IDG君寫在前面：

1973年，英國的詹姆斯·萊特希爾爵士在調(diào)查研究了美國的AI熱之后，在議會發(fā)表了著名的批評報告。他在報告中羅列了詳盡的證據(jù)，認為當時流行的基于邏輯學的符號編程，根本無法解決復雜的現(xiàn)實問題。這份報告直接導致了歷史上著名的“AI之冬”到來。

然而，一門偉大的科學終究是不可被抵擋的，在日本的“第五代計算機”刺激下，各國紛紛開始了對知識系統(tǒng)的研究開發(fā)計劃，終于，在上世紀八十年代，出生于英國的“AI教父”杰弗里·辛頓提出了反向傳播算法，力證了神經(jīng)網(wǎng)絡的價值，間接開啟了人工智能的“二次復興”。

從此，科學家們致力于將人工智能與人類大腦聯(lián)系起來。關于它們之間的奇妙聯(lián)系與未來展望，不禁令所有人都饒有興致。

大腦內(nèi)有幾百億個神經(jīng)元，它們構(gòu)成了人類的運算系統(tǒng)，但對大腦的研究方法卻一直囿于技術限制，在絕大部分時間里，科學家都難以對大腦的活動進行精確、直觀的實時觀測。因為我們要明白一個問題，單純的數(shù)學運算并不是大腦僅有的功能，人的大腦還擁有記憶、語言、思維、學習、感知、創(chuàng)造等功能。

人類已然制造出了戰(zhàn)勝地球上最強圍棋選手的AlphaGo，但面對自身的大腦時卻依舊如霧里看花。如此看來，只有打通神經(jīng)科學的最后關卡，才能讓人工智能真正接近于人類大腦。而隱藏在兩大學科中的謎團，卻還是令人感到撲朔迷離。

近日，國際著名神經(jīng)學家魯白教授、商湯科技聯(lián)合創(chuàng)始人兼首席執(zhí)行官徐立、IDG資本合伙人?？?，三方圍繞“人腦VS智能”展開了一場深度對話。

人類大腦VS人工智能，究竟會誰勝誰負？

?？庹f：“人腦是一個大家很關心的話題，它其實代表著最高的一個智能，對智能本身的這樣的一個理解，應該是我們一直追求的一個方面?！?/p>

的確，雖然人工智能在很多方面已經(jīng)超過了人類，但在可解釋性、推理能力、逆向思維等方面，與人腦相比還存在明顯差距。當前，科學家們開始把更多期待轉(zhuǎn)移到到類腦智能上，在他們看來，智能技術完全可以從腦科學和神經(jīng)科學汲取到經(jīng)驗，當人腦認知神經(jīng)機制的理解有了突破，人工智能算法和演化也會帶來新的生機。

“深度學習算法，本質(zhì)上是在向人腦的生物學的組織方式進行一些學習，雖然不是全部，它其實還是在向生物學的方式學習，其實從生物的角度上來講，可能也可以為IT進行很多的支撐?！迸？庖矊θ斯ぶ悄芘c基礎生物學的關系進行了這樣的梳理。

科學界正在為這一目標而努力，最近幾年相繼問世的各種腦機接口技術就是最好例證。

就在不久前，來自斯坦福大學的研究人員打開了一扇新大門，他們成功開發(fā)出一套全新的皮質(zhì)內(nèi)腦機接口系統(tǒng)，該系統(tǒng)利用大腦運動皮層的神經(jīng)活動可解碼 “手寫” 筆跡，并使用循環(huán)神經(jīng)網(wǎng)絡（RNN）解碼方法將筆跡實時翻譯成文本，快速將患者對手寫的想法轉(zhuǎn)換為電腦屏幕上的文本。

這恰恰如魯白所解釋的人機結(jié)合的原理，“感知、運動、記憶、情緒以及認知。其中感知與運動是相對比較成熟的兩個領域。它們把腦的電信號轉(zhuǎn)換成運動信號，深度學習算法也是類似的處理信號?！?/p>

今天我們可以將腦中的 “意念”轉(zhuǎn)化為屏幕上的文字，那么在未來，更具幻想性操作也不會令人感到意外，人機結(jié)合的技術前景和商用潛力已經(jīng)顯露出冰山一角，大規(guī)模應用的時代正在向我們走來。

一場科研范式的革命，將在腦科學領域爆發(fā)

人工智能不僅幫助我們更好地了解到人類大腦機理，更大的驚喜則是它還為帶來了一場科研范式的變革。

什么是范式？這是美國著名科學哲學家托馬斯·庫恩在《科學革命的結(jié)構(gòu)》提出來的概念，范式從本質(zhì)上講是一種理論體系和框架。庫恩認為科學不是通過新知識的線性積累進步，而是經(jīng)歷周期性的革命，也被稱為“范式轉(zhuǎn)移”。

魯白表示，從亞里士多德的邏輯，到培根的歸納與演繹，再到后來的實驗驗證學派，這個實驗驗證后來就變成了我們科學界的一個金標準，就是你必須要有一個假說，通過這個假說來設計實驗，證明是對還是錯。

