在中國科學(xué)技術(shù)協(xié)會(huì)、中國科學(xué)院、中國工程院、浙江省人民政府、杭州市人民政府、浙江省人工智能發(fā)展專家委員會(huì)指導(dǎo)下，由中國人工智能學(xué)會(huì)、杭州市余杭區(qū)人民政府主辦，浙江杭州未來科技城管理委員會(huì)承辦的2020全球人工智能技術(shù)大會(huì)在“數(shù)字之都”——杭州，成功舉辦。在25日舉辦的大會(huì)主旨報(bào)告環(huán)節(jié)，中國人工智能學(xué)會(huì)理事長、國務(wù)院參事、中國工程院院士、清華大學(xué)信息學(xué)院院長戴瓊海為我們帶來了題為“人工智能的幾點(diǎn)思考”的精彩演講。

戴瓊海中國人工智能學(xué)會(huì)理事長、國務(wù)院參事中國工程院院士、清華大學(xué)信息學(xué)院院長

我想和大家談?wù)勎覍?duì)人工智能的幾點(diǎn)思考，包括一些值得商榷的問題。從幾千年前的原始社會(huì)，人們依靠石器工具來勞動(dòng)；到農(nóng)耕時(shí)期人們所使用的工具有所升級(jí)；到工業(yè)革命出現(xiàn)的蒸汽機(jī)進(jìn)一步提升了生產(chǎn)力；電氣革命更是極大提升了人類的生產(chǎn)效率；而今信息時(shí)代電子計(jì)算機(jī)的誕生延伸了我們的腦力，拓寬了我們的眼界和思想。馬克思說過，“各種經(jīng)濟(jì)時(shí)代的區(qū)別，不在于生產(chǎn)什么，而在于怎樣生產(chǎn)，用什么勞動(dòng)資料生產(chǎn)。勞動(dòng)資料更能顯示一個(gè)社會(huì)生產(chǎn)時(shí)代的具有決定意義的特征?！?/p>

信息時(shí)代出現(xiàn)了互聯(lián)網(wǎng)絡(luò)、電子計(jì)算機(jī)、通信網(wǎng)絡(luò)、空間技術(shù)、生物工程和原子能技術(shù)等一系列具有代表性的發(fā)明和創(chuàng)造，尤其是互聯(lián)網(wǎng)絡(luò)和電子計(jì)算機(jī)的誕生，拓展了人類自身和人與人之間交互的邊界。

現(xiàn)在人工智能時(shí)代到來了，出現(xiàn)了深度神經(jīng)網(wǎng)絡(luò)和許多具有代表性的產(chǎn)業(yè)英雄，比如Elon Musk，也出現(xiàn)了無人系統(tǒng)、納米科技、量子計(jì)算、物聯(lián)網(wǎng)等新科技和新產(chǎn)品，人們的工作、生活都發(fā)生了翻天覆地的變革。

跨學(xué)科交叉是人工智能時(shí)代的典型標(biāo)志，比如潘云鶴院士提及的認(rèn)知視覺和認(rèn)知表達(dá)，都是典型的跨學(xué)科研究。人工智能技術(shù)海納百川，比如計(jì)算機(jī)視覺、自然語言理解、機(jī)器人和邏輯推理等，且在醫(yī)療、電子、金融等行業(yè)都發(fā)揮了巨大作用。下面我將從三個(gè)層面淺析一下人工智能時(shí)代的幾個(gè)問題：第一個(gè)是算力；第二個(gè)是算法；第三個(gè)是人與AI 怎樣相處？

