据说明年打扑克牌的世界冠军,可能会是计算机;

到2024年,计算机可以自己写程序;

到2026年,它可以完成我们中学生的作文写作;

2049年能够写的小说,排到《纽约时报》最佳畅销书榜上;

那接下来问题就是,我们人还有自由吗?

我们是否会完全被人工智能控制,绑架。

吴军老师先给大家一个答案——

硅谷风险投资人,在清华大学计算机系和电子工程系分别完成了本科和硕士的学习,又在美国约翰霍普金斯大学取得了计算机科学博士学位,学霸一枚!先后任职于Google和腾讯,是Google中日韩文搜索算法的主要设计者,出任过腾讯负责搜索等业务的副总裁,是一路开挂的科技大咖!此外他还是位多产的作家,代表作有《数学之美》《文明之光》《全球科技通史》《见识》等等。

吴军

Q:学数学是要真的天生智商高?

吴军:

想要当数学家,搞理论研究,确实很需要天分而且是超常的天分。而且很有意思的是,如果我们看智商五十的人,会觉得他们的行为很荒唐,而那些真正能搞出数学成就的人,可能智商一百六。他看那智商一百的人,也觉得很荒唐。但是因为世界上那种人很少,所以大家看一些数学家,反而觉得他们是怪人。

Q:没有学数学,收入至少是少一个数量级?

吴军:

数学能够带给我的,一个是思维的方式,这是所有人都能学到的。另一个,解决一些世界上其他人没有解决过的问题,需要一些数学。

如说世界上有一些人工智能和机器学习的算法,现在用的是我的算法。我曾经当过大概两三个月的数学家,每天的工作,就是推导公式。大概两个月后,我就找我的导师说,我有一个方法能把推导的速度提高几百倍。他回去想了大概一个星期,他说你是对的,你发现了一个蛮重要的定理。我那时候觉得,我虽然不是一个专业研究数学的人,但我的数学还是很合格的。

人工智能的

爆棚

第一次来到世纪大讲堂是四年前,那时候阿尔法还没有赢李世石。所以还要花时间来告诉大家,人工智能将来很了不得,所以那时候费的口舌,都是在说人工智能能干什么。今天人类对人工智能爆棚,甚至于爆棚到一些不可想象的地步。人工智能明明不能完成的事情,他们也都觉得,人工智能能完成。所以今天实际上我是来给大家泼冷水的,要告诉大家,世界上很多事,人工智能还是不能完成,还是需要人。

有人说现在说的这些人工智能不能完成的事,是否过了十年,二十年,它就能完成了。我说不,因为数学给人工智能划了一条边界,这条边界人工智能是越不过去的。就像光速、物理学上绝对零度,你越不过去一样。

所以今天来讲的,是数学和人工智能这条边界划在哪,以至于我们不要试图越过这个边界,而是在边界内,把事情做好。以及在未来的智能时代,我们人怎么能够发挥自己最大的作用。

先讲讲人工智能是怎么爆棚的。在大家对于未来的预测中,估计明年打扑克牌的世界冠军,会是计算机。实际上打扑克牌这件事,比下棋难,打麻将比打扑克牌还难,所以打扑克牌是一个中间过程,过一段可能打麻将的世界冠军,也会是计算机。

到2024年,计算机可以自己写程序,所以很多人说,我在人工智能的这个时代,是不是将来孩子要学计算机,当程序员,挣得就多。我说不是的。因为基础的程序计算机自己可以写,不需要你。

到2026年,它可以完成我们中学生的作文写作,就是高考的作文一类的文章。现在其实在英文的世界里,很多《华尔街日报》,《纽约时报》的大块头文章,中间部分,是计算机写的,只有一头一尾的结论是人给的,这也是人和计算机的一个差异。当然对于这个结论,可能你会觉得我过于乐观,待会儿我给大家两个例子来证明。

2028年计算机可以完成视频的编辑。也就是说,很遗憾九年后,电视台剪辑师的工作,可能是计算机来完成。

2049年,有一个比较大的跨域,计算机能够写小说,并且会排到《纽约时报》最佳畅销书榜上,而且能够得奖。

更关键的是,四十年后,人工智能可以自己研究数学了。就是刚才主持人问说数学的定理怎么证明,这是很难的一件事。但是四十年后,很多很难的定理、人证明不了的,计算机可以帮我们证明。

