一談起人工智能，接受《第一財經日報》獨家專訪的美國麻省理工大學神經科學教授Robert Desimone向記者舉了這樣一個例子。
在他看來， 人工智能的最大用途就是讓機器變得有用，而不是變成另一個人。
“在現實生活中，我真的沒有見過很多人以電腦模仿人腦為終極目標的，更多人是想利用人工智能來幫助人類完成某種任務。比如智能汽車、智能相機和智能冰箱等等，很多設備搭載了智能的功能后確實能夠實現更好的價值，但是我們不會期待它們真的變成人類。”
而在這背后，Robert Desimone認為，人工智能猶如“嬰兒的大腦”。“嬰兒可以被視作一個‘學習機器’，來學習這個世界的周遭，學習怎么去做，學習策略等等，這和AlphaGo的模式差不多。”
無人駕駛成趨勢
事實上，人工智能在過去很長一段時間的發展都沒有牽涉到“深度學習”或者“強化學習”。例如，當你買一個電視機，智能電視機，其實它所有的程序都是被“預設”好的，它不會自己去學習。
但是未來人工智能的應用，將不僅限于我們現在的智能電視、智能冰箱的含義了，而是要教會它們怎么自己去學習。這就牽涉到要給它們喂學習資料，創造學習氛圍等等。Desimone教授說：“你需要設置程序，告訴計算機怎樣去獲取這些信息，怎樣利用這些信息去發展新的技能。這是未來的方向。”
人工智能所獲取的數據越多，學習效果越明顯，這是毫無疑問的。Desimone告訴記者：“不同的任務需要的數據數量也都不一樣。以我現在所做的視覺識別來看(視覺識別是要教會電腦去識別物體)，你需要具有清晰標識的物體。比如說你要讓機器去識別一只貓，那么就需要很多具有貓的特征的信息給到它，越多越好。
例如，對于不久前戰勝韓國棋手李世石的AlphaGo，Desimone教授認為，由于圍棋是非常復雜和高難度的棋類游戲，不可能只通過學習如何移動來取勝，所以要在記憶里存儲所有的圍棋的下法幾乎是不可能的，也不是看看棋盤就會的。
AlphaGo的“過人”之處，就是它會學習戰略，學習怎樣下圍棋，而不是把所有的下法都提前“預設”到電腦里。Desimone把人工智能比作嬰兒的大腦：“這其實和人腦的學習過程是非常相似的。因為你知道嬰兒可以被視作一個‘學習機器’，嬰兒要學習這個世界的周遭，學習怎么去做，學習策略等等，這和AlphaGo的模式差不多，嬰兒也不能被‘預設’。”
而在圍棋之外，Desimone認為無人駕駛車是一個很好的例子，因為無人駕駛車實現的唯一方式，就是你要為給它很多能教會它如何去辨別行人、交通信號和路況信息的資料。這些都是基于軟件平臺的學習系統。現在無人駕駛車的發展技術理論上已經都能實現了，但是問題是如何在實戰的環境下，讓汽車有意識地分辨物體。”
據Desimone教授介紹，他最近在和某汽車公司高管交流時，就談到了如何培養汽車的判斷能力。比如當很多汽車都在交叉路口時，你就要像人類一樣具有判斷其它車可能做出何種反應的能力。你不能說只是等在那里，等到所有的車都走了你再走。也就是說無人駕駛車如果不能在模棱兩可的情況下做出判斷，那么這樣的技術是達不到上路的要求的。
“它必須通過不斷學習人在操作汽車過程中的反應來提升自己的反應能力。當然無人駕駛車只是一個例子，還有很多其它有用的設備通過學習之后，也能極大提升對人類的作用。”Desimone說。
人腦、電腦打通
盡管人工智能目前還完全沒有達到人腦的智能程度，但是這并不意味著它們未來也達不到人腦的智能程度。
“就好像嬰兒的大腦無法和成人大腦的智能程度相比，但是你可以通過訓練它，讓它發展到一個更高的水平，這是完全有可能的。”Desimone教授說。
在他看來，“目前人工智能無法達到人類水平和可能是因為它還沒有進入到某些領域，沒有經歷過某種階段，沒有碰觸過某些問題。AlphaGo就是一個很好的例子，它邁出了未來人工智能漫漫征程中的第一步。”
如果人工智能系統以人腦解決問題的方法來處理信息，是否會讓它們變得更加聰明?
在Desimone教授看來，電腦也沒有必要完全以人的方式來處理問題，比如無人駕駛車，并沒有規定說無人駕駛系統就要100%完全模仿人類的駕駛行為，它也可以擁有自己的辨別方式。
“但是不可否認的是，通過我們的實驗證明，讓無人駕駛系統以人的思維模式來駕駛汽車是最為有效的。”Desimone教授這樣表示，“這也可以理解為，以人類的邏輯思維和哲學方式來引導人工智能思維方式的發展，目前來講是一種比較好的提升人工智能的手段。”
