真正的人工智能，不应该只有统计学
所谓的统计学的范畴其实就是基于庞大的数据库，基于强大的算力，找出人们行为和习惯的确定性部分，再通过机械化的呈现来代替原本需要人做的事情——因为只有人工智能真正“智能”，而非“机械”，它才能真正成为第四次工业革命的“颜值担当”，最终为下一个时代增色。
题图来自Unsplash，基于CC0协议
全文共3033字，阅读需要6分钟
——————BEGIN——————
有关人工智能的话题吵吵嚷嚷了很长一段时间。
虽然在资本的加持、巨头的拥趸之下，人工智能俨然已经成为后互联网时代的全新热门领域。
但是，在一片热闹之后，人们似乎并未特别明显地感受到所谓的人工智能给人们的生活带来的些许改变。
有关无人驾驶的实验还在持续，对于刷脸支付的讨论依然热烈，我们所了解的人工智能或许仅仅只有我们看到的这些这么简单，这显然与我们对于人工智能的期望有很大差距，因为按照我们对人工智能的界定，它是要成为人类第四次工业革命的“颜值担当”的。
不幸的是，人工智能并未朝着我们期望的方向发展，而是更多地走向了统计学的范畴。
所谓的统计学的范畴其实就是基于庞大的数据库，基于强大的算力，找出人们行为和习惯的确定性部分，再通过机械化的呈现来代替原本需要人做的事情。
如果仅仅只是将人工智能停留在这样一个范畴，显然有些低估了人工智能的内涵和意义，而对于这种方向的不断坚持可能会让我们失去人工智能发展的最佳时机。
很显然，人工智能绝不仅仅只是统计学的范畴，除了对人类的行为和习惯进行简单的模仿之外，它还应该具有更加丰富的概念和内涵。
因为只有人工智能真正“智能”，而非“机械”，它才能真正成为第四次工业革命的“颜值担当”，最终为下一个时代增色。
一、什么样的人工智能才是真正意义上的智能？
于是，人们不禁要问：究竟什么样的人工智能，才是真正意义上的智能？
在我看来，所谓的人工智能若想成为真正意义上的智能，必然需要具备如下几个方面的特征：
首先，人工智能必须是智能的
现在人们对于人工智能的理解多半还停留在“无人”上，他们认为所谓的“无人”就是智能。
其实不是。真正意义上的人工智能必须是智能的。所谓的智能就是可以根据真实情况做出更加合适、更加有效的反应，而不仅仅只是机械地做重复、简单的动作。
所以，人工智能想要真正称得上是真正的智能，必然需要告别简单、重复的机械性工作，真正根据具体的情况做出应激的反应，而非教条式的反应。
因此，所谓的人工智能必须是应激、应变的，而不是预先被设定好的，简单、机械、重复式的动作。
其次，人工智能必须是超前的
这里所说的“超前”，其实就是可以尽可能多地提前预知到那些传统时代无法预知和判断的东西，从而可以减少错误的操作和失败，最终减少成本支出，提升行业的运行效率。
如果仅仅只是根据已经发生的去做应对方案，很显然并不是人工智能。
二、如何做到超前呢？
其实，这就需要基于强大的大数据库和超快速的算力来实现。
基于互联网时代对于人们行为和消费数据的积累，我们可以通过统计范畴的计算来判断未来将会发生的事情，从而提前做出预案，减少盲目判断造成的损失。
这仅仅只是初级阶段，随着人们数据量的不断积累，算力的不断提升，深度学习的不断加强，即使不经过统计，我们依然可以判断出未来事物的走向，这才能算得上是真正意义上的“超前”，而这才是真正意义上的“智能”。
再次，人工智能必须能自我学习和进化
可能听上去有些危言耸听，但是，如果人工智能无法跳出机械学习和人工改造的范畴的话，所谓的人工智能或许仅仅只是机械式进化的另外一个比较新潮的代名词而已。
因此，真正意义上的人工智能，必然也必须要能够自我学习和进化。
所谓的自我学习和进化主要是指人工智能本身可以根据以往自身的经验以及外部行业出现的改变来做出反应，不需要人的介入即可进行自我进化。
只有人工智能可以自我学习和进化，它的发展才能真正跳出“人工”的藩篱，真正进入到一个真正由自我智能所驱动的全新时代。
