专访｜张军平：人工智能不用追求“全能”，做好某一方面即可

“张老师，请问人工智能都这么先进了，我们学习会被取代，不学习还是会被取代，那我们学习还有什么用？”在今年的上海书展上，一位小读者在“人工智能会替代人类吗？——人工智能的历史、现状与未来”主题图书分享活动后问张军平教授。

作为人工智能领域的知名专家、复旦大学计算机科学技术学院教授张军平回答道，掌握基础知识如矩阵运算对于理解人工智能至关重要。只有学习这些基础，才能更好地控制和优化算法，理解人工智能的决策。他还强调，学习能让人们更好地理解和应用人工智能技术。

《人工智能极简史》书封。

为了帮助公众理解人工智能的发展，张军平去年出版了《人工智能极简史》，以通俗的语言介绍了AI的历史和技术进展。该书涵盖了从早期理论到现代深度学习的重要里程碑，并展望了AI的未来。

人工智能的历史可以追溯到20世纪中叶，经历了多次兴衰。20世纪50年代，艾伦·图灵和约翰·麦卡锡等先驱奠定了基础。尽管遭遇过“AI寒冬”，但21世纪以来，随着计算能力和大数据的进步，深度学习引领了人工智能的新一轮发展。

张军平2019年出版的《爱犯错的智能体》一书探讨了人工智能面临的挑战和误区，鼓励以开放心态接受智能体的学习过程中的错误。彼时，ChatGPT尚未被人熟知，人工智能的概念也没有全民普及，张军平颇为自豪地向澎湃新闻（www.thepaper.cn）表示，即使科技发展日新月异，书中的大部分内容还是没有变，讲的观点依旧成立。

出现“AI泡沫”是期望过高

澎湃新闻：2018年9月17日，首届世界人工智能大会在上海举行，你也是从2018年6月起，在大学课堂之外向普通大众普及相关知识。从那时到去年《人工智能极简史》的出版，你是如何成为人工智能领域科普达人的？

张军平：我在2018年第一次做科普，是当时《科学时报》邀请我写一篇关于生成对抗网络的介绍。（编者注：GAN，是一种深度学习架构。该架构训练两个神经网络相互竞争，从而从给定的训练数据集生成更真实的新数据。）

因为涉及的内容比较复杂，我便开始思考如何给大家做一个科普性的解读。其中有一个交叉商的概念，即生成网和对抗网，这让我联想到《射雕英雄传》中周伯通的左右互搏术，即左手攻击右手防守。

当时关于深度学习的解释在学术圈在内有很多版本，但我想从科普的角度去解释这个问题，所以我写了《深度学习，你就是那位116岁的长寿老奶奶》，最终反响也很不错，所以我就想沿着这个思路把它写下去，在2019年出版了《爱犯错的智能体》，后来又开始转向短视频。

这次写《人工智能极简史》，是要先把历史理清，它的严谨性远高于前一本书。

我从2000年开始做人工智能方面的研究，人工智能的整个发展主线我是清楚的，也知道如何去讲述，但要将这些内容非常精准地写出来，就需要再去查文献，以原来的内容为基础进行修改。

比如说为什么第一次人工智能失败了，这个内容我首先联想到了很多东西，但后来我的老师陆潜院士指出，专家系统时代（1970年代至1980年代，是一种基于知识库的人工智能系统，它们利用专家的知识和规则来解决特定领域的问题）是帮助第一次人工智能低潮走出来的一个关键节点，不应该在之前讲，应该调整到后面去。于是我根据他的意见再重新查资料，对这一部分进行调整。

写书和做研究（写论文）可能不太一样。如果书写得好，或者对未来有足够的预判，那这本书的生命力会远强于科技论文。尤其像我们人工智能领域，很多时候论文发表出来可能才过了半年时间，（技术）性能就被刷上去了，原来的文章就会渐渐被忘记。

澎湃新闻：有声音说中美在人工智能领域存在竞争，你之前也去美国交流过，（这种竞争在）未来的决定性因素是什么？

张军平：一方面是人才。科学发展的研究表明，如果某个国家的科学成果数占同期世界总数的25%以上，这个国家就可以称为“世界科技中心”。但世界科技中心一直在变，比如最早是意大利，英国，然后是法国，德国，后来到了美国。

世界科技中心会不会变，会不会到中国来，这都是问题。如果要在中美竞争之间产生一个反转，我觉得最明显的标志就是什么时候世界科技中心能够到中国来。

澎湃新闻：你之前说过，现在有一种大家全都投入到人工智能热潮当中的趋势，最近也出现了“AI泡沫”这种说法，你怎么看？

张军平：是否“泡沫”要看如何去定义，实际上也可以用“透支”来形容。因为在学术界看来没有“泡沫”这一说法，只要四平八稳地慢慢往前做、一步一步往前迈进即可。但如果说是“泡沫”的话，就意味着前面肯定有一个过高的期望。