首先，是算力。1956 年Rosenblatt 的感知機(jī)只包含了512 個(gè)計(jì)算單元就能做數(shù)據(jù)分類。但人工智能發(fā)展過程中一直受到算力的困擾，直到GordonMoore 提出了集成電路芯片上所集成的晶體管數(shù)量每18 個(gè)月翻一番，為后來的幾十年芯片技術(shù)的發(fā)展指明了方向。1999 年，NVIDIA 發(fā)布了GPU 進(jìn)行并行的數(shù)據(jù)處理，使得人工智能向更加廣闊的領(lǐng)域發(fā)展。2012 年，Alex 使用AlexNet 進(jìn)行GPU加速，開啟了深度網(wǎng)絡(luò)應(yīng)用的先河。接下來就是眾所周知的谷歌AlphaGo，擁有5000 個(gè)GPU，訓(xùn)練40 天，就可以打遍天下無敵手，說明并行計(jì)算、專用芯片對(duì)人工智能具有重要的推動(dòng)作用。

我們?cè)倏纯船F(xiàn)有技術(shù)的發(fā)展。流媒體視頻占全球互聯(lián)網(wǎng)下行流量的58%，2019 年8 月國內(nèi)互聯(lián)網(wǎng)的終端數(shù)已經(jīng)突破了20 億，這些數(shù)據(jù)都需要巨大的算力支撐?，F(xiàn)在智能醫(yī)療、智能制造、無人駕駛，追求的更小、更快、更加智能。所以人工智能蓬勃發(fā)展對(duì)算力的需求超過了別的方面，成為人工智能一個(gè)重要支撐。

但是算力的提升速度已經(jīng)不再遵循摩爾定律了。從第一臺(tái)計(jì)算機(jī)出現(xiàn)到后來的幾十年，芯片算力基本符合摩爾定律。但隨著時(shí)間的推移，芯片上晶體管的密度增長已經(jīng)不再遵循摩爾定律，反過來說就是芯片算力的增長速度已經(jīng)無法滿足人工智能技術(shù)的發(fā)展需要。于是國際科技巨頭都開始發(fā)力，比如谷歌的TPU 和中國的地平線、寒武紀(jì)都是將設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)專用芯片來提升算力。但這些芯片都是專用的，無法滿足通用人工智能的發(fā)展需要。

我以前常說，理學(xué)思維，工科實(shí)踐。物理要求什么？比如量子力學(xué)、量子計(jì)算。眾所周知，英特爾、谷歌在處理特定任務(wù)時(shí)，發(fā)現(xiàn)量子計(jì)算速度遠(yuǎn)高于現(xiàn)在的計(jì)算機(jī)。隨著有效量子比特的數(shù)量不斷增加，他們希望（尤其谷歌）在量子計(jì)算領(lǐng)域成為霸主。但現(xiàn)實(shí)是經(jīng)過物理學(xué)家們的分析，其中許多問題尚未解決，比如如何長時(shí)間保持足夠的量子比特的相干性，這是一個(gè)重要問題；同時(shí)在這個(gè)時(shí)間內(nèi)做出足夠的超高精度量子的邏輯計(jì)算也是一個(gè)難題。因此，在未來的一段時(shí)間里要想完全用量子計(jì)算提升算力，是完全實(shí)現(xiàn)不了的。于是，人們提出了存算一體的架構(gòu)，希望突破存儲(chǔ)墻的限制，提升它的算力。這就是為什么我說人工智能時(shí)代走入了交叉時(shí)代，除了向物理要算力，還要向腦科學(xué)要算力，比如類腦計(jì)劃，希望通過模擬腦科學(xué)里的機(jī)理提升算力；不僅如此，還要向物理的邊界、光電計(jì)算要算力；同樣還有也要向存算一體、光電+ 要算力。

