杨学成：我们要如何理解人工智能技术？

A代表AI，也就是人工智能。近年来尤其是2023年，人工智能的话题是非常火热的。随着ChatGPT的发展，我们见证了人工智能在全世界的普及。过去，我们提到人工智能时总是感觉技术高高在上，可望而不可及，但是ChatGPT却可以像智能助手一样和我们互动，我们有任何问题都可以询问ChatGPT，而它的回答每每都让我们感到惊艳。由此，我们看到人工智能技术正在快速大踏步向我们走来，那么我们要如何理解人工智能技术？我们可以把人工智能技术的发展以及对产业发展的影响分为三个等级来看：一是运算智能，也就是通过计算能够得来的智能；二是感知智能，也就是要求机器做到会听、会说、会看，比如智能音箱、Siri、人脸识别等；三是当前最复杂的认知智能，也就是要求机器做到会想、会思考、能理解，具备真正的思维能力。这是人工智能从诞生到现在走过的三个重要阶段，现在我们的焦点是在认知智能上。那么，我们要如何理解这三个等级的智能？那就是要统一认识这三个等级的智能，也就是说尽管各有侧重，但基本上都是同时被用到的。

一、什么是运算智能？

运算智能讲究大算力，实际上是指算力输出而不讲究算法。最开始给人类社会带来人工智能冲击的，是发生在1997年，IBM公司开发生产的超级国际象棋电脑——DeepBlue（深蓝）。深蓝诞生之后就打败了卡斯帕罗夫，在世界上引起了很大轰动，不亚于现在的ChatGPT对我们的影响，大家都在惊讶于计算机能够有智力，甚至是进化速度非常快的计算机将很快在智力上把人类全部打败。但是没过多久，我们就明白过来，深蓝打败卡斯帕罗夫实际上并不是由于具备智力，或者说根本不需要用到智力，因为国际象棋的走法是可以被穷尽的，我们完全可以把所有走法都教给深蓝。这样的话，深蓝就具备了完备数据库，人每走一步棋都会回到数据库中进行比对，得出哪种走法最终胜出的概率更高。我们发现，深蓝只需要通过计算胜率就能够把人打败。尽管卡斯帕罗夫下棋时要相对复杂，因为他考虑的不是眼前这一步棋而是好多步棋的走向，但是他也有局限，那就是考虑更多将会远远超出脑力范畴。然而，我们只需要给深蓝足够强大的算力，就能够算出第十一、十二甚至二十步棋。通过这个例子，我们知道正是因为有了极强的算力，计算机才能够体现出智能的感觉。到现在为止，任何一台人工智能系统的发展都离不开强大的算力，比如支撑ChatGPT计算与发展的仍然是上万张性能最高的芯片，并且每进行一次大模型训练都要耗能甚巨。所以，算力是智能系统的基础，这就是运算智能。

然而，过去的计算机都属于经典计算机，其实际算力是有瓶颈的。我们能不能找到一种更好的办法，能够让算力更大量地输出？这就要换一个范式，从经典计算机采用的二进制发展到突破二进制束缚的量子计算，进入到更大范围的算力提升上来。从上世纪70年代提出量子计算机原形到现在，经过五十年左右的探索，我们能够看到量子计算技术也已经大踏步向我们走来。比如，2019年谷歌公司研制完成的“悬铃木”量子计算原型机，在计算一个非常复杂的线路问题时只用了200秒就完成了，而对于同样的问题，运算速度最快的经典计算机也差不多要连续不间断工作一万年时间，差距一目了然。2020年我国科学家团队成功构建76个光子的量子计算原型机“九章”，其计算速度等效比“悬铃木”快100亿倍，这意味着量子计算技术已经离我们的生活越来越近，当有了更大算力支持时，我们过去很难做到的事情将很快可以迎刃而解，如对气象动力学进行精细化数据模拟，甚至能确定每分每秒的天气情况。总而言之，更大的算力将带给我们更大的智能。

二、什么是感知智能？

感知智能基于自然语言处理或者称语音识别技术，现在这个领域已经突破得很好了。国外最先把语音交互入口作为商用化应用的就是苹果公司推出的Siri，国内也先后涌现出一批在感知智能方面做得非常好的企业，如旷视科技、商汤科技、依图科技、云从科技等。他们在语音识别、图像处理等方面的技术都是全球领先的，在人脸识别方面基本上都可以把准确度提高到98%以上，也就意味着在会看这一领域，机器的能力已经超越了人的眼睛。

三、什么是认知智能？

认知智能要求机器能做到会想、会思考、能理解，在这个方面我们已知的就有很多表现得非常惊艳的公司，比如DeepMind公司开发的专门用来下围棋的人工智能系统——AlphaGo。自诞生之后，AlphaGo先后挑战了人类最顶尖的围棋高手，如4:1战胜了李世石，一次性打败日本和韩国排名前六十的围棋高手，在中国乌镇挑战柯洁，三盘全胜。至此，机器又在围棋这个领域获得了超越人类的绝佳优势，而且我们还有理由相信，一旦机器能够下围棋，人类就再难找到翻盘的机会了。在此基础上，DeepMind公司又推出了AlphaGo的进化版本——AlphaGo Zero，又称阿尔法元。阿尔法元只训练了三天，就完全打败了AlphaGo，之后只花了三个小时的时间又掌握了国际象棋，成为国际象棋的顶尖高手。后来，DeepMind公司又让阿尔法元去发现蛋白质结构。在阿尔法元的支持下，人类对于蛋白质结构的认知被扩大了无数倍。

人类作为一个整体、总体，拥有大量的知识，然而我们每个个体却又很渺小，哪怕任何一个人从出生开始学起，倾其一生能够掌握的人类知识也只占总体知识微不足道的一部分。由此，一条巨大的鸿沟出现在我们面前，我们能不能找到并建立起来一种机制，让任何一个个体学到更多的人类整体的知识，这就是关于认知智能的另一条路线。在这条路线上率先做出成绩的是IBM公司推出的沃森系统。沃森系统有一项非常重要的能力，那就是只需要一秒就能够读完一百万本书，这个读完特指认知计算完，也就是理解这本书的意思。有了这样的能力，沃森系统可以瞬间成为任何一个专业领域里面的专家，我们可以把某个专业领域里所有人类已有的知识迅速教给沃森，这种学习能力是任何一个人类个体都没法相比的。沃森学完了之后，就可以反过来赋能个体。这就是认知智能的另一条路线，即并不给人类整体增加新知识，而是使人类积累的知识得以更加高效地输出和使用。

由此可见，未来的工作场景更像是人类负责提问，而机器负责回答。比较个体有没有能力或竞争力的核心，取决于能不能提出好问题，因为问题提得越好，人工智能系统就能够发挥出更大的潜力。由人类提问、由机器回答的结合也将成为我们全新的生活状态，也就是未来任何一个人都会是人机融合或者称人机交互的系统。人工智能成为人类的“僚机”，全生命、全时空伴飞。综上所述，三个等级的智能结合起来，奠定了未来人工智能技术发展的基础，进而在大数据之上演化出智能经济。

（根据北京邮电大学经济管理学院副院长杨学成《数字中国与未来产业的展望》讲稿摘编整理）