【小哈划重点：经过深度学习的计算机，不再被动按照指令运行，而是像自然进化的生命那样，开始自主地从经验中学习。用特伦斯自己的话说，“我们需要有效地监管人工智能。自从工业时代以来，我们所拥有的技术有时被用于战争，有时被用于建设文明，还用来建设工厂。技术发展总会遇到问题，你要做的就是控制它。】
随着人工智能的飞速发展，无人驾驶、图像识别等技术，正在一步步重塑着当代人的生活。而这些技术的背后，都是深度学习在发挥神奇的作用，这也是人工智能从概念到繁荣得以实现的主流技术。经过深度学习的计算机，不再被动按照指令运行，而是像自然进化的生命那样，开始自主地从经验中学习。
历史上，任何科技变革都会引起激烈的社会讨论，深度学习将给机器带来的“自主性”也不例外。如今，身处变革大潮之中的我们，面对一个即将与“机器”紧密联系并被塑造的时代，我们该如何自处？
特伦斯·谢诺夫斯基（Terrence Sejnowski）给我们提供了他的答案。早在1986年，他与不久前获得“图灵奖”的杰弗里·辛顿（Geoffrey Hinton）共同发明了玻尔兹曼机，由此开启了神经网络的快速发展。也正是基于此项贡献，深度学习从边缘课题变成了人工智能仰赖的核心技术。作为神经网络和计算神经科学的先驱，他还是世界十大人工智能科学家之一，美国仅3位在世的四院院士之一，还同时兼任NIPS（全球人工智能顶级会议）主席，奥巴马政府“大脑”计划顾问委员会委员等。
为了揭开“人工智能”在大众心中神秘的面纱，特伦斯出版了《深度学习：智能时代的核心驱动力量》，并将这本书带至中国。针对这本新书的发布和人工智能的发展，澎湃新闻对特伦斯进行了一次采访。老爷子精神矍铄，七十四岁的高龄却依旧坚持在大学教书。当天接受完中国媒体的采访后便马不停蹄的回国，生怕耽误周一的课程。
但到底是什么力量驱动着他挑战权威，坚定选择深度学习？人文社科的科学家又能为人工智能的发展做些什么？在未来，还有什么工作会被取代，人类又该做好什么样的准备呢？在澎湃新闻记者的采访中，特伦斯对人工智能发展中可能会遇到的具体问题做了解答。
特伦斯·谢诺夫斯基 出版社供图
如何从物理学转到了深度学习？
物理学出身的特伦斯，在获得博士学位后却转向了神经科学和计算机科学的研究，之后更是在深度学习领域坚持了数十年的研究，不免让人好奇。但他人眼中突兀的转型其实是“蓄谋已久”，早在研究生阶段，特伦斯就对神经科学产生了兴趣。为了完成这个转型，特伦斯毕业后先参加了马萨诸塞州伍兹霍尔海洋生物学实验室的一个暑期课程，在那里学习有关神经生物学的课程。这次进修教会了特伦斯如何记录神经元发出的电信号，以及用电子显微镜观察神经元的内部结构。科学家的探索总是循序渐进的。暑期课程之后，特伦斯在哈佛医学院的神经生物学系开始了自己的博士后研究。
真正对特伦斯的职业生涯产生关键影响的，是特伦斯和其一生的合作伙伴——杰弗里·辛顿的相遇。在加州大学圣地亚哥分校（UC San Diego）的一个研讨会上，特伦斯和杰弗里·辛顿相识相知。当时，虽然权威的科学家用传统算法主导了这个领域的研究，但意气风发的特伦斯和杰弗里·辛顿还是顶住压力，坚持在“深度学习算法”领域进行研究。特伦斯说，“我和杰弗里·辛顿一起发明了玻尔兹曼机，这直接导致了多层网络学习算法上的突破。在这些年的研究中，我们从未回头。最近，杰弗里·辛顿与燕乐存（Yann LeCun）和约书亚·本吉奥（Yoshua Bengio）一起获得了图灵奖（A.M. Turing Award），该奖被称为“计算机届的诺贝尔奖”，就是为了表彰他在深度学习方面的成就。”特伦斯则是提名杰弗里·辛顿的科学家。正是多年的互相勉励与支持，才造就了如今人工智能领域的这两位科学巨匠。
