人工智能：突破口在哪里？——

徐扬生校长在深圳创投25周年大会上的主旨演讲

　　各位朋友早上好，今天非常高兴受邀到这里做演讲，首先祝贺深圳创投25周年，深圳创投对深圳的发展与创新立下了汗马功劳，了不起！我们大家都感谢深圳创投做出的巨大贡献。

　　我从事人工智能机器人方面的研究大概40年，今天想跟大家分享一下这方面的思考，求教于诸位。人工智能发展到今天，无论是大语言模型、机器视觉，自动驾驶汽车，似乎基本上都到了一个顶端，那么，下一个突破口到底在哪里？

　　最近这段时间，不少投资界的朋友，无论是国内的还是国外的，包括来自硅谷的，都到我家里来问我同一个问题：人工智能有没有泡沫？我给出的回答是：有，而且是巨大的。因为从价值(valuation)来看，如今几乎所有与人工智能相关的投资都是出于狂热。但是也不要太悲观，我给人工智能的泡沫下了一个定义——这是一个“真实的泡沫”。所谓“真实”，体现在几个关键点：

　　第一，人工智能的突破是根本性的。从美国的曼哈顿计划开始，到今天，可能还没有任何一项科学技术能像人工智能这样，取得如此巨大的突破，具有这么重大的影响力，这可能是人类历史上的第一次，注意，我说的是根本性突破！

　　第二，智能从现在开始成为了商品，生产力的潜力是巨大的，会渗透到各行各业，影响到千家万户，所有的行业都会发生变革，有着巨大的生产力提升空间。

　　第三，人工智能已经形成了产业。这一点其实非常了不起，回顾互联网早期的发展，产业化的过程并不顺利。而今天，人工智能已经形成了一个相当规模的产业体系。注意，形成产业后，事情是很难改变的，我是一辈子跟着产业走的，我喜欢给工业界做顾问，给很多著名企业都做过顾问。我的一个体会是：产业上来了以后，它会反过来引导你，甚至是不罢休的。举个例子，今天所有的工业都用到的齿轮，有一天如果我说不用齿轮了，这件事情是做不到的，为什么？因为齿轮已经形成了一个产业了，它有做齿轮的机器和产业在那里，这是一定会做下去的，不会罢休的。我们都知道渐开线齿轮不是最好的，我从学生时代就知道，到现在还改不了，因为产业已经形成了。人们都关注科技对产业的影响，我想提醒大家产业对科技的影响也是巨大的。

　　第四，国家的战略支撑，这是非常重要的。可以负责任地说：未来人工智能的竞争，就是中美两国之间的较量。去年这个时候，我还不能这么肯定地说这句话，现在可以说了，明年会更明显。这意味着什么？两个国家的情况跟几个国家的情况是不一样的，几个国家是讲竞争(competition)，而两个国家是讲对峙(rival)，一旦形成这种关系，就不会轻易停下来。

　　基于以上几点，我的分析是：人工智能是一个真实的泡沫，发展前景非常之大。

　　那么我们先回顾一下现实世界中的人工智能到底发展到了哪一步，我们现在在哪里？目前的人工智能大概在五个领域：一是语言模型，包括语音、文本，所有与语言有关的东西；二是Transformer架构，就是注意力的分布(attention-based)，它加强了语言的功能，当然也有很多功能。

　　三是扩散模型；四是图像生成，图像这件事情已经做了很多年，但图像的生成这两年做得特别好；五是代码，代码是这几年开始的，我个人的判断是，到今年年底，自动生成上百行代码会非常普遍，代码生成会像语文课写作文造句一样，系统会自己衍生出来。至于其他方面的东西，有没有太大的本质性进步呢？我认为没有。

　　如果把这些现状放在一起看，人工智能今后应该往哪里走？首先，我们要从“语言”过渡到“非语言”，一定要从“语言”这个框里走出去。除人类以外，世界上有“智能”的东西，你去看看，比如说鸟、兔子、蛇，它们有语言吗？没有。

　　其次，要从“计算”到“非计算”，“非计算”指的不是“没有数字”，指的是除了“数据(data)”以外的东西，以及数据本身代表的“智能”程度。现在都是围绕着数据转。正是在这个从“语言”走向“非语言”、从“计算”走向“非计算”的过程中，产生了“具身智能”。

