在 2017 年世界機器人大會上，幾位機器人和人工智能領(lǐng)域的知名專家參加了大會的高峰對話環(huán)節(jié)。在德國慕尼黑工業(yè)大學(xué)教授 Alois C.Knoll 的主持下，法國科學(xué)院院士 Abderrahmane Kheddar，瑞士 Living with Robots 公司顧問專家 Rolf Pfeifer，北京理工大學(xué)教授黃強，清華大學(xué)計算機科學(xué)與技術(shù)系教授孫富春，上海發(fā)那科機器人有限公司總經(jīng)理錢暉，中瑞福寧機器人（沈陽）有限公司總經(jīng)理張丹華，一起進行了一場關(guān)于機器人和人工智能發(fā)展的精彩探討。以下是小編根據(jù)現(xiàn)場分享文字實錄編輯整理，供大家參考。

Alois C.Knoll：非常高興能夠主持這場對話，首先請各位簡單地介紹一下自己。

Abderrahmane Kheddar：我是一個研究人員，也在日本和法國做過相應(yīng)的研究，因為基本上跨越了兩個大洲。我已經(jīng)做了四十年的機器人和人工智能的研究，曾經(jīng)做過一個叫做 Roboy 小孩樣子的機器人，可以做很多人能做的事情，甚至有些人已經(jīng)覺得機器人比以往智能很多了，咖啡廳和餐廳當(dāng)中甚至已經(jīng)在用一些機器人服務(wù)了。

黃強：我們長期從事仿人機器人的研究，但是中心包括機器人本體，另外還做一些大腦或者神經(jīng)網(wǎng)絡(luò)、神經(jīng)接口方面的研究。

孫富春：我來自清華大學(xué)智能技術(shù)與系統(tǒng)國家重點實驗室，主要做機器人的主動感知，特別是視覺、觸覺和聽覺的編碼、融合以及機器人精細操作的應(yīng)用。我們實驗室是在 1987 年成立的，也是國家的第一批重點實驗室，主要從事人工智能的基本理論，包括自然語言理解、網(wǎng)上信息搜索、生物信息和機器人相關(guān)的工作。

錢暉：現(xiàn)在 AI 方面仍然還有很大的潛力可以挖掘，中國也有很多的客戶，其實對 AI 來說最重要的就是要有數(shù)據(jù)。

Rolf Pfeifer：我們的公司最近市值增加了好幾倍，希望今后也能繼續(xù)。

張丹華：我們公司主要是在養(yǎng)老、醫(yī)療、助殘和教育四個方面引進世界各地的技術(shù)造福于中國的民生，非常期待今天的討論。中瑞福寧希望的是 Technology for Better Life，希望能夠看到更加先進的技術(shù)，這樣能夠讓更多的人受益受惠。

從人類智能到人工智能

Alois C.Knoll：目前在機器人智能方面有一個非常重要的話題，就是機器人意識的問題，我們做一個機器人，理解什么是意識，可能不是那么簡單。十年以后如果你還不到三十歲的話，你可能會碰到一個有意識的機器人，所以我們可以等著瞧。各位認為哪些元素是人類智能當(dāng)中的元素？意識只是其中的一種，之前我們也提出怎么讓機器像人一樣表現(xiàn)，人類智能當(dāng)中的哪些元素你們覺得是重要的？

孫富春：首先是人和外界交互的能力，這里主要體現(xiàn)出了感知和理解的作用，比如看到一張圖像要去理解，包括我們識別一個人的面部。其次是推理和規(guī)劃的能力，這也是非常重要的，還有遇到過的一些突發(fā)事情的處理能力，還有一個重要的因素應(yīng)該是學(xué)習(xí)和適應(yīng)能力。這些智能元素是可以測試的，我們經(jīng)常說深度學(xué)習(xí)往往已經(jīng)超過了人，現(xiàn)在深度學(xué)習(xí)可以做到 97.4 % 的識別率，機器可以做得比人更好，包括識別一些圖譜要看機器快還是人快，這種方法可以比較這種能力。

    很重要的問題是為什么要用一生的能力去學(xué)習(xí)，主要的原因是智能包含很重要的方面，首先是自主自動的學(xué)習(xí)，然后是經(jīng)驗的積累，還有應(yīng)用知識的能力，有的人考試考了一百分，但是做事情卻非常差，有的人知識沒有學(xué)多少，但是用得很好，做了很大的成績，這種經(jīng)驗的積累包括剛才講的應(yīng)用知識的能力是一輩子要做的。

