02 人工智能的历史使命：让人类知道更多，做到更多，体验更多

陆氏猜想

20世纪80年代是所有亲历者难以忘怀的理想主义年代，那时候中国全体人民追求科学进步，对知识如饥似渴。尤其在校园里，大学生读书如痴如狂。陈景润[1]一类的科学家成为很多人的偶像。

1987年，在复旦大学的校园里，有一个和陈景润一样瘦削、戴着大框眼镜的青年，每天背着一个很大的书包行走在校园里，精神抖擞，喜欢思考在外人看来很玄奥的问题，同学们都喊他“陈景润”。

毕业的时候，他在毕业纪念册上写下了临别赠言：

谨献上本人最新研究成果，与列位同窗惜别。

“陆氏猜想”：HI=>C∪HB

（式中：H：Human I：Intellectualized

C：Computer B：Brain）

其意：人类终将使电脑智能化且使其远胜人脑。诸公不妨一效景润，或许，这颗电脑科学皇冠上的明珠非君莫属。

他是陆奇，后来的雅虎、微软领导者，今天的百度集团总裁。

“陆氏猜想”当然不是一个“陈式猜想”那样的科学定理，却也不是一句戏言，今天来看，更像是一句超前的顿悟。30年前就写下这样的话，信心来自哪里？

图2-1 陆奇于复旦大学1984届计算机科学系毕业纪念册上的临别赠言

那时的陆奇只有一个朦胧的感觉：“计算机给我们带来非凡的知识和体验。当时我们在计算机系写下棋程序，虽然是很简单的棋，给我的直觉就是，只要给我们足够的时间，以后一定可以做得比人更聪明，我当时有这样的直觉，所以我就这样写了。之后不久，我遇到一个难得的机会去卡内基梅隆大学计算机系深造。”

陆奇的个人信念是：知道更多，做到更多，体验更多。

从卡内基梅隆大学毕业时他写的是“Know more，Do more”。后来加了一句，变成“Know more，Do more，Be more”。因为他觉得“Be more”更重要，只是当时没有意识到。“Be more”也可以翻译成“成为更多”。人就是“在路上”，不断成为更丰富的存在。

就是这三个需求有机联系在一起，推动人类向前进步。人类的历史就是不断地去发现新东西，我们知道越多，就可以做到越多，我们做到越多，就可以体验越多，生活就会越来越丰富充实。正因为体验更多，我们才会知道更多，这是一个正循环，是人类进步的主旋律。

计算机让我们“Know more，Do more，Be more”，而人工智能就是这个旋律的最新回响。从这个角度去思考，我们可以比较清楚地洞察人工智能从哪里来，往哪里去，它的本质和标准究竟是什么，有志于人工智能事业的人和组织到底应该做什么。

下一个浪潮

我们正在见证的是一个计算机和数字化崛起的时代，这是人类历史大潮中持久的、必经的一个过程。而人工智能是将大潮推向下一个高点的动力。它将开辟一个新时代，给我们的社会带来持久的、长远的革命性影响。这样的影响涉及产业、技术等经济、社会各个层面。但是说到底，这一次人工智能革命将让我们人类整体用完全不同的方式往前走，书写崭新的历史。

首先，我们需要了解“人类进步”的本质——我们为那些能让我们认知更多，实现更多，获得更多经验的事情充满热情地奋斗。

而计算能力的不断发展，正是遵循着上述人类进步的方向，成为人类进步的本质表现。尤其是在计算机编程出现后，人类的进步开始前所未有地加速。其核心模式包括以下关键步骤：人类捕捉宇宙中的各种现象，特别是通过有意地观察获得经验；然后通过计算，将信息有效地组织、处理、提炼，使人类对某个现象进行更深入和抽象的理解，形成知识；人类利用产生的知识认知来采取行动，与现象进行交互，最终实现我们预期的结果。

可以看出，以现代数字计算系统为基础，IT（信息技术）行业在创造数以万亿元计的价值时，正是从组织信息（Information Organization，IO，帮助人类认知更多）、完成任务（Task Completion，TC，帮助人类实现更多）、丰富经验（Experience Enrichment，EE，帮助人类获得更多经验）三个核心维度上使人类取得长足的进步。

而人工智能作为人类计算能力的又一次全新升级，仍然是从上述三个纬度推动人类进步。而且，由于人工智能是一种革命性的、更高级别的智能计算系统（Intelligent Computing System，ICS），它对人类进步的推动作用也是前所未有的、革命性的。

决定现代数字计算系统主要结构的是资源的组织形式。而人工智能计算的本质，简单来说，非常不同于冯·诺依曼的控制流结构，后者采用线性的记忆体和布尔函数作为基线计算操作。而新的范式是神经网络计算，其特征在于分布式的表示和激活模式。在这里，变量由叠加在共享物理资源（如神经元）上的向量表示，并且通过神经元的激活来进行计算。网络的拓扑架构和激活模式提供了巨大的计算空间，可以有效并且自然地捕获丰富的知识（通过拓扑的超参数、权重、激活函数）。相对于冯·诺依曼架构中的本地化表示（其中变量由诸如寄存器的专用或局部化物理资源表示）和符号计算，神经网络计算在学习和表示物理世界以及社会的丰富的语义知识方面更加自然和强大。

通过神经网络计算的力量，下一波的人工智能技术可以在以下两个维度提升目前的计算系统：

一是自动分层特征/表示学习。这是机器学习容量的实质性提升，因为当今机器学习工作的很大一部分关键在于特征工程。如百度大脑已经拥有万亿级的参数、千亿级的样本和千亿级的特征训练。

二是高级认知，特别是感知能力。这是下一代设备（如无人驾驶汽车）和下一代平台（如自然语言会话）产生的巨大催化剂。

人工智能计算的强大能力将有助于产生许多新品种的智能系统，如机器律师、机器分析师、医疗机器人、智能客服人员等。

人工智能计算的另一个发展方向是组织各种服务于特定物理架构和物理要素的系统，如家、办公室、工厂等的智能系统。其基本模式是通过使用物联网传感器的各种原始信号，人工智能的“感知系统”会对物理架构进行识别和感知；而“认知系统”需要组织信息和学习更多关于物理架构的知识，并去预测、判断和决策，以使各类物理系统更加智能。