基于以上的分析，我们不难看出：真正意义上的人工智能其实并不是像现在我们看到的“无人”、“机械”这么简单，而是具有更加深厚的内涵和意义。
当下的人工智能多半还仅仅只是停留在统计学的范畴之下，只是人们根据以往的大数据所进行的一些预判性的工作，并未达到自我学习和进化的目的。正是因为如此，当下所谓的人工智能更像是一个过客，必然会被新的智能科技新方式所取代。
三、存在的隐忧
尽管当下的人工智能相当火爆，但是，在这一片火爆下，同样有隐忧存在。人工智能市场必然会经历一场洗牌，才能真正回归正道。
第一，人工智能的投入和产出不对等
对于人工智能行业来讲，投入和产出的不对等是困扰其发展的根本困境所在。我们看到的很多的人工智能企业之所以会对资本如此依赖，正是由这种原因所导致的。
当人工智能作为第四次工业革命的主角尚未真正对制造业、物流业、金融业等传统行业进行深度改造和应用之前，这个行业的投入和产出将会持续处于不对等的状态。
这种不对等的状态所导致的一个最为直接的结果就是人工智能企业陷入到了不断依赖融资，不断持续投入的死循环。当资本难以为继的时候，人工智能市场的洗牌将会是在所难免。
未来，只有那些真正找到投入和产出平衡的人工智能玩家，才能在这场变局当中存活下来。
第二，人工智能的技术和应用不顺畅
有关人工智能的研究其实已经达到了一个相当成熟的阶段，包括深度学习、神经网络、图像识别等技术，但是，这些人工智能的技术距离落地其实还很遥远。
当人工智能的技术和应用不顺畅的时候，其实，这个行业的发展是处于一种并不顺畅的发展状态下的。
理论的不断拓展，落地的不断陷入困难，其实背后是人工智能行业发展并不健康的表现。当人工智能的理论与应用无法对等的时候，我们发现的是人工智能的参与者们在推出的一些应用，其实是落后的。
当这个行业进入洗牌期的时候，只有那些真正可以将人工智能的最新研究成果进行落地的玩家，或许才能真正成为真正的王者。那些无法将最新研究成果落地的玩家，终将会被市场淘汰。
第三，人工智能并未形成体系和规模
虽然人工智能是未来的一个发展方向，但是，它在整个行业的发展过程当中依然是小众的。目前，我们看到的人工智能的应用依然是零星的、个体化的几个行业，并未形成规模化的效应。
在人工智能并未被社会全面接纳的时候，虽然行业是一片蓝海，但是，同样对参与者们提出了更高的要求和标准。
只有那些真正能够在当下略显空白的大市场环境下，找到适合自身的发展方式的人工智能玩家，才能真正在这样的市场沙漠里存活下来，对于那些找不到合适的生存之道的玩家，或许将会被市场淘汰。
当人工智能行业的发展进入冰火两重天的发展状态时，有关这个行业发展的矛盾开始暴露。尽管行业异常火爆，市场前景依然光明，但是，不可否认这个行业将会面临更多新的挑战。
经历了资本和巨头追捧的繁华似锦之后，人工智能行业或许同样将会经历一场洗牌才会真正成熟。
毕竟，基于统计学范畴的人工智能并无太多新意，同样不会有光明的前途。
——————/END/——————
人工智能会取代人类吗
会这样吗？蔡华伟绘
不久前，在中国乌镇围棋峰会上，人工智能程序“阿尔法狗”与排名世界第一的中国围棋职业九段棋手柯洁对战，以3∶0的总比分大获全胜。在此之前，它曾经以4∶1的总比分击败过同为围棋世界冠军的韩国职业九段棋手李世石，并在中国棋类网站上以“大师”为注册账号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩。两年来，“阿尔法狗”横扫中日韩围棋棋坛，并且每次表现都堪称完美。
一直以来，就有人工智能的发展会威胁到人类生存的观点，而“阿尔法狗”能在典型的反映人类智慧的围棋比赛中屡屡打败人类，更是加重了一些人的担忧。
那么，人工智能对人们工作、生活的直接影响到底有多大？它具备了人的部分能力，甚至比人类做得更好，未来会不会和人类抢“饭碗”，甚至对我们产生威胁？
具有不可
比拟的优势
未来人工智能可在金融投资、医疗诊断、企业经营、军事指挥等方面进行高水平的预测和决策
人工智能会取代人类吗？应当说，这种担忧也有一定道理。
