徐立：能否突破认知边界是人工智能行业变革的关键

“今天人工智能给出的猜想在很多情况下可以远超我们当下的认知，会有越来越多探索宇宙真相的东西被人工智能找出来，怎么用好它？在于我们怎么让普罗大众的认知同步。”11月28日，商汤科技联合创始人、首席执行官徐立在由《财经》杂志、财经网和《财经智库》主办的“《财经》年会2022：预测与战略”上如是表示。

以下为部分发言实录：

徐立：大家好，非常感谢《财经》的邀请，有机会跟大家分享一下商汤科技关于人工智能的一点想法和看法，刚才听薛教授讲，也是非常有启发。

这次的主题叫人工智能的下一步，技术一直是演进的，但我认为在现在这个点上，我们可能会面临着一个比较大的跨步，而这个跨步会突破我们现在的认知。有一天我回到家里看到了我们家养的猫，同时我们家小朋友在做生物课的作业，研究海底的生物，研究一些长的特别不一样的生物。这引发我一个很有意思的思考，在人看来，很显然左边这一类的宠物大家比较喜欢，右边的，大家会觉得长的比较奇怪，不拘一格，其实右边是因为更符合自然和环境的生存条件进化成的样子。人类做选择的时候，往往都是用人的认知做挑选和选择。如果主观的美是以这样的方法选择，在技术演进上是不是人也会受到这样的影响，实际上目前看大部分的情况是这样的，技术往前演进的时候有非常强的路径依赖，这个路径依赖在于人类认知的延续，不管是在手机上行业的应用，在智能设备上，甚至智能零售，或者我们看到的各式各样的通行，背后的分析，都是在已有的熟知领域上的一点点延伸，非常难做一种跨越式的应用。

如果在人类本身认知局限里，人工智能是不是能够放飞自我，是不是能够跳出现在人的认知边界，这恰恰是人工智能走向下一步，或者我们整个行业变革的下一步的很有意思的关键。讲到这里可以提一提人类过往科研创新的范式，从最早经验归纳的范式，到演绎推理的范式，被称为是*、第二范式，经验归纳从培根开始，讲了用数据做归纳。当有了计算机之后，比如仿真模拟就是计算机在做推理演绎，比如大数据，第四范式大数据科学可以对应到经验的归纳。这样的范式在过往很长时间当中把创新的模式总结到这个框架当中。其实真正意义上，在人类发展的过程当中，我们所做的既不是归纳也不是演绎，很多情况下是非常不连续的跳跃，在这个跳跃的基点上做我们的演绎，做我们的归纳。这样的一个天才的脑洞，在今天是不是可以用机器完成？或者创新是不是有一种新的范式呢？这是我们在1950年提出的机器会不会思考的问题之后，70年同样也问这样的问题，机器是不是复刻这样的脑洞，我想很多的行业已经验证了机器能够在这个过程当中给出一些超出人认知的猜想。

这是人工智能能够超越人的能力的行业应用，仔细看柯洁在复盘的时候有一句话很有意思，说你下棋的境界比我高，对手说我经常看AlphaGo下棋。围棋的例子非常有意思，虽然它是一种娱乐性的代表，但非常复杂。人工智能在这上面只能做到的是猜想，但它的猜想即使距离*的答案非常远，但也远远超过我们人。包括蛋白质的分析，很多人验证说人工智能在现在这个阶段上，如果只给出过往的数据，它能够猜想出宇宙的运行规律。今天我们就面临这么一个问题，如果机器能够猜想出牛顿定律，但牛顿可能要在一百年甚至两百年以后再来，今天的人类能不能用牛顿定律，这就是一个我们面临的问题，人工智能下一步能够怎么走好？就是我们怎么能够在有边界场景的情况下用好机器人猜想。

猜想背后的支撑点是什么？大家说我们进入了数据的时代，算法有很大的突破，但是刚才的例子显示出来的，没有一个例子是真正意义上跟本身大数据有强相关的，AlphaGo下围棋已经完全不依赖于人类，但一个有意思的点是过往的10年*的人工智能算法，对于算力的需求每年增长10倍以上，过往10年差不多增长了百万倍。理论上我们认为算法越精妙，某种意义上我们需要的算力越少，但恰恰是因为我们给出了一个很好的表达的探索能力，使得在现在上不停地搜寻*解，在这个过程中，我们认为现在的人工智能大型的算力是推动机器猜想的本质，在未来5到10年当中，一些我们对于行业的运行规律了解特别少的学科，比如地球科学、材料、生物、医药等等科学，原来并没有一个合适的定理或者科学的公理给出这些学科运营规律的时候，人工智能将可能很大层面上推动行业的颠覆式的变化。

