人工智能技術(shù)的誕生要追溯到20世紀50年代，當時學界對于如何構(gòu)建人工智能產(chǎn)生了兩種路徑分歧。一類觀點主張基于邏輯和計算機程序，另一類則主張直接從數(shù)據(jù)中學習。這是大自然經(jīng)過上億年發(fā)展給人類帶來的智慧，也意味著科學發(fā)展需經(jīng)歷幾十年甚至百年后，才得以更智能的姿態(tài)普惠日常。

這一定程度源于業(yè)界對AI“不可解釋性”的擔憂。尚處在發(fā)展早期的人工智能，卻無法為人類所解釋其運作原理，將必然阻礙AI的長遠發(fā)展。

不過特倫斯·謝諾夫斯基卻不這么看，在近日接受21世紀經(jīng)濟報道記者采訪時他明確表示，相比AI，人腦被頭骨層層包裹，里面一片黑暗，才是真正的“黑盒子”，但AI背后的算法框架其實可為數(shù)學家們掌控?，F(xiàn)代科學家們正在研究，在未來十年一個周期的時間內(nèi)，如何借助對腦科學的研究，更好讓AI落地。我們現(xiàn)在還處在第一步而已。

深度學習路徑的由來

前者曾主導AI發(fā)展早期的數(shù)十年間研究和應用，但后者才是目前大眾所知曉的AI技術(shù)實現(xiàn)路徑。

特倫斯·謝諾夫斯基現(xiàn)在是美國“四院院士”、美國索爾克生物研究所計算神經(jīng)生物學實驗室主任，也是人工智能發(fā)展早期支持后者觀點的少數(shù)人之一。即使曾經(jīng)歷美國政府機構(gòu)大幅縮減人工智能資金投入，卻并未影響到他所在觀點方的探索之路。

在前述特倫斯對MIT教員的探討過程中，他指出，蒼蠅眼中的視覺網(wǎng)絡進化了數(shù)億年，其視覺算法嵌入了本身的網(wǎng)絡。這也是為什么可以利用蒼蠅眼神經(jīng)回路的布線圖和信息流對視覺系統(tǒng)進行逆向工程，但為什么不能在數(shù)字計算機上這樣做，因為硬件本身需要軟件來制定要解決什么問題。

這也是通用設備與專用設備的差異性所決定。此后，一批不依賴于數(shù)字邏輯構(gòu)建搭建的機器人開始有所發(fā)展。

到今天，我們大多從AlphaGo在兩次大型對戰(zhàn)中戰(zhàn)勝世界級冠軍選手的故事了解到其得以發(fā)展下來的原委。Google旗下團隊通過讓機器學習圍棋的多樣化棋局數(shù)作為基礎(chǔ)數(shù)據(jù)，AlphaGo除了具備評估盤局的深度學習網(wǎng)絡，還有解決時間信用分配問題的系統(tǒng)，通過這些得以評估落子的行動順序。

在接受采訪時，特倫斯提到此后出現(xiàn)的“取代人類”相關(guān)質(zhì)疑。“柯潔在輸?shù)舯荣惡筇岬?，人類學了這么多年才懂得如何下圍棋，但AlphaGo教會我，其實我對圍棋一無所知。但難道機器人戰(zhàn)勝人類之后，人們就不下圍棋了?并不是。”他指出，AlphaGo實際上在幫助人類懂得新的棋法，由此一來，人類也可以變成更好的棋手。“AlphaGo沒有要取代人類，實際上在推進人類變得更好。”

仍處在初級階段

但現(xiàn)階段的AI真的能開始教人類了嗎?其實還沒有。

縱觀科學技術(shù)的發(fā)展歷程，從基礎(chǔ)科學，到真正實現(xiàn)商業(yè)化，都至少經(jīng)歷了50年時間。而目前人工智能的應用還是基于30年前完成的基礎(chǔ)研究而來。

這意味著我們處在人工智能時代非常初級的階段，也被稱為是“弱人工智能時期”。

人工智能從1956年誕生，目標是模仿人工的智能并在機器上實現(xiàn)，目前遠遠沒有達到這個程度。當然他也指出，“現(xiàn)在有了AI可以引發(fā)巨大的變化，這是我們之前無法預測的，但我們必須跟蹤理解它，最終要利用它造福公眾，并且要預防預料外的結(jié)果。”

至少目前，AI在場景中的應用已經(jīng)可以帶來一些驚喜，比如翻譯。特倫斯指出，五年前Google將深度學習相關(guān)技術(shù)應用到翻譯軟件中，“幾乎是一夜之間，過往幾千年來的文化壁壘就此被打破了。”他表示，有了通用翻譯器后，人類文化間的偏見也有望就此被消除。

初級階段的人工智能相關(guān)技術(shù)仍面臨著諸多挑戰(zhàn)。不過特倫斯明確向21世紀經(jīng)濟報道記者表示，不太可能存在“深度神經(jīng)網(wǎng)絡”之外的其他人工智能技術(shù)框架。

“現(xiàn)在我們的發(fā)展在朝著兩個方向走。第一是利用原有的框架，借助大數(shù)據(jù)應用解決各種問題;第二是一些研究人員在嘗試突破各種邊界和限制。”他舉例道，一些科學家嘗試把人類聚焦感官數(shù)據(jù)的能力(比如在嘈雜環(huán)境中聚焦某一個聲音)帶到深度學習中，讓深度學習網(wǎng)絡也擁有選擇特定問題、特定信息的能力。