这些问题被解决后,接下来的问题就是,我们人还有自由吗,我们将来是否会完全被人工智能控制、绑架。今天我先给大家一个答案,不会,人不会被绑架。

人工智能的发展,我大概用这样一个雪山和草地的图来表示,它实际上是从技术向人文不断地转化,越往人文的方向发展,是越困难的一件事。

在技术方面,最开始计算机就是为了计算。计算机一产生,计算的事就完成了。接下来就是我们人要通过编程,能够完成一些固定化的计算。

接下来,计算机的一个很大的应用就是控制。今年是阿波罗登月五十周年,五十年前计算机还很落后。今天一个智能手机的计算能力,是当时阿波罗计算机的几千几万倍。在那个时候,想尽办法让计算机能够控制远在月球的这些飞船,是一件很了不得的事。

再往后是没有解决的、但是一定会解决的问题,比如打麻将。这些问题也可以说是已经解决的了。没有解决的问题,或者正在解决的问题是什么?

一个是科学研究。大概几周前,我去了一趟英国,在那拜访了英国皇家学院的前院长,他是霍金的同事,研究宇宙学的。我们聊到航天这个事。说到为什么阿波罗登月五十年后,我们不再把人送到月球和火星上。或许是在经济上不太合算,但是更重要的原因可能是,今天的计算机,机器人,能够帮助我们来完成这些工作,人工智能正在帮助我们做这类的科学研究。

基因编辑。我们人想变得更聪明,希望智商从一百升到一百三,怎么办?一个办法,基因编辑,当然你得编辑的好,编错了,人就得癌症了,所以这是一个问题。

商业谈判,能不能计算机完成,这些都是未知的。所以这是慢慢地,往人文在转化。写小说,刚才我讲了,几十年后得奖的小说,最佳畅销书,可能是计算机写的。发明创造,如果以前没有摄像机的话,作为一个新的技术发明,计算机能不能做到这一点。

当然最难的是两个。一个是政治。没有人,如果光用计算机来管理国家行不行,不靠人,光靠计算机来管理行不行。一个是艺术,这是最难的,我认为艺术可能是最高的高峰。

人工智能的局限

刚才我留了一个疑问给大家,计算机文学创作水平,到底能多高?给大家看一首李白风格的诗,空愁走百川,微露贵乡还,故园人不见,远望忆长安。

计算机把李白的五言诗都挑出来,然后把这五个字,二三二三这么一切,切完了之后,把诗的平仄和韵律统计出来,加一些随机数,就产生了这首诗,背后其实是一个数学模型。

计算机做了这些事,和我们人相比来讲,有什么缺陷,这些缺陷可能是我们人的特长。

第一个,刚才那首诗,词句都很漂亮。但是严格来看,它的思想还是有些匮乏的。

第二个,计算机它擅长于从客观事实中总结出一些规律,甚至能够预测未来的一个走向,但是其实是没有独立见解的。今天我们用人工智能大数据,来预测你在购物网站上,可能会买什么东西;外卖软件来预测这个小区的人,可能爱订什么样的外卖,然后它来指导这些做外卖的人做什么饭。但计算机不能通过这件事,来总结出一个独立的见解,这需要人来完成。

计算机能把事物划分得很清楚,也能够明确地给出这个事物的内涵和外延,但是很难创造一个概念。刚才提到一个词叫开挂,这也是最近有的概念。你让计算机描绘一个自己做什么事都能做好、如有神助得人,它能描述清楚,但计算机不能创造“开挂”这个概念。

比如说我写了一本书,叫做《全球科技通史》。写历史书的人,一般是有三个目的或者三个层次。

第一个是记录史实,把这个史实告诉大家。这件事计算机能做,做得一点不比人差。我们今天看所有的摄像头录的视频,实际上就是一个记录,记录得一定比人完整。

第二个就是总结规律,这个计算机可能能够总结出来一些,比如说过天安门,在某个时间段,从东往西走的人多,反过来人少。但是,总结得未必有人好。

第三个就是价值体现。以司马光为例,《资治通鉴》就是教皇帝怎么当好皇帝,所以他的史书从选材,到最后表现,其中的春秋大义是非常清晰的,这件事是计算机干不了的,计算机没有价值判断,没有一个道德观。

