让人工智能更好造福人类
当前，人工智能和人们生产生活的关系越来越密切。习近平同志指出，“新一代人工智能正在全球范围内蓬勃兴起，为经济社会发展注入了新动能，正在深刻改变人们的生产生活方式。”对于这种改变，许多人都有切身体会。人工智能能否摘掉“冷冰冰”的标签，真正变得“亲人类”，更好造福人类呢？这是人工智能发展中值得深入研究的课题，体现人工智能“人格化”发展新趋向。
近年来，人工智能开发和推广应用取得较大突破，人工智能与医院、物流、安防、教育、交通、金融、种植等领域的结合，正推动这些行业不断进步。以医院为例，先进医疗技术与人工智能系统的创新融通，催生了医院智能服务机器人、智能配送机器人等，不仅提升了医疗服务效率，而且节省了医务系统的运营成本、管理成本、人工成本，推动医院从数字化医院向智慧医院转变。人工智能在无人机、无人驾驶等领域的运用也日渐成熟。由此可见，人工智能的运用和逐步普及，能够将人们从繁重的体力劳动中解放出来，进一步提升人们的生活品质。
展望未来，人工智能的发展和运用可能不仅仅局限于代替人类进行体力劳动甚至一部分脑力劳动，很可能会向温暖人类心灵的方向迈进。这涉及人工智能的“人格化”。人之所以为人，一个重要方面是因为人有情感、有人格，这是机器和机械系统所不具备的。人工智能迈入深层次发展阶段后，能否实现“人格化”而拥有情感？答案尚不明确，但人工智能的“人格化”发展是未来的一个重要趋势。所谓人工智能“人格化”，是指在重视人工智能完成任务和强化功能的同时，强化人工智能的“情商”与“情感”，使其能满足人们的情感需求和心理需求。未来人工智能可以通过对使用者语言、行为的长期统计和分析，为使用者遇到的情感问题提供有针对性的解决方案，从而建立起与人类的“情感”链接。这种“情感”链接能够在人们最需要关怀的时候给予其心灵慰藉，让人们感受到身边还有一个理解自己、关爱自己的“人”。人工智能技术要达到这种效果，实现“人格化”，仅仅会分析、计算还不够，还需要具有“主动性”。所谓“主动性”，就是当人工智能在感知到人们的需求时，无需任何指令就能主动去“询问”“关怀”和“交流”，并能独立处理原本应该“人为”的事件。那时，人工智能就可能从运算智能、感知智能阶段发展到认知智能阶段。
值得注意的是，如果人工智能发展到能温暖人类心灵的阶段，一些问题也将相伴而生。比如，这些“人格化”的人工智能可能影响人类的决策，甚至改变人类的决策。再如，过分依赖人工智能提供的情感慰藉，会衍生出相应的伦理问题、心理问题甚至社会问题。当然，所有事物的发展都不会十全十美、一帆风顺。被人类赋予智慧的人工智能，其发展方兴未艾，未来还有很长的路要走。当前，我们要把握好人工智能发展的机遇，回答好人工智能发展在法律、安全、就业、道德伦理和社会治理等方面提出的新课题，努力让人工智能更好造福人类。
（作者单位：广东省社会科学院）
《人民日报》（2019年07月10日09版）
(责编：赵超、夏晓伦)分享让更多人看到
科学网— 人工智能：我教我自己
还有比这更狠的学霸？人工智能：我教我自己
本报讯如果要学的东西太简单或太难，人类可能会因此无聊或沮丧，但人工智能不会。在刚结束不久的神经信息处理系统大会（NeurIPS）上，来自美国加州大学伯克利分校和谷歌公司的研究者展示了一项新方法，让人工智能自我训练。
这一新方法有望让自动驾驶汽车、家用机器人更快地学习，甚至可能帮助攻破悬而未决的数学难题。
人工智能在地图导航领域已有不少研究，其中一种实验方法是让人工智能程序沿着有实心分布块的2D网格导航。为了让程序更快地熟悉复杂环境并到达目的地，科学家会对其反复训练，从而达到强化目的，进而提高人工智能的应用程度。
