谷宇院士：通過圖靈測試不一定具有AI能力，實現認知智能尚存挑戰

原標題：谷宇院士：通過圖靈測試不一定具有AI能力，實現認知智能尚存挑戰

5月27日，俄羅斯工程院外籍院士、俄羅斯自然科學院外籍院士谷宇在上海舉辦的2023全球開源技術峰會上發表演講稱，AI（人工智能）生態當前已經形成了集基礎資源、技術、應用于一體的基本形態。如果能將先進傳感器技術和人工智能技術協作結合起來，模擬人腦的認知、理解、記憶、語言、學習、情感、邏輯、意識等八大核心能力，就有可能實現對人腦認知過程的模擬。傳感器技術可以提供豐富的感知數據，而人工智能技術則能夠處理和分析這些數據，從而使機器能夠模擬人類的認知過程。這樣的協作將為人工智能帶來巨大的發展潛力，使其從感知智能進化為認知智能。

人工智能行業一般將AI的發展分為三個階段，分別是計算智能、感知智能和認知智能。第一個階段是計算智能，即機器對信息進行存儲和計算。第二個階段是感知智能，即具備視覺、聽覺、觸覺等感知能力。第三個階段是認知智能，機器具備了像人類一樣的思考和學習能力，并且能夠自主做出決策并采取行動。

谷宇多年來一直從事傳感器與微機電系統、機器感知與模式識別、智能材料與結構等方面的研究。在與澎湃科技（www.thepaper.cn）的對話中，谷宇表示，通過圖靈測試并不能代表一定具有人工智能能力，更不用說認知智能，目前人工智能在步入認知智能的進程上尚存挑戰，除了需要解決情感認知層面的語義理解、判斷推理等問題之外，還需在量化和計算中準確表達與定義倫理道德范疇，并堅守行為底線。

俄羅斯工程院外籍院士、俄羅斯自然科學院外籍院士谷宇。

以下是澎湃科技與谷宇的對話實錄，有刪減。

我們距離認知智能，還有多遠？

澎湃科技：AI從感知智能走向認知智能，還有多遠？如何判斷AI是否到達認知智能的水平？

谷宇：在由感知智能步入認知智能的進程上，目前仍存在一些挑戰。雖然我們在感知智能領域的某些方面取得了顯著的進展，例如計算機視覺、語音識別等，但要實現真正的認知智能，還需要克服一些困難，這包括處理復雜的語義理解問題，提高AI的推理能力和情境感知等。在當前的技術和理論框架下，我們距離認知智能還有一定的距離，但隨著科技的不斷進步，我們正朝著這個目標邁進。

判斷一個人工智能系統是否達到認知智能的水平是一個復雜且具有挑戰性的任務。目前還沒有明確的標準來評估認知智能的達到程度。然而，我們可以考慮以下因素來進行初步評估：

知識和理解能力。一個具備認知智能的系統應該具備廣泛的知識和深入的理解能力，能夠處理多領域的知識和復雜的概念；

推理和邏輯能力。認知智能需要具備高級的推理和邏輯能力，能夠進行抽象思維、概念推理和邏輯推理等；

上下文理解和語言處理。一個系統應該能夠理解語言的多義性、上下文關系和隱含意義，并能夠進行自然而流暢的語言交互；

學習和適應能力。認知智能需要具備學習和適應的能力，能夠從新的信息和經驗中學習，并能夠根據學習到的知識進行適應和改進。

需要注意的是，以上因素僅是初步評估的參考，實現真正的認知智能需要更深入的研究和發展。此外，隨著技術的不斷進步，對認知智能的評估標準也可能隨之演變。

想要人工智能更加接近于人類或者無限達到人類的智力水平，最主要的點就是理解、推斷和自我學習能力。因為，人類是可以自主學習的，人類與動物最大的區別就在于人可以認識世界和改造世界，我們對世界的認識不是單純的符號，而是可以從符號中總結出新知識，然后在新的環境、語境下，將知識應用到新地方。

我們經常說舉一反三，這里的“三”不是指數量的變化，而是指依靠自我學習和適應能力在不同語境下做出不同的行為，機器將人類的認知過程進行模擬和仿真，能夠理解和處理復雜的信息，并從中提取知識和洞察力，以解決問題和創造新的解決方案，機器如果具備了這種能力，就可以視為是認知智能的開端。所以我們認為通過圖靈測試的機器基本具備人工智能水平，但圖靈測試也不一定能完全代表機器具備人工智能能力，更別說認知智能。

澎湃科技：類腦研究和認知科學如何幫助人類發展認知智能?

