為國際象棋的走法是可以被窮盡的，我們完全可以把所有走法都教給深藍。這樣的話，深藍就具備了完備數據庫，人每走一步棋都會回到數據庫中進行比對，得出哪種走法最終勝出的概率更高。我們發現，深藍只需要通過計算勝率就能夠把人打敗。盡管卡斯帕羅夫下棋時要相對復雜，因為他考慮的不是眼前這一步棋而是好多步棋的走向，但是他也有局限，那就是考慮更多將會遠遠超出腦力范疇。然而，我們只需要給深藍足夠強大的算力，就能夠算出第十一、十二甚至二十步棋。通過這個例子，我們知道正是因為有了極強的算力，計算機才能夠體現出智能的感覺。到現在為止，任何一臺人工智能系統的發展都離不開強大的算力，比如支撐ChatGPT計算與發展的仍然是上萬張性能最高的芯片，并且每進行一次大模型訓練都要耗能甚巨。所以，算力是智能系統的基礎，這就是運算智能。

然而，過去的計算機都屬于經典計算機，其實際算力是有瓶頸的。我們能不能找到一種更好的辦法，能夠讓算力更大量地輸出？這就要換一個范式，從經典計算機采用的二進制發展到突破二進制束縛的量子計算，進入到更大范圍的算力提升上來。從上世紀70年代提出量子計算機原形到現在，經過五十年左右的探索，我們能夠看到量子計算技術也已經大踏步向我們走來。比如，2019年谷歌公司研制完成的“懸鈴木”量子計算原型機，在計算一個非常復雜的線路問題時只用了200秒就完成了，而對于同樣的問題，運算速度最快的經典計算機也差不多要連續不間斷工作一萬年時間，差距一目了然。2020年我國科學家團隊成功構建76個光子的量子計算原型機“九章”，其計算速度等效比“懸鈴木”快100億倍，這意味著量子計算技術已經離我們的生活越來越近，當有了更大算力支持時，我們過去很難做到的事情將很快可以迎刃而解，如對氣象動力學進行精細化數據模擬，甚至能確定每分每秒的天氣情況。總而言之，更大的算力將帶給我們更大的智能。

二、什么是感知智能？

感知智能基于自然語言處理或者稱語音識別技術，現在這個領域已經突破得很好了。國外最先把語音交互入口作為商用化應用的就是蘋果公司推出的Siri，國內也先后涌現出一批在感知智能方面做得非常好的企業，如曠視科技、商湯科技、依圖科技、云從科技等。他們在語音識別、圖像處理等方面的技術都是全球領先的，在人臉識別方面基本上都可以把準確度提高到98%以上，也就意味著在會看這一領域，機器的能力已經超越了人的眼睛。

三、什么是認知智能？

認知智能要求機器能做到會想、會思考、能理解，在這個方面我們已知的就有很多表現得非常驚艷的公司，比如DeepMind公司開發的專門用來下圍棋的人工智能系統——AlphaGo。自誕生之后，AlphaGo先后挑戰了人類最頂尖的圍棋高手，如4:1戰勝了李世石，一次性打敗日本和韓國排名前六十的圍棋高手，在中國烏鎮挑戰柯潔，三盤全勝。至此，機器又在圍棋這個領域獲得了超越人類的絕佳優勢，而且我們還有理由相信，一旦機器能夠下圍棋，人類就再難找到翻盤的機會了。在此基礎上，DeepMind公司又推出了AlphaGo的進化版本——AlphaGo Zero，又稱阿爾法元。阿爾法元只訓練了三天，就完全打敗了AlphaGo，之后只花了三個小時的時間又掌握了國際象棋，成為國際象棋的頂尖高手。后來，DeepMind公司又讓阿爾法元去發現蛋白質結構。在阿爾法元的支持下，人類對于蛋白質結構的認知被擴大了無數倍。

人類作為一個整體、總體，擁有大量的知識，然而我們每個個體卻又很渺小，哪怕任何一個人從出生開始學起，傾其一生能夠掌握的人類知識也只占總體知識微不足道的一部分。由此，一條巨大的鴻溝出現在我們面前，我們能不能找到并建立起來一種機制，讓任何一個個體學到更多的人類整體的知識，這就是關于認知智能的另一條路線。在這條路線上率先做出成績的是IBM公司推出的沃森系統。沃森系統有一項非常重要的能力，那就是只需要一秒就能夠讀完一百萬本書，這個讀完特指認知計算完，也就是理解這本書的意思。有了這樣的能力，沃森系統可以瞬間成為任何一個專業領域里面的專家，我們可以把某個專業領域里所有人類已有的知識迅速教給沃森，這種學習能力是任何一個人類個體都沒法相比的。沃森學完了之后，就可以反過來賦能個體。這就是認知智能的另一條路線，即并不給人類整體增加新知識，而是使人類積累的知識得以更加高效地輸出和使用。

由此可見，未來的工作場景更像是人類負責提問，而機器負責回答。比較個體有沒有能力或競爭力的核心，取決于能不能提出好問題，因為問題提得越好，人工智能系統就能夠發揮出更大的潛力。由人類提問、由機器回答的結合也將成為我們全新的生活狀態，也就是未來任何一個人都會是人機融合或者稱人機交互的系統。人工智能成為人類的“僚機”，全生命、全時空伴飛。綜上所述，三個等級的智能結合起來，奠定了未來人工智能技術發展的基礎，進而在大數據之上演化出智能經濟。

（根據北京郵電大學經濟管理學院副院長楊學成《數字中國與未來產業的展望》講稿摘編整理）