问题来了，有了这个猜想之后，我们能够怎么样把这个很好的猜想应用大行业边界当中，我们的目的是怎么用好在现实场景当中约束好的猜想，在我们看到的人工智能发展的趋势当中，机器是可以猜想出宇宙探索的运行真相的，不管是天体的、地球的等等一系列的运行真相。但这里面只有很少一部分规则能够被我们这个时代所采用，恰恰是因为我们这个时代的认知局限。比如现实当中已经广泛被采用，直到今天没办法解释原理的一些应用，飞机的起飞，飞机的起飞即使今天有流体力学都没办法解释它起飞的动力真正意义上来自哪里，但是千百万次的尝试，经过大家经验的认知，不会觉得这件事是不可行的，所以在给定边界和给定认知达到这个高度的时候，我们就能很好的驾驭目前没有解释的东西。

自行车也是这样的一种物体，自行车的平衡性到现在也是一个力学的难题，但这不妨碍我们在人类社会当中广泛使用。这表示我们的技术真的要进入行业当中，我们需要有一个平衡，这个平衡是对现在技术使用边界治理，以及原来说技术能够推动生产力的平衡，这个平衡归根到底是我们约束与发展之间的平衡。当然我们希望能够在合适的时间点上把我们的治理问题、技术应用边界的问题和最原始的技术发展问题联系在一起。

这里有两个非常有意思的例子，右边的是行业的约束是在认知之前的，在我们没有充分了解到这样的技术，没有充分尝试过这样的边界时，给出了一个过早的约束。比如最早的蒸汽机车，大家要求车前的150码要有人挥动红旗，所以开一辆车需要三个人，因为这个红旗法案，英国错失了汽车工业的大发展，因为当时对这个事情的认知远远落后于这个时代。

左边也是一个英国的例子，在蒸汽机发明之后，英国发展的非常快，*次工业文明起来的速度非常快。第二次工业革命之后，带来的就是整个城市环境污染的问题巨大，不得不颁布清洁法案，同时汽车有很大的倒退。今天我们如果给出人工智能的猜想，给出行业的新的认知，往往可能没有办法完整的解释这件事情，甚至这件事情我们对它的期待也会要求时间非常远，正是因为我们有各种方案做这样平衡的约束，可以看得到行业的变化是不一样的。

整个社会也是在这个时间点上理解了人工智能往前发展的一些特性，在2016年的时候，过往的五到七年时间，各国都纷纷提出对于人工智能底层的思考，怎么样用人工智能更好的治理框架，边发展边给出约束的边界，使得这个技术能够更好的被我们行业所使用。在这个过程当中，中国是有很好的土壤的，因为从应用的边界来说，以及行业的认知度来说，中国都走在了平行起步的过程当中。我们提出以发展为目的的人工智能，我们调研了行业里的所有的人工智能治理的框架，就可以把它归类为可持续的、以人为本和技术可控的约束的准则。这些约束的准则往往对于现在技术了解的认知上给出的边界条件，如果我们不谈发展，带来的问题是，我们什么都不做非常能够满足应用条件。但我们的目的在于怎么样让人工智能走出下一步，推动生产力的发展，生产力的变革。所以，发展和治理永远是平衡约束的问题。

举几个行业当中的例子，比如一个人工智能已经分分钟钟影响到我们生活的方方面面，并且把治理成本大幅度下降，提升效率，在智慧社区用人工智能降低的成本是18%，并且可以拓展原来的治理边界不可能的事情。但同时这里面带来的一些没有触及到的问题，数据的差异化带来算法的歧视，如果这些问题不及时考量，可能会带来非常大的倒退的发展过程。

同样，在各行各业，比如工业使用人工智能非常多，因为流水线质检的问题都可以用人工智能完成，可以提升产业安全可靠性，包括可以把所有的流程和标准做比较，能够更好的影响到流程的自动化。这带来的社会面的问题是，提升效率，节省劳动力，我们需要思考要不要让这些人培养新的能力，适应新的发展方向，这可能是我们现在这个阶段要用好这个技术必须面临的挑战。

对个人来说，人工智能能够做的事情是非常非常有价值的，把原来稀缺的资源复制非常多份，让更多的人享受，比如人工智能讲课，可以把名师讲的内容更好的推广。包括医疗，把原来稀缺的专家意见分享到更多的病患当中，让病患都可以享受专家级别的服务。在这个过程当中，原来由人完成的东西，现在逐步由机器替换，人的价值就没了。比如有人患病，机器说你有70%的可能得了肿瘤，这样的感觉不会亲切，如果有医生告诉你说，如果你很好的吃药治疗，相信病人的信心也会提升。这个过程当中会面临诸多的正面和反面的问题，我们要及时考虑到这样治理的框架和企业技术的发展。

认知是决定我们能不能使用好人工智能下一步猜想的核心，2001《太空漫游》里给出了一个黑石碑，黑石碑的边长是永恒的，即使放大了无数倍以后仍然是1：4：9，远超了人类对材料和力的认知，它其实是太空文明在这里树立的一个纪念碑，告诫人类，人类的认知非常渺小，我们在月球上再次看到了*的1：4：9。今天人工智能给出的猜想一样，它在很多情况下可以远超我们当下的认知，给我们超出我们意外的结果，会有越来越探索宇宙真相的东西被人工智能找出来，怎么用好他？在于我们怎么让普罗大众的认知同步。谢谢！