在 2017 年世界机器人大会上，几位机器人和人工智能领域的知名专家参加了大会的高峰对话环节。在德国慕尼黑工业大学教授 Alois C.Knoll 的主持下，法国科学院院士 Abderrahmane Kheddar，瑞士 Living with Robots 公司顾问专家 Rolf Pfeifer，北京理工大学教授黄强，清华大学计算机科学与技术系教授孙富春，上海发那科机器人有限公司总经理钱晖，中瑞福宁机器人（沈阳）有限公司总经理张丹华，一起进行了一场关于机器人和人工智能发展的精彩探讨。以下是小编根据现场分享文字实录编辑整理，供大家参考。
Alois C.Knoll：非常高兴能够主持这场对话，首先请各位简单地介绍一下自己。
Abderrahmane Kheddar：我是一个研究人员，也在日本和法国做过相应的研究，因为基本上跨越了两个大洲。我已经做了四十年的机器人和人工智能的研究，曾经做过一个叫做 Roboy 小孩样子的机器人，可以做很多人能做的事情，甚至有些人已经觉得机器人比以往智能很多了，咖啡厅和餐厅当中甚至已经在用一些机器人服务了。
黄强：我们长期从事仿人机器人的研究，但是中心包括机器人本体，另外还做一些大脑或者神经网络、神经接口方面的研究。
孙富春：我来自清华大学智能技术与系统国家重点实验室，主要做机器人的主动感知，特别是视觉、触觉和听觉的编码、融合以及机器人精细操作的应用。我们实验室是在 1987 年成立的，也是国家的第一批重点实验室，主要从事人工智能的基本理论，包括自然语言理解、网上信息搜索、生物信息和机器人相关的工作。
钱晖：现在 AI 方面仍然还有很大的潜力可以挖掘，中国也有很多的客户，其实对 AI 来说最重要的就是要有数据。
Rolf Pfeifer：我们的公司最近市值增加了好几倍，希望今后也能继续。
张丹华：我们公司主要是在养老、医疗、助残和教育四个方面引进世界各地的技术造福于中国的民生，非常期待今天的讨论。中瑞福宁希望的是 Technology for Better Life，希望能够看到更加先进的技术，这样能够让更多的人受益受惠。
从人类智能到人工智能
Alois C.Knoll：目前在机器人智能方面有一个非常重要的话题，就是机器人意识的问题，我们做一个机器人，理解什么是意识，可能不是那么简单。十年以后如果你还不到三十岁的话，你可能会碰到一个有意识的机器人，所以我们可以等着瞧。各位认为哪些元素是人类智能当中的元素？意识只是其中的一种，之前我们也提出怎么让机器像人一样表现，人类智能当中的哪些元素你们觉得是重要的？
孙富春：首先是人和外界交互的能力，这里主要体现出了感知和理解的作用，比如看到一张图像要去理解，包括我们识别一个人的面部。其次是推理和规划的能力，这也是非常重要的，还有遇到过的一些突发事情的处理能力，还有一个重要的因素应该是学习和适应能力。这些智能元素是可以测试的，我们经常说深度学习往往已经超过了人，现在深度学习可以做到 97.4 % 的识别率，机器可以做得比人更好，包括识别一些图谱要看机器快还是人快，这种方法可以比较这种能力。
很重要的问题是为什么要用一生的能力去学习，主要的原因是智能包含很重要的方面，首先是自主自动的学习，然后是经验的积累，还有应用知识的能力，有的人考试考了一百分，但是做事情却非常差，有的人知识没有学多少，但是用得很好，做了很大的成绩，这种经验的积累包括刚才讲的应用知识的能力是一辈子要做的。
最近我碰到了一个非常有趣的事情，就是在中国古代诸子百家里面谈到了人工智能，把它看作哲学层面的一个很高的问题。比如荀子讲过人天生就有一种认知的能力，看到事情就要去思考，这种能力在和物结合的时候，我们经常翻译成社会实践当中就产生了智慧。人有一种求变的能力，人坐着椅子觉得不舒服就会改变姿势，这个过程实际上就是这样。所以用人的认知能力去改变和创新世界的能力叫做智能，这是古人讲的。这里强调一点是人和物的天地合一产生智慧。
Alois C.Knoll：所以机器已经可以实施一些人工智能了，六十年代就有了计算机，所以使得计算的能力增强了，但是人们也不会说计算机是人工智能。