近年来，人工智能各方面的发展都在逐渐完善，应用也越来越多，并且在很多方面的表现都超越了人类。
比如，2015年9月，腾讯财经推出了自动化新闻写作机器人。它能根据算法在第一时间自动生成稿件，瞬时输出分析和研判，一分钟内就能将重要资讯和解读送达用户。
还有，备受关注的微软小冰，作为一个虚拟伴侣型机器人，它能够模拟人的语气与人对话，聊天时让人感觉这就是一个活生生的人而并非机器。
此外，据外媒报道，摩根大通已经开发出一款金融合同解析软件，原来律师和信贷人员每年需要36万小时才能完成的工作，该软件只需几秒就能完成，且错误率大大降低。
青岛智能产业研究院智慧教育研究所副所长刘希未说：“在问题求解方面，人工智能程序已经能知道如何考虑它们要解决的问题，即搜索解答空间，寻找较优解答。在无人驾驶方面，人工智能已经可以实现长距离复杂路况下的自主驾驶。”
“未来在认知层次，人工智能还将会有广阔应用空间，例如人工智能可在金融投资、医疗诊断、企业经营、军事指挥等方面进行高水平的预测和决策。”中国科学院自动化研究所研究员孙哲南说。
而著名物理学家史蒂芬・霍金则认为人工智能给人类社会带来的冲击将更为巨大。2016年底，他在英国《卫报》发表文章预言说：“工厂的自动化已经让众多传统制造业工人失业，人工智能的兴起很有可能会让失业潮波及中产阶级，最后只给人类留下护理、创造和监管等工作。”
这样的判断还有待未来验证，不过，相比人类智慧，人工智能的确有着不可比拟的优势。
刘希未说：“和人脑相比，人工智能算法应对数值和符号计算更加精确快速，稳定可靠。特别是对于有确定规则的计算问题，人工智能可以远远超出人脑的计算速度，也更容易找到最优的解答。比如，在数值计算，图形、语音、生物特征、行为姿态等方面的识别，甚至更加复杂的预测推理任务方面，人工智能都有超越人脑的优秀表现。”
不会取代
甚至威胁人类
人工智能不具备感性思维，无法跨越到意识领域
那么，人工智能真的会因此而取代人类本身，甚至对我们产生威胁吗？记者采访的几位专家都给出了否定的答案。
首先，专家们认为，当前的计算机架构和编程模式具有本质上的劣势，使得人工智能无法实现与人脑情感、意志、心态、情绪、经验等方面的自然交互。本质上，人工智能仅仅是物质世界范畴的概念，无法跨越到意识领域。
1981年荣获诺贝尔生理学奖的罗杰・斯佩里博士曾发布著名的“左右脑分工理论”，认为人脑的左右半球有着不同分工：左半脑擅长分析、逻辑、演绎、推理等理性抽象思维；右半脑擅长直觉、情感、艺术、灵感等感性形象思维。迄今为止，人工智能的所有智能化表现仅仅在模仿人类左半脑的理性思维模式，而完全不具备右半脑的感性思维。
“也就是说，目前的人工智能技术还很难应对具有显著人类主观意识影响的社会文化和意识领域的各类问题，而人脑却可以通过长期在复杂社会环境下的学习成长轻松应对这类问题。”刘希未说。
他进一步举例说，比如人工智能至今也还没有创作出真正具有人性境界的作品。“电脑与人脑，毕竟有着机械性与生命灵性的本质区别，因此，电脑创作与人脑创作之间尚存在着难以逾越的鸿沟。个性化是人类文学艺术创作的生命，而已有电脑创作系统尚无个性可言，只不过是对已有的艺术作品的模仿、复制与重组。”
那么，随着人工智能的不断发展完善，将来是否有可能实现这种自发的情感智能呢？
“情感智能化分成两个层面，一个是让机器本身具有情感，另外一个是让机器理解人的情感，两者是不一样的”，中国科学院自动化研究所研究员易建强说，“让机器去理解人的情感，这件事是有可能做到的。目前有一部分机器人系统能够做到部分理解场景、环境及对话内容，并根据其结果做出相应的反应或者表情。但要机器人或人工智能系统完全达到人类的水平，有自发的情感和创造性，那是很难实现的，或者说不可能实现。”
中国自动化协会副理事长、秘书长王飞跃对此表示认同，“我个人认为100年内无法实现，或许永远不可能实现，除非重新定义什么是人的情感、理解、推理等等。原因很简单，人们现在都还不清楚这些情感的内涵、产生的过程及其方式。”