《深度学习：智能时代的核心驱动力量》书封
社科和人文科学家能做出什么贡献？
人工智能的研究注定是跨学科的。拿“深度学习”的研究来说，生物学、神经学和计算机科学家，都不同程度地在此领域作出了贡献。特伦斯也认为正是自己的跨学科背景，才使得自己勇于挑战权威，看到大多数人所忽略的。可这些无一例外都是理科和自然科学家，人文社科领域的科学家不免忧虑，我们能为人工智能的发展做些什么呢？
随着人工智能开始影响更多人的生活，特伦斯说，“如今人工智能的发展已经到达了转折点。在这个转折点上，人文和社会科学的人们应该积极地参与进来。只有这样，人类才能在推动这项新技术的发展上，作出正确的选择。”
正如很多人忧虑的那样，特伦斯也承认人工智能将在很多方面影响社会，但是好是坏则要靠人类抉择。特伦斯笑着回答我们，“人类不蠢啊。”作为一个科学家，特伦斯愿意相信人类有足够的智慧避免最坏的结果。
用特伦斯自己的话说，“我们需要有效地监管人工智能。自从工业时代以来，我们所拥有的技术有时被用于战争，有时被用于建设文明，还用来建设工厂。技术发展总会遇到问题，你要做的就是控制它。”而对于“控制”手段的研究，比如制定法律来控制人们滥用技术获利，都需要人文和社科领域科学家的参与。
最有影响力的人工智能应用？
无论是自动驾驶、AI医疗、智能翻译，还是震惊世界的AlphaGo，人工智能的应用正一步一步重塑着人们的生活。而在目前的这些应用中，最让特伦斯惊艳的是深度学习在自然语言处理中的许多应用，比如语言翻译和图像识别，“深度学习与语言有着密切的关系，它也和语言文字一样，能够触及到我们人性的核心。”
那么人工智能是怎么建立起语言意识的呢？特伦斯指了指我们眼前盛着绿茶的杯子，“对于语言学家而言，‘杯子’（cup）不只是一个单词，而是一个概念。这个概念代表了所有可能存在的杯子，包括不同规格的，纸做的或是玻璃做的。这些都是杯子，科学家希望机器也可以拥有这个概念。传统算法写不出识别所有杯子的程序时，但深度学习算法做到了。一个非常强大的深度学习网络，可以针对成千上万种不同的杯子进行训练，最终这个系统可以自发地识别出杯子。给一个系统输入一千个样本，当你再输入一个和之前不一样的样本，就被称为“判例案件”（Test case）。如果这个样本和你之前训练它的不同，但系统也成功识别出了它，那就意味着在某种程度上，它理解了“杯子”的概念。”
理解“杯子”的概念？终于，我们谈论到了提及人工智能，便无法绕过的“意识”问题。特伦斯几乎毫不犹豫地肯定了人工智能终将获得“意识”，也将拥有情感这件事。
在特伦斯看来，获得“情感”并非难事，“科学家已经研究出人脑的哪一部分负责情绪，只是目前它们还没被加入到这个全局的网络之中。随着人们对人工智能发展水平的要求越来越高，比如希望AI和自己互动，或者和人类拥有相同的社会水平，赋予它们情感是必不可少的一步。这只是时间问题，这一切已经在发生，且都是自发的。”
特伦斯详细阐释了这个即将获得“意识”的网络，“人类的大脑皮层有很多特殊的区域，每个区域分别有特定的功能。人工智能研究人员模仿人类的视觉系统，研发了图像识别系统，并逐渐完善它。尽管每一个独立的领域都有独立的网络，但这些不同的部分一直在协作，信息也在此间流动着，这就是“意识”的问题。当今人工智能的发展，需要的是开发出一种全局的系统，来组织协调所有这些网络。换句话说，在这些分门别类的系统之上肯定还存在一个层级。大脑中有无意识的部分吗？我们并不会意识到视觉的存在，甚至也没有关于语言的意识，但不知何故，我们就是可以看见，可以听见，可以触摸到，可以识别出彼此脸上的表情。所以这个系统绝对是存在的，且一定是一个操作系统（operating system）。”