下面將介紹從光電計(jì)算要算力。這位普林斯頓大學(xué)的教授做過一個(gè)理論分析，進(jìn)行神經(jīng)網(wǎng)絡(luò)計(jì)算的構(gòu)架，從理論上推算，它能提升三個(gè)數(shù)量級(jí)的算力，同時(shí)功耗也能降低6 個(gè)數(shù)量級(jí)。功耗現(xiàn)在也是提升算力要考慮的一個(gè)重要問題。光電計(jì)算能夠給這方面帶來巨大的福利，使得算力提升三個(gè)數(shù)量級(jí)，功耗還能下降6 個(gè)數(shù)量級(jí)。目前這方面的研究工作已經(jīng)起步。光電計(jì)算并不是一個(gè)新東西，它和人工智能一樣，也是20 世紀(jì)50 年代誕生的。只是計(jì)算的計(jì)算機(jī)半導(dǎo)體、硅基的芯片就已經(jīng)滿足需求，所以研究者就漸漸減少了在這方面的研究。尤其是在1990 年貝爾實(shí)驗(yàn)室用砷化鉀做了一個(gè)光學(xué)開關(guān)來控制計(jì)算機(jī)的原型，由于當(dāng)時(shí)對(duì)算力的需求較小，所以芯片就可以解決。而現(xiàn)在隨著人工智能對(duì)芯片的極致要求，從2017—2019 年，很多機(jī)構(gòu)都對(duì)光電計(jì)算的研究做出了重要貢獻(xiàn)，比如三維受控的衍射的傳播時(shí)間，以及全并行的光速計(jì)算。通過研究能夠很快識(shí)別一個(gè)文字，因?yàn)楣馐遣恍枰姷?，所以這種光計(jì)算不需要耗電就可以做到以可控高維的光場傳播，從而實(shí)現(xiàn)高速高效并行的計(jì)算。因此構(gòu)建光電計(jì)算的架構(gòu)，成為現(xiàn)在解決算力的一個(gè)重要研究方向。

光學(xué)作為新的計(jì)算途徑，它帶來的最重要的變革，一是范式變革；二是算力提升；三是功耗下降。正因其諸多優(yōu)點(diǎn)使得國內(nèi)外很多研究機(jī)構(gòu)都開展了相關(guān)研究。目前國際上做出的貢獻(xiàn)有三個(gè)，麻省理工做的干涉神經(jīng)網(wǎng)絡(luò)架構(gòu)非常不錯(cuò)；明斯特大學(xué)和劍橋是留相片材料，做脈沖的架構(gòu)；清華大學(xué)是用衍射神經(jīng)網(wǎng)絡(luò)做架構(gòu)。三種不同的方案都各有優(yōu)勢，也各有不足。因此，在未來算力平衡上可以做出一番成績。大家可以試想一下，光電計(jì)算的算力能提供3 個(gè)數(shù)量級(jí)，我們超小型的智能5G、智能機(jī)器人、微型的修理機(jī)器人，尤其是我們現(xiàn)在研究的自動(dòng)駕駛，光電智能駕駛會(huì)推動(dòng)這個(gè)方面的發(fā)展。所以，光電計(jì)算使無人系統(tǒng)更快、更小、更智能。目前這個(gè)方向也引起了國際學(xué)術(shù)界和工業(yè)界的廣泛興趣，已經(jīng)有很多機(jī)構(gòu)在這方面開展研究，也希望大家關(guān)注這個(gè)方向。

光電智能芯片最重要的特點(diǎn)是什么？是它們對(duì)龐大的計(jì)算中心小型化。我們現(xiàn)在的計(jì)算中心都要消耗很大的電能，如果使用光電計(jì)算就能節(jié)省許多電能。第二，納秒級(jí)目標(biāo)感知與識(shí)別。納秒級(jí)的感知目標(biāo)與識(shí)別非?？欤F(xiàn)在使用相機(jī)拍攝，要轉(zhuǎn)成電，然后再計(jì)算。試想如若它是直接光進(jìn)到相機(jī)就計(jì)算了，那么速度就變得非常快。因此光電智能芯片對(duì)新基建里的工業(yè)互聯(lián)網(wǎng)、計(jì)算機(jī)視覺、大數(shù)據(jù)分析和光通訊都有重要的支撐作用。這是對(duì)算力的一個(gè)探討、一個(gè)思路，也請(qǐng)大家多多批評(píng)。