    最近我碰到了一個非常有趣的事情，就是在中國古代諸子百家里面談到了人工智能，把它看作哲學(xué)層面的一個很高的問題。比如荀子講過人天生就有一種認知的能力，看到事情就要去思考，這種能力在和物結(jié)合的時候，我們經(jīng)常翻譯成社會實踐當(dāng)中就產(chǎn)生了智慧。人有一種求變的能力，人坐著椅子覺得不舒服就會改變姿勢，這個過程實際上就是這樣。所以用人的認知能力去改變和創(chuàng)新世界的能力叫做智能，這是古人講的。這里強調(diào)一點是人和物的天地合一產(chǎn)生智慧。

Alois C.Knoll：所以機器已經(jīng)可以實施一些人工智能了，六十年代就有了計算機，所以使得計算的能力增強了，但是人們也不會說計算機是人工智能。

Abderrahmane Kheddar：在我還是學(xué)生的時候比較關(guān)注的是人們是怎么獲得思想的，我也總是在問我的導(dǎo)師這個問題，這種人生態(tài)度是怎么出現(xiàn)的？其實我不喜歡人工智能這個詞，我覺得人類的智能很難定義，因為太復(fù)雜了，我們很難找到一種很好定義的方式，以前如果我們能夠找到機器或者編程，它能夠產(chǎn)生新的思想，我就相信它會產(chǎn)生智能了。

Rolf Pfeifer：人類有好奇心去發(fā)現(xiàn)新的東西，也有一些隨機的思想。我們有一種能力就是找到了之前從來不曾知道的東西，其實是在一個環(huán)境當(dāng)中，結(jié)論不是坐在那里等這個思想出來，必須要創(chuàng)造一個環(huán)境，這個環(huán)境當(dāng)中會有一些未意料到的事情發(fā)生的可能性變大。

Alois C.Knoll：除了人工智能之外，也可以談一談人的一生當(dāng)中是怎么實現(xiàn)智能發(fā)展的，或者從石器時代到現(xiàn)在是怎么發(fā)展的。

錢暉：我認為有三種人類智能：一種是認知的，和你的教育相關(guān)，也就是獲得更多的教育就可以增加這方面的智能。另一種是實驗智能，那就不是通過教育的，而是你的經(jīng)驗，做的越多這個方面的智能就越多。最后是環(huán)境智能和背景智能，或者是叫做情感智能，也就是人們?nèi)绾握{(diào)整他們的行為來適應(yīng)環(huán)境。但是我覺得在目前的研究當(dāng)中人工智能主要還是基于實驗技能，包括深度學(xué)習(xí)和 AI 技術(shù)，現(xiàn)在對另外兩種智能的了解還并不算多。

Alois C.Knoll：所以我們需要從數(shù)學(xué)的角度來了解。

張丹華：語言、邏輯、身體、互動、自我感知和自然的聯(lián)系，這些是人類智能的核心，目前人工智能這是關(guān)注其中的幾個，所以將人工智能和人類智能比較一下，然后就可以發(fā)現(xiàn)它的差別。

Rolf Pfeifer：我們經(jīng)常會問人類智能和動物智能有什么差別，有些人會說語言，其它物種當(dāng)中其實也是有語言存在的。最開始的視頻當(dāng)中說人和其它的物種有差別是因為意識，但是一些高等的哺乳動物也有意識，這里有一個特點是動物沒有的，就是合作。當(dāng)然，動物之間比如螞蟻可能是有這種合作，但是相對比較簡單，獅子追羚羊的時候可以合作，他們會圍起來朝著一個方向來追這個羚羊，差別在于它們都是小范圍比較簡單的合作，哺乳動物必須了解其它哺乳動物才能合作，但是人類智能和動物智能的差別就是我們可以大量地和其他人進行合作，中國人和美國人合作也是沒有問題的。公司和公司要進行合作，如果沒有這些的話手機通訊也就不可能成為現(xiàn)實，這是將人類智能和其它智能分別出來的。

Alois C.Knoll：這也涉及到了一個問題，就是我們對人類智能是否已經(jīng)了解得足夠多了，首先要有足夠的了解才能去使用。剛才 Rolf 說這并不是一種動物的智能，因為人類智能的內(nèi)容是非常豐富的，這個問題可能也并不一定是對的，但是我們要探討的是作為人類的智能。因為這里所謂的智能是和 IQ 相關(guān)，但是 IQ 這個東西并不能夠描述人們的全部，所以我們還是問一問在座的每一個人。我們是否已經(jīng)完全了解人類的智能？是否可以復(fù)制一定的人工智能到其它領(lǐng)域？現(xiàn)在我們對人類智能的理解程度是否比六十年代要好很多？