将成为人类
发展的加速器
人工智能的确会对人类就业造成一定冲击，但人类的工作不会消失，而是转变为新的形式
科学家们还认为，人工智能技术只是人类智慧创造的一种新型工具，它有助于人类更快做出突破，提高我们应对那些亟待解决的全球性难题的能力。
“我们需要人工智能这个强大的工具来帮助处理复杂问题，预测未知，支持我们实现以往不可能的目标。”王飞跃说。
专家们表示，很多划时代的科技成果必然引发人们生活方式的改变，短期内很可能难以被接受，但若放眼历史长河，就会发现，所有重大的科技革命无一例外地都最终成为人类发展的加速器，同时也是人类生活品质提高的根本保障。
“人工智能技术的出现也同样如此，它的确会对人类的就业造成一定冲击。比如，人工智能更适合处理简单重复、规则确定或者通过案例学习可以找到有效处理规则的问题。像安检、看病理切片和监控视频审核等交给人工智能更为高效可靠，这些工种也因此比较容易受到冲击和替代。”不过，易建强表示，不必因此就担心它会彻底取代人类。“以第一次工业革命为例，它不仅仅是让人类的既有工作被取代，同时会制造出足够多的新的就业机会。大多数情况下，工作不是消失了，而是转变为新的形式。”
易建强说，马车被汽车取代就是一个非常典型的例子。当年，汽车开始进入大城市并逐渐普及的过程中，曾经在数百年的时间里充当出行工具的马车，面临着“下岗”威胁。但后来的事实证明，新兴起的汽车行业拥有比传统马车行业多出数千倍甚至数万倍的产值和工作机会。
“现阶段，在一个真正实现人工智能的工作场景中，传统劳动者也并未被‘下岗’，只是改变了角色而已。仍然需要人类对人工智能的表现进行监控，进行情报采集与分析，以及开展预测性的实验与评估，引导性的过程管理与控制。”王飞跃说，“我相信将来人类90%以上的工作是由人工智能提供的，就像今天我们大多数的工作是由计算机和各种其它机器提供的一样。”
《人民日报》（2017年07月07日20版）
(责编：易潇、沈光倩)分享让更多人看到
人工智能能否替代人类有哪些行业不会被人工智能取代
实际交流中，我就发现一些候选者报价比较贵，但技术人员的水平是真的高，一问出问题来，就知道他们认真分析过零件特点，并且能准确找到重点、难点；但是另一些供方，问出的问题都是“次要”的，关键部分却只字未提。
最后的结果也很明了：设备都差不多，但人员更专业的一方，做出来的东西确实更好。
显然这种技术人员的个体差异，不是说你看懂图纸就能弥补上的；面对一种新零件，对重点对筛选与细节的分析，这个是需要过硬的专业素养，与足够的经验积累的。
无论是显性知识所代表的「技术」，还是隐性知识所代表的「技能」，其背后反映出的最真实的竞争力其实是「时间」——
因为技术需要时间来学习，而技能需要时间来积累。只有经历过时间的打磨，这些关键因素才能够在生产线上发挥其真实价值。
毫无疑问，中国的生产链体系是经过了常年的训练的，已经积累起了「时间」这一维度的竞争力。
不仅如此，技能的打磨不仅需要时间的积累，还需要在规模足够大的供应链网络中有足够的实践，而后者起到的是提升单位「时间」的技能积累效率的影响。
知识可以分为显性和隐性，显性知识可以通过学习等方式获得，可以说是人人都有机会去得到的知识。而隐性知识则不同，隐性知识更依赖于大量的实践和丰富的经验，它无法直接习得，只能依靠转化来实现。
几年前我也曾担心过未来人工智能和机器对人的替代程度，不过我现在也极大改变了这样的观念，人的重要性依旧无可替代，前提是人需要发挥出自己的独特优势，而不是做那些机器就能做的事情。
中国制造业的发展不仅仅要靠技术，更要靠人。技术可以在很多环节上节省成本以及提高效率，但如何发挥出机器最大的优势，则是人要去考虑的。
哪怕在现在看来机器替代人的程度很高的制造业，将来也会有人们巨大的用武之地，我们要思考的就是如何让人和机器协作的效果和产出达到最高。
所以说，对于生产环节而言，中国通过「常年的生产链体系实践」以及「规模足够大的供应链网络」这两点优势，训练出了有足够「时间积累」的工程师和手艺人，这是中国制造体系中无法替代的竞争力。