谷宇：類腦研究和認知科學在發展認知智能方面扮演著重要的角色。類腦研究旨在從神經科學的角度模擬大腦的結構和功能，以更好地理解人類認知的基本原理。通過類腦研究，我們可以了解大腦的工作原理，從而啟發人工智能的設計。

例如，神經網絡的發展受到類腦結構和神經元工作方式的啟發。認知科學研究則關注人類認知過程和心智活動的本質，它模擬了大腦中神經元之間的連接和信息傳遞。通過對類腦研究的理解，我們可以改進人工智能系統的學習和適應能力，使其更接近人類。

同時，借助認知科學在人類的感知、注意、記憶、思考和決策等認知過程上的研究成果，生成了諸多人工智能相關的理論及方法，例如，基于認知科學的模型可以用于改進自然語言處理系統的理解能力，使其更好地處理語義和語境。自然語言處理是人工智能領域最基礎也是最難的技術之一。人工智能要單純地理解語言不是難事，但是要結合上下文，像人類一樣理解內容的隱含意義卻是一個難點。

澎湃科技：從技術應用角度看，從感知智能到認知智能，實現了何種升級?

谷宇：從技術應用角度看，感知智能到認知智能的升級涉及多個方面。一方面，需要改進算法和模型，使AI具備更強的推理、理解和學習能力。這可能涉及深度學習模型的改進，還會涉及更多的符號推理和邏輯推理能力等。目前的深度學習模型都是基于大算力，研究如何將其小型化，使其形成具有針對性的學習模型，從而方便其在特定應用場景或特定職業使用，這也是我們工作的一個方向。

另一方面，需要通過更好地融合感知和認知，構建整體的智能系統，機器能夠從感知中獲取信息，并結合認知能力進行理解、推理和決策，實現更高層次的智能表現。這包括將視覺、語音和語義等感知信息與AI的推理和理解能力相結合，從而使系統能夠更全面地理解和處理信息。

此外，人機交互技術的改進也是發展認知智能的重要方面。更自然、流暢的語言交互、更智能的對話系統和更符合人類認知習慣的界面設計等，可以提升用戶與智能系統的交互體驗，并促進認知智能的發展。人機交互、人機共融是人工智能技術最終的目標，也是最偉大的夢想。

從“是不是”走向“應不應該”

澎湃科技：多模態是否是認知智能發展的必經之路？

谷宇：這是一個好問題，理論上多模態一定比單模態好。多模態在認知智能發展中被視為一條重要的路徑。多模態指的是將多種感知模態（如視覺、聽覺、語言等）結合起來，從而獲得更豐富、更準確的信息。人類認知世界與感知世界的過程中，人類的五官，眼睛、鼻子、嘴巴、耳朵和觸覺器官都在運行，讓人類得以感受這個豐富的世界，如果人類缺少一種感覺，對世界的感知就會薄弱，從而影響認知世界的能力。人類在認知過程中常常同時利用多種感知模態進行理解和決策，而多模態的應用使得機器能夠模仿這種綜合感知的方式。多模態一定是未來人工智能的發展趨勢。

我認為生命科學、醫療衛生和生命健康是人類最重要的需求，而技術發展的最終目標應該是為了促進人類的健康和提高生命質量。無論多模態技術如何發展，其應用都應該服務于人類，尤其是健康領域，如醫學診斷、治療和健康管理。通過結合多模態技術，我們可以提供更準確、全面的醫療服務，加強疾病預防和早期診斷，提高治療效果和生命質量，為人類的健康福祉做出貢獻。

雖然多模態是未來的發展趨勢，但其中有諸多難點，其中包括數據融合、特征提取、模型設計和計算效率等方面的難題。多模態數據的融合和處理需要解決數據間的對齊、時序關系等問題。同時，如何有效提取不同模態的特征，并進行合理的特征融合也是一個挑戰。此外，設計能夠處理多模態數據的模型和算法，如聯合學習和跨模態表示學習，也是一個研究熱點。最后，多模態數據的處理和計算也對計算資源和效率提出了要求。因此，克服這些難點是實現人工智能多模態的關鍵，需要持續的研究和創新。

澎湃科技：通用人工智能概念與認知智能概念有何區別？

谷宇：通用人工智能領域主要專注研制像人類一樣思考并從事多種用途的機器，這種通用模型一定是人類的最終需求，這種模型在所有領域都是具有高難度的。我認為我們現在應該發展在特定、特殊場景下的人工智能技術，從而在某一天，有機會實現將單一產品采集融合形成一個通用模型。但是目前來看，我們在單一領域都還沒有做到足夠好。