第二是算法。因?yàn)槿斯ぶ悄茏钪匾氖撬惴?，所以研究學(xué)者普遍都在研究算法。那么這些算法怎么來？現(xiàn)有人工智能僅實(shí)現(xiàn)了簡單的初級(jí)視覺感知功能。就像剛才潘院士提到，有很多無人區(qū)的工作有待解決。在初級(jí)視覺感知信息處理與高級(jí)認(rèn)知智能過程中，性能遠(yuǎn)不如人腦，人腦具有物理學(xué)習(xí)和數(shù)據(jù)的抽象能力。有些學(xué)者認(rèn)為深度學(xué)習(xí)存在極大的危機(jī)，BP 算法有很大局限性，需要推倒重來，需要再次從大腦的認(rèn)知機(jī)理模型中尋找靈感。從右圖可以看到困難的問題是易解的，往往簡單的問題是難解的。Hinton 的demo 說明深度網(wǎng)絡(luò)現(xiàn)在有危機(jī)，因此必須借鑒神經(jīng)系統(tǒng)的多模數(shù)據(jù)表示、變換和學(xué)習(xí)規(guī)律及反饋方式，認(rèn)知計(jì)算就將推動(dòng)人工智能的變革。大家一直在探討人工智能最重要的問題是什么？現(xiàn)在如何實(shí)現(xiàn)高效？現(xiàn)在深度網(wǎng)絡(luò)是不可解釋的，那么如何做可解釋的？現(xiàn)在不魯棒，如何做到魯棒？

新一代認(rèn)知智能作為現(xiàn)在算法上國際上最重要的結(jié)合點(diǎn)。眾所周知，1969 年BP 算法的雛形是從控制里面來的，是從最優(yōu)控制理論中產(chǎn)生、采集的。直到1989 年卷積神經(jīng)網(wǎng)絡(luò)誕生。認(rèn)知和神經(jīng)科學(xué)家首次將BP 算法引入到多重神經(jīng)網(wǎng)絡(luò)，構(gòu)建了認(rèn)知計(jì)算模型。再到2015 年的計(jì)算模型。由此可以看出BP 算法是深度學(xué)習(xí)使用最為廣泛的，但是它仍存在很多問題。

從1958 年開始研究的啟發(fā)卷積神經(jīng)網(wǎng)絡(luò)來看，1981 年的諾貝爾獎(jiǎng)得主發(fā)現(xiàn)人的視覺是分層的，有高層的視覺分層，也發(fā)現(xiàn)視覺系統(tǒng)卷積的特性。于是1980 年日本學(xué)者提到簡單復(fù)雜的細(xì)胞概念，提出了新的認(rèn)知機(jī)理。David Marr 認(rèn)為，人對(duì)視覺信息的表征和處理的計(jì)算研究得出了一個(gè)重要的結(jié)論，視覺和感知效應(yīng)的關(guān)系。2007年Tomaso Poggio 提出了H-MAX 模型。2012 年Alex 的貢獻(xiàn)開啟了人工智能的黃金時(shí)代，得到了廣泛的應(yīng)用。這也是我們算法的歷史由來。通過歷史分析，就能預(yù)測未來。

通過展示的內(nèi)容大家可以看到大部分都是什么？是關(guān)于腦科學(xué)家神經(jīng)的分析，通過神經(jīng)的分析就是啟發(fā)類腦計(jì)算。上面部分都是整個(gè)神經(jīng)方面的分析，下面部分是希望能夠?qū)崿F(xiàn)一種類腦的想法，從腦科學(xué)能不能到人工智能做類腦方面的研究。最近幾家機(jī)構(gòu)的研究都取得了突破，一是2019 年報(bào)道的施路平教授；一是2020 年報(bào)道的已經(jīng)起到了重大作用的吳華強(qiáng)研究類腦的存儲(chǔ)一體的芯片。因此，中國在這方面的研究應(yīng)該在國際上處于并跑的階段。上面展示的腦的結(jié)果，是我們進(jìn)行了大量調(diào)研的，神經(jīng)元的激活狀態(tài)，包括貓的視覺感受、腦機(jī)體的神經(jīng)節(jié)。