比如我们现在这一轮人工智能热潮，学术界可能并不觉得人工智能的发展多么火热，反而会认为在当前环境下，离通用人工智能可能还有很远的路要走。但企业或许对人工智能的发展有过高的期望，觉得快达到或者说已经达到了一定的成果。期望很高的话，失望也可能会很高。因为前面投入太多，没有达到理想的成果就会认为这是个泡沫。

澎湃新闻：其实你也提到有可能机器觉得简单的事情人类觉得复杂，人类觉得简单的事情机器觉得复杂，我们的初衷是让机器去帮我们做一些简单重复性的工作，但实际上我们也在让AI去写诗或者做一些有难度的事情。你觉得未来会不会出现人类对人工智能过度依赖的情况？

张军平：其实德雷福斯在他的《计算机不能做什么》一书中讲到过这个问题，他说如果未来人类高度依赖人工智能，那么可能会导致的结果不是让人类变聪明，而是会让人类变成超级低能。

澎湃新闻：你赞成人工智能会让人类毁灭这样的论调吗？

张军平：我不赞成。

创新、监管与数据保护

澎湃新闻：你此前多次提及对于人工智能过于乐观的问题，也有人觉得，人工智能还没有那么“智能”。我们怎么去看待人们对人工智能抱有期待这件事？

张军平：人工智能的研究者大多是乐天派。但我始终觉得人要了解自己，其实是一个很难的问题。就像一只蚂蚁，假如它在一个二维平面上爬，就永远不知道自己是在二维平面上，除非有人站在比它更高的维度，可以看到它其实是在一个三维空间里爬行。人其实也是一样的，想要完全了解自己可能很难，因为你的维度已经被限制住了，没有办法跳出这个维度看自己。

我把人工智能（的运用）和人比作飞机和鸟，人类一直想模拟鸟的飞行，其实并不需要把鸟的所有构造都弄明白，只要把注意力集中在飞行这个角度上就行，把单个方面做好，让飞机飞得越来越远，载客量越来越大。

人工智能也是类似的道理，虽然很难在短时间内搞清楚人类的智能是如何运作的，但可以把焦点只集中到一个目标上，比如人脸识别是否准确、自然语言处理中用前一个单词预测下一个单词是否准确，将某一个方面做好即可。

澎湃新闻：就是说我们可以更聚焦于应用，而不是所谓的通用人工智能。关于人工智能预测，你觉得人工智能在气象预测上能有多大的帮助，或者有什么前景？

张军平：气象预测还是一个很困难的问题。因为气象与我们现在看到的图像视频不同，它其实是我们拿到的数据，也有可能是通过雷达去扫描天空获得的某一个离地面一定距离（比如10公里）的云图，然后根据云图变化预测气象。但云图显示的是地面水汽蒸发状况，这个状态是如何生成、如何消失的过程，都很难知道。从地面到10公里这个空间范围内，我们不可能使之遍布采集器和观测器。即便是地面上的信息我们知道的也不多，像上海可能只有几百个观测站，信息收集量不够，就导致做气象预测不是那么容易。而像台风预测，不仅（观测）范围要更大，在海上我们极少甚至没办法去做预测。近年，包括DeepMind、华为、阿里巴巴、复旦的伏羲等团队在内都特别关注气象，也不是毫无进展，比如短临预报、局地预报等，但要做好，尤其对于突发、罕见的气象事件做好预测，仍非常困难。

张军平：这个问题到现在为止还没有得到圆满的解决，目前很多人对人工智能创作都存在一定异议。以写小说为例，有作者在写完前几十章后将自己的创作大纲云上传到某平台，而平台可能将他的大纲数据用来进行人工智能训练——对小说内容进行填充，这有可能导致人工智能补充的内容与作者本来要写的差不太多，从某种意义上来说，会影响到作者本人的一些创作意图。

所以作为一个创作者，需要谨慎处理自己的产品和创作成果，不要盲目地将内容云上传，因为存在平台拿用户上传的素材做训练的风险。

澎湃新闻：你觉得应如何做到创新与监管方面的平衡？

张军平：现在这个阶段还没有到需要严厉监管的阶段。可能从国家层面来说，最需要监管的还是数据。前几年出台的《中华人民共和国数据安全法》也反映出要小心数据泄露问题。

但创新这方面，我觉得应当以鼓励为主，其实我们并不知道应该怎么做才是对的。因为科研就是这样，很多时候并不知道要怎么做，但是做着做着可能就探索出一条路来，这是科研的真实情况。