人工智能研究的重要方向之一是借鑒認知科學、計算神經科學的研究成果，使計算機通過直覺推理、經驗學習將自身引導到更高層次。目前的機器智能仍然是以計算機為中心，并沒有實現人們所希望的“以人為中心”。如何把人類認知模型引入到機器智能中，讓它能夠在推理、決策、記憶等方面達到類人智能水平，是目前科學界討論的焦點。

人工智能（AI）到底會不會替代人類？英國知名物理學家史蒂芬·霍金、美國首富比爾·蓋茨曾不止一次對這個問題拋出肯定回答，然而人工智能領域的科學家們卻不這么認為。

“作為一種可以引領多個學科領域、有望產生顛覆性變革的技術手段，人工智能技術的有效應用，意味著價值創造和競爭優勢。然而，人類社會還有許許多多脆弱的、動態的、開放的問題，人工智能還都束手無策。從這個意義上講，任何智能機器都沒有辦法去替代人類。”在7月31日于西安舉辦的一場學術沙龍中，中國工程院院士、中國自動化學會理事長鄭南寧談到，因此有必要將人類的認知能力或人類認知模型引入人工智能系統中，來開發新形式的人工智能，這就是“混合智能”。

“這種形態的AI或機器智能將是一個可行而重要的成長模式。”鄭南寧指出，智能機器與各類智能終端已經成為人類的伴隨者，人與智能機器的交互、混合是未來社會的發展形態。

日前，在黨中央、國務院統一部署和要求下，《新一代人工智能發展規劃》（下簡稱《規劃》）對我國人工智能發展戰略做了全面部署，明確了我國人工智能發展的總體要求及“三步走”的戰略目標。其中，在《規劃》部署的5個重要方向中，“人機協同的混合增強智能”赫然在列。

什么是混合智能？

如何定義混合智能？“由這個字面來講的話，混合智能應該是混合不同類型的智能。什么樣的智能需要混合呢？人工智能、人類智能以及自然界的智能。”澳門大學科技學院院長、講座教授陳俊龍告訴《中國科學報》記者，雖然人工智能在搜索、計算、存儲和優化領域比人類有更高效的優勢，但目前它的高級認知功能，例如感知、推理等方面還遠遠比不上人腦。

“畢竟機器的感知和推理還是由人類去設計的。”陳俊龍說，作為自然賦予人類的智能，目前在腦神經科學領域，人們要完全弄清楚人腦的工作原理還是任重道遠。

“當前的人工智能系統在不同層次都依賴大量的樣本訓練完成‘有監督的學習’，而真正的通用智能會在經驗和知識積累的基礎上靈巧地‘無監督學習’。如果僅僅是利用各種人工智能計算模型或算法的簡單組合，不可能得到一個通用的人工智能。”鄭南寧解釋說，因此，“人機協同的混合增強智能是新一代人工智能的典型特征”。

鄭南寧指出，盡管在特定領域的人工智能系統如谷歌的Alpha Go、IBM的深藍和Watson等依賴強大的計算能力在挑戰人類智力方面取得了巨大進步，但這些系統還無法通過自身思考得到更高層次的智能——它們與具有高度自主學習能力的通用人工智能依然存在著差距。

“但是，人工智能在這些特定領域應用的巨大成功為我們研究與發展新一代人工智能提供了重要的借鑒和新的方法。”鄭南寧將混合智能的形態分為兩種基本實現形式：“人在回路的混合增強智能”和“基于認知計算的混合增強智能”。

混合智能的兩種形態

“人在回路的混合增強智能”是將人的作用引入到智能系統中，形成人在回路的混合智能范式。在這種范式中人始終是這類智能系統的一部分，當系統中計算機的輸出置信度低時，人主動介入調整參數給出合理正確的問題求解，構成提升智能水平的反饋回路。

“把人的作用引入到智能系統的計算回路中，可以把人對模糊、不確定問題分析與響應的高級認知機制與機器智能系統緊密耦合，使得兩者相互適應，協同工作，形成雙向的信息交流與控制，使人的感知、認知能力和計算機強大的運算和存儲能力相結合，構成‘1+1>2’的智能增強智能形態。”鄭南寧解釋說。

而“基于認知計算的混合增強智能”則是指在人工智能系統中引入受生物啟發的智能計算模型，構建基于認知計算的混合增強智能。

“這類混合智能是通過模仿生物大腦功能提升計算機的感知、推理和決策能力的智能軟件或硬件，以更準確地建立像人腦一樣感知、推理和響應激勵的智能計算模型，尤其是建立因果模型、直覺推理和聯想記憶的新計算框架。”鄭南寧說，對當前人工智能而言，解決某些對人類來說屬于智力挑戰的問題可能是相對簡單的，但是解決對人類來說習以為常的問題卻非常困難。

他舉例說，很少有三歲的孩童能下圍棋（除非受過專門的訓練），但所有的三歲孩童都能認出自己的父母，且不需要經過標注的人臉數據集的訓練。

“人工智能研究的重要方向之一是借鑒認知科學、計算神經科學的研究成果，使計算機通過直覺推理、經驗學習將自身引導到更高層次。”西安交通大學人工智能與機器人研究所教授薛建儒告訴《中國科學報》記者，目前的機器智能仍然是以計算機為中心，并沒有實現人們所希望的“以人為中心”。如何把人類認知模型引入到機器智能中，讓它能夠在推理、決策、記憶等方面達到類人智能水平，是目前科學界討論的焦點。

人機混合是否最終階段？

AI之所以未能如人所愿，薛建儒提出，最大的問題就是科學家對人腦的認知模型還沒有一個統一的認識，或者得到的模型還都是對大腦非常局部的理解。但是大腦是多層次化、有整體性，并且有各種各樣耦合關系的有機體，目前暫時沒有辦法得到一個統一、通用的架構。

基于此，微軟亞洲研究院主管研究員羅翀認為，“混合智能可能不是AI發展過程中的一個過渡階段，有可能就是AI的最終階段——我們不可能讓機器自己去學習很多東西、學到很強的狀態，AI最終可能就是一個人機混合的狀態。”她轉而說：“這個狀態也沒什么不好。”

對此，國家***專家、蘭州大學信息科學與工程學院院長胡斌略帶質疑，他認為將混合智能當做AI的最終階段略顯“極端”。

“這的確很難去界定，或者應該表達為，我們不應該去擔心有一天機器會完全取代人類。”羅翀回應道。

鄭南寧補充說，人工智能的發展會始終伴隨人類社會的進化，人類的進化也會不斷地推進人工智能技術和理論的發展，而人工智能技術與理論的發展也不斷催促著人類朝著更加文明的時代去進步。“換句話說，就算人類在地球上消失了，人工智能也能隨之走向宇宙中非常深邃的地方。”

西安交通大學視覺信息處理國家工程實驗室副主任龔怡宏進一步提出，要實現人機協同的混合智能，需要解決的第一個難題就是人和機器之間的交互問題。“當前隨著語音識別、觸控屏等技術的發展，我們在人機交互方面取得了一些進步，但是這還遠遠不夠，人機之間需要更高效的交互。”

龔怡宏表示，目前人和機器之間的信息傳遞效率仍然非常低，遠未能實現真正意義上的人機協同、互相促進。“信息傳遞的通路是混合智能一個關鍵問題，是未來必須解決的。”