關(guān)于人工智能理論的推算我們做了一個(gè)對(duì)應(yīng)和比較，即如何利用腦機(jī)器啟發(fā)人工智能新理論，實(shí)際上是作為新一代人工智能發(fā)展的一個(gè)重要途徑。我們把它們進(jìn)行類比、對(duì)照，說明什么？很多人工智能專家都借鑒了腦科學(xué)的一些機(jī)理來響應(yīng)人工智能應(yīng)該怎么往前走？這個(gè)算法應(yīng)該怎么解決？怎么具體解決？

成年人的大腦細(xì)胞有860~1000 億神經(jīng)元，而我們電信號(hào)在發(fā)生作用時(shí)會(huì)感到整個(gè)功耗非常低，就在10~23 瓦之間。如果你在刻苦完成一件事情時(shí)，你的最大功耗也在25 瓦以內(nèi)；如果你迷迷糊糊時(shí)，功耗最低才10 瓦左右。所以功耗都很小，但人工智能計(jì)算機(jī)的功耗是非常大的。

剛才劉市長和我談到，在杭州還要建一個(gè)大的計(jì)算中心，這時(shí)的功耗應(yīng)該大了很多。那么怎樣能夠提供？從認(rèn)知科學(xué)角度來討論這個(gè)問題，于是我們畫了這樣一座大橋。如圖所示，認(rèn)知計(jì)算是溝通腦科學(xué)和人工智能的橋梁。為什么？我們首先回過頭來問，認(rèn)知科學(xué)做什么？認(rèn)知科學(xué)一個(gè)是多模態(tài)的回路觀測，要觀測腦科學(xué)里的東西。

第二是多層次的認(rèn)知模型，包括潘院士說的視覺、聽覺、語言，還有觸覺，這些是多層次的認(rèn)知模型和腦科學(xué)的信息，在這里觀測，通過建立模型形成的是認(rèn)知科學(xué)。我們認(rèn)為，從腦科學(xué)通過認(rèn)知科學(xué)的研究到達(dá)人工智能，這就是走另外一條途徑，叫做從腦科學(xué)到人工智能，這即是我們所說的未來希望的一條道路，也是研究人工智能新算法的一條道路。

接下來我們回過頭再來看看國際上的一些經(jīng)典貢獻(xiàn)。左邊是腦科學(xué)整個(gè)的貢獻(xiàn)，這里的貢獻(xiàn)主要講的是什么？人類如何思考。右邊都是圖靈獎(jiǎng)，最重要的結(jié)論是，貢獻(xiàn)都是什么？機(jī)器如何思考？中間應(yīng)該有一道橋梁，將它們建立關(guān)系并連接。所以我們希望認(rèn)知科學(xué)就是這道橋梁。

2016 年美國啟動(dòng)了1 億美金的阿波羅項(xiàng)目，其記錄并測量了10 萬個(gè)神經(jīng)元的活動(dòng)與連接。這里最右邊的圖上方是計(jì)算神經(jīng)元的模型，下方是計(jì)算機(jī)器學(xué)習(xí)模型。這兩個(gè)模型能否通過腦數(shù)據(jù)建立一個(gè)分析？這就是成像。通過研究大腦計(jì)算范式，構(gòu)建認(rèn)知計(jì)算新模型與新方法，從而建立從人的思維到機(jī)器思維的橋梁，是啟發(fā)新的人工智能理論與算法的重要途徑。這是清華大學(xué)構(gòu)建的一個(gè)方案，但這個(gè)方案也不一定成熟，只供大家參考。

右下圖展示的是生物機(jī)制的記憶環(huán)路，我們有外部環(huán)境、腦皮層和海馬體。左下圖是物理平衡原理，所以我們期待構(gòu)建一個(gè)BMP 的網(wǎng)絡(luò)算法，就腦科學(xué)、數(shù)學(xué)和物理結(jié)合起來的一個(gè)網(wǎng)絡(luò)模型。上方是我們構(gòu)建的新型網(wǎng)絡(luò)模型的一個(gè)通用的框架。