　　什么叫具身智能？就是基于物理的、身体的，通过感知及与周边的交互来进行学习和进化。比方说，你看到了我手在动，我的手是有感知的，是在与周边交互的，如果你们不在的话，我会这么动吗？这个过程就是具身智能。

　　具身智能的重点，首先是要有感知，没有感知是不行的，人都是有感知的，像眼、耳、鼻、舌、身等等。语言只是感知的一个特殊的方面。其次是要有交互，比如说我看到你们在听我的讲演，通过听、看、交流，形成一种互动。最后是要有学习，这是人工智能当中最根本的、不能忘记的三点。

　　讲到具身智能，现在很多人都认为是在讲人型机器人，我想与大家讲，这可能是误区。人型机器人是从90年代开始的，当时日本的科学家搞得很欢，但其他国家的大部分科学家并不太认同，为什么？因为人类创造机器人的目的，本来就不是要造一个“完全代替人类”的存在。所谓“机器人”，只是“像机器一样的人”或者“像人一样的机器”，你可以说它不是人，但它又多少带着一点人的特征。所以，人类造的机器人并不一定非得像个“人”，而只是具有人类(或非人类)的某些能力或特征的机器而已。

　　现在大家一窝蜂在做人型机器人，这其实不是唯一的路，我在硅谷还见过一家做“炒菜机器人”的创业公司：就是用一个机械臂拿着铲子在锅里翻炒。我当时看了只觉得很好笑——如果你只是想让机器炒菜，为什么非得给它一只“手”，再让它去拿一把“铲子”？我们完全可以直接让机器从底下把菜翻起来就好。人是因为做不到这样翻菜，才发明了铲子。所以，用机械臂握着铲子炒菜，其实挺傻的。真正要做具身智能，要把人工智能带入千家万户，需要另辟蹊径，不能只盯着人形机器人这一条路。人形机器人做出来，大家看了会很开心，去上春晚，相关部门也会很开心。这是可以的，但用不着所有人都去做人形机器人。

　　做人工智能的目的到底是什么？40年前我们做人工智能、做机器人，我们的初心是这样：首先，是为了让人远离危险。比如，当年我所在的地方有一家全球最大的核电站公司，核电站有故障，人是进不去的，因为太危险了，那能不能让机器人进去修理呢？因此，第一是避免危险；第二是去完成那些超越人类极限的事情。我们去到外太空，外太空环境可能是零下 250度，人类无法在那里生存，那机器人能不能去？这些都是“极限场景”的问题。另外，是为了摆脱重复劳动。我们为什么要造机器人、为什么要发展人工智能？就是为了让人从危险、极限、重复的工作中被解放出来，而不只是简单地“造一个人来代替人”。

　　那么，人类是不是这个世界上做各种工作或活动都最厉害的动物呢？其实并不是。比如，在平坦的路上，我们人类走一走还可以，但速度并不快，车就比我们快得多。我们也不会飞，人类想要飞行已经折腾了两千多年，但始终没能让自己飞起来。现在的飞机其实也不是“会飞的鸟”，比鸟差远了。鸟有两只会拍动的翅膀，飞机的机翼却动不了，只是做成一个类似鸟的形状，中间挖个洞，把人装进去而已。所以，在很多方面，人类其实并不如其他动物。

　　每天早上我都会在院子里散步，我很喜欢看鸟，观察它们是怎么飞的，而鸟的飞行方式和昆虫的飞行又完全不同；在海滩，我研究过螃蟹、龙虾，两者也有不同，它们适应不同的海滩环境，在沙滩上，人爬得再快也比不过螃蟹；森林里面你看松鼠，爬树爬得很好，我们做了很多“爬树机器人”，但是比松鼠还是差一点。我们能不能把自然界的其他动物的“智能”学出来？

　　现在稍微讲一下动态与静态，我个人其实更喜欢研究动态系统，不过今天时间有限，就不详细展开了。人类对“动态”这件事其实相对比较陌生，这也是具身智能的空白处，但动态本身有着非常有趣的智能。最简单的例子就是自行车。假设你从来没见过自行车，也不知道它是用来骑的，突然有人递给你一辆车，告诉你这个东西可以骑，你第一反应肯定是不相信：骑上去不是要摔倒吗？但事实恰好相反——骑得越快，越不容易倒。这就是典型的“动态系统的平衡”。朋友们，静态系统的智能和动态系统的智能，是完全不一样的。在我们实验室里，就有一些依靠动态平衡工作的机器人。

