李德毅院士 | 人工智能基础问题：机器能思维吗？

作者丨李德毅

编辑丨刘冰洁

审核丨李雪莲

基础研究崇尚想象力和创造力的完全自由，依赖独立学者的兴趣和自由合作，它可以不限研究者的身份，不设完成的时限，不以落地应用为目的，也不一定要组织大团队“攻关”，不搞群众运动，允许试错，宽容失败，更不以获得自然科学奖为目的；需要研究者有深厚的人文艺术素养，耐得住寂寞，沉得下心来，虽然研究结果和产出时间无法被精确预测，但一旦出现原始创新，对引领技术进步必然会有长期且深刻的影响。阿兰·图灵的研究就是一例。

1950年图灵发出振聋发聩之问：“机器能思维吗？(Can machines think?)”，也许感到这个问题中“机器”和“思维”难以被准确定义，图灵自问自答了18年，提出“模仿游戏(imitation game)”，后来被称为“图灵测试”。人类围绕这个人工智能基础问题展开了起起落落的讨论，物质科学家视为要利用自然界物质和能量发明智能机器的问题，生命科学家视为如何克隆人工生命的问题，人类学家和社会学家视为人类智能的体外延伸、以及社会的文化文明的生态问题，认知科学家视为心智问题，哲学家视为逻辑问题，数学家视为计算问题……各路高手都用自己手里特别擅长的“锤子”砸向这颗耀眼的“钉子”。图灵也许没有想到70年后的今天，人工智能会如此深刻地影响着人类生产生活，如此深刻地影响着人类前途命运。我们应该沿着图灵指引的方向，围绕“机器能思维吗？”这个基础问题，与时俱进，从数学的机械化走向认知的机器化，进一步聚焦，建议开展以下的基础研究课题：

1

基础研究课题1

尽可能获得大家共识的智能和人工智能的“定义”是什么？还是就这样长期分散着自说自话？常常发生的情况是鸡对鸭讲，错位沟通，难以汇聚合力，通过定义，大家可以为智能设定共同的边界和外部约束，这很重要。例如，生物的本能是不是智能？人工智能是不是仿生工程？智慧和智能有什么差别？个人的智能、群体的智能、人类的智能、人工的智能、机器的智能有什么差别？维基百科把人工智能和机器智能说成是同义词，1948年图灵把智能分为具身智能(embodied intelligence)和体外智能(disembodied intelligence)，便于在体力和智力之间划出一个明显的分界线,但是超强的、强的、弱的、通用的、可信的、可解释的、安全的人工智能可以分开去实现吗？真的需要对健全人也做脑机接口吗？存在什么样的人工智能伦理问题？如果我们把认知、思维或者智能统统定义为“学习的能力，以及解释、解决问题的能力”，把人工智能定义为“人类智能的体外延伸”，是不是更聚焦了？有什么闪失？如果把智能分为感知智能、认知智能和行为智能。感知是认知的源头，行为是具身智能，是认知的外化表现；认知是感知的高阶，是感知的再抽象，从认知看感知可看到里面的秩序和可解释性；感知智能和行为智能发生在物理空间里，和环境交互，统称为交互智能；没有交互，就没有学习；认知智能发生在认知空间里，又分为记忆智能和计算智能。这些，你认同吗？

2

基础研究课题 2

和其他生物相比，认知究竟是如何成就今天的人类的？如何看待达特茅斯会议之前就长期存在的人工智能相关研究？应该说人类智能始于语言，人工智能始于符号和文字，语言文字承载人的思维和认知、思想和创造，智能植根于教育，人类延伸在体外的智能成为知识、文化和文明，人工的智能已经存在几千年。人类认知的特殊性在哪里？脑科学和认知科学能够为人工智能提供什么实在的指导？人们讨论生物自然进化现象，常用的时间尺度是“万年”；讨论人类文明生态现象和体外智能，常用的时间尺度是“千年”；讨论人类思维和认知的进步，即科学技术的发展，常用的时间尺度是“百年”甚至“十年”。如果说，人类的生物进化出的本能是相对稳定的，科学技术和人工智能的发展却是天翻地覆的，如何看待这种迭代的智能导致的、几何级数增长的认知进步和知识爆炸？如何在智能机器里去递归地执行？

3

基础研究课题 3

人工智能和物质科学、生命科学、社会科学等哪些大门类的学科如何相关汇聚？如何进行交叉研究？物质和精神、意识和智能、科技和人文、心和智，是一元论、二元论、还是多元论？自然科学和社会科学、认知科学和哲学、认知科学和数学、自然语言和数学语言，谁从属于谁啊？

4

基础研究课题 4

人类的思维如何形式化？思维和认知有哪几种最基本的范式？时间和数学在其中如何发挥作用？存在唯一的认知“元范式”“元认知”吗？还是各智其智、智人之智、智智与共的多元认知？纵然是多元的，也不可能阻挡人类对统一理论的渴望和追求，形成无尽的认知螺旋。觉知(视觉、听觉、味觉、嗅觉、触觉等)和感知，觉悟和跨模态觉知形成的感悟，直觉智能和感知智能，主要发生在人体末梢和周边的知觉神经系统里，是在物理空间和客观事物交互中产生的；认知和顿悟发生在中枢神经系统、即大脑的皮层里，是在主观的认知空间或者思维空间里产生的。深度学习主要模拟的是感知智能，具有先天的不可解释性，可不可以说依然是浅层认知？