在算法問題上，我們還在進(jìn)一步研究，也希望為各位專家提供一個(gè)方案。所以人工智能算法能不能從知識(shí)驅(qū)動(dòng)到腦科學(xué)，但數(shù)據(jù)驅(qū)動(dòng)那邊是什么？是大場景、多對(duì)象的一個(gè)很大的數(shù)據(jù)庫，構(gòu)建的什么？三駕馬車能不能做認(rèn)知驅(qū)動(dòng)，這是我們構(gòu)建的一個(gè)新算法，一個(gè)框架的架構(gòu)。這是算法層面的思考，希望大家批評(píng)指正。

第三，人和AI 怎樣共處。眾所周知，AI 賦能人類，而不是成為人類，更不是取代人類。50年前圖靈就說過，人工智能的發(fā)展不是把人變?yōu)闄C(jī)器，也不是把機(jī)器變成人，而是“研究、開發(fā)用于模擬、延伸和擴(kuò)展人類智慧能力的理論、方法、技術(shù)及應(yīng)用系統(tǒng)，從而解決復(fù)雜問題的技術(shù)科學(xué)并服務(wù)于人類”。因此，人工智能與人類和諧發(fā)展，需要考慮人工智能與人類之間協(xié)同安全、隱私和公平的問題。

最終實(shí)現(xiàn)以人為本、服務(wù)于人的目標(biāo)。我們目前有個(gè)課題項(xiàng)目是孫富春老師和吳飛老師在負(fù)責(zé)。我們?cè)谧鍪裁矗课磥淼娜斯ぶ悄馨踩逃退c人類的合作的調(diào)研，調(diào)研完成后準(zhǔn)備和美國人工智能學(xué)會(huì)、歐洲人工智能學(xué)會(huì)討論人類命運(yùn)共同體的話題。

這里以人為本、服務(wù)于人類的這4 個(gè)問題是我們最重要的、要探索也回避不了的問題，分別是倫理、隱私、協(xié)同和安全。人和人類怎么去合作？人和機(jī)器AI 要有交互，人和自然界也要交互。極限交互是什么意思？在危險(xiǎn)的場景，我們希望通過AI 和AI 交互，AI 和場景交互，人類和AI 交互，即我們看不見的、看不清的、聽不見的、觸摸不到的，我們稱之極限交互。AI 交互實(shí)現(xiàn)顛覆性用戶體驗(yàn)，提高人類認(rèn)知和改造世界的能力。這就是說極限交互的特點(diǎn)。

在交互中，最重要的什么？AI 的外在形態(tài)，是AI 專用接口，現(xiàn)在有很多汽車、多途機(jī)器人、人形機(jī)器人，包括微軟小冰等，還有手術(shù)機(jī)器人、空中機(jī)器人，還有手機(jī)、電腦等AI 的通用接口，包括我們現(xiàn)在看到的虛擬主播、自動(dòng)客服，因此下面要討論的是我們和AI 怎么交互，比如通過虛擬現(xiàn)實(shí)這樣的一個(gè)接口來進(jìn)行交互。如圖所示，虛擬/ 增強(qiáng)現(xiàn)實(shí)、自然交互技術(shù)，這就是未來信息獲取與交互的一種方式，它能拓展人類的能力，改變產(chǎn)品形態(tài)和服務(wù)模式，也能推動(dòng)認(rèn)知、智能與文化藝術(shù)的變革，促進(jìn)未來人-AI- 物融合社會(huì)的發(fā)展。這即是我們所說的一個(gè)特征。

我們現(xiàn)在開會(huì)都線上開展，很多機(jī)構(gòu)都在開發(fā)線上虛擬線下，如《王牌特工》中所展示的。這時(shí)就相當(dāng)于一種極限環(huán)境。我們開的線上會(huì)議就和線下會(huì)議一樣。我想這樣的一套系統(tǒng)，2020年年底可能就有望見到。所以，這即是我們所說的沉浸式AI 交互。我們調(diào)研了今年中小學(xué)、大學(xué)的課程基本上都是線上上課。通過上課質(zhì)量對(duì)比，北京的幾個(gè)學(xué)校的教學(xué)質(zhì)量都是有所下降的。我們只是采用了這種形式，但是這種形式并沒有帶來更好的教學(xué)效果。