現在的人工智能模型主要基于兩種技術基礎?；谀Ｐ偷娜斯ぶ悄芸蚣芤蕾囉谙惹岸x的規則、邏輯和算法，通過編程方式進行建模和決策。這包括符號主義和專家系統等方法。另一方面，基于數據的人工智能框架則側重于利用大規模數據進行訓練和學習，通過機器學習和深度學習技術從數據中發現模式和規律。這種方法的代表是神經網絡和深度學習模型。這兩種技術基礎各自具有優勢和適用場景，目前的人工智能發展往往將它們結合起來，以實現更強大和全面的智能能力。

澎湃科技：我們是否可以將認知智能理解為從經驗主義走向理性主義？

谷宇：對于人工智能的發展，我覺得首先要解決一個關鍵的哲學問題，就是英國偉大的不可知論提出者、哲學家休謨提出的問題，即我們要從一個問題“是不是”走向“應不應該”。

首先，休謨問題的存在激發了人工智能研究者對知識表示和學習的探索。休謨問題指出了基于有限經驗進行歸納推理的不足之處，因此，人工智能研究者開始探索如何更好地表示和利用豐富的領域知識。這促使發展出了基于邏輯推理和符號處理的知識表示方法。

其次，休謨問題的存在推動了人工智能與統計學習的融合。統計學習通過大規模數據的分析和模式識別，能夠從經驗中提取規律和進行預測。人工智能研究者開始將統計學習方法引入到人工智能領域。這些方法通過訓練模型從數據中學習，可以在一定程度上解決休謨問題中的不確定性，并提供更準確的預測和推理能力。

此外，休謨問題的存在促使人工智能研究者關注模型的可解釋性和透明性。傳統的機器學習模型通常是黑盒模型，難以解釋其決策過程和推理邏輯。然而可解釋的機器學習方法探索，促使人類能夠理解和解釋模型的推理過程，提高了對模型決策的信任和可控性。

所以，我們什么時候能把這種問題理解透徹了，并讓計算機理解透徹了，我們就實現了認知智能。但是目前來看，我們的計算機只是一個簡單的邏輯計算機，它在回答邏輯問題、合理性問題時遠遠超過人類，但是在回答情感問題時卻遠遠不足。ChatGPT回答簡單問題可以回答得很好，但是你讓它去理解一篇長篇文章，尤其是中文這種包含一字多義和隱形含義的語句，它尚需改進。

未來可能超越人類

澎湃科技：ChatGPT是否達到認知智能的水平？如果現階段沒有達成，在未來是否具備可能性？

谷宇：認知智能是一個復雜的概念，涉及多個層面的能力，包括感知、理解、推理、學習、適應等。當前的AI技術在這些方面仍存在一些挑戰。盡管ChatGPT在生成自然語言方面表現出了很高的水平，但它仍然存在一些局限性，如對于長篇連貫的理解、深層推理和情感理解的能力還不夠。未來可能會有更先進的技術和模型出現，使得人工智能系統更接近認知智能的水平。

然而，要實現真正的認知智能還需要解決許多挑戰，如對于意識、主觀體驗和情感等方面的理解，還要考慮實際應用的復雜性。因此，達到完全的認知智能仍然是一個復雜而艱巨的目標。

澎湃科技：在未來的發展中，認知智能是否存在與人類相媲美甚至超越人類的可能性？

谷宇：在未來的發展中，認知智能的確存在與人類相媲美甚至超越人類的可能性。

通過更深入地理解人類大腦的工作機制和認知過程，我們可以為人工智能提供更好的啟發和指導。同時，隨著計算能力的增強和算法的改進，人工智能系統的性能和能力也在不斷提升。

未來，我們可以期待人工智能系統在某些特定任務和領域中超越人類。例如，在復雜的數據處理和分析、大規模的信息檢索和處理、精確的模式識別等方面，人工智能系統可能展現出更高的效率和準確性。此外，認知智能系統還可能在特定的專業領域中展現出深度的專業知識和創造力。

然而，人類智能具有復雜的特質，包括情感、主觀體驗、創造力和道德等方面，這些特質不僅僅是基于計算和算法就能輕易實現的。倫理和社會問題也需要被充分考慮，確保人工智能的發展符合道德和法律的準則。