5

基础研究课题 5

思维的载体是什么？核心是什么？过程是什么？结果是什么？如果说，思维的载体是语言和文字，核心是抽象，过程是计算，结果是记忆，知识以记忆的形式存在，人的大脑里面沟沟回回的皮层形成认知空间，产生“想象的现实”。多层次的抽象是如何工作的？人工智能如何受脑科学和认知科学的启发？在脑科学没有取得重大的进展之前，如何实现体外的类脑智能？

6

基础研究课题 6

图灵在1950年发出“机器能思维吗？”的那篇著名论文《计算的机械与智能》中明确指出：“在我看来，生命与非生命之间的差别，远远大于人类和其他生命之间的差别”。我认为要研究生命智能和机器智能的差别，最大的差别就是生命有意识,机器没有，机器智能不必和生命体的意识、情感等纠缠；次大的差别就是生命依靠繁衍，记忆不可能从外部后天植入；机器则可以批量生产，因此体现进化烙印的遗传基因的记忆和长期记忆在智能机器中“幼儿认知核”可以且必须初始预置。那么如何注入一个实体机器人的初始长期记忆？一次性预置多少记忆为好？至于说到人类智能和其他生物智能的差别，我认为人的本能和高等生物的本能难分伯仲，人类最伟大的壮举是发明了教育，人类智能的特殊性，首先表现在学习和终生学习的能力上。人后天习得的智能要远大于人的本能，认知迅速成长，而生物后天习得的智能极为有限，这才是最重要的，如何解释这个现象呢？

7

基础研究课题 7

机器学习和认知的结果是记忆，和人一样，机器在一次次学习和思维之后，瞬时记忆和工作记忆都会遗忘，唯有留下长期记忆。随着机器能自学习、自编程、自编译、自对抗、自纠错、自沉淀、自成长，代表知识结构和图谱的长期记忆在机器的生命期里不断地被修饰、修剪和重塑，可不可以在进行记忆的提取时，把机器的长期记忆网络看作是基于一个符合幂律分布、具有小世界特征的人工复杂网络？它有哪些数学性质？在机器的整个生命周期内，网络结构如何变化？网络动力学有哪些性质？如何被注意力机制触发，表现为涌现的？

8

基础研究课题 8

农耕时期人类发明的工具是双要素：物质和结构；工业时期人类发明的机器是三要素：物质、能量和结构，工业革命已经证明了一个基本事实：人类大规模生产出的机器能够制造出比人类手工劳动更高效、更精致的工具和产品，这就大大解放了人的体力。正在到来的智能时代，人类发明的认知的机器应该是四要素：物质、能量、时间和结构。它们终将会证明，机器暂时不必和意识纠缠，也一定能够按照人赋予的意图，做出比人类更复杂、更出色的创造吗？智能机器自身会有想象力和创造力吗？机器如何学习？如何创造？随着越来越多的智能机器已经能听会说，能画会唱，有问有答；深度学习的成功告诉我们，算法可以不被困在程序里，可以用数据调整算法参数，甚至生成知识。那么，究竟要跃过一个什么坎儿机器就能创造新思维？如果智能机器能够思维，能够创造新思维，获得新的认知，这不但意味着机器能够寄生、模拟人类的思维和认知，机器还可以让思维离开人体再现，进而创造，这起码部分消除了人类精神的神秘性。是到了研究智能机器如何创造新思维的时候了。

9

基础研究课题 9

新一代人工智能应该聚焦于计算机的算力、算法和数据呢，还是应该聚焦在机器的交互、学习和记忆三个硬核上？为什么？我认为智能机器离不开与外界环境的感知和交互，新一代人工智能的基础架构一定是异构的，传感器端以专用芯片处理为中心，瞬时记忆区以数据处理为中心，工作记忆区以计算处理为中心，长期记忆区以网络(图形)处理为中心，明确这种XPU+、DPU+、CPU+、GPU+等异构物件组成的协同工作模式，处理好异步和同步，才能为新一代人工智能提供基础架构的支持。

10

基础研究课题 10

图灵在剑桥大学曾经痴迷量子物理，为什么图灵只发明了图灵机，而没有发明量子图灵机？现在量子图灵机已经有了，为什么总是“只听楼梯响，不见人下来”？量子人工智能和量子智能机器什么时候能落地？在什么关键问题攻克之后才能够落地？

爱因斯坦说过，想象力比知识更重要，提出问题比解决问题更重要。提出新的基础研究问题、新的可能性、从新的角度重新认识旧的问题，需要批判和质疑的科学精神，需要非凡的想象力和创造力。不过，我们也要记得苏联著名作家列夫·托尔斯泰说过的话：“多么伟大的作家，也不过是在书写个人的片面而已。”因为随着人类认知的越多，人类终于意识到自己不知道的会更多，一个人如此，一群人如此，能够思维的机器如此，整个人类亦如此。

作者简介

李德毅

中国人工智能学会名誉理事长，中国指挥与控制学会名誉理事长，中国工程院院士，CAAI Fellow，军事科学院研究员，吴文俊人工智能科学技术奖最高成就奖获得者，我国不确定性人工智能领域的主要开拓者、无人驾驶的积极引领者和人工智能产学研发展的重要推动者。长期从事计算机工程、不确定性人工智能、大数据和智能驾驶领域研究。最早提出“控制流–数据流”图对理论，证明了关系数据库模式和谓词逻辑的对等性。提出云模型、云变换、数据场等认知形式化理论，用于解决定性概念生成、相似度计算、不确定推理、智能控制等问题，成功控制三级倒立摆各种动平衡的姿态。提出基于路权构建驾驶态势认知图，研发机器驾驶脑，领导了中国最大的智能车联合团队。