即使如此，以后要改變這種教學(xué)效果，我想會(huì)帶來更好的用戶體驗(yàn)。很多高校和企業(yè)都做了相關(guān)類型的研究，比如微軟108 個(gè)相機(jī)的立體建模、Facebook 做的立體建模，以及谷歌、清華建的。清華現(xiàn)在一個(gè)相機(jī)也在做深度建模的形式，建完一個(gè)人的模型后，就能把它放到任何地方，這樣虛擬線下就可以實(shí)現(xiàn)了。

大家可以看到，這樣就可以實(shí)現(xiàn)全息智能教學(xué)。比如智能精準(zhǔn)的推薦、線上泛在接入、真人的全息授課、沉浸交互課件。根據(jù)今年的AI 研究發(fā)展，AR 眼鏡最輕可以達(dá)到50 克，此前AR 眼鏡很重，所以發(fā)展不起來。但我覺得未來眼鏡也是一個(gè)重要趨勢，虛擬線下的一個(gè)重要區(qū)域。未來AI 驅(qū)動(dòng)的混合現(xiàn)實(shí)，賦能教學(xué)、生產(chǎn)、設(shè)計(jì)和交流，包括工業(yè)設(shè)計(jì)都可以在此開展，這是未來AI 交互的一種重要的工具，也是人和AI 之間交互的一個(gè)重要的途徑。

未來已來，我記得好像李院士5 年前作報(bào)告，就說未來已來，即讓我們著急起來，未來實(shí)際上腦機(jī)接口、人機(jī)融合、人機(jī)“共生永存”，包括意識(shí)存儲(chǔ)的概念，能不能永遠(yuǎn)存在機(jī)器人身上或者存儲(chǔ)到一個(gè)地方。所以這都是未來發(fā)生的事，現(xiàn)在腦機(jī)接口發(fā)展非?？欤覀兘?jīng)常說的腦疾病，比如阿爾茨海默癥、癲癇病。如果找到了這樣的病理特征時(shí)，我們有兩種再生方法。如果知道神經(jīng)元的種類，可以用其他的神經(jīng)元修復(fù)這種生物的修復(fù)方法，把這些神經(jīng)元修復(fù)好；還有一種用我們超材料代替這些神經(jīng)元的活躍程度。如果能做得不錯(cuò)，腦子就能夠保持高度清晰，人類壽命延長50 年是一個(gè)很正常的事情。

智能驅(qū)動(dòng)未來，我們有更聰明的“大腦”、更靈巧的“手”、更明亮的“眼睛”、更靈敏的“耳朵”。智能光電芯片、知識(shí)驅(qū)動(dòng)、數(shù)據(jù)驅(qū)動(dòng)、認(rèn)知驅(qū)動(dòng)，這是智能驅(qū)動(dòng)的一個(gè)大的未來。從這里可以看出，人工智能逐漸達(dá)到人類水平。從時(shí)間表2016 年開始，一直規(guī)劃到2066 年，所有人類的任務(wù)都取代了，機(jī)器AI 都能夠把它完成。當(dāng)然這是我們的愿景，這個(gè)愿景是帶有預(yù)測性質(zhì)的，也帶有一定的基礎(chǔ)討論。

我們說要做認(rèn)知智能。什么叫做認(rèn)知智能？以前有過圖靈測試，你做的算法需要測試，那測試要求有沒有？因此我們從圖靈測試開始，主要測試某個(gè)機(jī)器是否能表現(xiàn)出與人等價(jià)或無法區(qū)分的智能。當(dāng)時(shí)是模仿游戲，因此我在最后的部分也講一講測試。

