“人工智能”來了，人類需要恐慌嗎？

1956年夏，約翰·麥卡錫（John McCarthy）和馬文·明斯基（Marvin Lee Minsky）等科學家在美國達特茅斯學院開會研討“如何用機器模擬人的智能”時，首次提出“人工智能”這一概念，標志著人工智能的誕生。從那以后，研究者們發展了眾多理論和算法，人工智能的概念也隨之擴展。2006年，基于神經網絡的深度學習算法取得重要突破，人工智能順勢迎來新一輪投資界和工業界的追捧。

廣義的人工智能指人所創造的、代替人從事某些思維行為的設備。它可以是算盤，可以是計算器、計算機，以至于超算中心上基于算法行為實現了類似于人類邏輯推理。從狹義講，從 2006年開始的這一波人工智能浪潮，是在已有科技的基礎上因為深度神經網絡的突破而獲得的發展。

20世紀80年代，個人電腦的普及帶來了人類對人工智能的第二次恐慌，1997年計算機深藍戰勝了國際象棋大師加里·卡斯帕羅夫（Garry Kasparov），電影《終結者》和《機械戰警》都是這個時期的代表作品。2006年以后隨著深度學習技術的發展，人類迎來了對人工智能的第三次恐慌。美劇《西部世界》和電影《機械姬》就代表了這一階段人們對技術發展可能超越人類智慧的隱隱恐慌。美國未來學家雷·庫茲韋爾（Ray Kurzweil）提出奇點理論，被互聯網人追捧，人們擔心，到2049年，人工智能就可能超過人類，從此絕塵而去，人類會被機器人奴役，地球會被機器人統治。

美劇《西部世界》劇照：機器人多洛莉絲的覺醒

因為人工智能是研究如何利用計算機去完成過去只有人才能完成的智能工作，我們很自然地會將人工智能和人類在同樣任務上的表現進行比較。的確，在某些特定任務上，計算機已經表現出了遠超人類的能力。然而，在執行通用性任務時，如回答問題、感知以及醫療診斷，人工智能系統的能力變得越來越難以評估。

從認知的方式上來講，人類的認知過程與我們現在談論的人工智能是不一樣的。經典邏輯不能突破哥德爾不完備定理，但是，人卻具有這樣的能力。人類有一種認識相對準確結論的直覺方法，這種方法與計算機式的方法不同，我們可以認知新的事物和了解新的問題，而不受哥德爾不完備定理的限制。就計算機的有限邏輯而導致的其內在不完備而言，人卻從來不會受到這樣的困擾，因為人天生具有突破有限邏輯的能力，也許這構成了我們通常意義上說的感性。這也許是我認為這一代人工智能無法超越人類思維的數學邏輯層面的本質原因。

愛因斯坦親自授予哥德爾第一屆愛因斯坦勛章

但哥德爾所限定的有限邏輯，可能不限制量子力學的基本邏輯，人類的直覺也可能不受哥德爾不完備定理的限制，從這個角度來講現在的計算機結構不太可能具有人腦的能力。當然，量子計算機基于量子邏輯，離實現還有些實際的困難，現階段我們不能夠簡單預期。

量子信息的解釋也許會滲入人類對認知的了解。如果大腦真的是量子化的工作，我們用經典的圖靈機的方法來開發的計算機會在很長時間內無法超越人腦。因此，我們也就不用擔心人工智能控制人類。

人工智能時代：提升創造性動手能力+培養新工程人才

我自從做了物理學教授，就越來越覺得工程的重要。我深深地覺得我們應該去找到人類與機器的差別，至少它應該影響我們今天的教育內容。誰都不想我們今天教給孩子們的技能，十幾二十年后他們長大了才發現機器做得比他們要好得多。我憑著直覺感到，在車間伴隨著時時思考并探索和嘗試的動手能力，力學的、電學的、材料的，是無法輕易被機器取代的，相反，坐辦公室的工作，卻很容易被機器取代。

我一直沒有找到好的證明，直到有一天，跟我的導師基思·伯內特（Keith Burnett）先生聊起未來的工廠所應該營造的氣氛。人們希望能夠在未來工廠營造一種游戲的氛圍，讓年輕人以打游戲通關的心態從事創造性的工作。未來工廠也像今天的蘋果公司的銷售門店一樣，窗明幾凈，有計算機設計終端，也有滿地走的機器人。在這個生產場景里，人們試圖創造的每一個工件甚至執行的每一個步驟，都是一個多選擇的過程。這時人腦又像極了很多選擇網絡上行走的量子隨機行走，經典計算不能夠代替人類做出復雜決策，或者說至少不能像人腦一樣可以有效地做出截斷的判斷。人工智能催化的以數字產業為主的知識研發目前還很難覆蓋手工業。除了機器人制造能力的限制，其中的主要原因可能會有其他更深層次的。比如，涉及基于大量操作經驗而形成的直覺，這是目前人工智能很難與人進行比照的方向。因此，在制造業中，高級技術工人在工作過程中，所具有的結合數字化和制造業流程本身特點的技能，在人工智能時代會顯得尤為重要。這就需要制造型人才不僅要懂得人工智能的計算機技術，也要懂得工業生產流程中的具體情況。

