精选
童亨茂
中国石油大学（北京）地球科学学院
人工智能（Artificial Intelligence, AI）自20世纪中叶诞生以来，经历了从理论萌芽到技术爆发的跨越式发展，目前已成为科技界和社会大众的热点，也是未来科技发展的热点方向。
虽然1956年达特茅斯会议上“符号主义”（Symbolicism）范式的提出作为AI的起点、“深度学习”（Deep Learning）和“强化学习”（Reinforcement Learning）概念的提出和技术实现是AI发展的重要节点已没有太大的争议，但对于AI的本质（如机器是否具有像人类一样的理解能力等）和发展趋势，学术界依然是见仁见智，还存在不同的认识。
2017年AlphaGo的横空出世，对笔者产生了强烈的触动，并激发了对AI的深切关注（笔者和AlphaGo研发的首席工程师黄士杰（Aja Huangshan）一样是围棋爱好者，同为业余5段）。应邀参加2019年在北京召开的“华商人工智能高端论坛”研讨会并做大会报告又是一重要契机，让笔者集中精力对AI的本质和未来发展方向作了深入的思考，并在会上作了题为“人工智能发展的3个里程碑及其启示”的大会报告。本文以这一报告为基础，结合这几年的观察和思考编写而成。
1.人工智能本质的理解“智能”有多种定义，但涵义大体相仿。按照网络（百度）上的定义，智能是智力和能力的总称。其中，“智”指进行认识活动的某些心理特点，“能”则指进行实际活动的某些心理特点。可以简单地理解为“智能”是对事物或事件具有认识（包括感性认识和理性认识）和处理能力的精神特征。
大家都能感觉到AI和人类智能有差异，但这种差异学术界也还存在不同的理解（如AI有没有理解能力？等）。按照笔者的理解，“感性认识”的本质是探测外界物理和化学信息的能力及过程；“理性认识”的本质是对信息进行抽象（“符号化”）和逻辑加工的能力及过程；“处理能力”的本质是按照一定的规则对探测到的信息进行处理的能力。按照这一理解，AI确实具有“智能”的特征，与人类智能具有共同之处。
然而，AI与人类智能的差异也是显而易见的。从“感性认识”方面，人类不同个体的探测器官（各种感觉器官）、探测过程（看、听、闻、品、触）和探测结果都比较相似（如有正常味觉的人，品盐都会有咸的味道），而不同类型AI（如AlphaGo、自动驾驶、扫地机器人等）的探测系统（是针对不同的探测对象来设计的）、探测过程和探测结果（得到各种类型的数据）可以是完全不同类型的（如自动驾驶的AI完全没有味觉功能）；从“理性认识”方面，人类不同个体对同类信息进行抽象（“符号化”）和逻辑加工均有各自的体系和结果，抽象（“符号化”）和逻辑加工的规则是个性化的，而AI对同类信息进行抽象（“符号化”）和逻辑加工的过程和结果往往比较相似，抽象（“符号化”）和逻辑加工的规则（算法）是比较确定性（程序化）的；在“处理能力”方面，机器的计算能力远超越人类（如一台超级计算机的运算能力超过全球人类个体的总和），一旦机器具备这方面（如下棋、打球、开车）的能力，AI就就会远远超越具体的人类个体（如改进版的AlphaGo，下围棋的水平已远远超越人类，对具体的人类个体构成降维打击），而且稳定性也占绝对优势。
通过上面的分析，AI和人类智能既有共性（具有“智能”的基本特性）又有显著差异，其中计算能力的差异是AI与人类智能最根本的差异。差异的基本原因是，虽然人类智能的基础（以大脑为核心的各种认知器官的总和）比较相似，但认知对象、认知过程（主要是其中的逻辑）和认知结果都是个性化的，而AI是人类集体智慧的结晶，认知对象是人类选定的，认知过程是按照人类设计的算法进行的，认知结果事比较确定性的（决定于数据和算法）。
按照上述分析和理解，AI的本质是：AI是人类（部分个体的结合）在揭示所从事事项规律（规则）的基础上，把规律（规则）用数学和文字表达出来（“符号化”和“逻辑关联”的过程，具体表现为程序的实现，算法是其中的核心）后，再用以计算机为核心的设备进行探测、分析、处理和实现的一套系统（广义的机器）。AI是人类集体智慧的结晶。
这样，AI的开发和发展，规律（规则）的揭示是基础，规律（规则）的“符号化”和“逻辑关联”（算法的形成）是关键。
2.人工智能发展的3个里程碑基于以上对AI本质的理解，加上计算能力已比较强大，AI的发展程度（或高度）主要取决于所从事事项规律（规则）的复杂程度（AI的发展程度与所从事事项规律（规则）的复杂程度正相关）。这样，根据所从事事项规律（规则）的复杂程度，笔者提出AI发展（及未来发展）的3个里程碑！
2.1 里程碑1：从事事项规则简单，但需要大量计算的AI彻底超越人类个体。笔者把AlphaGo的出现作为该里程碑树立的标志！