“隐性知识”具有两个主要特点：
第一、难以简单标准化。如模具设计前对接客户的需求、生产过程中对“火候”的把握、解决不同问题的经验等，其中的模糊性需要人能够根据实际情况做出动态调整，所以难以在标准化的机器操作中实现。
第二、技能沉淀的特殊性。这种隐性知识不仅需要时间积累，而且需要在一个需求极大的环境中通过实践中的反复打磨来获得，两者缺一不可，属于“不可编程”的技能。
我们不妨思考一下，自己具有或需要培养哪些“隐性知识”。
所谓隐形知识，其实就是去掉了可编码知识之后，依然剩下来的东西。你说他是智慧也好，还是把它看成制造，这都无所谓。
关键在于，这些隐形知识需要人的参与，这才是人的价值所在。
标准化和流程化的前提是一定的规模性，就像企业从小到大生长的过程中也会越来越注重制度建设；同时，机器对人的替代也一定是这些标准化、重复性极高的工序，中国在智能制造的前景广阔，也为此发布了《中国制造2025》规划蓝图。
彼得·德鲁克认为，隐性知识是不可用语言来解释的，它主要来源于经验和技能的，学习的惟一方法就是领悟和练习。
所以人工智能，目前来看，在制造业环节，可能只能在显性知识部分（能够明确表达的知识）替代人类。未来，人类和人工智能的关系，至少短期来看，是互相配合，而非取代的关系。
但是在模具行业，我觉得需要客户沟通确认材料和图纸的环节，还是需要人类工程师。在编程环节，是有可能由机器来完成的。
因为编程环节，实际上已经是将所有规则显性化了，只是通过机器语言来表达。
此外，像3D打印这样新的制造技术的兴起，会部分替代和改变传统材料生产工艺，逐渐对很多行业造成影响，可能导致部分环节不需要人类。
隐形知识无法传承的问题应该是个“古已有之”的问题，要不然怎么有很多影视作品里关于过去“失落的秘密”的精彩描述。
过去我看“传统技艺”，总有一种后来者的偏见，觉得有了新的计算器当然不该费劲学珠算，现在我对这个问题有了新的思考。
人类所谓的“学习”，不是简单的复制粘帖，从师傅那里学来的，一定也有自己继承和发扬的部分，这里面必定是同时存在与时俱进和优胜劣汰的。学习传承本身也是这项知识和技艺的成本之一。
设计、研发、编程环节很难被机器替代，这确实是最难被替换的环节，但是也在逐渐被机器替代。
例如说，数码相机的出现、手机的出现，让拍照变得更加简单，对专业摄影师需求下降了；再比如说，python语言中有很多标准化封装好的程序包，大大降低了编程的门槛，让更多的人开始在日常工作中探索机器学习、数据分析等。
和同事去客户那边开会，大家喜欢让我写会议纪要，为什么呢？
是我文笔好吗？当然，文笔好是事实，但是这不是原因。我写会议纪要会对内容进行分类排列，硬生生把一件可编码工作，加入了很多隐形知识。
这样做的好处，是我可以对会议纪要进行分析，提炼出客户的真实需求。别人都把它当成会议纪要，但是在我的眼中，它是数据源。
正因为我赋予了他不同的意义，所以我才能把别人不愿干的事做得津津有味。
制造业的隐性知识没有被显性化还有一个原因其实是相对而言，中国制造业的逻辑还处于工业时代，互联网化的程度不高，特别是工厂生产线上的数字化程度相当低，可以说这是中国供应链暂时无法被迁移出去的一个很重要的原因。
其次就是中国目前还有工程师的红利，制造业中对产品的设计/研发/工艺需要大量的工程师，要整体转移出去的成本相对较高，如果仅仅是转口贸易，核心团队是不会转移出去的。
隐性知识和显性知识是一种相辅相成的关系。
就像话剧行业。有很多理论知识，表演，导演，编剧，舞美，服化道等等，这些都有一定的知识可以直接学习。但是如果你只会这些，你一定不是顶尖人才。因为谁都可以会的东西意味着谁都可以替代你。
尤其是在表演上，隐性知识特别重要。为什么那么多人喜欢表演做演员，但是最终能挣钱养活自己的都已经算是少数人了呢？
因为这其中涉及到很多的隐性知识。你知道表演理论和你能真正的表演好一个角色是有很大的距离的。