因为计算机背后有数学,所以他能够做写诗之类的这么多事情。今天我们人工智能这个大厦的建立,有三个支柱,摩尔定律,大数据和数学模型。这里头除了摩尔定律,取决于半导体芯片的性能,大数据和数学模型,都涉及到数学。也就是说计算机今天之所以能这么发达,除了半导体技术进步这么快以外,其实就是人们不断地把日常生活中的问题,转变成数学问题。

原来认为,写诗不是个数学问题。但是实际上通过建立一个数学模型,就能够写出李白的诗。但是接下来的问题就是说,世界上是否所有的事情,都是数学问题。是不是存在一些永远不能转换成数学问题的问题。

其实最早来思考这个问题的人不是我,是计算机的老祖宗阿兰·图灵。他定义了什么是可计算,什么是不可计算。图灵并不去研究一个个具体问题能不能转换成数学问题,他就是划条线,说这条线以内的问题,可能是可以计算的,我将来可以发明一种计算机来计算,线以外的问题,你们就不要去操心了。

当然了,每一个巨人都是站在前人的肩膀之上的。这个前人叫希尔伯特。希尔伯特对图灵的启示就是他对数学问题的本源的一个认识,就是说数学到底它能解决多少问题,哪些问题数学解决不了。

举一个非数学问题的例子。无人驾驶汽车本身,你可以认为是数学问题,但是在现实生活中,会有非数学问题。假设我就是个无赖,我往马路上一站,我只要判断出前面是一个无人驾驶汽车,我就不挪开了,这个无人驾驶汽车拿我就没办法了。因为根据阿西莫夫的机器人第一定律,机器人不能伤害人的。

当然有人说可以打电话叫警察,这就不是数学问题的解决方案了,而是我们人解决问题的一个方案。所以世界上有很多问题并不是数学问题。

世界上所有的问题,我画了一个大圈,数学问题,其实只是其中很小一部分,画一个小圈。世界上不是数学问题的问题,其实要比数学问题多很多。这是第一个边界。

接下来第二个边界要问,如果这个问题是数学问题,写诗的问题是数学问题,计算机炒股的问题是数学问题,是否世界上的数学问题,都有答案?

1900年,希尔伯特提出了23个非常著名的问题,其中第十个问题,就涉及到计算性的问题,就是一个数学问题,它到底能不能被计算出来。

这第十个问题是这么写的,如果大家还记得一点中学数学,我们知道有不定方程,比如说有一些方程组,一个方程只有一个未知数,你就知道一定有答案,比如说X+2等于3,你就知道X等于1。但是一个方程要有好多未知数的话,它就有可能有很多答案,也有可能没答案。

比如说我给三个不定方程,X2+ Y2= Z2,我说有没有整数解,有人可能想起来,勾股定理3 4 5就是整数解。接下来再问你X3+Y3=Z3,有没有整数解。这事就比较费神了。

这个问题,实际上就是费尔马大定理,或者叫费尔马猜想。三百多年前费尔马提出来,结果三百多年后才被英国旅美的著名的数学家,怀尔斯解决出来了,这个定理的证明两百页厚,就是证明没有整数解。

那我再随便给一个问题,3X3+Y3=2Y3=Z3,有没有整数解。答案是不知道,没人知道它有没有整数解。如果我们随便解个方程,好多方程可能都没有整数解,那就说明很多数学问题,其实是无解。不但无解,我们也没有方法来判断它有没有解。也就是说数学其实能力非常非常有限,我们世界上有好多事情,完全不可能通过数学来解决。数学工具的能力,其实远比我们想象的要弱得多。

整个数学问题是一个黄圈子,知道它有解还是无解的问题,是中间那个绿圈子,有解的问题,又是其中一个小圈子。所以一层层地套,世界上所有的问题,到最后有解的问题,是这样一个结果。