Abderrahmane Kheddar：人類智能發(fā)展背后的驅(qū)動力是什么？肯定不是對食物的渴求，動物合作主要是因為食物，在我看來，人類智能背后的發(fā)展驅(qū)動力是人們渴求理解的需求，所以大家為了達到這個目標(biāo)會進行合作，也會使用一些工具。這個不一定是精神上的需求，但是人們非常渴望相互之間的理解。

Rolf Pfeifer：我們不可能對所有的東西都進行復(fù)制，但至少可以復(fù)制其中的一部分。我們可以在機器人算法當(dāng)中做一些事情，至少我們可以打造出來一些機器可以模擬人們的做法，但這還是一個抽象程度的問題。

孫富春：我們覺得人工智能的研究從早期的邏輯驅(qū)動到數(shù)據(jù)驅(qū)動，包括深度學(xué)習(xí)。現(xiàn)在大家發(fā)現(xiàn)炒得非常火的深度學(xué)習(xí)有很大的困難：一個是占用很大的資源，超算作為計算來說有很高的成本，功能非常單一，Alpha-Go 用了 128 塊 GPU，大概要上幾個億了，真正的生物質(zhì)能是尺度很小，計算能力很強。中國最近剛剛發(fā)布的量子計算機 50 微粒計算速度超過太湖之光，太湖之光是整個一層大樓，耗電量差不多是一個小鎮(zhèn)的耗電量，這個速度用量子計算機就可以做到。我們覺得人工智能接下來應(yīng)該是神經(jīng)機制驅(qū)動，就是進一步深刻地了解大腦信息處理方面究竟是怎么做的。因為每個人的方法不一樣，比如濾波函數(shù)的選取不一樣，導(dǎo)致實現(xiàn)的功能也不一樣。比如像素、線條、邊緣、器官的自動識別，不同的人都會不同，這種機理的發(fā)現(xiàn)很重要。最近有一個學(xué)習(xí)方法做得比較好，叫做超限學(xué)習(xí)，利用了生物學(xué)的一個很重要的發(fā)現(xiàn)。過去我們做前向神經(jīng)網(wǎng)絡(luò)的時候發(fā)現(xiàn)隱層的參數(shù)也都在學(xué)習(xí)，2013 年在獼猴的實驗發(fā)現(xiàn)，生物神經(jīng)元的內(nèi)部參數(shù)，這個生物一旦生下來就固定了，不需要學(xué)習(xí)。

錢暉：我有一個問題，你知道我現(xiàn)在在想什么嗎？

Alois C.Knoll：其實我可以有一個計算模型，計算一下你在想什么。

錢暉：但我不認為你知道我在想什么，有的時候我都不知道我在想什么。人類的大腦是最為復(fù)雜的器官，機器和大腦相比就太簡單了。談到視覺，我們可以教機器如何看東西，甚至是學(xué)習(xí)一些語言，但是談到思考的話我覺得誰也不知道大腦是如何思考的。我們可能是對我們的大腦有一些了解，比如哪個大腦的部分負責(zé)語言，哪個大腦的部分負責(zé)視覺，但是對思考的部分真的了解不多。

Alois C.Knoll：我們可以把某些技術(shù)應(yīng)用到產(chǎn)業(yè)當(dāng)中，滿足工業(yè)客戶或者一些工廠的需求，提升他們機器的運營效率。

張丹華：我覺得現(xiàn)在人類還不了解人類智能，記得剛才一位講者提到的舞蹈機器人，和人也做了一些對比，從根本上來說，跳舞機器人和人是不一樣的。比如我們是由碳水化合物組成，但是其它的還有需要的氧氣，機器人還是基于硅。所以從根本上來說，人和機器人是完全不一樣的。現(xiàn)在我們正在探討用碳水化合物組成的智能加上氧氣的組合如何在另外一種肌體上來使用，我們對自己了解的還是不夠，所以現(xiàn)在過多地關(guān)注于算法、硅和機器人這些東西，這樣思考的話物體無法達到人類智能的水平。

