刷新人们想象的AI作画、准确预测蛋白质结构的AlphaFold……在人工智能已成为流行词的今天，我们已经习惯了“AI+”的存在，这是一个激动人心的时代。

1986年图灵奖获得者

约翰·霍普克罗夫特说：

“我们正站在这个信息时代的起始，

而不是终结。”

然而，人工智能的本质究竟是什么？它的未来发展方向在哪里？许多问题并没有一个既定的答案。在世界顶尖科学家科学圆桌π论坛上，中外大咖围坐一堂，共同探讨数智未来的新突破。

人工智能需要在经典定义上
再向前迈出一步

对于人工智能的本质，学界有着一个非常经典的定义——“模仿人类的行为”。然而，2022年世界顶尖科学家协会智能科学或数学奖获得者、加州大学伯克利分校教授迈克尔·I·乔丹认为，模仿人类的行为固然有许多挑战，但计算机科学最令人兴奋的并不在于此——从对蛋白质折叠结构的预测，到针对海量数据的分析……计算机都已展现出了超过人类的能力。

“我们现在处在激动人心的时代。”迈克尔·I·乔丹谈道，人工智能，更重要的是让人类能够有更美好、更高效的生活，而这就需要人工智能对于人类的生活由点成片地进行拓展。“计算机科学在未来不能够仅仅在比特层面把一个一个数据点连接起来，而是应该更深入地进行连接。”迈克尔·I·乔丹指出，在消费、社会、文化等层面，人类都有着非常复杂的连接结构，全人类都是具有智能性的主体，市场也同样如此，“我认为在经济学方面，也可以带去更多的计算机科学。”他谈道，数据是海量的，若能够进行收集与分析，将有无穷的潜力。

既然提到了人工智能与数据的关系，那么另一个问题也由此而生——如何更好地使用好数据？在浙江大学计算机科学与技术学院教授吴飞看来，“当前的人工智能是不可解读、不可理解的。”他谈道，“如果我们只有不可读的数据，这些数据是没有那么大的用处的。”吴飞认为，“我们需要数据驱动的学习模型，我们应该思考怎么把数据驱动的机器学习和人类知识结合在一起。让人工智能学习怎么学习。”

真实世界比统计结论更加复杂

“人工智能现在已经成为了一个流行词，似乎无处不在，但其实并非如此。”清华大学软件学院教授龙明盛说道，在论坛上，龙明盛抛出了一个他已经思考了很久的问题——AI技术的落地仍然面对许多困难。龙明盛的一项研究是运用AI来进行天气预报，他谈道，尽管已有非常多的数据，但神经网络依然没有办法对天气做出精准的预测，“真实世界比我们的统计结论更加复杂。”龙明盛说道。

龙明盛的研究方向是如何改进机器学习的通用能力，“如何改进神经网络的转移性以适应不同的场景和环境，这是当今非常关键的一个话题。”最近，他正在做的一些研究是将许多模型转移、整合到一起，形成一个相互交融的组合模型，从而促进提高机器学习的通用性。

对于人工智能通用化的探讨，得到了在场嘉宾们的纷纷响应。“有一个很有意思的点，人工智能可以和任何东西结合在一起：AI+艺术、AI+科学、AI+数学……人工智能就好像一个集成器。”2004年美国总统科学、数学和工程指导卓越奖得主兰诺·布鲁姆说道。

面对这个可以融合任何东西的集成器，研究者或研究团队也就需要有更为跨学科的理念。清华大学计算机科学与技术系教授朱军提到，对于应用科学的研究，有组织的科研是很关键的，“我觉得当前对于AI的思路也在发生一些变化。”朱军说道，当人工智能试图解决更为复杂的问题时，人工智能的研究者也就需要学习更为跨学科的知识去解决难题，“我们需要来自各种各样学科的知识，这就要求我们去组织团队攻克项目。”

“对于AI的使用，还有很多的挑战，比如说伦理就是一个主要的问题。”朱军同时也谈道，当AI深入人类的生活后，如何保障人工智能的安全是一个必须要思考的问题。技术是一把双刃剑，发展和应用人工智能需要“设定范围”，并保护相应的权益，例如隐私保护、数据保护等，“这也决定了我们将怎么样使用AI和数据。”朱军说道。