试听180秒【人工智能】1-5：对话顶级专家：盐吃多了真的会变傻？

更新提醒 

每周更新三期

点击右上角免费订阅↑↑↑

本期原文 

哈罗，大家好，欢迎回到折叠宇宙的世界，继续探讨人工智能话题。

在这两期，我给大家带来一些不一样的体验，也就是直接和最前沿的人工智能科学家对话，聊一聊人工智能技术目前到底发展到什么阶段了，以及所有我们关心的，给未来开脑洞的问题。

我将要对话的科学家，是来自中国科学院自动化研究所类脑智能研究中心的曾毅教授。曾毅教授担任科技部国家新一代人工智能治理专业委员会委员，世界经济论坛全球未来委员会价值、伦理与创新专业委员会委员。可以说是国内最顶尖的人工智能科学家和伦理研究者。

另外一位参与对话的是影视编剧李想，她在纽约学习艺术治疗，回国之后就从事影视剧制片工作，曾经担任腾讯影业制片人，目前是独立编剧，由其担任编剧的电影项目正在上海紧张拍摄，她也是一位科幻爱好者，目前正在构思一部与人工智能有关的电影。

在我们的对话中，我向曾毅教授请教了很多与人工智能科技有关的问题，也和曾毅教授、李想编剧一起，对未来开脑洞，做了很多畅想和深思讨论。以下就是我们这次酣畅淋漓对话的一部分剪辑。

哈喽，曾毅老师好，李想好！我们这次就是一个很随意的科幻前沿科技开脑洞的茶话会。

我们最主要的是想了解一下人工智能的科技，现在研究的一些现状啊，什么是最前沿的，最酷的研究，什么是下一代可能会出现的结果？然后我们可能会一起讨论人工智能的伦理问题，就是我怎么让人工智能真的是做好事以及做判断。剩下的我们还挺希望能够开开脑洞，就是通过这些科技的畅想，然后真的能够做出一些有创意的，新的故事的ID。

如果今天聊完了以后我们有新的故事产出来，那这就是一个非常有效又有趣的对谈了。那现在就请曾毅教授给我们介绍一下类脑网络吧，以及下一代的人工智能的前沿发展情况。

曾毅教授：

我们为什么要从受大脑启发的这个角度去构建人工智能呢？实际上我觉得人类在发展的过程当中一直是一种比较自信、比较高傲的动物。但是在自然界面前，其实我想人类在整个演化的过程当中，我们说演化的就不是最优的，人类也没有到达演化的顶峰。但是人类在构建人工智能的时候，我们可以认为我们在一个镜子当中看我们自己，然后我们在构建一种新的文明。

受我们人类的智能的启发，有些人说构建人工智能不需要参考人类的智能。我想如果这样，可能忽略的就是数亿年自然的演化带给我们的力量。人类是怎么产生的？正是在数亿年的演化过程当中产生的。有一个非常有意思的例子，想跟大家分享。

有一个哲学家。他曾经说过，如果一个狮子会说话的话，那我们就没有办法去理解它。后来有一个哲学家叫做Daniel Danette对于我们刚才讲的这个维特根斯坦的观点，他说，“不，不是这样的。如果一个狮子它会说话，我们将很好地理解这个会说话的动物。但是这对于我们理解狮子毫无益处，因为一个会说话的狮子就已经不是狮子了。”

现在反思这个问题，就是我们在所谓构建这个人工智能，但是这个智能本身如果跟人类的实现方式是完全不一样的，那么还是我们理解的智能吗？所以我想从这个角度来讲，我们希望受大自然的机制的启发，去构建我们的未来的人工智能。更关键的是在我看来，这种方式构建的人工智能对于人类来讲可能是最贴近的，最容易被人类理解的。对于人类来讲，有可能是最安全的方式。

你可以想象，如果你用一种完全不同的方式去构建人工智能，你自己也说不清楚它为什么工作。就像现在深度神经网络的系统，很多层隐藏很难解释一样。那么你宁愿相信这样的系统，还是宁愿相信一个基于这个数亿年的演化，得到了这样的机制和结构发展出来的智能系统呢？

所以我想答案已经非常明显了。我们在构建类脑人工智能的过程当中，其实是受到脑结构和它的机制的启发，而不是去克隆，然后来构建我们的智能系统。因为演化的过程已经使得我们的大脑结构和机制调整得更适合去解决问题。所以我们希望从大自然的结构和机制当中得到启发。