機器人的“成長”方式

Alois C.Knoll：機體在智能當(dāng)中有什么作用？包括剛才提到的硅和碳水化合物，這二者有什么差別？機體到底應(yīng)該如何成長？

Rolf Pheifer：很多人都是用計算機模型來想這個事情，比如大腦首先進行處理，然后進行輸出。而對人類智能來說，其實用這樣的方式描述是不太對的，連機制都不對。人類和計算機相比，其實人類的大腦一直都在運轉(zhuǎn)。當(dāng)我走路的時候周圍的環(huán)境通過視覺來感知，那是因為我在走就在和這個世界發(fā)生一些聯(lián)系，正是因為我有視覺才看到了周圍的世界。比如我拿起了一杯水，其實不僅僅是握著這個水瓶，而是通過實體的行動刺激了我的視覺，移動這個瓶子的話就是對這個瓶子進行了刺激，甚至還能夠感覺到這個瓶子的溫度、硬度，所以通過這種互動，也和這些物體之間產(chǎn)生了刺激。非常重要的一點是，發(fā)展心理學(xué)家和我們提到過，形成概念的時候?qū)嶋H上是一個跨模型之間的聯(lián)系，也就是說通過壓力、視覺等等發(fā)展出新的概念。不同傳感的途徑能夠接觸到不同的東西，比如當(dāng)我看瓶子的時候，其實我已經(jīng)對這個瓶子有了一些預(yù)期，比如摸起來是什么樣子，但是接觸之后就產(chǎn)生了相應(yīng)的刺激。我們的預(yù)期其實是由不同的傳感機制決定的，所以我們的肌體上有各種不同的傳感器。

Abderrahmane Kheddar：我們可以把這個智能加強、重疊和疊加，可以超越個人的智能。

張丹華：我們確實有一些思考是關(guān)于身體在人類智能當(dāng)中扮演的角色，因為我的公司其實也是在實施這樣一種技術(shù)，把這個技術(shù)應(yīng)用到我們的類人機器人身上，也就是要思考人類的身體在智能當(dāng)中的作用。我們是把所有的一切都整合起來，但是現(xiàn)在我們對身體內(nèi)部的信息收集和信息傳輸關(guān)注不夠，所以使得我們很難進行這種類人機器人的探索和解決方案的尋找，我們決定更多地關(guān)注于身體。因為身體確實是人工智能的一部分，只有在身體才能收集信息，通過身體才能實施人工智能，把它提供給我們的企業(yè)或者消費者。

Alois C.Knoll：這個身體可能是別的形狀，不一定是人的形狀。

張丹華：我們決定用分布式的系統(tǒng)，比如用在老年人的養(yǎng)老院，這樣的話就降低了開發(fā)的成本，同時也可以提供同樣的服務(wù)體驗。而從企業(yè)的角度來說，人工智能更多關(guān)注的是有效性，就是消費者使用時候的有效性，不是這個技術(shù)。所以從一個企業(yè)來說，我們關(guān)注的更多的是老年人或者殘疾人是不是真正有效地接受到了人工智能，而不僅僅是技術(shù)本身。

孫富春：智能發(fā)展的過程當(dāng)中人是有一種裂抗性的，三百年前人的大腦數(shù)量是 400 克，現(xiàn)在是 1400 克，人就是不斷抵抗外界環(huán)境的過程當(dāng)中在發(fā)展自己。其實身體發(fā)展過程當(dāng)中發(fā)展最快的就是人的大腦，正是因為人的大腦和很多動物的區(qū)分，也就是人在外界的刺激下面。人類的大腦未來可能還會發(fā)生更大的變化，適應(yīng)這種外在的抗?fàn)帲彩侨藬?shù)固有的東西。

Rolf Pheifer：我們開發(fā)的原則是一樣的，機器人和環(huán)境進行互動的時候需要一些感應(yīng)的刺激，也需要各種類型的感應(yīng)器，要在和環(huán)境的互動當(dāng)中產(chǎn)生一些概念。但是我們要知道一點，這個機器人產(chǎn)生的概念可能跟我們的概念是不一樣的，因此和它們進行溝通是很難的。

Alois C.Knoll：所以我們可能看到一些互動式的機器生物，比如機器狗或者三條腿的生物，它們可以跟你們說話，你們也可以看到未來。我們要復(fù)制人工智能的話怎么才能把它應(yīng)用到機器人當(dāng)中？計算機認知一只貓都要三度電的話就不是我們需要的，行業(yè)生產(chǎn)者肯定需要節(jié)約成本。現(xiàn)在你們有沒有看到未來的產(chǎn)品？還是現(xiàn)在討論這個問題為時過早？