　　前面我们讲了那么多具身智能、动物的智能，还有动态与静态的智能，现在回到一个更根本的问题：人类最高层次的智能到底是什么？这个问题其实牵涉到教育的范式，也就是——我们究竟该如何教我们的孩子？在座的各位很多都有孩子，孩子在学校上学，如果老师跟你说：“你家孩子很聪明。” 那这个“聪明”到底指的是什么？按照我自己的研究结论，大概是：75%是记忆，20%是理性，5%是表达。我曾经分析过前五年的高考试卷，大致就是这么一个结构。里面几乎没有“感性”、“想象”、“直觉”，以及“创造”的内容。但恰恰在今天这个分享里，我要非常认真地说：人的最高智能，是直觉。我还是要强调：如果人工智能不往“直觉”这个层次走下去，我看这出戏即使唱得下去，也是不精彩的。为什么这么说？接下来我举两个简单的例子：

　　比如说打篮球。你去打球的时候，队友把球传过来，有些真正的高手，接球的一瞬间“啪”一下就出手投篮了。这个出手的决定是怎么做出来的？他会先算一算：前面防守的人有多高、阻力队员多少、投进的概率是多少，然后再决定要不要投吗？不会。这个过程不是理性的计算，也不是靠记忆，而是纯粹凭直觉完成的。所有高阶的东西，背后几乎都是直觉在起作用。

　　再举个例子。前两天有一位已经毕业的同学来我办公室跟我说她快结婚了。我说：那恭喜你啊。她说：恭喜什么，家里吵得很厉害。

　　我问为什么？她说她的妈妈不喜欢她的男朋友，她把男朋友带回家后，妈妈后来问她：“你说说看，这个男朋友到底好在哪里？”她自己也讲不清楚，只好说：“他个子很高啊。”

　　妈妈就说：“我上次给你介绍的那个男孩，个子也很高啊。”后来两个人来来回回说了很多，反正她妈妈就是不满意。

　　她最后问我：“校长，我妈妈说得对不对？”

　　我对她说：“你妈妈说的是对的。”

　　她脸一下就拉下来了，不说话了。我接着说：“但是，你选的男朋友也是对的。”

　　她马上就不理解了：“这不可能啊。如果我妈妈是对的，那我选的男朋友就是错的；如果我选的是对的，那我妈妈肯定就是错的。”

　　我说：“不是这样的。你妈妈说得 ‘对’，是指她是用理性、用逻辑在评判。而你在选男朋友的时候，是用直觉。你的直觉里当然也包含理性的成分，但不只限于理性，还有很多说不清道不明的东西。”

　　所以，朋友们，我们每个人在生活当中都会遇到以上这种类似情况：直觉在起决定性作用。这也是我为什么说，直觉其实是人类最高级别的智能。

　　“直觉” 这个说法未必是最准确的，英文里叫 intuition，或者 heuristics，里面其实包含了很强的 “经验” 成分。也正因为如此，我在学校里一直强调 “实践” 有多重要。在我看来，学习大致有四个阶段：学、思、践、悟。第一是 “学” ，中国学生这一点做得很好，都很勤奋；第二是 “思” ，也有不少同学在思考方面做得不错。第三是 “践” ，也就是亲身去做、去实践，这一环节在今天的教育里基本是缺失的。第四是 “悟” ，就更少见了——没有实践，光靠读书不可能产生真正的领悟。所以， “学–思–践–悟” 是一个完整的过程。在我们学校里，我一直强调：要有经验，要有感觉，要有理智，要有情感，这些东西要放在一起，才构成一种高维的智能。

　　那我们现在常说的“数据”是什么？本质上，数据是降维之后记录下来的结果。维度被压缩了，所以一定是不完整的。用这些数据去做一些相对简单的事情，在一定程度上是有效的，但问题也会随之而来：算力需求越来越高，能源需求越来越高。现在很多地方政府在讨论、争抢的焦点，就是“算力”。算力从哪里来、有什么用？