尤其是话剧每场演出都要面对现场的真实观众，面对着观众最真实的反馈，演得好会有掌声和笑声，演得不好，则会有尴尬的冷场。而这些经验光靠说是很难让对方理解的。
演员会在一场场的演出之后，不断的感受到什么样的表演是观众喜欢的，什么样的表演是观众讨厌的。然后再结合显性的表演理论知识，去不断地改善自己的表演。
突然想到一个词———量身定做。
服装行业是对“量身定做”这个词最好的解释。
一件衣服在批量生产前是需要做样衣的，做样衣的师傅就是那个具备“隐性知识”的手艺人。
他在拿到设计师的款式图后会下意识地知道哪里要多走两针，哪里要走一个饱满的弧度等等才会做出一件穿着既不别扭又符合设计师理念的衣服。
我相信机器是无法取代这样的手艺人的，别看程序简单，但每一道程序下的细节都不容忽视，就拿服装来说，有的地方在用机器缝制的时候就需要把下层的布料拉一拉，同时推动上层的布料多一些吃量，这样做出来才会既不出褶皱又有型。这种小的细节在服装中会有很多，机器是做不出这样一身合身的成衣的。
中国的服装面料也有很多是机器不能替代的，例如一些缎锦绸，刺绣之类的，这都需要一些有经验的师傅们一针一线的去织。
“受过良好规范化教育的人，通过实践发展出隐性知识的能力会比教育水平差的人更好”，这句话我深有体会，好的缝纫师傅可能一辈子就是好的缝纫师傅而已，而一个好的缝纫师傅如果受过良好的规范化教育，那他就可能会成为一个好的设计师。
内隐知识，本质是程序性知识。程序性知识的获得划分为三个阶段。
（1）认知阶段。在这一阶段，新知识进入原有的命题网络，与原有知识形成联系。学生将使用自己已有的为达到一定目的有效方法，对某一技能作出陈述性解释，并对这一技能的各项条件及行动形成最初陈述性特征的编码。
（2）联系阶段。经过各种变式练习，使贮存于命题网络中的陈述性知识转化为以产生式系统表征和贮存的程序性知识。
在这一阶段，原先指导行为的知识将发生两种转变：第一，最初对技能所作的表征将慢慢转变为特殊领域里的程序性知识；第二，构成这一程序的各个部分的产生式间的联结将得到增强。
（3）自动化阶段。在这一阶段，整个程序本身将得到进一步的精致和协调。过程性知识依据线索被提取出来，解决“怎么办”的问题。
读破万卷,神交古人。神交，必须在实践中领悟，光读是领悟不来的。
我们的教育体系都是偏重在温室里培养逻辑思辨人士，口水战高高手，真正一上场，就蒙了。
这也是为什么足球，篮球在经济如此发达的西欧美国，还如此重视运动这种技能的市场价值的挖掘。
反而是古人，勤学武艺给我们树立了典范，他们每日都在践行。
师傅领进门，修行在自身。
说得具体一点，医生可以告诉人们如何生娃，但是具体生娃的事还得自己行动！返回搜狐，查看更多
人工智能会取代科学家吗
传统认为，科技工作因其高度的创新性，因此科技工作者很难被人工智能取代。但日前，国际学术期刊《自然》发表的一篇论文吸引了大家的眼球。科学家们改造了一种汽车装配线上常见的机器人，让它可以在化学实验室内工作。通过与机器学习算法相连，这种机器人可以使用和人类化学家一样的标准分析仪器，“相当于使研究人员而非仪器变得自动化”。同时，由于它和人类体积相当，可以在传统实验室内工作，而无须建立或改造新实验室。在提高一种聚合光催化剂性能的实验中，这款机器人在2～3天内便优化了反应条件，而人类要几个月的时间才能做到。原因之一，就是这种机器人采取了激光扫描和触觉反馈相结合的方式实现定位，而不是视觉系统——不用“看”的机器人无须光亮，因此极大地提高了光催化实验的效率。研究者认为，这个机器人将在传统实验室有更多应用。那么，人工智能会取代化学家吗？会取代科学家吗？本期，我们邀请兰州大学化学化工学院教授王为，中国科学院自动化研究所研究员侯增广，和中国科学院物理研究所研究员王磊一起来谈谈这个话题。
1.人工智能已成为科学家的好帮手