我们能做些什么准备？
《深度学习：智能时代的核心驱动力量》里提到人工智能虽然将一部分地取代人类，但同时也创造了很多新的工作。那么一个问题应运而生，为了更好地促进这种“合作”，我们需要锻炼自己和后代哪方面的能力呢？
特伦斯用“AI医生”为我们举了例，因为本身医疗手段和对于机器的依赖性，越来越多的医生在担忧：哪个科室医生会最先被替代？病理科、放射科、超声科和检验科被一些预测者列入第一批名单。
但事实并非如此。特伦斯进一步解释道，“通过与人工智能合作，医生对疾病的诊断准确度和医疗质量可能大幅度提高。最近的一项研究中，人工智能通过检查宫颈涂片来诊断宫颈癌的准确率为92%，而医生的准确率为96%。然而，当两者一起工作时，准确率可以高达99.5%。在正常细胞和组织碎片的海洋中寻找几个癌细胞就像大海捞针，而这也是人工智能可以发挥作用的地方。在简单筛选方面，AI诊断系统的速度更快、效率更高。但是医生可以更仔细地检测出最有可能的癌细胞。医生并不会被取代，在人工智能的帮助下，繁琐的、重复的工作不再占用医生的时间，医生将有机会和病人更多的沟通。”
所以在医学院里，新一代的医学生不仅要学习基本的医学知识，还要学习如何与人工智能合作，从而更好地治病救人。特伦斯总结道，“人类应该准备好将面对的‘惊喜’，而不是等待人工智能全面发展那一天的到来。”
我们的未来会怎样？
人们的犹疑大多来自无法确定的未来。人工智能技术的发展，充满了致命的吸引力，却又难以预测。比如，《未来简史》作者赫拉利认为，那些最先掌握人工智能技术并且使用技术为自己服务的国家、组织、个人，相较于他人而言，具有压倒性的优势。很多人忧虑这次的技术革命将带来世界性的一次洗牌，带来前所未有的不平等。
对于这种“不确定性”带来的怀疑，特伦斯立马举例来反驳，“当互联网于上世纪90年代出现时，没有人能预测到它会在几十年后产生如此大的影响，深度学习也不例外。任何一项像深度学习这样的新技术发展后，预测它的最终影响都很困难，甚至是不可能的。”赫拉利的说法，在特伦斯看来适用于一切新技术，包括也饱受舆论争议的核技术和基因技术。所以，这个“困境”也不单单只在人工智能技术的眼前存在。
“目前，许多国家的研究人员都在人工智能领域取得了重大进展，从这个意义上来讲，压倒性的优势并不会存在，‘垄断’更是不可能的。由于‘垄断’会带来的国际关系不平等，自然也不存在。”
特伦斯冷静地为我们分析了中美在人工智能领域的发展，“中美的发展模式完全不同，就像在两条不同的轨道上的火车。而每一种方法都有自己的优势，我们并无法估计终点在哪里。在美国，研究是自下而上进行的。研究经费大部分来自公司，政府投入的资金很少。比如大型互联网公司，脸书（Facebook），国际商业机器公司（ IBM）和微软所进行的研究，都是由市场驱动的。也正因此，开发产品还要考虑到用人们想要的方式把产品投入市场。苹果手机开发了语音识别和人脸识别的功能，是因为人们想要这些功能。但是在中国，研究是自上而下进行，政府可以做决定，控制研究的方向和产品。这两种模式都在以不同的方式进化，虽然现在无法预测它们的发展，但很有可能是非常不同的结局。”
这份“惊喜”到底会不会变成“惊吓”？其他技术的发展到底能否给人工智能提供借鉴作用？看来只有时间知道答案了。
（记者/王芊霓 实习生/严月茹 责任编辑/程娱 校对/张艳）