　　以围棋为例：假设你明天要和一位高手对弈，今晚要复盘一下，人复盘两三盘棋就已经很了不起了，AI一上来可以帮你复盘十盘。你会觉得：十盘当然比三盘好。如果是一百盘呢？那似乎更好；一千盘呢？好像更好了。照这个思路推下去，一万盘、十万盘是不是就更好？但如果你真正下过棋，你会在某个点上打断这个逻辑——因为人知道什么时候该停，什么时间已经是够了，机器却不知道在哪里停，这就是当下人工智能的一个根本问题，就是数据到底是否反映了真正的智能。

　　而对“降维后的数字”，我们必须保持警惕：哪怕有最多的数据、最强的算力，它们这些数字所代表的“智能”，是否是全域性的、是可靠的，这是一个大问号。换句话说，如果你向一群非常“笨”的人学习——不管你学得多快、多好，这有意义吗？我说得再不客气一点，假如这群人本身就不可信，甚至全是在说谎，那你越认真向他们学习，结果会怎样？同样的道理：在这样的前提下，你数据越多、算力越强、学习越快，越可能是毫无意义的。

　　回顾历史，世界上发生过的最重要的事件，起决定性作用的是什么？我个人比较喜欢看一些传记、历史书籍，从一个又一个案例里，你会发现：很多关键时刻，尤其是在战争这类重大事件中，真正决定走向的，是领导的判断力。那这种判断力从哪里来？更多时候是来自直觉，而不是纯粹的理性。回到现代教育和社会，对“理性”的强调已经到了有点“非理性”的程度了。所以有时候，孩子如果考试没考好，不要骂他，他无非是在某些“理性”指标上表现一般而已，但在别的方面，可能非常出色。理性当然重要，但远远没有我们今天想象得那么重要。

　　所以，回到人工智能本身：直觉是具身智能的下一个突破口。只有通过具身智能才可以达到直觉，只靠语言很难真正做到。想想我们人与人之间是怎么交流的。你们在座很多是领导，可以今天就做一个小实验：比如，你要跟一位员工谈话，告诉他今年经济不太好，年终奖可能要低一点，大概会是多少。你认真跟他聊个十五分钟，然后观察一下对方的反应。我的问题是：对方的反应有多少是基于你说的“内容”。统计的结果大约为30%，而剩下70%，跟“内容”无关。你甚至可以再进一步验证：用同样的措辞、同样的数字，让另一个人去跟同一个员工讲一遍，你会发现效果完全不一样。那么，这70%是什么？就是我今天反复强调的那部分：直觉。你的态度、手势、语气、眼神、笑容，以及你们之间既有的关系基础，都影响了沟通的结果——它们都在我们今天所说的直觉里。

　　前面讲了很多关于“直觉”和“具身智能”的讨论，我今天想要真正分享的一个核心理念是：真正颠覆性的创新，永远无法用过去的数据推算出来，创新是来自于高维的直觉，这也是具身智能的挑战所在。

　　总结一下，人工智能的突破口在具身智能，具身智能的突破口在基于直觉的智能框架，如果这两件事情做好了，人工智能就能所向无敌。讲到这里，我想引用日本作家村上春树的一段话，我特地把它放在了这一页的 PPT 上：每个人都有属于自己的一片森林，也许我们从来不曾去过，但它一直在那里，总会在那里。我们都在人生的密林里独行，在交错的小径上寻找属于自己的方向，那里有阳光——斑驳的温暖，也有月光——清冷的寂静。

　　我为什么要写这段话？其实没有什么目的，我只是想告诉大家：这个PPT不是人工智能做的，人工智能做PPT的话是绝对不会有这一页出现的。把这段话写在PPT里其实也是我的一种直觉。

　　要强调直觉，强调人，强调心，要把人还给时代，把心还给人。我们这个时代，把注意力都放在机器上了：机器视觉、机器智能、机器人、机器翻译……所以机器越来越像人，人越来越像机器。同时，要把心还给人，我们的心已经被手机拿走了，我们的灵魂已经在手机那里了。而人工智能的未来，应该在强调人性的基础上来进行研究，这样，才不至于迷路。

　　谢谢各位！