Abderrahmane Kheddar：在我还是学生的时候比较关注的是人们是怎么获得思想的，我也总是在问我的导师这个问题，这种人生态度是怎么出现的？其实我不喜欢人工智能这个词，我觉得人类的智能很难定义，因为太复杂了，我们很难找到一种很好定义的方式，以前如果我们能够找到机器或者编程，它能够产生新的思想，我就相信它会产生智能了。
Rolf Pfeifer：人类有好奇心去发现新的东西，也有一些随机的思想。我们有一种能力就是找到了之前从来不曾知道的东西，其实是在一个环境当中，结论不是坐在那里等这个思想出来，必须要创造一个环境，这个环境当中会有一些未意料到的事情发生的可能性变大。
Alois C.Knoll：除了人工智能之外，也可以谈一谈人的一生当中是怎么实现智能发展的，或者从石器时代到现在是怎么发展的。
钱晖：我认为有三种人类智能：一种是认知的，和你的教育相关，也就是获得更多的教育就可以增加这方面的智能。另一种是实验智能，那就不是通过教育的，而是你的经验，做的越多这个方面的智能就越多。最后是环境智能和背景智能，或者是叫做情感智能，也就是人们如何调整他们的行为来适应环境。但是我觉得在目前的研究当中人工智能主要还是基于实验技能，包括深度学习和 AI 技术，现在对另外两种智能的了解还并不算多。
Alois C.Knoll：所以我们需要从数学的角度来了解。
张丹华：语言、逻辑、身体、互动、自我感知和自然的联系，这些是人类智能的核心，目前人工智能这是关注其中的几个，所以将人工智能和人类智能比较一下，然后就可以发现它的差别。
Rolf Pfeifer：我们经常会问人类智能和动物智能有什么差别，有些人会说语言，其它物种当中其实也是有语言存在的。最开始的视频当中说人和其它的物种有差别是因为意识，但是一些高等的哺乳动物也有意识，这里有一个特点是动物没有的，就是合作。当然，动物之间比如蚂蚁可能是有这种合作，但是相对比较简单，狮子追羚羊的时候可以合作，他们会围起来朝着一个方向来追这个羚羊，差别在于它们都是小范围比较简单的合作，哺乳动物必须了解其它哺乳动物才能合作，但是人类智能和动物智能的差别就是我们可以大量地和其他人进行合作，中国人和美国人合作也是没有问题的。公司和公司要进行合作，如果没有这些的话手机通讯也就不可能成为现实，这是将人类智能和其它智能分别出来的。
Alois C.Knoll：这也涉及到了一个问题，就是我们对人类智能是否已经了解得足够多了，首先要有足够的了解才能去使用。刚才 Rolf 说这并不是一种动物的智能，因为人类智能的内容是非常丰富的，这个问题可能也并不一定是对的，但是我们要探讨的是作为人类的智能。因为这里所谓的智能是和 IQ 相关，但是 IQ 这个东西并不能够描述人们的全部，所以我们还是问一问在座的每一个人。我们是否已经完全了解人类的智能？是否可以复制一定的人工智能到其它领域？现在我们对人类智能的理解程度是否比六十年代要好很多？
Abderrahmane Kheddar：人类智能发展背后的驱动力是什么？肯定不是对食物的渴求，动物合作主要是因为食物，在我看来，人类智能背后的发展驱动力是人们渴求理解的需求，所以大家为了达到这个目标会进行合作，也会使用一些工具。这个不一定是精神上的需求，但是人们非常渴望相互之间的理解。
Rolf Pfeifer：我们不可能对所有的东西都进行复制，但至少可以复制其中的一部分。我们可以在机器人算法当中做一些事情，至少我们可以打造出来一些机器可以模拟人们的做法，但这还是一个抽象程度的问题。
孙富春：我们觉得人工智能的研究从早期的逻辑驱动到数据驱动，包括深度学习。现在大家发现炒得非常火的深度学习有很大的困难：一个是占用很大的资源，超算作为计算来说有很高的成本，功能非常单一，Alpha-Go 用了 128 块 GPU，大概要上几个亿了，真正的生物质能是尺度很小，计算能力很强。中国最近刚刚发布的量子计算机 50 微粒计算速度超过太湖之光，太湖之光是整个一层大楼，耗电量差不多是一个小镇的耗电量，这个速度用量子计算机就可以做到。我们觉得人工智能接下来应该是神经机制驱动，就是进一步深刻地了解大脑信息处理方面究竟是怎么做的。因为每个人的方法不一样，比如滤波函数的选取不一样，导致实现的功能也不一样。比如像素、线条、边缘、器官的自动识别，不同的人都会不同，这种机理的发现很重要。最近有一个学习方法做得比较好，叫做超限学习，利用了生物学的一个很重要的发现。过去我们做前向神经网络的时候发现隐层的参数也都在学习，2013 年在猕猴的实验发现，生物神经元的内部参数，这个生物一旦生下来就固定了，不需要学习。