郝景芳：

关于小数据学习，关于单一样本，我们还能学会一些事情，以及我们经常说的吃一堑长一智，还能举一反三。那么，这到底是怎么做到的？实际上，它需要在我们的智能系统里构建一种因果关系，就是我因为这件事情得到这样的结果，把这个因和果建立联系。那么下回我为了避免这个果，我就不要这个因。

可实际上因果关系这个事情是很难理解的。我们平时觉得还挺容易理解的，但实际上，你真的把它用数学语言表达出来以后，发现现在的我们所说的很多因果都是需要用大量的数据相关才能得到的。但是我们人类其实不是这样的，就是曾老师讲的那个理解，我们是真的能够理解背后的因果是什么，所以这个是很稀奇的。那类脑智能是怎么来做这件事的呢？

曾毅教授：

我觉得刚才景芳谈到一个概念很有意思，就是“小数据的学习”。这个事情一方面是刚刚景芳讲到的非常关键的就是，不是学习correlation。correlation就是说两个同时发生，学习它这种因果的关系，这是重要的一方面。另外一方面，人之所以有小数据学习的能力，是建立在他有大规模的先验知识的基础之上。

比如说我们在学习一个东西，为什么看到一两个例子就会了，因为我们学过很多的概念，我们知道如何去学习一个概念，具有了大量的先验知识。在这个基础之上来帮助我们学习一些新的概念的时候，你会利用先验知识去理解一个新的场景和一个新的概念。

所以从某种角度来讲，人又不能说他只是一个小数据的学习的系统，因为在他仍然在母体当中的时候，他就开始了自己这个学习的过程，获取大量的先验的知识。所以我想，如何使得一个人工智能系统基于理解的获取先验知识，在先验知识的基础之上，利用小规模的数据，快速学习我们不知道的概念。我想这个对于人工智能未来发展是一个巨大的挑战，现在还做不到。

李想：

说到这个，我还想到了一个问题，就是如果我们模拟的是类人的大脑，那个体的差异会很大。比如说，您在做实验时只会模拟一个还是会模拟更多的大脑？因为我不太了解具体的原理。但是神经元的结构或者大脑的分区，人们应该都是一样的，但是可能神经元的数量和传导速度也会有不一样。那就是说，也许您模拟的对象，比如说会不会有一些健康的人，有一些可能某一个部分有问题的人，那他们对同样的经验的学习会不会是得到完全相反的结果？比如说您之前举的挥之即来，招之即去的例子，会不会像两个个体身上产生完全的分歧。

曾毅教授：

你这个问题很好。我觉得就是首先在这个普林斯顿大学有一个韩裔的美国教授，他叫Sebastian Seung，他写了一本书，叫作《连接组：造就独一无二的你》。他想法的核心就是，我之所以跟你不一样，就是因为我们大脑的链接是不一样的。即使我们的神经元的数量是一样的，但是这些神经元连接的方式不一样，那么也就构造了为什么你是你，我是我。所以我们每一个人的大脑都不相同，包括我们聊天前可能我们大脑长的一个样子，聊天之后我们里面的这个突触可能生成新的链接。

郝景芳：

感觉我今天生成了很多突触。

所以我再问一个技术问题，现在我们假如说有了这样的结构，在计算机里模拟，那这个电流是怎么模拟？就是到底这些电流从哪儿走？这就比如地图，假如说两个北京地图，可能一辆汽车从长安街走，另外一辆汽车从北四环走。那我们现在两个大脑，这两个三维地图在这了，我们怎么在模拟的时候让这个电流往哪走？

曾毅教授：

首先从最基本的神经元的结构里面来讲，刚才景芳讲的一个细节，神经元的信息传递是怎么实现？现在在类脑的神经网络当中，就像我们人的大脑一样。神经元里面有离子的通道，所以这里面有钠离子、钾离子、钙离子。

我做了一个非常好玩的实验，我们经常说，“这人吃盐，不要吃太多了，否则会变傻。”我当时就做了这样的一个打游戏的类脑神经网络系统。我后来就说，如果让这个钠通道，因为你吃盐的话，主要影响的是这个钠通道，还有氯离子。所以我就让钠通道异常。后来发现它整个学习的过程就越学越慢、越学越慢。

郝景芳：

啊真的！？吃盐多了真的会变傻呀。

曾毅教授；

后来它也不太学了。但是如果你block掉了一个钾通道，它基本上一开始就已经失去了学习的能力。也就是说，在我们现在在计算机上，可以在离子通道的级别去检验一些我们对于这种智能的认识，我觉得非常有意思。

郝景芳老师：

看完今天的节目，大家吃盐少吃一点。