吳鷹：Pony覺(jué)得是用模仿人的方式，還是全新的？
馬化騰：我們當(dāng)然期待有一個(gè)本質(zhì)的，發(fā)現(xiàn)飛機(jī)的螺旋槳也好，還是流體動(dòng)力學(xué)，還是鳥(niǎo)的翼，或者是馬跑，現(xiàn)階段還是通過(guò)仿生的階段，在某一些垂直的領(lǐng)域，你現(xiàn)在要做到一個(gè)通用的AI非常難，包括圍棋也是選一個(gè)非常窄的領(lǐng)域，然后給它學(xué)習(xí)，通過(guò)各種參數(shù)來(lái)訓(xùn)練，剛才郭為提到的用AlphaGo下一盤(pán)棋要消耗多少能源。這個(gè)垂直領(lǐng)域訓(xùn)練數(shù)據(jù)是需要消耗很大的能量，但在實(shí)際用的時(shí)候其實(shí)不需要消耗太大的能量。我們絕藝訓(xùn)練出來(lái)的單機(jī)成本跟職業(yè)棋手差不多，但是要訓(xùn)練出這個(gè)模型來(lái)要很長(zhǎng)時(shí)間，稍微改一改規(guī)則就全部要進(jìn)行重復(fù)訓(xùn)練，改進(jìn)一點(diǎn)之前的積累都不算，要從頭積累一遍，消耗的能量很大，而且時(shí)間很長(zhǎng)，這是很窄的一個(gè)技能模擬。下一步到通用的，再下一步是不是有更本質(zhì)性的，發(fā)現(xiàn)它背后的原理，智能可以超越人的碳基的智慧，是不是有其他更多的基礎(chǔ)元素可以形成更高級(jí)的生命智慧呢？這可能是超越人類(lèi)現(xiàn)在所發(fā)現(xiàn)的知識(shí)，這也是有可能的。甚至有人還突發(fā)奇想說(shuō)我們現(xiàn)在認(rèn)識(shí)的宇宙就是高智能的生命，用他的量子計(jì)算機(jī)模擬出來(lái)的環(huán)境，我們一切都是模擬出來(lái)的，也有可能。大家發(fā)揮腦洞大開(kāi)的想象力吧。
吳鷹：腦洞大開(kāi)，一切皆有可能，Robin怎么看？
李彥宏：其實(shí)我不太認(rèn)可人工智能現(xiàn)在做的是仿生學(xué)，現(xiàn)在我們講人工智能像是人腦神經(jīng)元的工作原理，但是人腦具體怎么工作的，剛才馬云講的我們只了解3%，我們并不知道人腦是怎么工作的，你不知道它怎么工作怎么仿它？我們只知道這一點(diǎn)點(diǎn)，這一點(diǎn)點(diǎn)計(jì)算機(jī)的算法有一點(diǎn)類(lèi)似之處。我同意現(xiàn)在的人工智能，尤其是機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的算法還確實(shí)處在非常初級(jí)的階段，還有很多提升的空間，現(xiàn)在做得還非常不夠。什么時(shí)候能夠挑戰(zhàn)真正人的認(rèn)知能力，我覺(jué)得還有很長(zhǎng)很長(zhǎng)的時(shí)間。我說(shuō)話比較保守，我說(shuō)很長(zhǎng)是說(shuō)這一天永遠(yuǎn)不可能來(lái)到。第一階段是弱人工智能，第二階段是強(qiáng)人工智能，第三階段是超人工智能，我認(rèn)為到強(qiáng)人工智能這個(gè)階段就達(dá)到不了，不僅僅是你永遠(yuǎn)搞不清楚人腦是怎么工作的，你即使用電腦的方法模擬人腦，要想完全達(dá)到人腦的水平，我覺(jué)得也做不到，永遠(yuǎn)做不到這件事情。
吳鷹：我們IT領(lǐng)袖峰會(huì)就是觀點(diǎn)。我也不用問(wèn)沈向洋了，因?yàn)榇_實(shí)是人腦到底怎么工作的，不知道。但是這個(gè)答案非常簡(jiǎn)單，因?yàn)橛幸粋€(gè)上帝。所以很多科學(xué)家到最后就信上帝了，變成找到一個(gè)答案了。沈向洋，你還有補(bǔ)充？
沈向洋：我蠻贊成李彥宏剛才講的，人工智能這件事情發(fā)展，今天最大問(wèn)題是對(duì)人腦不了解。腦科學(xué)今天還是非常初步的科學(xué)，你每次要講科學(xué)的話，首先要一定要有數(shù)據(jù)，要能夠做試驗(yàn)，而且做重復(fù)的試驗(yàn)，今天就沒(méi)有辦法真正監(jiān)測(cè)到真正做試驗(yàn)說(shuō)因?yàn)榧尤肓诉@樣的輸入到人腦，出現(xiàn)什么樣的輸出。接下來(lái)N年應(yīng)該有更多的人投身基礎(chǔ)科學(xué)研究腦科學(xué)這件事情?？唇裉煊?jì)算機(jī)體系結(jié)構(gòu)，馮諾伊曼結(jié)構(gòu)，跟人腦結(jié)構(gòu)完全是兩碼事?？赡芤蚕駨埥淌谡f(shuō)飛機(jī)的模仿并不是真正像鳥(niǎo)一樣，我覺(jué)得肯定是這樣的情況。接下來(lái)很多方面肯定叫弱人工智能也好，這些很多的人的智能方面我們能夠想象得出來(lái)，今天人能夠做的事情在不遠(yuǎn)將來(lái)，絕大多數(shù)事情，人工智能都可以達(dá)到。我舉一個(gè)小的例子，比如今天大家講你今天可以做視覺(jué)識(shí)別了，物體識(shí)別了，你今天可以做語(yǔ)音識(shí)別了，那今天人還有什么事情很了不起，大家覺(jué)得通過(guò)學(xué)習(xí)的方法，我們可以達(dá)到一個(gè)什么樣的高度。很重要一件事情是機(jī)器閱讀，閱讀的能力。我要考高考、考SAT，閱讀一篇文章后，你問(wèn)一個(gè)問(wèn)題，我可以答一個(gè)問(wèn)題。像這樣的問(wèn)題接下來(lái)5-10年可能是人工智能很大突破的地方。而一旦有突破后，搜索也好、社交網(wǎng)絡(luò)也好、其他商業(yè)應(yīng)用也好，有很多這樣的機(jī)會(huì)。今天大家覺(jué)得激動(dòng)人心的地方是因?yàn)橐郧笆峭耆?hào)式、公式這樣做，今天是神經(jīng)網(wǎng)這樣一種解法，它的區(qū)別在于以前符號(hào)式做法，你覺(jué)得用符號(hào)式做法解了一個(gè)問(wèn)題，你覺(jué)得可以懂的，你可以解釋的。而今天這種神經(jīng)網(wǎng)解法，包括Pony做的圍棋機(jī)器人，他很難去解釋為什么下這個(gè)。接下來(lái)有一個(gè)需要研究的問(wèn)題，從符號(hào)式到神經(jīng)式怎么樣回過(guò)頭再到符號(hào)式。就是研究行業(yè)很熱門(mén)的方向，叫做可以解釋的人工智能。