他總結(jié)，這是一種過去的科研范式，而今天的科研范式正在發(fā)生巨大改變，這可能是大量的數(shù)據(jù)弄出來的，不需要技術，也不需要經(jīng)驗，更不需要假說?？纯茨銥槭裁聪矚g吃紅燒肉，為什么喜歡吃素食，跟你的基因有沒有關系，跟你的成長行為有沒有關系，這是一種完全不一樣的做科學的方式。

魯白舉了一個例子，AlphaFold2有了大量的數(shù)據(jù)積累，只需要知道序列就可以對蛋白結(jié)構(gòu)進行解析，這在科研范式上形成了一個重大的改變。對此，牛奎光也感到很震撼，他說人工智能居然能夠幫助去做蛋白質(zhì)展開，這個是非常震驚的一個事情，以前以為是單方向的引領，后來發(fā)現(xiàn)可以雙向輔助。

隨著數(shù)據(jù)的爆炸性增長，計算機將不僅僅能做模擬仿真，還可以進行分析總結(jié)和得到理論。不過，算力的稀缺性問題卻還沒被完全解決，AlphaFold2、Bert、BigGAN等人工智能對算力需求更大，我們的算力仍處于不充沛、不經(jīng)濟的狀態(tài)。

目前的計算機是基于圖靈（馮·諾依曼）架構(gòu)的，也就是讀取指令和執(zhí)行計算這一流程，這就代表了目前的人工智能只能是通過算法模擬，可是人設計的算法根本不可能達到我們的需求，徐立說道。

在徐立看來，人工智能的算力和傳統(tǒng)算力的區(qū)別在于，人工智能算力的密集度巨高，并且能夠協(xié)同更大的池化、超大規(guī)模的網(wǎng)絡，因為顯卡已經(jīng)解決不了如此大規(guī)模的網(wǎng)絡并處理那么多東西。以人工智能為代表的算力，在未來幾年的發(fā)展，一定是推動這些技術演進的核心動力。

這與?？獾南敕ú恢\而合，他講述了自己當年如何被商湯科技技術打動的故事，其中一點就是商湯在用神經(jīng)科學的機理來做人工智能，這也讓商湯的技術水平領先于同行。

只有讓人工智能擁有像人類神經(jīng)網(wǎng)絡一樣的系統(tǒng)，算力才不會走向枯竭。半個世紀以前，研究人員曾試圖將神經(jīng)科學和人工智能聯(lián)系起來，可惜兩個學科一直在相互獨立并行發(fā)展。而今科研范式的變化，讓這座中斷的橋梁被重新架起，它們之間將碰撞出更多可能性。

讓少數(shù)人先打破，塑造反共識與新共識

科研范式的突破是多個學科融合創(chuàng)新的結(jié)果，關于如何才能進行創(chuàng)新的話題，三人也交流了彼此的觀點。

?？馓峁┝艘环N認知，那就是創(chuàng)新基本都是反共識的，對早期的創(chuàng)業(yè)者而言，開始時只有少數(shù)人意識到這個問題，所謂創(chuàng)業(yè)創(chuàng)新的過程，就是打破老共識形成新共識的過程，新共識越大企業(yè)的價值就會越大，當然也就會越難。

以這樣的角度看，20世紀的科學史，就是一部“反共識”的科學史。

20世紀之前，牛頓力學、麥克斯韋方程和經(jīng)典統(tǒng)計力學幾乎擁有上帝般的威力。尤其是牛頓力學，幾乎可以解釋肉眼可見的絕大多數(shù)物理學現(xiàn)象，人們堅信這就是金科玉律。但隨著普朗克、海森堡和愛因斯坦等科學巨擘的新發(fā)現(xiàn)，物理學的研究從此轉(zhuǎn)向，開始進入以量子理論為代表的微觀世界。

反共識的重要性顯而易見，究竟怎樣行動才能帶來這一點呢？徐立說，要允許我們的基礎研究做無用的研究，做無用之學，因為只有不停的做那些可能在現(xiàn)在看上去未必能夠有那么強大的轉(zhuǎn)化可能性的，但是那才是在探索我們認知的邊界，才有可能在真正意義上帶來反共識的突破。

錢鐘書先生曾說，世上所有有趣的事實往往是無用的，過去也有人講，無用之學的厚度，決定有用之學的高度。這對于投資者的啟發(fā)同樣不言而喻，只有摒棄短視的功利心、不計較一時得失、堅持長期主義，才能在不確定的世界里，找到確定的答案。

IDG資本同樣堅信這種理念，不管是人類大腦與人工智能的相互融合，還是科研范式的繼續(xù)革命，變化已然是當今世界的主題，但事物的價值永遠停留在時間的恒河上，需要做的無非是耐心和甄別。只有堅定不移地篤信科學的力量，并與時間長期陪跑，才能在無數(shù)的波動中不改初心，看到那些慢慢隱現(xiàn)的價值，這事關集體的命運，也事關每個人的幸福。

原文標題：人工智能VS人類大腦大咖對談錄：誰是未來世界的主宰？

文章出處：【微信公眾號：IDG資本】歡迎添加關注！文章轉(zhuǎn)載請注明出處。

責任編輯：haq