有解的问题中,有些问题,至少到目前为止,还需要人脑来推理,不是计算机来计算。那什么问题能够用计算机计算?上世纪三十年代的时候,阿兰·图灵就提出了一套叫图灵机的机械模型。

这套模型能判定一个数学问题能否通过一步步计算被解决,而很多问题目前是无法通过一步步计算来解决的,比如刚才讲的华尔斯证明费尔马大定理。也就是说,有解的数学问题中能够通过计算解决的,其实又是所有数学问题中,非常小的一部分。

那么可计算这件事,并不等于我们今天的计算机,就能计算了。比如有的人买了比特币,从理论上来讲,计算机能不能破解它的密码?能,但是人们为什么还敢买比特币。是因为破解他密码这件事,在工程上是完全不可行的,可能需要花五亿年的时间。

也就是说,理论上可计算的问题,和工程上可以计算的问题,还是两回事,所以今天我们能够解决的实际问题,是工程上可以计算的问题。而人工智能的问题又是什么,是工程上可计算问题中的很小的一部分。

所以就像俄罗斯套娃似的,我把这个套娃一圈一圈地套,最外面是所有的问题,然后套一圈数学的问题,套一圈可以判定有解还是没解的问题,再套一圈有答案的问题,有答案问题中,我再套一圈可以计算的问题,这还是理论上可以计算的问题。再是工程上可实现的问题,里头再有一个小的,是人工智能可以解决的问题。

人工智能可以解决的问题和我们今天实际上大家要面临的问题,差着十万八千里呢,所以这说明我们人还是有用的。当你站在一个无人驾驶汽车的前面,它已经没有办法的时候人来了,打一个电话叫警察,把这事处理了,很简单的一个方法。虽然人工智能能解决很多问题,但很多本来人能够很方便就解决的问题,不需要把简单问题搞复杂,一定要用人工智能去解决它。

EDA191A05FBED5DA9FA24971A3B_size30_w920_h508.jpeg" width="920" />

我们人为什么会高估人工智能的水平呢?这和我们人类认知的过程是相关的。我们小学学到的东西,我把它画成中间一个蓝色的圆,小学生认知有一个边界。

然后我在这个外面画一个大一点的圆,你的知识又增长了,这代表你中学时候的认知边界。你到大学时候又包了一圈,这时候你会发现我这个圆是有一个方向性的,因为你在大学选了专业。所以选专业有好处有坏处,好处就是让你能够在一些方面比较精深,坏处是让我们人的视野比较窄。

接下来你就成为专家了,你读了博士,要对人类的知识有所贡献。你就在人类认识知识体系上,往前突破了一点,鼓出来一个鼓包。拿我自己来说,我发明了一种机器学习的算法,今天这个算法有很多人在用,这就是那个小鼓包。

绝大部分博士眼里的世界是我画这个样子,是往某一个方向发展的,一个很窄的,就像一个披萨饼似的:蓝色的,小学认知;白色的,中学认知;绿色的,他到大学的认知;空白的那一部分,他认为是人类还没有解决的问题。人类常常这样,他认为没有解决的问题,只不过有这么一点点。而红色的小鼓包,是他个人,或者是哪个专家,或者是某一个领域的人,对人类的贡献。这就会产生世界上的大部分都被我解决了的错觉。人类对人工智能的认识也是一样,认为世界上的问题,一共只是像原来空白的问题那么多,那么这个红色的鼓球,人工智能,把我们世界上大部分的问题,都解决了。

但是真实的世界是这样的,你不过是在一个很小的方向,突破了一点点而已,而我们的未知的世界还是巨大的。这么大的空白的世界的空间都是留给我们人类的。所以我讲了数学和人工智能的边界,实际上是拓宽了你可以认知的这么一个范围。

所以最后我用图灵的一句话,来结束今天的讲演。图灵讲我们能看到的未来,其实并不遥远。但是我们却要有很多事情要做,我们没有完成的事情实在太多了。因此,我想说的是,我们立足于今天,人最重要的是具有思想,来解决世界上各种还没有解决的问题。这是我觉得我们对世界应该有的态度,也是我们对数学的一个态度和对人工智能的一个态度。