張丹華：剛才說過，AI 和人類智能本質(zhì)上是不一樣的，我們當(dāng)然希望有些新的技術(shù)幫助我們實施，能夠讓我們生活得更好，這也是我們公司的使命，但是目前我們還沒有看到。比如剛才提到的那樣，我們的皮膚也是可以幫助我們增強人類智能的，但是目前對類人的機器人來說，外表幾乎是沒有什么感應(yīng)器的，它們是硬的不是軟的，也不能和大腦連接，所以遠沒有達到歐洲的智能。我們會增強機器和環(huán)境之間的互動，人工智能也會更接近于人的智能，這就是更多地在石匠的生活當(dāng)當(dāng)中用起來，比如要有更多的方案來幫助人，目前我還沒有看到這么希望性的產(chǎn)品。

Alois C.Kinoll：所以你是持拒絕態(tài)度的。

Abderrahmane Kheddar：和人類的大腦相比，人工智能還有很長的路要走，但是現(xiàn)在我們已經(jīng)有些巨大的進展了，比如視頻、音頻和自然語言等等，人類已經(jīng)取得了巨大的進展。

錢暉：我認為不要總是想著通用性的人工智能，而是更多地想一想特殊用途的人工智能。現(xiàn)在視覺能力已經(jīng)發(fā)展得很發(fā)達了，比如翻譯軟件和語音識別方面已經(jīng)很好了。我比較擔(dān)憂的是有些工作會喪失，甚至是老師的工作都會沒有。

人工智能能否超越人類智能？

Alois C.Knoll：再有一種方式就是把超級計算機和機器人結(jié)合起來，會不會超過一個個人的智能？答案可能是持懷疑態(tài)度的，美國人往往都是更加樂觀的，但是這里我聽到了一些質(zhì)疑，總體的趨勢應(yīng)該是現(xiàn)在還不行，或者在我們有生之年還看不到。

孫富春：這里討論的是人工智能和人的智能的不同，剛才大家談了很多，人工智能和人類智能最大的區(qū)別是，人工智能主要是計算智能，沒有人的靈感或者創(chuàng)造性的工作。我認為人工智能沒有人的靈感，所有的都是計算的模型，所以從這一點來說，人的智能一定是超過人工智能的。所有的人類加在一起一定是比人工智能厲害，但如果是人工智能加上機器人的話就能夠超過人類。如果人是在一起的，人是超過人工智能的。

嘉賓：六十年代出現(xiàn)了對人工智能的一些想法，最后也難以為繼，現(xiàn)在又熱起來了，我們?nèi)绾伪苊馑俅纬蔀橐粋€空談？

Alois C.Knoll：在座的有些人是足夠老的，經(jīng)歷了人工智能的冬天。我認為重要的是不要承諾太多，否則最后可能讓人感到失望，而是要從歷史當(dāng)中汲取教訓(xùn)。美國的宣傳有點往這個方向走了，但至少中國還是比較謹慎的。

Rolf Pfeifer：媒體也是有責(zé)任的，因為他們非常善于夸張。神經(jīng)網(wǎng)絡(luò)是非常強大的計算算法，但是要記住它只是算法。之前也提到了它要消耗很大的資源，其中一個消耗的資源就是必須收集大量的數(shù)據(jù)。我和大數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)的人談過，他們 80 % 的時間都是收集數(shù)據(jù)和對數(shù)據(jù)進行結(jié)構(gòu)化，然后才能供給算法。因此這些算法是沒有辦法自主的，沒有辦法把人臉變成他們的現(xiàn)實。他們有很強大的人員和算法，但是需要大量的材料、資源和數(shù)據(jù)結(jié)構(gòu)化。

Alois C.Knoll：大腦是一個無限的網(wǎng)絡(luò)，包括基因、細胞和 DNA，它們互相之間進行非常復(fù)雜的互動，所以我們在人工智能開發(fā)的時候不得不注意。因為目前還沒有科學(xué)的證據(jù)表明這里的人任何互動得到可以忽視的，前超級計算機至少應(yīng)該是比目前的計算機還要高幾百萬倍的處理能力，但我們是不是有可能出現(xiàn)超越人類的智能AI？因為對人類來說包括社會文化和歷史等等，這些東西都是深入在我們的身體當(dāng)中和細胞當(dāng)中，因此在硅基的計算機當(dāng)中是沒有的，現(xiàn)在我們所做的是淺層的人工智能，完整的人類深度情感以及在環(huán)境當(dāng)中的反應(yīng)能力是計算機沒有的。未來可以有低版本的人類大腦，這個世紀末的時候可能也只是很低版本的人工智能，樂觀的觀點是將會有人類大腦低像素的拷貝模式。

（來源：科研圈）