人工智能的未来，是代替85%的人类岗位吗？

28日，“上海论坛2018”年会闭幕式上，一场主题为“脑科学与机器学习：敢问路在何方？”的专家对话，聚焦众人目光。

论坛现场

一开场，对话主持人、复旦大学新闻学院教授张力奋提出两组全球性调研数据——到2020年，也就是两年以后，预计世界范围内的客户服务工作，将有85%会由人工智能来完成；另一份去年出台的报告估算，到2030年，也就是12年以后，人类将“丢失”八亿个工作岗位，这些都会由人工智能来替代。

未来，人类的大脑如何和超级机器来竞争呢？人类会不会最终被这些技术所奴役呢？伴随着人工智能研究出现的这些“老问题”，在与会脑科学、人工智能、物理、哲学，以及制造领域专家观点碰撞中，似乎有了新答案。

脑科学发现自然，人工智能发明工具

伦敦大学学院计算机系计算神经科学教授李兆平

张力奋教授、施郁教授和李兆平教授

首先简单介绍一下大脑科学和人工智能之间的关系：脑科学能够发现自然，而人工智能则是用来发明一些工具，所以说脑科学是一项科学，而人工智能是属于工程学范畴的事物，我们都知道科学和工程其实是相互交织的，都会给人类社会产生影响。

大脑是一个输入输出装置，而视觉系统是大脑当中最大的感官系统。人的整个视觉系统是从眼睛开始直接连向大脑的内核。如果你仔细研究大脑中这些视觉系统的话，会发现内部形成了非常复杂的回路系统，这里面有很多组件——神经元，你可以把它想象成是大规模集成电路中的一个电容。

大脑的不同部分可以和视觉系统当中不同的器官或者说零件进行沟通对应。曾经有个简单的实验，相同的观察对象，不同的人有时会看到不同的东西。其实我们观察事物的时候还是非常盲目的。视网膜仅仅起到摄像机或照相机的作用，真正让你看到东西的是你的大脑。有时候我们看到的东西是我们想象的东西。因此，要研究其中原理，不能割裂学科，而需要心理学、解剖学、脑科学等多方面知识共同构建的一个知识库。

大脑决策机制研究中的“美食案例”

英国皇家学会院士、2017“大脑奖”获得者彼得·达扬（Peter Dayan）

彼得·达扬（Peter Dayan）教授、徐英瑾教授和朱频频先生

脑科学与人工智能的研究关联，关键在于大脑是否像计算机一样工作，是否和计算机的工作原理有高度的相似性，这是我多年以来的研究重点。从决策制定的角度出发，大脑会通过非常精确的机制对现有的问题来进行解决应对，这像计算机可以进行编程一样。

做有质量的决策，需要有一些基本因素和成分，这些是由不同的情境来进行规定的。当我们来做决定的时候，不管是人们还是社会，对于决策做出后的社会化反应反响都有一定的预期，而这种奖赏预期误差，本身会对我们的心理学家、病理学家，或者说精神病理学家的研究，给予很好的启发。

大脑奖赏回路机制在奖赏预期误差方面会产生“双刃剑”，换句话说，如果被用在错误的情景中，往往会带来非常糟糕的后果。

我们做了大量的实验，其中一个“美食案例”可以很清晰的解释这一机制作用。例如，你吃一样东西，是否会因为这样东西非常好吃，吃的越来越多，如果你觉得好吃，大脑中会分泌一种物质，以鼓励行为的持续。如果这种行为是正确的，带来的固化效应也将是正向的，如果这是一种非常糟糕的行为，或者说病理上认为是病态的行为，显然将会使你的决策做出变得非常艰难，之后反而会抑制你的决策机制。这样的情况出现以后，可能会产生灾难性的后果。

机器学习和人类，不一定共享价值观

复旦大学物理学系教授施郁

张力奋教授和施郁教授

我认为，机器学习和人类，并不一定共享同样的价值观，他们不一定会对我们产生任何威胁。而威胁可能是来自于其他的人类，当他们想要使用这些机器，针对其他人类发起攻击的时候，那才是真正令大家感觉恐惧的。

武器本身不值得恐惧，真正值得恐惧的是掌握武器的人类，当我们能够团结起来，作为人类能够有更好的国际范围内的伦理道德规范制约的话，我觉得这些问题应该挥之而去。

从理论上讲，人工智能只是多元个体之间互动产生的自然变化过程，最终其实都是一堆原子在那里进行运作。我觉得机器应该可以具备这样一种发现物理规律的能力和特质。

在十亿年以后，可能我们的地球都不一定存在，但是宇宙一定会发展到一个新的境地，我们作为生物体的存在，一定会灭绝的，到那个时候，有可能把我们记忆上传到机器上，让我们继续“生存”下去。

研究人类大脑，不妨从果蝇开始

教育部青年长江学者、复旦大学哲学学院教授徐英瑾

目前为止，人工智能只能在特定领域发挥作用。举一个大家熟悉的例子：AlphaGo。它可以在围棋世界里面所向披靡，如果不对AlphaGo进行重新编程的话，没有办法应用到其他的领域。如果你改变了AlphaGo，那它也就不是AlphaGo了，而是另外一个软件及其载体了。

我认为，类脑的人工智能可能是模拟人类大脑的一种方式，人类大脑研究起来非常困难，我们知道大脑的一些物理结构、解剖结构，但是我们不知道里面究竟发生了什么，而且人类大脑当中有太多的计算流程，有一些神经学家谈到如果用数学的方法表述一个神经元里面发生的事情，仅仅只是一个神经元里，工作量已经巨大到不可想象。

那么，如果再造一个生物大脑的话，就不是人工智能，而是另外一种生物大脑，我们可能还需要心理学家和认知学家的合作，对大脑的模块有更多的了解，需要知道大脑中有哪些模块，模块和模块之间是如何合作的。我们可以从果蝇的大脑开始，因为果蝇的大脑结构非常简单。

儿童和机器的认猫差异

小i机器人创始人兼CEO朱频频

前两天有一位同事问我一个问题——谷歌用大量的视频去训练深度学习模型，为了让机器可以看得懂、认得出什么是猫，做了大量的训练；为什么一个小孩第一次见到猫和狗的时候，稍微看了几眼就能够认出这是猫、这是狗。认出猫狗，是不是一个小数据决策的问题。

我觉得不是这样。因为这个小孩在之前的生活经验中，已经看过了大量的事物，有了自己的基础认知，也就是说有了自己的基础模型，并且叠加了新的数据，才会产生新的认知，这并不是小数据决策的问题，反而是大数据模型再加上小数据的叠加，这也是现在人工智能研究里面非常重要的思考——迁移学习，怎么样把这个领域的学习迁移到另外一个领域去，用少量的数据完成这个领域的认知。这是科学家们正在探索的新方向。