簡約、明亮的蘋果零售店

麻省理工學院：新工程人才應具備12種思維和能力

傳統工程教育強調對學生進行基于學科知識的能力訓練，體現出工程教育活動組織與開展的學科邏輯。由于學科邏輯過于強調學生對工程學科知識的掌握以及學生認知能力的訓練，因此傳統工程教育容易造成工程教育活動的開展而忽視學生個體身心發展規律，忽視學生工程實踐經驗構建以及工程實踐中學生的組織和溝通能力的培養。

基于這些考量，麻省理工學院從2017年開始開展的新工程教育改革采取了整合學科邏輯與心理邏輯的策略。整合的路徑體現為以研究具體問題的課題項目為線索，圍繞現代產業的實踐和研究方法，構建機械、材料和系統科學的跨學科內容。每個課題為學生提供了前所未有的機會，讓他們沉浸在跨越學科的研究項目中，同時獲得所選專業的學位。新工程教育的教學方式發生了變革，強調以學生為本，關注學生的學習方式和學習內容，把學生真正置于工程教育活動的中心。不僅重視知識的獲取，而且重視應用知識的能力。項目是學習制造、發現、系統和創造力的主要工具，它有助于促進學生從團隊技能到人際關系技能再到領導能力的提升。

麻省理工學院

人工智能對生產效率的提高會使得產業界更加注重工程人才的學習能力和思維等方面的表現，原來強調以知識習得為重心的教育體系將會受到挑戰。新工程教育應更注重對學生思維的培養，從而讓學生在工程實踐中面臨各種未知與復雜問題時能夠運用恰當的思維去思考、解決問題。麻省理工學院提出新工程人才應具備12種思維和能力：

1、學習如何學習（Learning how to learn）：學生利用一定的認知方法主動思考和學習。

2、制造（Making）：新工程人才發現和創造出新事物的能力。

3、發現（Discovering）：一種通過采取探究、驗證等方式促進社會及世界知識更新，并能產生新的根本性的發現和技術的能力。

4、人際交往技能（Interpersonal skills）：一種能夠與他人合作并理解他人的能力，包含溝通、傾聽、對話、參與和領導團隊的工作等。

5、個人技能與態度（Personal skills and attitudes）：包含主動、有判斷力、有決策力、有責任感、有行動力以及靈活、自信、遵守道德、保持正直、能終身學習等品質。

6、創造性思維（Creative thinking）：一種通過深入思考，能夠提出和形成新的、有價值主張的思維。

7、系統性思維（Systems thinking）：在面對復雜的、混沌的、同質的、異質的系統時，學生能夠進行綜合性、全局性的思考。

8、批判與元認知思維（Critical and metacognitive thinking）：一種能夠對經由觀察、體驗、交流等方式所收集到的信息進行分析與判斷，以評估其價值及正確度的思維。

9、分析性思維（Analytical thinking）：一種能夠對事實、問題進行分解，運用理論、模型、數理分析，明確因果關系并預測結果的思維。

10、計算性思維（Computational thinking）：一種能夠把基礎性的計算程序（例如抽象、建模等）以及數據結構、運算法則等用于對物理、生物及社會系統的理解的思維。

11、實驗性思維（Experimental thinking）：一種能夠開展實驗獲取數據的思維，包含選擇測評方法、程序、建模及驗證假設等內容。

12、人本主義思維（Humanistic thinking）：學生能夠形成并運用對人類社會及其傳統、制度和藝術表達方式的理解，掌握人類文化、人文思想和社會政治經濟制度的知識。

創造力和好奇心，引導終身學習

突破常規而有所創新說起來也不難，但用到自己身上很難。我們承認和鼓勵“不同”，但也尊重先驗工具本身，知道它的工具和枷鎖的雙重性。當我們比較了人工智能和人的根本區別，也比較了經典系統和量子力學所預示的系統之間的差別，我們發現人類社會的發展趨勢是我們不再那么需要服從紀律的勞動力，這些勞動力可以輕易地被機器人取代。相反，社會對人的科學素養和人文底蘊要求越來越高。這包括人對世界的認知能力和人與人之間的溝通能力，也包括人對自身的感悟能力。社會需要的是具有創造力、充滿好奇心并能自我引導的終身學習者，需要他們有能力提出新穎的想法并付諸實施。

我們所設計的教育常常忽視人與人之間異常美妙的多樣性與細微的差別，而正是這些多樣性的細微差別讓人們在智力、想象力和天賦方面各不相同。本來人的思維是自由的、可創造的、可溝通的，我們的教育系統的終極目標居然是把人訓練成人工智能，而我們的教育考核指標在這個邏輯下就是給人工智能準備的。