新发布的研究中，加州大学伯克利分校的迈克尔·丹尼斯和谷歌科学家娜塔莎·杰奎斯考虑了两种绘制地图的方法。第一种方法是在网格中随机安排分布块，但这一方法并没有让人工智能程序有很大提升。第二种方法则让人工智能程序记住过去的尝试，并相应地提升训练难度——但这种方法的瓶颈在于有时训练模式的难度太大，程序根本无法完成。
为此，丹尼斯和杰奎斯等人创造了一个合适的环境，让人工智能自我训练。在名为PAIRED的新训练方法中，他们先将已有的人工智能程序与另一个几乎相同的程序结合，两者的优势各不相同，但互为“对手”。在这一模式中，已有的人工智能程序是主角，但因为遇到了旗鼓相当的“对手”，挑战变得非常困难，也正因此，其解决问题的能力一直处于临界状态。
经过一系列训练，作为主角的人工智能程序可以解决大约1/5的新问题。在NeurIPS的讨论会上，丹尼斯表示他们对新成果即将开展的大量工作感到兴奋。
同期，在讨论会上发布的另一项研究中，杰奎斯和同事已经在用PAIRED训练其他人工智能程序，使之学会自动填写网络表单并预订航班。与传统模式相比，采用新训练模式的成功率约为50%。
对此，人工智能促进协会主席、康奈尔大学计算机科学家巴特·塞尔曼表示，PAIRED是一种机智的人工智能训练方法。
塞尔曼等人在讨论会上介绍的研究也与人工智能的自我训练有关。他们设计的人工智能程序需要在推箱子游戏中将方块推向目标位置。如果规划不当，方块很可能陷入死胡同。
为训练人工智能，塞尔曼和同事创建了一组更简易的拼图。训练程序会根据人工智能的表现好坏，选择不同难度的“考题”，从而让训练计划达到合适水准。
不过，到目前为止，考题对人工智能而言是难还是简单并不好预测。在出给人工智能的225道考题中，有80%被破解，其中约1/3的考题完全来自新的训练方法。塞尔曼表示，这一研究发现非常有趣，未来他们希望将相关成果应用到解决数学难题上。（袁柳）
《中国科学报》(2021-01-21第1版要闻)人工智能“自己”定制新蛋白质
在过去两年中，机器学习彻底改变了蛋白质结构预测。现在，《科学》杂志上的3篇论文描述了蛋白质设计方面的革命：华盛顿大学医学院生物学家的研究表明，机器学习可比以前更准确、更快速地创建蛋白质分子。科学家们希望这一进步将带来更多新的疫苗、疗法、碳捕获工具和可持续生物材料。
论文资深作者、华盛顿大学医学院生物化学教授、2021年生命科学突破奖获得者大卫·贝克表示，蛋白质是整个生物学的基础，但迄今在每种植物、动物和微生物中发现的蛋白质，远不到所有可能蛋白质的百分之一。有了这些新的软件工具，研究人员应该能够找到解决医学、能源和技术方面长期挑战的方案。
为了超越自然界中发现的蛋白质，贝克团队成员将蛋白质设计的挑战分解为3个部分，并为每个部分使用新的软件解决方案。
首先，必须生成新的蛋白质形状。在《科学》杂志上稍早发表的论文中，该团队设计人工智能（AI）通过两种方式生成新的蛋白质形状：第一种称为“幻觉”，类似于基于简单提示就能产生输出的工具；第二种称为“修复”，类似于现代搜索栏中的自动完成功能。
其次，为加快这一过程，团队设计了一种生成氨基酸序列的新算法。15日发表的论文描述了这个名为ProteinMPNN的工具，运行时间约为1秒，比以前最好的软件快200多倍。它不但结果优于以前的工具，还不需要专家定制即可运行。
第三，该团队使用“深度思维”公司开发的“阿尔法折叠”来独立评估他们提出的氨基酸序列是否可能折叠成预期的形状。
研究人员表示，预测蛋白质结构的软件是解决方案的一部分，但它本身无法提出任何新的东西。ProteinMPNN之于蛋白质设计，就像“阿尔法折叠”之于蛋白质结构预测。
在另一篇论文中，贝克实验室的一个团队证实，新机器学习工具的组合能可靠地生成在实验室中起作用的新蛋白质。
研究发现，新制造的蛋白质更有可能按预期折叠，因此可使用这一方法创建非常复杂的蛋白质组装体。“这是蛋白质设计中机器学习的开端。”贝克说。