钱晖：我有一个问题，你知道我现在在想什么吗？
Alois C.Knoll：其实我可以有一个计算模型，计算一下你在想什么。
钱晖：但我不认为你知道我在想什么，有的时候我都不知道我在想什么。人类的大脑是最为复杂的器官，机器和大脑相比就太简单了。谈到视觉，我们可以教机器如何看东西，甚至是学习一些语言，但是谈到思考的话我觉得谁也不知道大脑是如何思考的。我们可能是对我们的大脑有一些了解，比如哪个大脑的部分负责语言，哪个大脑的部分负责视觉，但是对思考的部分真的了解不多。
Alois C.Knoll：我们可以把某些技术应用到产业当中，满足工业客户或者一些工厂的需求，提升他们机器的运营效率。
张丹华：我觉得现在人类还不了解人类智能，记得刚才一位讲者提到的舞蹈机器人，和人也做了一些对比，从根本上来说，跳舞机器人和人是不一样的。比如我们是由碳水化合物组成，但是其它的还有需要的氧气，机器人还是基于硅。所以从根本上来说，人和机器人是完全不一样的。现在我们正在探讨用碳水化合物组成的智能加上氧气的组合如何在另外一种肌体上来使用，我们对自己了解的还是不够，所以现在过多地关注于算法、硅和机器人这些东西，这样思考的话物体无法达到人类智能的水平。
机器人的“成长”方式
Alois C.Knoll：机体在智能当中有什么作用？包括刚才提到的硅和碳水化合物，这二者有什么差别？机体到底应该如何成长？
Rolf Pheifer：很多人都是用计算机模型来想这个事情，比如大脑首先进行处理，然后进行输出。而对人类智能来说，其实用这样的方式描述是不太对的，连机制都不对。人类和计算机相比，其实人类的大脑一直都在运转。当我走路的时候周围的环境通过视觉来感知，那是因为我在走就在和这个世界发生一些联系，正是因为我有视觉才看到了周围的世界。比如我拿起了一杯水，其实不仅仅是握着这个水瓶，而是通过实体的行动刺激了我的视觉，移动这个瓶子的话就是对这个瓶子进行了刺激，甚至还能够感觉到这个瓶子的温度、硬度，所以通过这种互动，也和这些物体之间产生了刺激。非常重要的一点是，发展心理学家和我们提到过，形成概念的时候实际上是一个跨模型之间的联系，也就是说通过压力、视觉等等发展出新的概念。不同传感的途径能够接触到不同的东西，比如当我看瓶子的时候，其实我已经对这个瓶子有了一些预期，比如摸起来是什么样子，但是接触之后就产生了相应的刺激。我们的预期其实是由不同的传感机制决定的，所以我们的肌体上有各种不同的传感器。
Abderrahmane Kheddar：我们可以把这个智能加强、重叠和叠加，可以超越个人的智能。
张丹华：我们确实有一些思考是关于身体在人类智能当中扮演的角色，因为我的公司其实也是在实施这样一种技术，把这个技术应用到我们的类人机器人身上，也就是要思考人类的身体在智能当中的作用。我们是把所有的一切都整合起来，但是现在我们对身体内部的信息收集和信息传输关注不够，所以使得我们很难进行这种类人机器人的探索和解决方案的寻找，我们决定更多地关注于身体。因为身体确实是人工智能的一部分，只有在身体才能收集信息，通过身体才能实施人工智能，把它提供给我们的企业或者消费者。
Alois C.Knoll：这个身体可能是别的形状，不一定是人的形状。
张丹华：我们决定用分布式的系统，比如用在老年人的养老院，这样的话就降低了开发的成本，同时也可以提供同样的服务体验。而从企业的角度来说，人工智能更多关注的是有效性，就是消费者使用时候的有效性，不是这个技术。所以从一个企业来说，我们关注的更多的是老年人或者残疾人是不是真正有效地接受到了人工智能，而不仅仅是技术本身。
孙富春：智能发展的过程当中人是有一种裂抗性的，三百年前人的大脑数量是 400 克，现在是 1400 克，人就是不断抵抗外界环境的过程当中在发展自己。其实身体发展过程当中发展最快的就是人的大脑，正是因为人的大脑和很多动物的区分，也就是人在外界的刺激下面。人类的大脑未来可能还会发生更大的变化，适应这种外在的抗争，也是人数固有的东西。