侯增广（中国科学院自动化研究所研究员）：简单地说，《自然》刊登的论文在技术方面有两个亮点。一是采用机器人代替传统实验室的实验员，克服了光催化实验人工操作过程中的一些问题。这个实验应用的就是常见的具有机械臂的移动机器人平台，它连续运行了8天，做了688个实验。第二个亮点是采用了贝叶斯算法，这是一种基于概率统计的分类算法，使实验效率大大提升。
机器人最早在制造和生产领域得到应用。目前，在科学发现领域，机器人在精度要求比较高的场景中，如时间精度、位置精度、操作精度等，有了很多应用。例如，人工授精要求把精子准确地送入卵子中，精度要求比较高，这类任务如果采用机器人将比人工操作的效率高很多。
人工智能的应用给科研带来很多新变化，增加了新可能。比如，采用人工智能方法对数据的采集更客观、分析更准确。同时，人工智能有强大的计算能力，能够发现人容易忽略的小样本事件、罕见样本事件，可能给科学研究带来意想不到的发现。
王为（兰州大学化学化工学院教授）：人工智能如何帮助化学家？我们首先要理解“化学学科”和“人工智能”的内涵和外延，判断它们各自面临的瓶颈和发展的方向，再分析它们可能采用什么方式交汇融通。
化学是发现和创造物质的学科。要解决的基本问题包括：物质如何（精准）创制？物质的组成和结构如何？物质有什么（独特）的功能？上述问题的解决，从根本上讲需要对微观物质世界的底层逻辑形成理论体系。因此，化学学科既需要动脑，也需要动手：从发现和创造物质的实践中获得数据，从数据中总结新的经验和规律，再从经验和规律中指导未知的、获得新数据的实践。简言之，化学学科的发展需要从微观到宏观的多尺度层级上，高效精准获取数据、建立数据和理论之间的强连接、完备理论体系。
新一代人工智能的核心是在大数据基础上将智能问题转化为数据问题，其发展需要三个核心要素的支撑：计算能力、海量数据、数学算法。人工智能的基本层级是智能放大和综合，包括信息的采集、录入和分析。进阶层级是智能预测，即在大数据基础上预测特定事物的发生概率。高级层级是智能学习，即通过算法上的革新，突破人类的思考模式，在基本规律下自主地创造机器的思考模式，从而输出全局最优的结果。
人工智能在化学领域中的应用初见端倪。其对于化学家的帮助可能表现在以下几个层级：一是辅助动手，高效获得数据。二是辅助动脑。通过对海量数据的分析，人工智能可能预测出新的物质合成途径、发现物质的新功能、建立新的逻辑连接（构效关系）等。三是针对化学领域的核心问题，通过深度学习（算法创新）和深度自动化，实现动手和动脑的深度结合，完成自主创新。以此标准衡量，人工智能在化学领域中的应用还处在起步阶段。《自然》这篇工作的核心亮点是提供了高效获取数据的深度自动化研究平台，为将来动脑和动手的有效结合起到示范作用。
王磊（中国科学院物理所研究员）：今天的人工智能已经在科研领域给科学家带来很多帮助。我们可以想象，爱迪生发明灯芯，要对各种材料不停试错，如果有这种机器人的帮助，那可能提早电灯的发明。其实，在科研领域有很多类似的应用。比如我们中科院物理所，在晶体材料的合成和生长上，就使用人工智能作为辅助。我们所几辈科研人员在这个行业深耕几十年，留下了丰富的实验数据，但都是写在纸上的。我们把这些实验记录数字化，再“训练”一个识别程序，就能用来预测晶体能不能长成等。再比如，在材料科学中，很多时候科学家们要从材料微观组成，例如原子排列顺序等，来推测材料可能具备的宏观功能，例如亲水性等。通常这个计算是很复杂的，需要耗费大量时间。现在，人工智能通过“学习”之前的计算结果，已经可以完成这部分工作。当然，其准确性还有很大提升空间。
2.什么样的科技工作者会被替代
王为：我的基本观点是：人工智能在未来会替代重复性的化学实验和测试工作，有可能改变甚至变革化学研究的范式，但从根本上无法替代化学家。
就获取数据而言，人工智能在预先设计的化学实验中表现得更加高效。相较于人的操作，其标准化程度更高、误差更小，能帮助化学家获得更大量的、标准化的、可对比的数据。就数据分析而言，相比于人类记忆以及理解数据的局限性，人工智能可以更为精准、有效地收集、分析、整合数据，并可能寻找到相应的规律。因此，人工智能有可能在化学领域的应用中率先取得突破，从而改变甚至变革化学研究的基本模式。