“過去五年中，我們有了很大進展，當然要做的工作還有很多。新技術(shù)的發(fā)展是以十年為一個周期計算，可能AI在未來20-30年才會實現(xiàn)它的潛力。包括自動駕駛技術(shù)的發(fā)展，也是需要經(jīng)過十幾年甚至幾代人的努力來實現(xiàn)。”這是特倫斯反復強調(diào)的觀點，人工智能技術(shù)尚處在發(fā)展的第一個階段，科學家們在嘗試理解更復雜的內(nèi)涵并解釋它。

比如研究人類的大腦運作機制，包括大腦是如何從經(jīng)驗中得出推論，但有時人類得出的結(jié)論并不總基于邏輯，其中還存在認知偏差。“人類的大腦很奇妙，我相信會有很多東西讓我們很興奮，包括未來研究人的大腦神經(jīng)科學和人工智能的交融。”他如此說道。

腦科學研究的啟示

實際上，深度學習框架的靈感也正來自對人類大腦運作機制的研究。

特倫斯向21世紀經(jīng)濟報道記者表示，“深度學習網(wǎng)絡很龐大，它在做的是簡化大腦中的處理機制。”他分析道，大腦中有上千億個神經(jīng)元，其中有很多彼此相連的突觸，科學家在學習它的框架，并且用里面的一些一般性原則進行簡化用于深度學習框架的發(fā)展。比如卷積神經(jīng)網(wǎng)絡(CNN)是用來處理視覺信號，把視覺輸入變成神經(jīng)信號作為輸出，去識別圖像以及和各種事物做聯(lián)結(jié)。

世界各國對于腦科學的研究在近年來正成為一個重要工程在推進。美國在2013年提出“BRAIN計劃”，目的就是創(chuàng)造新的神經(jīng)技術(shù)，以加速對大腦功能和障礙的進一步了解，特倫斯也是這個計劃的參與者。

“我們關(guān)于大腦研究項目有一個5-10年計劃。期望在這段時間內(nèi)要提升人類測量和探知大腦的能力，研究出新方法和新工具，這也是所謂創(chuàng)新神經(jīng)科學要做到的事。”他指出，希望基于此，形成新的深度學習規(guī)則。

提及進展，他告訴21世紀經(jīng)濟報道記者，“這肯定不是按照一年為單位計算，而是10-20年來看?，F(xiàn)在我們進行的腦科學研究，是在建立一個科學家社區(qū)，培養(yǎng)學生，為他們提供相應工具，從而幫助技術(shù)更好地發(fā)展。我們現(xiàn)在處于早期的準備狀態(tài)，在幫助科學家收集更多數(shù)據(jù)，最終推進AI的發(fā)展。當然進程還是比較快的。”

要探知的話題有很多，比如人腦對信息的處理和傳輸速度是毫秒級，遠比電腦要慢。但大腦中的信息傳遞是非常復雜的過程，了解信息如何儲存和處理后，才是人類有效改良AI的關(guān)鍵。

還有一些挑戰(zhàn)，假如神經(jīng)元中的突觸連接有所改變，是否會改變信息的輸入和輸出強度，需要多久才能發(fā)現(xiàn)信息傳遞帶來的影響等。

近日埃隆·馬斯克宣布旗下公司Neuralink項目推出侵入式腦機接口方案;Facebook團隊也宣布能夠通過讀取腦損傷參與者的大腦，做到實時解碼一小部分對話中的口語單詞和短語。這都是對人腦研究的最新重大進展。特倫斯對此熱切關(guān)注，其中一個原因是，Neuralink公司聯(lián)合創(chuàng)始人之一Flip Sabes此前是特倫斯所在研究室的學生。

“我的研究室訓練出了世界上最棒的認知神經(jīng)科學家!”提及此，他十分興奮。“這是我們邁出的重要一步，可以讓我們解碼更大量的神經(jīng)元信息。在過去20年內(nèi)，學界已經(jīng)在嘗試將芯片植入到大腦前額葉的位置，解碼大腦給四肢發(fā)出的動作信號，以此幫助治療脊椎類疾病引起的運動能力喪失。”

他向記者介紹道，通過腦機接口這類技術(shù)，可以提取到人類的感官信息，“馬斯克一旦成功，在未來我們就不需要用鍵盤打字，可以直接提取大腦信息，用意念進行谷歌或者百度搜索。這會帶來一個全新的世界和聯(lián)結(jié)方式。不過它不會馬上發(fā)生，可能要再過幾十年。”

當然，對于腦科學的研究并不只是為了促成人工智能這類基礎(chǔ)技術(shù)的發(fā)展，這將衍生出對更多行業(yè)領(lǐng)域的新變革。正如特倫斯在新書《深度學習》中所說，“我們是一個偉大的生物鏈。

今天的人工智能也是如此。經(jīng)歷過20世紀前期關(guān)于發(fā)展路徑的分歧和摸索后，科學家們終于意識到，基于腦科學的研究，將成為AI的助推器。近年來，包括中國、美國、歐盟、日韓等國家和經(jīng)濟體正將這作為重要工程推進。