围棋，被誉为人类最复杂的智力活动，但实际上规则非常简单。笔者把围棋的规则概括为：①黑白方轮流在交叉点（19×19）下子，黑先；②对方剩下一口气可以提子（吃掉）；③不能立刻提刚落下的子（打劫规则）；④最终占领交叉点多者胜（黑方需贴目）。谷歌Deepmind 团队研发的AlphaGo于2017年战胜李世石（当时世界围棋第一人），2018年，AlphaGo的改进版（Master）彻底战胜人类，笔者也把2018年作为AI发展里程碑1树立的时间节点。
里程碑1树立后，对于简单规则的事项（如球类、弹琴等），AI都能彻底超越人类（但具体的AI需要有人去研发）。
2.2 里程碑2：以从事常规规则的典型事项（常人都能理解和掌握的事项，如开车，聊天，搞卫生、家政服务等日常生活中的事项）的AI彻底超越人类个体作为标志！。
常规规则 指的是普通人通过简单的培训就可以理解和掌握的规则（如无轨道路交通规则）。常规规则的特征是普通人很容易理解和掌握，但涉及的对象和内容比较多，尤其是还具有时间维（动态的）。
针对从事常规规则事项的AI，多个国家和机构都在研究，目前已有突破（如汽车自动驾驶目前已进入实际道路测试阶段，Chat-GBT、Deepseek等大语言模型也已有重大突破，其中卷积神经网络（CNN）、循环神经网络（RNN）等技术在计算机视觉、自然语言处理领域全面爆发发挥了关键作用）。考虑到汽车驾驶水平高低的标准（安全性、速度和舒适度）比较明确，而语言表达、家政服务等方面水平缺乏定量的衡量标准，笔者把以无人驾驶AI的成熟（包括安全性、速度和舒适度彻底超越人类个体）作为该里程碑树立的标志（目前还未树立）！笔者预测2030年该里程碑能树立。 谁能树立这个里程碑，决定着谁能抢占AI发展的制高点。按照笔者的理解，这是强国之间（如中国和美国）科技竞争的核心。
这一里程碑树立后，对于常规规则事项（如开车，聊天，搞卫生、家政服务、快递、宾馆服务等日常生活中的事项），AI都能彻底超越人类（但具体的AI也需要有人去研发）。
该里程碑树立后，笔者预测在5-10年的时间内（2035-2040年），该类AI在强国中能实现一定程度的商业化普及。到这一阶段，先进地区的服务行业基本上会被AI所取代，人类在日常生活中将得到比较彻底的解放。
2.3 里程碑3：以从事复杂规则事项的AI彻底超越人类个体作为标志！。
复杂规则，这里指的是只有人类专家才能理解和掌握的规则（如三维反射地震资料构造解释）。目前，这方面的AI处在起始和探索阶段。考虑到地震资料构造解释水平高低的标准（解释的准确度和速度）比较明确，笔者把地震资料构造解释AI的成熟（包括解释的准确度和速度彻底超越人类个体）作为该里程碑树立的标志（目前还未树立）！笔者预测2050年该里程碑能树立。 谁能树立这个里程碑，决定着谁能得到AI发展的主导权。按照笔者的理解，这是强国之间科技竞争核心中的核心。未来谁能树立这个里程碑，决定着谁能主导AI的发展，意义非同凡响。
这一里程碑树立后，对于复杂规则事项（如地震资料构造解释、天气预报、油气勘探、矿产开发等等专业领域中的事项），只要该事项的规律（规则）得到人类的破解，并能用数学和文字表达，AI就能彻底超越人类（但具体的AI也需要有人去研发）。到这一阶段，先进地区的各种行业基本上会被AI所取代，人类总体将得到比较彻底的解放。
这里需要指出的是，AI的基础是规律（规则）的破解，而这是无止境的（如天然地震规律的基本破解估计还需要50年），因此，人类专家的工作也是无止境的。
另外还需要指出的是，里程碑3树立后，开发具体类型的AI必须受道德和伦理约束，这是各个国家和国际社会必须充分重视的，必须制订严格的制度和法律，否则后果会十分严重（笔者这里不做具体的阐述）。
3. 展望AI的发展会带来人类一系列的变革（如生活方式、学习方式、生产方式、产业结构等），这种变革，笔者认为总体是积极的和正向的。工业革命以来，机器超越人类个体技能的事情不断地发生着（如汽车发明后，人类就不会再去与汽车比空间移动的速度；纺织机的织布能力远超过最优秀的纺织工人；最厉害大力士的力量与大型起重机相比只是九牛一毛等），同样，随着AI的发展，机器超越人类个体智能的事情也将不断地发生（如围棋和象棋机器就已完全超越人类个体）。这种超越，带来的主要是生产力的解放、人类生活的便利和效率的提升，对人类总体而言是积极的和正向的，是人类文明的进步，总体大可不必恐惧。但由于国家（人类人为设置的客观精神围栏）的存在、地区和行业的差异、人类个体的不同等原因，AI未来的发展，对具体不同的国家、行业、集体、个人带来的作用是不一样的，还很有可能是负面的。为了能享受AI给人类总体带来的红利，国家层面的提前设计和布局、行业和集体的提前规划、个人的提前预测和谋划就显得特别重要和迫切，否则，没有远虑，必有近忧！
期望我国AI的发展在未来在全球能处于领先位置，同时期待人工智能发展3个里程碑的思想对AI发展的布局、规划和谋划具有一定的参考价值。
转载本文请联系原作者获取授权，同时请注明本文来自童亨茂科学网博客。
链接地址：https://wap.sciencenet.cn/blog-805381-1475037.html?mobile=1
收藏