而取得突破的先决条件至少有两点。一是获取海量数据。人工智能的基础是大数据。就机器学习的需求而言，目前化学领域所能提供的数据数量非常有限、可对比度极低。二是实现算法创新。基于化学领域提出的特定科学问题，在海量数据存在的前提下，通过算法创新，突破化学领域现有的思考模式和理论框架，锁定多参数复杂体系的最优解。就此而言，人工智能在化学领域中的应用还有很长的道路要走。
侯增广：人工智能很可能给实验室带来巨大变革，甚至出现无人实验室。但我认为，短时间内，人工智能和机器人不能替代科学家。我们看《自然》刊登的这个实验中，进行实验顶层设计的，比如实验架构等，还是科学家，机器人和人工智能只不过是人的手和眼的延伸。我认为，即便深度学习等人工智能方法发展起来，也不太可能替代科学家。因为人工智能是建立在算法之上，它的能力的获取是基于大量数据得来的，强大的基于数据的计算能力是人工智能的核心能力。但人工智能和真实的生物智能还有很大差距，人从来就不是这么思考的，人类的智能是基于知识、而非基于数据的。而这点，人工智能还做不到。比如我们课题组在研究手术机器人。在某些方面，它的精准度比普通医生要高。但是人体是非常复杂的，每个人的情况也千差万别，遇到复杂病灶、复杂障碍如何处理？这点机器人还不行，比不上经验丰富的医生。因为这些能力和判断都是基于经验知识的，而非简单数据。
王磊：科研中，那些重复性高的、有固定流程的工作可能被替代。但对于是否能替代科学家这个问题，我的看法是比较保守的。比如我们物理学，最重要的是在现象中发现新的物理定律。但目前的人工智能算法，还看不到能发现新物理定律的可能，作出创新性发现的可能性比较小。我现在做的深度学习与计算物理交叉的研究，起码目前还没有看到人工智能能够取代科学家的证据。虽然现在也有很多实验模拟一个环境，看看人工智能是否能取得重新发现。比如给人工智能万有引力定律发现之前的各种数据，看人工智能能不能像牛顿一样发现万有引力定律。有些实验声称获得了很好的结果，但仔细研究这些实验，会发现其中有很多可控的空间。因此，我总体认为，目前的人工智能做出创造性发现的可能性比较小。
3.人工智能是否会引发与人争工作的伦理隐忧
侯增广：我觉得这方面担忧是不必要的。我们借助人工智能和机器人可以提高工作效率，把人从重复性的、危险性的工作中解放出来。这是一种社会的进步。当然，人工智能的发展也面临很多伦理问题，这不可能在一个访谈中尽谈。我只能从我所在的这个领域谈一个伦理问题的例子：目前的人工智能方法是不能够保证计算结果百分百正确，我们应该把什么样问题的决定权交给人工智能？如果出现失误，这个责任应该由谁来承担？我们再以手术机器人为例。之前说过，人体是十分复杂的，手术中会遇到各种各样的状况。如果是人做手术，他很清楚自己能力或技术的边界在哪里，什么样的问题是他不能解决的。因此，可以及时向老师、前辈请教，或者邀请其他科室的大夫来会诊。但如果是机器人自主做手术，它是按照程序来运行的，这个程序不可能包含所有可能发生的情况，机器人也不会清楚自己能力和技术的边界。那么，在某些程序交由机器人来判断和决定的情况下，一旦手术失败，这个责任由谁来承担？是算法的研究者，是机器人的制造商，还是按下操作键的医护人员？这是一个值得大家关注的伦理问题。
王磊：每一次技术的更新换代，都会带来产业的变化，某些工种可能被替代，从而引导劳动力向不同的方向分流。我觉得从人类整体的发展而言，与人争工作这个伦理问题可能不是最急迫的。我们目前讨论更多的伦理问题，是如何让机器不“染上”人类的偏见。我们知道，人工智能是基于大数据的，这些数据集的标签的制备过程都需要人。特别是，原来数据集是由人写的，可能会进行克制。现在数据集都是互联网搜集的，偏见很难避免，比如基于肤色的偏见、基于性别的偏见等。那么，在人工智能的应用中，如何在算法中去除这些偏见，是我们要面对的比较紧迫的伦理问题。
（本报记者 齐芳）