圖靈的測試一直在不斷發(fā)展?？梢钥吹綇?950 年提出圖靈測試，1986 年早期自然語言處理計(jì)算機(jī)也在期待測試。一直到2014 年，郭院士的“Eugene Goostman”程序首次“通過”了圖靈測試。2015 年人工智能終于能像人類一樣學(xué)習(xí)，并通過了圖靈測試。但是這些測試情況怎么樣？有什么有待改進(jìn)的地方？下面這幾位專門研究圖靈測試的專家，測試機(jī)器常識(shí)推理的能力，測試神經(jīng)網(wǎng)絡(luò)抽象推理的能力，還有針對(duì)通用人工智能（AGI）測試，比如家庭健康護(hù)理（ECW）的能力，這些都是人工智能測試的新模式，且層出不窮。因此圖靈測試也是我們?nèi)斯ぶ悄馨l(fā)展的一個(gè)重要方向。

圖靈測試中認(rèn)知測試是什么？我們要去考慮這件事，也希望在座的大家能夠考慮，關(guān)注什么？認(rèn)知測試和功能識(shí)別、認(rèn)知決策和邏輯推理這幾個(gè)方面的問題，也是目前大家要研究的重要問題。

下面又回過頭來，知識(shí)驅(qū)動(dòng)、腦科學(xué)、數(shù)據(jù)驅(qū)動(dòng)上面是認(rèn)知驅(qū)動(dòng)。那么新一代人工智能算法能不能做出來？什么叫做出來？能不能有認(rèn)知測試？這就是我們所說的一個(gè)重要的目標(biāo)課題，也是我們對(duì)人工智能發(fā)展的一些思考。

人工智能實(shí)際上產(chǎn)業(yè)變革的歷史進(jìn)程發(fā)展非?？?。信息時(shí)代隨著現(xiàn)在數(shù)字經(jīng)濟(jì)，也就是人工智能時(shí)代的到來。這里可以看到許多美國典型的人工智能企業(yè)，當(dāng)然還有中國的企業(yè)，包括字節(jié)跳動(dòng)、地平線等，還有一些歐洲的企業(yè)，所以人工智能已經(jīng)成為推動(dòng)全球經(jīng)濟(jì)發(fā)展的核心驅(qū)動(dòng)力。人工智能也是新基建，已上升為國家戰(zhàn)略非常重要。前幾年潘院士倡導(dǎo)的人工智能2.0 得到了國家的高度重視。2020 年我國人工智能市場的規(guī)模增速遠(yuǎn)超全球市場規(guī)模的增速水平。這是我們整個(gè)調(diào)查的結(jié)果，已用于智能安防、醫(yī)療、金融和教育等領(lǐng)域，比如我們余杭區(qū)的智能醫(yī)療小鎮(zhèn)。新基建是一項(xiàng)非常重要的大工作，剛才高省長、劉市長說到的都在這里面有所體現(xiàn)。

2019 年發(fā)表在Nature 上的一篇文章關(guān)注中國在人工智能領(lǐng)域的領(lǐng)先發(fā)展。我們實(shí)驗(yàn)室十幾位老師和學(xué)生調(diào)研了近10 年浙江省頒布了44 例人工智能相關(guān)的政策。浙江看杭州，杭州就看余杭。所以杭州打造AI 有無限的想象、無限的空間，也感謝杭州未來城對(duì)我們?nèi)蛉斯ぶ悄芗夹g(shù)大會(huì)的支持。

最后總結(jié)一下，實(shí)際上今天和大家分享了三個(gè)方面的話題。第一個(gè)話題就是共處，更高的工作效率、生活質(zhì)量和安全保障，極限環(huán)境下交互，什么叫極限環(huán)境？比如開現(xiàn)場會(huì)議，我們地理位置相隔甚遠(yuǎn)，但我希望我們面對(duì)面交流，這就是一個(gè)極限；第二個(gè)是算法，更逼近本源的認(rèn)知計(jì)算理論與方法，這是我們所說的重要的一個(gè)議題；第三個(gè)是算力，數(shù)量級(jí)性能提升的新型計(jì)算范式與芯片架構(gòu)，這是最重要的。我希望未來能夠發(fā)展人工智能這三個(gè)方面的問題，包括多維度、多角度和深層次的認(rèn)知測試。