Rolf Pheifer：我们开发的原则是一样的，机器人和环境进行互动的时候需要一些感应的刺激，也需要各种类型的感应器，要在和环境的互动当中产生一些概念。但是我们要知道一点，这个机器人产生的概念可能跟我们的概念是不一样的，因此和它们进行沟通是很难的。
Alois C.Knoll：所以我们可能看到一些互动式的机器生物，比如机器狗或者三条腿的生物，它们可以跟你们说话，你们也可以看到未来。我们要复制人工智能的话怎么才能把它应用到机器人当中？计算机认知一只猫都要三度电的话就不是我们需要的，行业生产者肯定需要节约成本。现在你们有没有看到未来的产品？还是现在讨论这个问题为时过早？
张丹华：刚才说过，AI 和人类智能本质上是不一样的，我们当然希望有些新的技术帮助我们实施，能够让我们生活得更好，这也是我们公司的使命，但是目前我们还没有看到。比如刚才提到的那样，我们的皮肤也是可以帮助我们增强人类智能的，但是目前对类人的机器人来说，外表几乎是没有什么感应器的，它们是硬的不是软的，也不能和大脑连接，所以远没有达到欧洲的智能。我们会增强机器和环境之间的互动，人工智能也会更接近于人的智能，这就是更多地在石匠的生活当当中用起来，比如要有更多的方案来帮助人，目前我还没有看到这么希望性的产品。
Alois C.Kinoll：所以你是持拒绝态度的。
Abderrahmane Kheddar：和人类的大脑相比，人工智能还有很长的路要走，但是现在我们已经有些巨大的进展了，比如视频、音频和自然语言等等，人类已经取得了巨大的进展。
钱晖：我认为不要总是想着通用性的人工智能，而是更多地想一想特殊用途的人工智能。现在视觉能力已经发展得很发达了，比如翻译软件和语音识别方面已经很好了。我比较担忧的是有些工作会丧失，甚至是老师的工作都会没有。
人工智能能否超越人类智能？
Alois C.Knoll：再有一种方式就是把超级计算机和机器人结合起来，会不会超过一个个人的智能？答案可能是持怀疑态度的，美国人往往都是更加乐观的，但是这里我听到了一些质疑，总体的趋势应该是现在还不行，或者在我们有生之年还看不到。
孙富春：这里讨论的是人工智能和人的智能的不同，刚才大家谈了很多，人工智能和人类智能最大的区别是，人工智能主要是计算智能，没有人的灵感或者创造性的工作。我认为人工智能没有人的灵感，所有的都是计算的模型，所以从这一点来说，人的智能一定是超过人工智能的。所有的人类加在一起一定是比人工智能厉害，但如果是人工智能加上机器人的话就能够超过人类。如果人是在一起的，人是超过人工智能的。
嘉宾：六十年代出现了对人工智能的一些想法，最后也难以为继，现在又热起来了，我们如何避免它再次成为一个空谈？
Alois C.Knoll：在座的有些人是足够老的，经历了人工智能的冬天。我认为重要的是不要承诺太多，否则最后可能让人感到失望，而是要从历史当中汲取教训。美国的宣传有点往这个方向走了，但至少中国还是比较谨慎的。
Rolf Pfeifer：媒体也是有责任的，因为他们非常善于夸张。神经网络是非常强大的计算算法，但是要记住它只是算法。之前也提到了它要消耗很大的资源，其中一个消耗的资源就是必须收集大量的数据。我和大数据神经网络的人谈过，他们 80 % 的时间都是收集数据和对数据进行结构化，然后才能供给算法。因此这些算法是没有办法自主的，没有办法把人脸变成他们的现实。他们有很强大的人员和算法，但是需要大量的材料、资源和数据结构化。
Alois C.Knoll：大脑是一个无限的网络，包括基因、细胞和 DNA，它们互相之间进行非常复杂的互动，所以我们在人工智能开发的时候不得不注意。因为目前还没有科学的证据表明这里的人任何互动得到可以忽视的，前超级计算机至少应该是比目前的计算机还要高几百万倍的处理能力，但我们是不是有可能出现超越人类的智能AI？因为对人类来说包括社会文化和历史等等，这些东西都是深入在我们的身体当中和细胞当中，因此在硅基的计算机当中是没有的，现在我们所做的是浅层的人工智能，完整的人类深度情感以及在环境当中的反应能力是计算机没有的。未来可以有低版本的人类大脑，这个世纪末的时候可能也只是很低版本的人工智能，乐观的观点是将会有人类大脑低像素的拷贝模式。
（来源：科研圈）
