顶尖科学家以“数智未来新突破”展开热烈讨论

据报道，11月7日，在世界顶尖科学家科学圆桌论坛上，数名来自全球各地的顶尖科学家围绕“数智未来新突破”这一话题，线上线下互动，展开热烈讨论。

“数智未来的新突破是什么？”展望未来之前，美国康奈尔大学教授、北京大学前沿计算研究中心主任约翰·霍普克罗夫特作为主持人，首先将问题拉回“现实”层面。“我们得首先了解人工智能的现状是什么？”对于这一问题，不同的研究学者有不同的见解。

首届世界顶尖科学家协会奖“智能科学或数学奖”得主迈克尔·i·乔丹，从事机器学习（machinelearning）领域的研究。在他看来，机器学习并不完全等同于人工智能（ai）。“ai，虽然是计算机科学的一个分支，但它的初衷是为了模仿人类，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。”迈克尔·i·乔丹解释，而机器学习是让机器帮助人类更好地做事，比如大数据分析、海量信息处理，从而做出决策；或做一些人类不能做到的事情，比如蛋白质折叠。

更多的学者认为，人工智能的现状是一个跨学科领域，是多种学科的交叉结合。

“看起来，人工智能可以和任何东西结合，也就是我们常说的人工智能+。”2004美国总统科学、数学和工程指导卓越奖得主兰诺·布鲁姆说，人工智能好像是一个智慧的“集合器”，除了把视觉、语言、图像等功能加入人工智能，神经网络、认知科学、脑科学也在逐渐和人工智能相融合。这些学科交叉，能互相给予启发。

浙江大学人工智能研究所所长吴飞教授认为，现在的人工智能是不可解读，不可理解的，所以需要引入逻辑、规则，让机器去学习，因为如果数据不可读，那这种人工智能的作用并不大，需要把数据驱动的机器学习和人类知识结合起来。所以，人工智能是一个跨学科的领域，把数学、神经科学、计算机科学等多种学科交叉结合。

“对于机器学习来说，所有成功都基于算法。”迈克尔·i·乔丹补充说，某种算法不一定永远有效，因为和这一算法相关的数据始终在变化，但算法可以不断改正、优化。“就好像是个零和游戏，而动态流是一个圆形。”其次，现在人工智能还逐渐和统计学相互融合，统计学无处不在，临床研究、生物、艺术……在很多领域中，都可运用统计方法。

清华大学人工智能研究院基础理论研究中心主任朱军认为，现在的人工智能有不同的范式，比如符号推理，通过数据来披露一些模式，这是机器学习的关键。同时，不同的范式都有自己的优势，这也促使不同人工智能之间可以相互交叉。

尽管，处处可有人工智能，但是底层机制不能缺失，更重要的是科学基础。教育部长江特聘讲座教授、上海交通大学特聘教授敖平认为，如果没有底层机制，只是纯粹的算法，这样的人工智能不可持续，生物进化学的理论值得借鉴。

清华大学软件学院长聘副教授、机器学习研究组负责人龙明盛，曾是迈克尔·i·乔丹的学生。他认为，目前有些人工智能中，不少重要因素在模型中是缺失的，因此不能通用，需要更有力的ai模型。实际上，ai已经变成一个工程学科，比如把不同的流程分配给不同的人，或者通过复杂的经济模型来管理项目、管理人。